%37تخفیف

دانلود پروژه: شناسایی انسان از طریق راه رفتن به وسیله نمایش تنک

کارشناسی ارشد در رشته کامپیوتر

گرایش: نرم افزار

شناسایی انسان از طریق راه رفتن به وسیله نمایش تنک

چکیده :

با توجه به نياز روز افزون به ايجاد و توسعه سامانه­هاي خودكار و همچنين گسترش سامانه­هاي تعامل ميان انسان و كامپيوتر و سامانه­هاي مراقبتي، مساله آشكارسازي و شناسایی راه رفتن افراد در تصاوير از جايگاه ويژه­اي برخوردار است. در این مقاله روشی سریع و کارا برای شناسایی راه رفتن افراد مبتنی بر نمایش تنک و همچنین میانگین گیری ارائه می­شود. با توجه به اینکه نمایش تنک مبتنی بر محاسبه نمایش تنک با بهینه­سازی نرم  برای دیکشنری با ابعاد بالا دارای حجم محاسبات بالا است، یک روش مبتنی بر بهینه­سازی نرم  نرم شده  ارائه می­شود. از این رو در اینجا الگوریتم­ ترکیبی طبقه­بندهای نمایش تنک و میانگین گیری ارائه می­شود تا به تشخیص نهایی شخص هنگام راه رفتن منجر گردد. الگوریتم میانگین­گیری جهت از بین بردن چالشهای پوششی و نرمالیزه شدن تصاویر و الگوریتم نمایش تنک جهت از بین بردن چالشهای زاویه دید و تشخیص نهایی شخص مورد استفاده قرار می­گیرند. نتایج شبیه­سازی بر روی پایگاه داده B  از پایگاههای داده­ی راه رفتن CSSIA ( NLPR ) که توسط موسسه ی اتوماسیون – آکادمی علوم چین تهیه گردیده است.  نشان می­دهد که روش ارائه شده  دقت بالایی در شناسایی شخص هنگام راه رفتن با حجم محاساباتی کمتر دارد.

كلمات كليدي :  شناسایی شخص هنگام راه رفتن،  نمایش تنک، میانگین گیری

 

 

فهرست مطالب

 

عنوان

صفحه

فصل اول :  کلیات تحقیق

1

1-1 – پیش گفتار——————————————————————

2

1-2 – بیومتریک——————————————————————

2

1-3 – اجزاء یک سیستم بیومتریک——————————————————

3

1-4 – توصیف راه رفتن————————————————————-

4

1-5 – شناسایی انسان از روی نحوه ی راه رفتن———————————————

6

1-6 – مطالعات پزشکی   ————————————————————

7

1-7 – خصوصیات راه رفتن انسان——————————————————

7

1-8 –  ابزارهای ارزیابی سیستم های بیومتریک (شناسایی)————————————–

8

1-9 – کاربرد سیستم های شناسایی انسان از روی راه رفتن————————————–

11

فصل دوم  مروری بر کارهای گذشته

12

2-1 – پیش گفتار——————————————————————

13

2-2 – مقدار دهی اولیه توالی ویدئویی—————————————————-

14

2-2-1- مقدار دهی اولیه­ی ساختار سینماتیک—————————————-

14

2-2-2- مقداردهی اولیه­ی شکل————————————————-

15

2-2-3- مقداردهی اولیه ظاهر————————————————–

16

2-3 – ردگیری——————————————————————-

16

2-3-1- ردگیری مبتنی بر ناحیه————————————————-

17

2-3-2- ردگیری مبتنی بر ویژگی————————————————

18

2-3-3- ردگیری مبتنی بر مدل————————————————–

19

2-3-4- ردگیری مبتنی بر کانتور فعال———————————————

19

2-4 – تخمین موقعیت————————————————————–

20

2-5 – روشهای شناسایی افراد از طریق نحوه­ی راه رفتن—————————————-

21

2-6 – شناسایی——————————————————————-

21

2-7 – روش ROBUST VIEW TRANSFORMATION MODEL FOR GAIT RECOGNITION——–

24

فصل سوم  روش­های پیشنهادی

29

3-1 – پیش گفتار——————————————————————

30

3-2 – پایگاه داده CASIA (NLPR)—————————————————–

30

3-3 – مراحل شناسایی انسان از روی راه رفتن———————————————-

32

3-3-1- مرحله پیش پردازش—————————————————

32

3-3-2- مرحله استخراج و کاهش ویژگی——————————————-

35

3-3-3- مرحله طبقه بندی—————————————————–

35

3-4 – روش­های پیشنهادی———————————————————–

38

3-4-1- روش اول MeanView————————————————-

38

3-4-2- روش دوم Sparse—————————————————-

41

3-4-2-1- طبقه بندی مبتنی بر نمایش تنک خطی——————————

41

3-4-2-1-1- نمونه تست به عنوان ترکیب خطی تنک نمونه های آموزش——-

41

3-4-2-1-2- پیدا کردن جواب تنک با  مینیمم کردن نرم  —————

42

3-4-2-1-3- پیدا کردن جواب تنک با  مینیمم کردن نرم صفر  نرم­شده (Smoothed  ) ———————————————

43

3-4-2-1-4- طبقه بندی با نمایش تنک——————————

43

3-4-2-2- استفاده از الگوریتم مبتنی بر نمایش تنک برای کاهش نویزهای موجود در پایگاه داده————————————————————–

45

3-4-3- روش سوم :ادغام روش­هایMeanView وSparse——————————-

46

فصل چهارم تجزیه و تحلیل داده ها

47

4-1 – نتایج بدست آمده از روش اول MeanView Method  —————————–

48

4-2 – نتایج بدست آمده از روش دوم : Sparse Method ————————————–

52

4-3 – نتایج بدست آمده از روش سوم : Sparse & MeanView Method —————————

55

فصل پنجم : نتیجه گیری

59

5-1 – نتیجه گیری—————————————————————–

60

منابع و مآخذ

61

 

 

 

فهرست شکل ها و نمودارها

 

عنوان

صفحه

شکل 1-1 – نمونه ای از تصویر نیم رخ دودویی———————————————

5

شکل 1-2 – سیکل راه رفتن فرد——————————————————-

5

شکل 1-3 – نمونه ای از نمودار ROC—————————————————

9

شکل 1-4 – نمونه ای از نمودار CMS—————————————————

10

شکل 2-1 – این دیدگاه قوی، مدل تحول برای نمایندگی راه رفتن را نشان می دهد———————

27

شکل 3-1 – نحوه ایجاد پایگاه داده CASIA (NLPR)—————————————–

31

شکل 3-2 – نمونه اولیه از پایگاه داده CASIA (NLPR)—————————————

31

شکل 3-3 – زوایای مختلف و حالت های مختلف راه رفتن افراد در پایگاه داده CASIA (NLPR)———–

32

شکل 3-4 – مراحل الگوریتم شناسایی—————————————————-

32

شکل 3-5 – نحوه بدست آوردن تصاویر انرژی GEI——————————————

33

شکل 3-6 – نحوه بدست آوردن تصویر GEI بعد از مرحله استاندارد سازی————————–

34

شکل 3-7 – نمونه ای از تصاویر خروجی از مرحله اول استاندار سازی—————————–

35

شکل 3-8 – نمونه ای از استاندارد سازی پایگاه داده CASIA————————————

36

شکل 3-9 – تصاویر GEI  ———————————————————–

37

شکل 3-10 – بلوک دیاگرام روش MeanView ———————————————

39

شکل 3-11  (الف) تصویر شخصی که کیف حمل می کند در حالت عادی و (ب) تصویر شخصی است که کیف حمل می کند بعد از ضرب کردن تصویر میانگین در تصویر اصلی  ——————————–

40

شکل 3-12  (الف) تصویر شخصی که آورکت پوشیده در حالت عادی (ب) تصویر شخصی است که آورکت پوشیده در حالتی که در تصویر میانگین ضرب گردیده است————————————-

40

شکل 3-13 – بلوک دیاگرام نحوه استفاده از روش Sparse درون مسئله—————————–

45

شکل 3-14 – بلوک دیاگرام MeanView به همراه روش  Sparse.———————————

46

نمودار 4-1 – تشخیص انسان به روش MeanView در حالتی که انسان پوشش عادی دارد تحت زاویه 126—–

48

نمودار 4-2 – تشخیص انسان به روش MeanView در حالتی که انسان در حال حمل کیف ، تحت زاویه  90 —

49

نمودار 4-3 – تشخیص انسان به روش MeanView در حالتی که انسان در حال پوشش با آورکت تحت زاویه 126

49

نمودار 4-4 – مقایسه روش MeanView پیشنهادی با روش های مختلف دیگر در حالت راه رفتن عادی در زوایای مختلف تحت زاویه  126 ————————————————————

50

نمودار 4-5 – مقایسه روش MeanView پیشنهادی با روش های مختلف دیگر در حالت راه رفتن با حمل کیف در زوایای مختلف تحت زاویه 90 ——————————————————–

50

نمودار 4-6 – مقایسه روش MeanView پیشنهادی با روش های مختلف دیگر در حالت راه رفتن با پوشش آورکت در زوایای مختلف تحت زاویه  126 ———————————————–

51

نمودار 4-7 – تشخیص انسان به روش Sparse در حالتی که انسان پوشش عادی دارد تحت زاویه 126 ——–

52

نمودار 4-8 – تشخیص انسان به روش Sparse در حالتی که انسان در حال حمل کیف ، تحت زاویه 90 ——-

52

نمودار 4-9 – تشخیص انسان به روش Sparse در حالتی که انسان در حال پوشش با آورکت تحت زاویه 126—

53

نمودار 4-10 – مقایسه روش Sparse پیشنهادی با روش های مختلف دیگر در حالت راه رفتن عادی در زوایای مختلف تحت زاویه 126 ————————————————————-

54

نمودار 4-11 – مقایسه روش Sparse پیشنهادی با روش های مختلف دیگر در حالت راه رفتن با حمل کیف در زوایای مختلف تحت زاویه  90 ——————————————————–

54

نمودار 4-12 – مقایسه روش Sparse پیشنهادی با روش های مختلف دیگر در حالت راه رفتن با پوشش آورکت در زوایای مختلف تحت زاویه  126 —————————————————–

55

نمودار 4-13 – تشخیص انسان با ادغام روشهای MeanView و Sparse در حالتی که انسان پوشش عادی دارد تحت زاویه  126 ——————————————————————

56

نمودار 4-14 – تشخیص انسان با ادغام روشهای MeanView و Sparse در حالتی که انسان در حال حمل کیف ، تحت زاویه  90 ——————————————————————-

56

نمودار 4-15 – تشخیص انسان با ادغام روشهای MeanView و Sparse در حالتی که انسان در حال پوشش با آورکت تحت زاویه  126 ————————————————————

57

نمودار 4-16 – مقایسه روش MeanView  به همراه Sparse پیشنهادی با روش های مختلف دیگر در حالت راه رفتن عادی در زوایای مختلف تحت زاویه 126———————————————-

57

نمودار 4-17 – مقایسه روش MeanView  به همراه Sparse پیشنهادی با روش های مختلف دیگر در حالت راه رفتن با حمل کیف در زوایای مختلف تحت زاویه  90 —————————————-

58

نمودار 4-18 – مقایسه روش MeanView  به همراه Sparse پیشنهادی با روش های مختلف دیگر در حالت راه رفتن با پوشش آورکت در زوایای مختلف تحت زاویه  126 ————————————

58

1 دیدگاه برای دانلود پروژه: شناسایی انسان از طریق راه رفتن به وسیله نمایش تنک

  1. Mxphxa

    walgreen generic allergy pills prescription allergy medicine list allergy pills non drowsy

دیدگاه خود را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

قبلا حساب کاربری ایجاد کرده اید؟
گذرواژه خود را فراموش کرده اید؟
Loading...
enemad-logo