Yürüyüş Tanıma Serisi-6: Yürüyüş Tanımayı Etkileyen Faktörler ve Günümüzdeki Sorunları
Aşağıdaki gerekçeler yürüyük tanımada sorun yaratan temel sorunlardır: Ayakkabı(Shoe) Çekim Açısı(View) Zemin(Surface) Kıyafetler[Etek,Uzun Ceket v.b.] Aksesuarlar(Gözlük,Şapka,Saat,Halhal) Çantalar[Sırt Çantası, El Çantası,v.b.] Evcil Hayvanlar(Kedi,Köpek .v.b.) Çevre[Arabalar,Kalabalık v.b.]
Çekim açısı ayrı olarak tekrardan detaylı olarak değerlendirilecektir.Geriye kalan yapılar için Rank-1 ve Rank-5 data setleri üzerinde yapılan deneylerde bu etkenlerin başarımı ne oranda etkilediği görülmektedir.(100èTanıma En Yüksek Seviyede,0èTanıma Yapılamıyor )
V:Görüş Açısı,H:Ayakkabı, T: Zamanlama
Bu yapılar beraber ve teker teker RDX deney ortamlarındaki kişilerede denenmiştir.Özellik çıkarma algoritmalarının başarımları aşağıdaki tabloda verilmiştir
Başka bir araştırmada Furier dönüşümü kullanılarak başarım test edilmiştir.Furier dönüşümü sonucu görüntüler real ve sanal olmak üzere 2’ye ayrılır.Seçim başarıma göre tespit edilecektir.(aèReal Kısım,bèSanal Kısım)
Yapılan deney için araştırma setleri aşağıdaki şekilde oluşturulmuştur.(Briefcase:Evrak Çantası)
Bu yapılara Furier dönüşümleri yapılarak sanal ve real alanların başarım karşılaştırmaları yapılmıştır.Karşılaştırmalar Rank1 ve Rank5 adlı yapılar üzerinde ayrı ayrı denenmiştir ve güvenilir sonuçlara ulaşmak hedeflenmiştir.Sonuçlar aşağıdaki tabloda verilmiştir.
Çekim Açısı Etkeni
Çekim açısı kesinlikle başarımı en çok etkileyen faktördür.Sebebi ise çekim açısının bilinmesinin çoğu zaman mümkün olmamasından kaynaklanmaktadır.Kimliklendirilecek kişi ile olan mesafe arttıkça çekim açısı tahmini zorlaşmaktadır ve milimetrik hatalar çok yanlış sonuçları ortaya çıkarabilmektedir.Aşağıdaki yapıda kişinin boydan çekimi ve yukardan çekimi görülmektedir.İdeal yapı aşağıdaki şekilde olmalıdır.Sebebi ise b bakış açısında kişinin tam olarak 90 derecelik açı yapışının tespiti kolaydır.Eğer bir kere kişinin 90 derecelik açıda görüntüsü alınabildiyse önceki ve sonraki görüntüler kişinin hızının tespitinin yapılması sayesinde normalize hale getirilebilir. Fakat 27 derecelik açıdan yapılan bir çekim var ise normalize işlemi çok zordur çünkü gerçekten kişinin 27 derece olduğunun tespiti mümkün değildir.Temel anlamda 90 derecelik bir açıda bakılan insan silüetleri benzerdir.Fakat 27 derece farklılık görülmektedir.Aynı farklılık 15 derece içinde vardır.Farklılığın hangi derece için olduğu tespit edilemediğinden ve 90 derecedeki silüetler benzer olduğu için 90 derece çekim yapılan karenin tespiti kolaydır.Bir diğer bakış açısı olan a’da ise kişinin tam olarak boyunun alınması gerekir.Kadraja sığan bireyin mesafe tespiti eğer arkasında bir duvar gibi bir nesne varsa veya boyu bilinen başka bir nesnenin yanından geçtiyse mesafe tespiti mümkündür. Bu iki açıya dikkat edilerek işlemler gerçekleştirilmeli ve özellikler çıkarılmalıdır.
Farklı S durumlarında kişinin açı tespitiyle ilgili aşağıdaki görsel dikkate alınmalıdır.Kişi lineer olarak değil elips bir yapıda kameraya direk olarak yaklaşıp daha sonra uzaklaşadabilir.Bunun tespitide mümkündür.Bu yapı içinde kişinin sadece 90 derecelik açı olan S3 durumunda olması yeterlidir.
Kişilerin yürüyüş frekansları farklı açılardanda çekilse aynı sonuçları vermelidir.Sebebiyse değişenin kişi değil kamera açısı olmasından kaynaklanmalıdır.Açıya göre alınan görüntü normalize edilip yürüyüş frekansları eşleştirilmelidir.Aşağıda farklı açılardan alınan görüntülerdeki kişilerin yürüyüş frekans değişimleri görülmektedir.
Eğer Model Tabanlı Yürüyüş tanıma yapılacak ise kamera konumlandırmaları aşağıdaki şekilde olmalıdır.Kare bir ortam için kişinin aynı anda tümden kadrajda bulunduğu iki kamera arasındaki açı en fazla 60 derece olmalıdır ve kişiyi çeken tüm kameralar arasındaki açıların toplamı 360’dan fazla olmalıdır.Bu 2 şart normal kameraların kullanıldığı bir ortam için sağlandığında ve standart gereksinimler sağlandığı takdirde kişiye model tabanlı yürüyüş tanıma uygulanabilir.
Mevcut bilgilerlede Yürüyüş Tanımaya yönelik yaptığım Araştırma ve Geliştirme çalışmalarının dökümantasyonlarının sonuna gelmiş bulunmaktayız. Umuyorum ki faydası olmuştur.
Kullanılan Kaynaklar:
1. Variability and Similarity of Gait as Evaluatedby Joint Angles: Implications for Forensic GaitAnalysis
2. Gait Analysis in Forensic Medicine
3. Variability of Bodily Measures of NormallyDressed People Using PhotoModeler
4. Forensic 3D documentation of skin injuries
5. An Efficient Gait Recognition System for Human Identification using Neural Networks
6. Accident or homicide — Virtual crime scene reconstruction using 3D methods
7. The forensic holodeck: an immersive display for forensic crime scene reconstructions
8. Multimedia File Signature Analysis for Smartphone Forensics
9. Recognizing friends by their walk: Gait perception without familiarity cues
10. A Biomechanical Invariant for Gait Perception
11. Analysis of Human Gait for Person Identification and Human Action Recognition
12. COMPARISON OF VARIOUS BIOMETRIC METHODS
13. Suvarna Shirke,S.S.Pawar D.Y.Patil COE Department of Computer Engineering University of pune Akurdi, Pune, India Kamal Shah Thakur COE Department of Information Technology University of Mumbai Kandivali(E),Mumbai, India ,2014 Fourth International Conference on Communication Systems and Network Technologies
14. Cross-Speed Gait Recognition UsingSpeed-Invariant Gait Templates andGlobality–Locality Preserving ProjectionsSheng Huang, Student Member, IEEE, Ahmed Elgammal, Senior Member, IEEE,Jiwen Lu, Senior Member, IEEE, and Dan Yang, IEEE TRANSACTIONS ON INFORMATION FORENSICS AND SECURITY, VOL. 10, NO. 10, OCTOBER 2015
15. Towards automated visual surveillance using gait for identity recognition and tracking across multiple non- intersecting cameras ,Imed Bouchrika · John N. Carter · Mark S. Nixon Published online: 21 November 2014 © Springer Science+Business Media New York 2014
16. Fusion of Static and Dynamic Body Biometrics for Gait Recognition Liang Wang, Huazhong Ning, Tieniu Tan, Fellow, IEEE, and Weiming Hu IEEE TRANSACTIONS ON CIRCUITS AND SYSTEMS FOR VIDEO TECHNOLOGY, VOL. 14, NO. 2, FEBRUARY 2004
17. DENTIFYING USERS OF PORTABLE DEVICES FROM GAIT PATTERN WITH ACCELEROMETERS Jani Mäntyjärvi, Mikko Lindholm, Elena Vildjiounaite, Satu-Marja Mäkelä, Heikki Ailisto VTT Electronics Oulu, Finland email: [email protected]
18. Gait Recognition:A challening signal processing technology for biometric identification Nikolaos V. Boulgouris, Dimitrios Hatzinakos, and Konstantinos N. Plataniotis
19. Evaluation of different feature sets for gait recognition using skeletal data from Kinect Bojan Dikovski Faculty of Computer Science and Engineering University Ss. Cyril and Methodius Skopje, R. of Macedonia Email: [email protected] Gjorgji Madjarov Faculty of Computer Science and Engineering University Ss. Cyril and Methodius Skopje, R. of Macedonia Email: [email protected] Dejan Gjorgjevikj Faculty of Computer Science and Engineering University Ss. Cyril and Methodius Skopje, R. of Macedonia Email: [email protected] MIPRO 2014, 26–30 May 2014, Opatija, Croatia
20. General Tensor Discriminant Analysis and Gabor Features for Gait Recognition Dacheng Tao, Xuelong Li, Senior Member, IEEE, Xindong Wu, Senior Member, IEEE, and Stephen J. Maybank, Senior Member, IEEE IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE, VOL. 29, NO. 10, OCTOBER 2007
21. Robustview-invariant multi scale gait recognition Sruti DasChoudhury,TardiTjahjadin School ofEngineering,UniversityofWarwick,GibbetHillRoad,CoventryCV47AL,UnitedKingdom
22. On Reducing the Effect of Covariate Factors in Gait Recognition:A Classifier nsemble Method Yu Guan, Chang- Tsun Li, Senior Member, IEEE, and Fabio Roli, Fellow, IEEE IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE
23. Gait Components and Their Application to Gender Recognition
24. Xuelong Li, Senior Member, IEEE, Stephen J. Maybank, Senior Member, IEEE, Shuicheng Yan, Member, IEEE, Dacheng Tao, Member, IEEE, and Dong Xu, Member, IEEE IEEE TRANSACTIONS ON SYSTEMS, MAN, AND CYBERNETICS — PART C: APPLICATIONS AND REVIEWS, VOL. 38, NO. 2, MARCH 2008
25. Cross-Speed Gait Recognition Using Speed-Invariant Gait Templates and Globality–Locality Preserving Projections Sheng Huang, Student Member, IEEE, Ahmed Elgammal, Senior Member, IEEE, Jiwen Lu, Senior Member, IEEE, and Dan Yang IEEE TRANSACTIONS ON INFORMATION FORENSICS AND SECURITY, VOL. 10, NO. 10, OCTOBER 2015
26. Y¨ur¨uy¨us¸ Stiline Dayalı Kis¸ilerin Tanınması Human Identification Using Gait Murat Ekinci, Murat Aykut Bilgisayarla G¨or¨u Lab Bilgisayar Mu¨hendislig˘i Bo¨lu¨mu¨, Karadeniz Teknik U¨ niversitesi, Trabzon [email protected]
27. Gait recognition based on shape and motion analysis of silhouettecontours q
28. Sruti Das Choudhury, Tardi Tjahjadi ⇑School of Engineering, University of Warwick, Gibbet Hill Road, Coventry CV4 7AL, United Kingdom
29. Statistical Feature Fusion for Gait-based Human Recognition Ju Han and Bir Bhanu Center for Research in Intelligent Systems University of California, Riverside, California 92521, USA jhan,[email protected]
30. ELİPS UYDURMA VE STATİK VÜCUT PARAMETRELERİ YAKLAŞIMLARINDAN YARARLANILARAK YÜRÜYÜŞE GÖRE CİNSİYET
31. TAHMİNİ YAPILMASI GENDER ESTIMATION ACCORDING TO GAIT BY USING ELLIPSE FITTING
32. AND STATIC BODY PARAMETER APPROACHES Emre Gürbüz1, Nurettin Şenyer1 1. Bilgisayar Mühendisliği Bölümü
33. Ondokuz Mayıs Üniversitesi {emre.gurbuz,nurettin.senyer}@bil.omu.edu.tr
34. Automatic Gait Recognition Based on Statistical Shape Analysis Liang Wang, Tieniu Tan, Senior Member, IEEE, Weiming Hu, and Huazhong Ning Silhouette Analysis-Based Gait Recognition for Human Identification Liang Wang, Tieniu Tan, Senior Member, IEEE, Huazhong Ning, and Weiming Hu , IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE, VOL. 25, NO. 12, DECEMBER 2003
35. View Transformation Model Incorporating Quality Measures for Cross-View Gait Recognition Daigo Muramatsu, Member, IEEE, Yasushi Makihara, and Yasushi Yagi, Member, IEEE, IEEE TRANSACTIONS ON CYBERNETICS, VOL. 46, NO. 7, JULY 2016
36. A Framework for Evaluating the Effect of View Angle, Clothing and Carrying Condition on Gait Recognition Shiqi Yu, Daoliang Tan, and Tieniu Tan National Laboratory of Pattern Recognition, Institute of Automation, Chinese Academy of Sciences {sqyu, dltan, tnt}@nlpr.ia.ac.cn
37. Siluet Farklarına Dayalı Yürüme Örüntüsü Üretme Gait Pattern Production Based on Silhouette Differences Eyüp GED_KL_1, Murat EK_NC_2 1. Of Teknik E_itim Fakültesi, Bilgisayar E_itimi Bölümü 2. Bilgisayar Mühendisli_i Bölümü, Mühendislik Fakültesi Karadeniz Teknik Üniversitesi{gediklie,ekinci}@ktu.edu.tr
38. Pyramidal Fisher Motion for Multiview Gait RecognitionFrancisco M. Castro, Manuel J. Mar´ın-Jim´enez, Rafael Medina-Carnicer IMIBIC — Dep. of Computing and Numerical Analysis University of Cordoba — Cordoba, Spain [email protected], [email protected], [email protected], 2014 22nd International Conference on Pattern Recognition
39. A new approach for multi-view gait recognition on unconstrained paths q D. López-Fernández ⇑, F.J. Madrid- Cuevas 1, A. Carmona-Poyato 1, R. Muñoz-Salinas 1, R. Medina-Carnicer 1 Department of Computing and Numerical Analysis, Maimónides Institute for Biomedical Research (IMIBIC), University of Córdoba, Córdoba, SpainJ. Vis. Commun. Image R. 38 (2016) 396–406
40. A comprehensive review of past and present vision-basedtechniques for gait recognition Tracey K. M. Lee & Mohammed Belkhatir & Saeid Sanei Published online: 11 July 2013 # Springer Science+Business Media New York 2013
41. The TUM Gait from Audio, Image and Depth (GAID) database:Multimodal recognition of subjects and traits Martin Hofmann ⇑, Jürgen Geiger, Sebastian Bachmann, Björn Schuller, Gerhard Rigoll Institute for Human- Machine Communication, Technische Universität München, Arcisstr. 21, 80333 Munich, Germany J. Vis. Commun. Image R. 25 (2014) 195–206
42. Mobil Cihazlarda Biyometrik Sistemler Üzerine Bir İnceleme Bilgehan ARSLAN, Şeref SAĞIROĞLU Gazi Üniversitesi, Mühendislik Fakültesi Bilgisayar Mühendisliği Bölümü 06500 Ankara, TÜRKİYE (Geliş / Received
: 10.04.2015 ; Kabul / Accepted : 08.12.2015), Politeknik Dergisi, 2016; 19 (2) : 101–114
43. GAIT RECOGNITION OF HUMAN USING SVM AND BPNN CLASSIFIERS Arun Joshi1, Mr. Shashi Bhushan2, Ms. Jaspreet Kaur3 ¹ M. Tech (IT), 4th Sem, Chandigarh Engineering College, Landran, Mohali (Punjab) ² Head of Department (IT), Chandigarh Engineering College, Landran, Mohali (Punjab) ³ Assistant Professor (Department of IT) Chandigarh Engineering College, Landran, Mohali (Punjab)1 [email protected]; 3 [email protected]