Eisenos analize grįstų asmens atpažinimo metodų tyrimas
Serackis, Artūras | Recenzentas / Rewiewer |
Tradiciniai žmonių identifikavimo metodai, tokie kaip identifikavimo pagal veidą, akis ir pan. būdai, šiuolaikiniame pasaulyje turi svarbių trūkumų. Šie metodai praranda identifikavimo galimybę, kuomet identifikuojami asmenys tikslingai arba netikslingai atliko plastinę veido operaciją, nešioja kontaktinius lęšius ir pan. Dėl šios priežasties vienas iš tikslesnių būdų asmeniui atpažinti yra atpažinimas pagal jo eiseną, kurią sudėtinga ilgą laiką imituoti. Todėl baigiamajame magistro darbe apžvelgti dažniausiai naudojami metodai eisenai analizuoti, eisenai atpažinti naudojamų algoritmų alternatyvos, dažniausiai naudojami būdai eisenos požymiams skaičiuoti ir galiausiai atlikta duomenų, skirtų dirbtinio intelekto modeliui mokyti, atranka ir paruošimas. Visi nagrinėti algoritmai yra pagrįsti eisenos analize, atlikta žmonių siluetais (vaizdo įrašų kadrais) arba kompiuteriniais žmonių modeliais. Šiame darbe pasiūlytas naujas būdas asmeniui atpažinti, pagrįstas vaizdo įrašų kadrų analize ir kompiuterinių modelių taikymu. Tokiu būdu sudarytas sprendimas apjungia eisenai analizuoti naudojamus būdus, anksčiau taikomus atskirai. Darbo apimtis: 61 p. teksto be priedų, 52 iliustr., 53 bibliografiniai šaltiniai, 2 darbo priedai.
Traditional methods of human identification, such as identification based on face and eyes, have important shortcomings. These methods lose the possibility of identification when the identified persons have performed plastic facial surgery, wear contact lenses, and so on. For this reason, one of the more accurate ways is to identify a person by his gait, which is difficult to imitate for a long time. Therefore, the final master thesis reviews the most commonly used methods for gait analysis, algorithms used for gait recognition, methods for calculating gait traits, and finally the selection and preparation of data used to teach an artificial intelligence model is done. All the analyzed algorithms are appearance-based or model-based, so a new technique is proposed in this work. The proposed solution combines the methods used to analyze gait, which previously were applied separately. Thesis consists of 61 pages without appendixes, 52 figures, 53 references, 2 appendixes.