Gait Recognition Based on Angles Measurement
| العنوان بلغة أخرى: |
تمييز المشية اعتمادا على زوايا الحكة |
|---|---|
| المؤلف الرئيسي: | Al Zoubi, Ahmad M. (Author) |
| مؤلفين آخرين: | Al Ani, Muzhir Shaban |
| التاريخ الميلادي: |
2013
|
| موقع: | عمان |
| الصفحات: | 1 - 70 |
| رقم MD: | 637223 |
| نوع المحتوى: | رسائل جامعية |
| اللغة: | الإنجليزية |
| الدرجة العلمية: | رسالة ماجستير |
| الجامعة: | جامعة عمان العربية |
| الكلية: | كلية العلوم الحاسوبية والمعلوماتية |
| الدولة: | الاردن |
| قواعد المعلومات: | Dissertations |
| مواضيع: | |
| رابط المحتوى: |
عدد مرات التحميل
33
| المستخلص: |
لقد بات موضوع التعرف على المشية (Gait Recognition) مؤخراً من المواضيع التي ازداد الاهتمام بها ، لاسيما أن هذا المجال لا يزال يحتاج إلى الكثير من التطوير ، بالإضافة إلى أنه يطرح بعض الخصائص المتميزة مثل سهولة الالتقاط أو الحصول على البيانات بأقل كلفة وبدون الحاجة إلى الاتصال المباشر مع الشخص. إن الأعمال السابقة في هذا المجال تتطلب إلصاق شريط على لباس الشخص وذلك لتسهيل استخراج الخطوط المستقيمة للأرجل، كما أنها تعاني من تدني معدل التعرف نسبياً. يقوم العمل المقترح في هذه الرسالة بالتغلب على مشكلة وجود الشريط على لباس الشخص. إن العمل المقترح في هذه الرسالة يتألف من ثلاث مراحل. في المرحلة الأولى يتم استخراج الـ(Gait signature) من خلال تغير قيم الميل لكل من الفخذ والساق أثناء المشي. حيث تشمل المرحلة الأولى على (background subtraction) و (silhouette extraction) واحتساب دورة المشي. أما في المرحلة الثانية فيتم حذف الخطوط المستقيمة الزائدة في الصورة الهيكلية للشخص، لأن هذه الخطوط لا تمثل الميل الحقيقي لمستقيمات الأرجل. إن المرحلة الثانية تحتوي على (silhouette skeleton) و (Hough line transform) و (Filter Lines Algorithm) و ((feature extraction. لقد تم اقتراح هذه الخوارزمية (FLA) لتقوم بتحديد و اختيار الخطوط المستقيمة التي تمثل كلاً من الفخذ والساق. أما في المرحلة الثالثة يتم استخدام الـ (KNN) لتصنيف مشية الشخص والتعرف عليه. ولاختبار أداء البرنامج للنظام المقترح ، تم التقاط مائة و ثمانٍ وعشرون مقطع فيديو لاثنين وثلاثين شخص ، بمعدل أربع مقاطع لكل شخص. كما تم اختيار أربع وستون مقطعاً لعمل (training) للبرنامج ، بينما الأربع وستون مقطع الأخرى تم استخدامها كعينات إدخال لاختبار الأداء. تشير النتائج التجريبة بالنهاية بالحصول على النسب التالية: Precision Recall Accuracy 90.63 98.31% 90.63% إن هذا العمل المقدم يعتمد في حله على شكل الإنسان ، حيث يفترض أن كلاً من الفخذ والساق يقعان في النصف السفلي من الجسم ، كما يفترض أن الشخص يمشي على سطح أفقي أملس ، بمعنى أن كلاً من الفخذ و الساق لهما نفس الخط العمودي. بالنهاية يمكن التركيز بالمستقبل بالعمل على تطوير هذا النظام للتعامل مع حالة المشي على السطوح غير المستوية. |
|---|
عناصر مشابهة
-
Bigram Based Fixed-Length Coding : A Reliable Text Compression Technique
بواسطة: Al Jedady, Ameen Ali Ahmad منشور: (2012) -
Electro-oculogram pattern recognition and gaze angle prediction
بواسطة: Al Quran, Hiam Hamad Alali منشور: (2008) -
A multi-layer perceptron neural network based - model for face detection
بواسطة: Al Qudah, Ghaith Ahmad منشور: (2009) -
Cash Currencies Recognition Using KNN Classifier
بواسطة: Al Khiat, Abrar منشور: (2014) -
Gait measurement for real - time application
بواسطة: Al Shuhri, A. منشور: (2008)
