دانلود ترجمه مقاله MSI و تشخیص الگوی راه رفتن در انسان – نشریه اسپرینگر

مشخصات مقاله انگلیسی (PDF)
سال انتشار مقاله	۲۰۰۵
تعداد صفحات مقاله انگلیسی	۷صفحه با فرمت pdf
رشته های مرتبط با این مقاله	مهندسی کامپیوتر
گرایش های مرتبط با این مقاله	هوش مصنوعی
مجله مربوطه	پیشرفت در بیومتریک – Advances in Biometrics
دانشگاه تهیه کننده	گروه کامپیوتر، دانشگاه پلی تکنیک هنگ کنگ
رفرنس	دارد
لینک مقاله در سایت مرجع	لینک این مقاله در سایت Springer
نشریه اسپرینگر

• فهرست مطالب:

چکیده
۱٫ مقدمه
۲٫ کارهای مرتبط
۳٫ الگوریتم شناسایی
۳٫۱ پیش پردازش
۳٫۲ تصویر سایه ای حرکت
۳٫۳ تمرین و تبدیل
۳٫۴ شناسایی
۴٫ نتایج و آزمایش ها
۴٫۱ شناسایی با استفاده از اعداد و نمونه های مختلف تمرین و تست
۴٫۲ شناسایی با مقادیر ویژه مختلف
۴٫۳ تکنیک MSI در برابر تکنیک واپیچی
۵٫ جمع بندی و کار های آتی

• بخشی از ترجمه:

۵٫ جمع بندی و کار های آتی
در این مقاله، ما یک ارائه ی جدید برای شناسایی الگوی راه رفتن پیشنهاد دادیم. ما از تصویر سایه ای حرکت (MSI) به عنوان نمونه ویژگی برای شناسایی استفاده کردیم. آزمایش ها نشان داد که MSI یک توانایی تمایز خوب دارد. عملکرد شناسایی بسیار امید بخش میباشد. نرخ شناسایی بیش از ۸۰ % در مجموعه داده، با استفاده از MSI میباشد. این الگوریتم قابل مقایسه با الگوریتم واپیچی Wang میباشد. نتایج آزمایشی نشان داد که MSI توانایی خوبی برای شناسایی الگوی راه رفتن میباشد. علاوه بر این، با استفاده از MSI، این روش میتواند میزان فضای مورد نیاز برای ذخیره سازی اطلاعات را کاهش دهد اما هنوز میتواند اطلاعات فضایی زمانی مهمی را برای شناسایی ارائه دهد. سایز اصلی مجموعه داده یSOTON حدود ۱٫۹۲ GB است . سایز مجموعه داده به ۴٫۲MB میباشد که در تبدیل MSI، ۹۹٫۷% سایز اصلی کاهش پیدا میکند. در این مقاله، ما الگوریتم پیشنهادی را در مجموعه داده ای که در محیط داخلی ثبت شده است، ارزیابی کردیم. در آینده، ما میخواهیم عملکرد این الگوریتم را تحت شرایط متفاوت در شرایط متغیر های مستقل مانند بارگذاری ها، سطح، و کفش بسنجیم. به علاوه، ما میخواهیم دیگر ارائه های پتانسیل را برای شناسایی الگوی راه رفتن سنجیده و میخواهیم از دیگر تکنیک های کاهش ابعاد مانند Kernel PCA استفاده کنیم تا نرخ شناسایی را نیز بهبود دهیم.

• بخشی از مقاله انگلیسی:

۵ Conclusion and Future Work

In this paper, we proposed a new representation for gait recognition. We used Motion Silhouettes Image (MSI) as the feature template for the recognition. The experiments showed that MSI has a high discriminative ability. The recognition performance is quite promising. The recognition rate is over 80 percent in SOTON dataset by using MSI. It is comparable with Wang’s unwrapping algorithm [7]. The experimental results reveal that MSI has a great potential as a feature template in gait recognition. Furthermore, by using MSI, it can reduce the data storage significantly, but still retain the critical spatial-temporal information for recognition. The original size of SOTON dataset is around 1.92GB. The dataset size reduced to 4.2MB which is reduced 99.7% of the original dataset after transformed to MSIs. In this paper, we evaluated the proposed algorithm in the dataset which captured in the indoor environment. In future, we would like to evaluate the performance of our proposed algorithm under different independent variables situation such as loading, surface and footwear. In addition, we would like to explore other potential representation for gait recognition and we would like to use other dimension reduction technique such as kernel PCA to further improve the recognition rate.

دانلود رایگان مقاله انگلیسی          خرید ترجمه فارسی مقاله