شناسایی افراد با استفاده از تصاویر فشار پای تجمعی مبتنی بر فیلترهای گابور و طبقه بند نمایش تنک

تجزیه و تحلیل تصاویر فشار پای تجمعی افراد می‌تواند همانند سایر ویژگی‌های بیومتریک برای تشخیص افراد استفاده شود. تصویر فشار پای تجمعی، یک داده دو بعدی است که تغییرات نیروی عکس‌العمل زمین را در طول یک چرخه راه رفتن ثبت می‌کند. در این بیومتریک چالش‌هایی مانند تغییر سرعت راه رفتن وجود دارد. در این مقاله روشی مبتنی بر نرمالیزه کردن تصاویر، استخراج ویژگی با استفاده از فیلترهای گابور، کاهش ابعاد با Eigenfoot و طبقه‌بند‌های نزدیک‌ترین همسایگی NN، نزدیک‌ترین زیرفضا NS و نمایش تنک (SRC) با بهینه سازی نرم L1 و نرم L0 نرم شده ارائه می‌شود. روش پیشنهادی با استفاده از پایگاه داده CASIA Gait-Footprint، که شامل تصاویر فشار پای تجمعی مربوط به 88 فرد است، مورد ارزیابی قرار می‌گیرد. نتایج بدست آمده نشان می‌دهد که روش ارائه شده دارای دقت بالایی در شناسایی فرد نسبت به سایر روش‌های مشابه است و نسبت به تغییرات سرعت قدم زدن مقاومت خوبی دارد.

کلیدواژه ها:

تشخیص هویت ، فشار پای تجمعی ، فیلترهای گابور ، نمایش تنک