بهبود شناسایی هویت از طریق راه رفتن با استفاده از الگوریتم ژنتیک

Abstract

راه رفتن یکی از انواع ویژگی‌های بیومتریک است که به‌وسیله آن می‌توان هویت فرد را از ویدیوهای حاوی این بیومتریک شناسایی کرد. برای تشخیص هویت از طریق راه رفتن دو چالش جدی وجود دارد: 1) تغییر در جهت و زاویه راه رفتن 2) تغییر در ظاهر سوژه که به دلایل مختلف ازجمله حمل کیف یا تغییر پوشش ایجاد می‌شود. هر دو چالش ذکرشده عملکرد شناسایی هویت را به‌شدت تحت تأثیر قرار می‌دهد. در این مقاله روشی ارائه شده است که با هر دو چالش مذکور مقابله می‌کند. در روش پیشنهادی ابتدا جهت راه رفتن با استفاده از موقعیت تعدادی از پیکسل‌های منطقه پای انرژی تصویر راه رفتن (GEI) شناسایی می‌شود. این پیکسل‌ها به‌گونه‌ای انتخاب می‌شوند که بیشترین درصد شناسایی را به دنبال داشته باشند. و در ادامه با استفاده از الگوریتم ژنتیک قسمت‌هایی از GEI که در دو حالت حمل کیف و تغییر پوشش بیشترین تغییرات را دارند شناسایی و پوشانده می‌شوند. الگوریتم ژنتیک این قابلیت را دارد که ناحیه بهینه را با دقت خوبی شناسایی و حذف کند بطوریکه عملکرد سیستم در برابر تغییرات ظاهری مقاوم باشد. این سیستم منطقاً باید عملکرد خوبی داشته باشد زیرا مرحله شناسایی جهت راه رفتن طوری طراحی شده که از نظر محاسباتی ارزان است و از طرفی الگوریتم ژنتیک به‌گونه‌ای عمل می‌کند که اطلاعات مفید بیشتری در مقایسه با سایر روش‌ها حفظ می‌کند. نتایج نشان می‌دهد که روش پیشنهادی به‌طور میانگین 95.9 درصد شناسایی دارد که این درصد شناسایی نشان از برتری عملکرد این روش نسبت به سایر روش‌هاست.