بهبود تشخیص هویت انسان با استفاده از ترکیب راه رفتن و ویژگی های چهره

چکیده

بیومتریک صفات منحصر به فرد انسانی است که در طول زمان پایدار است. چهره، عنبیه، اثر انگشت و نوع راه رفتن، بیومتریک هایی هستند که در سیستم های شناسایی مورد استفاده قرار می گیرند. شناسایی چهره در تصاویر دور یکی از چالش هایی است که به دلیل عدم وجود جزئیات چهره هنوز مشخص نیست و تلاش هایی برای رفع آن چهره گرفته است. یکی از راه های غلبه بر این چالش، استفاده از سایر بیومتریک ها در کنار چهره است. در ادغام بیومتریک، دو یا چند بیومتریک عمدتاً برای شناسایی و بهبود پارامترهای ارزیابی استفاده می شود. این مقاله تلاش می‌کند تا چالش شناسایی با ادغام بیومتریک چهره و راه رفتن را در ترکیب تصویر سطح تصمیم با استفاده از تصاویر دور حل کند. این مقاله روش جدیدی برای شناسایی با استفاده از همجوشی بیومتریک چهره و راه رفتن پیشنهاد می‌کند. در روش پیشنهادی، ویژگی‌های تصاویر چهره با استفاده از الگوریتم تبدیل ویژگی تغییر ناپذیر مقیاس (SIFT) استخراج می‌شوند. بیومتریک راه رفتن برای غلبه بر چالش جزئیات ناکافی تصویر چهره استفاده شده است. برای غلبه بر چالش تغییرات در نوع راه رفتن، از حداکثر انحنا و هیستوگرام الگوریتم‌های گرادیان جهت‌یافته برای استخراج ویژگی‌ها استفاده شده است. ویژگی‌های به‌دست‌آمده با استفاده از سه طبقه‌بندی کننده یعنی ماشین بردار پشتیبان (SVM)، K-نزدیک‌ترین همسایه و جنگل تصادفی در پنج مرحله دسته‌بندی می‌شوند. و در نهایت توسط یک قانون فیوژن سطح تصمیم، شناسایی انجام می شود. روش پیشنهادی بر روی پایگاه داده چهره ORL و نوع راه رفتن CASIA A شبیه سازی شده است. نرخ تشخیص 99.50 و دقت 99.80 نشان دهنده برتری روش پیشنهادی است.