Return to search

Reconhecimento de pessoas pela marcha usando redução de dimensionalidade de contornos no domínio da frequência / Human gait recognition using dimensionality reduction of contours in the frequency domain

Submitted by Marlene Santos (marlene.bc.ufg@gmail.com) on 2016-08-10T19:31:03Z
No. of bitstreams: 2
Dissertação - Weder Cabral Mendes - 2016.pdf: 1214460 bytes, checksum: 14588573f8f81fe4836a9945adacf37d (MD5)
license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Approved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2016-08-15T13:25:32Z (GMT) No. of bitstreams: 2
Dissertação - Weder Cabral Mendes - 2016.pdf: 1214460 bytes, checksum: 14588573f8f81fe4836a9945adacf37d (MD5)
license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Made available in DSpace on 2016-08-15T13:25:32Z (GMT). No. of bitstreams: 2
Dissertação - Weder Cabral Mendes - 2016.pdf: 1214460 bytes, checksum: 14588573f8f81fe4836a9945adacf37d (MD5)
license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5)
Previous issue date: 2016-03-31 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / Gait recognition via computer vision attracted increasing interest for its noninvasive characteristic
and mainly for your advantage of recognizing people at distance. Recognition
is performing extracting features included in gait, this features are extracted from images
sequence of people walking. The main challenges of gait recognition is to extract characteristics
with unique information for each person, in additional, the use of accessories
and clothes difficult the feature extraction process. This paper proposes a gait recognition
method using information of people’s contours transformed in domain frequence by Discrete
Fourier Transform. A lot of data are generated from the contours, thereby, three different
techniques for dimensionality reduction CDA (Class Discrimination Ability), PCA
(Principal Component Analysis) and PLS (Partial Least Squares) are employed to reduce
the dimensionality of data and generate characteristics that are relevant to the recongnition
system. Two classifiers, KNN (K-Nearest Neighbor) and LDA (Linear Discriminant
Analysis) classify the characteristics that are returned by the dimensionality reduction
methods. The accuracy are achieved by the combination of the dimensionality reduction
methods and classifiers, the highest accuracy was 92:67%, which was achieved with the
combination between the LDA and PCA (LDAPCA). Therefore, the results show that the
information contained in the contours of silhouette are discriminant to recognize people
by their gait. / O reconhecimento de pessoas através da marcha humana via visão computacional tem
ganhado destaque por ser uma técnica biométrica não invasiva e principalmente por sua
vantagem de reconhecer pessoas à distância. O reconhecimento é realizando extraindo
características contidas na marcha de cada pessoa, essas características são extraídas de
sequências de imagens da pessoa caminhando. Os principais desafios dessa técnica biométrica
está em extrair as características com informações que consigam diferenciar uma
pessoa da outra, além disso, o uso de acessórios e vestimentas dificultam o processo de extração
de características. Este trabalho propõe um método de reconhecimento baseado na
marcha humana utilizando informações dos contornos das pessoas transformados para o
domínio da frequência por meio da Transformada Discreta de Fourier. Como são geradas
muitos dados a partir dos contornos, três técnicas diferentes de redução de dimensionalidade
CDA (Class Discrimination Ability), PCA (Principal Component Analysis) e PLS
(Partial Least Squares) são empregadas para reduzir a quantidade de dados e gerar características
que sejam relevantes para o sistema de reconhecimento. Dois classificadores,
KNN (K-Nearest Neighbor) e LDA (Linear Discriminant Analysis) classificam as características
retornadas pelos métodos de redução de dimensionalidade. As taxas de acurácia
são obtidas pelos resultados gerados entre a combinação dos métodos de redução de dimensionalidade
e os classificadores, a maior taxa de acurácia foi de 92;67%, a qual foi
alcançada com a combinação entre o LDA e PCA (LDAPCA). Dessa forma, conclui-se que
as informações contidas no contorno da silhueta no domínio da frequência são discriminantes
para reconhecer pessoas através da marcha.

Identiferoai:union.ndltd.org:IBICT/oai:repositorio.bc.ufg.br:tede/5931
Date31 March 2016
CreatorsMendes, Wender Cabral
ContributorsLaureano, Gustavo Teodoro, Soares, Anderson da Silva, Laureano, Gustavo Teodoro, Soares, Anderson da Silva, Coelho, Clarimar José, Costa, Ronaldo Martins da
PublisherUniversidade Federal de Goiás, Programa de Pós-graduação em Ciência da Computação (INF), UFG, Brasil, Instituto de Informática - INF (RG)
Source SetsIBICT Brazilian ETDs
LanguagePortuguese
Detected LanguagePortuguese
Typeinfo:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis
Formatapplication/pdf
Sourcereponame:Biblioteca Digital de Teses e Dissertações da UFG, instname:Universidade Federal de Goiás, instacron:UFG
Rightshttp://creativecommons.org/licenses/by/4.0/, info:eu-repo/semantics/openAccess
Relation-3303550325223384799, 600, 600, 600, 600, -7712266734633644768, 1231144342511031835, 2075167498588264571

Page generated in 0.0026 seconds