بهبود شناسايي هويت از طريق راه رفتن با استفاده از الگوريتم ژنتيك

An Improvement on The Identification via Gait using Genetic Algorithm

راه رفتن يكي از انواع ويژگي‌هاي بيومتريك است كه به‌وسيله آن مي‌توان هويت فرد را از ويديوهاي حاوي اين بيومتريك شناسايي كرد. براي تشخيص هويت از طريق راه رفتن دو چالش جدي وجود دارد: 1) تغيير در جهت و زاويه راه رفتن 2) تغيير در ظاهر سوژه كه به دلايل مختلف ازجمله حمل كيف يا تغيير پوشش ايجاد مي‌شود. هر دو چالش ذكرشده عملكرد شناسايي هويت را به‌شدت تحت تأثير قرار مي‌دهد. در اين مقاله روشي ارائه شده است كه با هر دو چالش مذكور مقابله مي‌كند. در روش پيشنهادي ابتدا جهت راه رفتن با استفاده از موقعيت تعدادي از پيكسل‌هاي منطقه پاي انرژي تصوير راه رفتن (GEI) شناسايي مي‌شود. اين پيكسل‌ها به‌گونه‌اي انتخاب مي‌شوند كه بيشترين درصد شناسايي را به دنبال داشته باشند. و در ادامه با استفاده از الگوريتم ژنتيك قسمت‌هايي از GEI كه در دو حالت حمل كيف و تغيير پوشش بيشترين تغييرات را دارند شناسايي و پوشانده مي‌شوند. الگوريتم ژنتيك اين قابليت را دارد كه ناحيه بهينه را با دقت خوبي شناسايي و حذف كند به‌طوريكه عملكرد سيستم در برابر تغييرات ظاهري مقاوم باشد. اين سيستم منطقاً بايد عملكرد خوبي داشته باشد زيرا مرحله شناسايي جهت راه رفتن طوري طراحي شده كه از نظر محاسباتي ارزان است و از طرفي الگوريتم ژنتيك به‌گونه‌اي عمل مي‌كند كه اطلاعات مفيد بيشتري در مقايسه با ساير روش‌ها حفظ مي‌كند. نتايج نشان مي‌دهد كه روش پيشنهادي به‌طور ميانگين 95/5 درصد شناسايي دارد كه اين درصد شناسايي نشان از برتري عملكرد اين روش نسبت به ساير روش‌هاست.

Gait is a biometric feature that can be used to identify individuals from videos. Two main challenges are a change in the direction and angle of walking and a change in the appearance due to various reasons such as carrying a bag or any change in clothes that significantly affect identification. In the present paper, a method is proposed which addresses both challenges. In the proposed method, first, the direction of walking is determined using the position of several pixels in the foot zone of the gait energy image (GEI). The pixels are selected to have the maximum identification percentage. Then, the genetic algorithm is used to identify and mask zones of GEI with the most changes in both carrying a bag and changing clothes. The GA is capable of identifying and removing the optimized zone with a good precision that makes the system robust when there are changes in the appearance. Logically, the system should have a good performance because the walking direction identification stage is designed in an affordable computing time. Moreover, GA maintains more useful data comparing to similar techniques. According to the results, an average identification percentage of 95.9% was achieved which confirms the superiority of the proposed method over similar ones.