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

راه رفتن یکی از انواع ویژگی های بیومتریک است که به وسیله آن می توان هویت فرد را از ویدیوهای حاوی این بیومتریک شناسایی کرد. برای تشخیص هویت از طریق راه رفتن دو چالش جدی وجود دارد: ۱) تغییر در جهت و زاویه راه رفتن ۲) تغییر در ظاهر سوژه که به دلایل مختلف ازجمله حمل کیف یا تغییر پوشش ایجاد می شود. هر دو چالش ذکرشده عملکرد شناسایی هویت را به شدت تحت تاثیر قرار می دهد. در این مقاله روشی ارائه شده است که با هر دو چالش مذکور مقابله می کند. در روش پیشنهادی ابتدا جهت راه رفتن با استفاده از موقعیت تعدادی از پیکسل های منطقه پای انرژی تصویر راه رفتن (GEI) شناسایی می شود. این پیکسل ها به گونه ای انتخاب می شوند که بیشترین درصد شناسایی را به دنبال داشته باشند. و در ادامه با استفاده از الگوریتم ژنتیک قسمت هایی از GEI که در دو حالت حمل کیف و تغییر پوشش بیشترین تغییرات را دارند شناسایی و پوشانده می شوند. الگوریتم ژنتیک این قابلیت را دارد که ناحیه بهینه را با دقت خوبی شناسایی و حذف کند به طوریکه عملکرد سیستم در برابر تغییرات ظاهری مقاوم باشد. این سیستم منطقا 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 به گونه ای عمل می کند که اطلاعات مفید بیشتری در مقایسه با سایر روش ها حفظ می کند. نتایج نشان می دهد که روش پیشنهادی به طور میانگین ۹/۹۵ درصد شناسایی دارد که این درصد شناسایی نشان از برتری عملکرد این روش نسبت به سایر روش هاست.