ترکیب اطلاعات حرکت بدن و نیرو های تماسی کف پا برای تشخیص هویت انسان از روی تحلیل روش راه رفتن

نوع فایل: word (قابل ویرایش)

تعداد صفحات : 68 صفحه

چکیده

امروزه ﺑﺎ ﺗﻐﯿﯿﺮات ﺳﺮﯾﻊ ﻓﻨـﺎوری، سطح اﻣﻨﯿﺖ اﻓﺮاد و ﺳﺎزﻣﺎﻧﻬﺎ ﻧﯿﺰ ﮐﺎﻫﺶ ﯾﺎﻓﺘﻪ و اﯾﻦ اﻣﻨﯿﺖ ﻣﻮرد ﺗﻬـﺎﺟﻢ اﻓـﺮاد ﺳـﻮدﺟﻮ و ﺧﺮاﺑﮑـﺎر ﻗﺮارﮔﺮﻓﺘﻪ اﺳﺖ. در این میان پیشرفت روز افزون روشهای بیومتریک دستاوردهای شگرفی در زمینه های امنیت نظامی، تجاری و مالی در برداشته است. منظور از بیومتریک فناوری اندازه گیری و پردازش مشخصات بدن افراد جهت تشخیص هویت است. راه رفتن شخص، یکی از ویژگیهای فیزیکی بدن افراد است، که امروزه به عنوان یک بیومتریک در سیستم های تشخیص هویت استفاده می شود. تمامی روشهای موجود مبتنی بر راه رفتن برای تشخیص هویت به آنالیز تصاویرگرفته شده از شخص هنگام راه رفتن می پردازند.  اثر رد پا به عنوان یک روش بیومتریک جدید معرفی شده است. این بیومتریک مبتنی بر این است که رد پای افراد هنگام راه رفتن از جهاتی با هم متفاوت هستند. ویژگی های متمایز کننده افراد از لحاظ رد پا می توانند ابعاد و زاویه پا هنگام راه رفتن باشند. ۱۲ ویژگی رد پا برای انجام شناسایی افراد از همدیگر انتخاب شد و یک شبکه عصبی پرسپترون سه لایه برای بازشناسی افراد از روی ویژگی های مذکور آموزش داده شد. نشان داده شد که با استفاده از این ۱۲ ویژگی می توان افراد را با دقت کامل از همدیگر شناسایی و تفکیک کرد.

فهرست مطالب         صفحه
۱ فصل اول: کلیات تحقیق        
۱-۱ مقدمه         1
۱-۲ بیان مسئله         3
۱-۳ فرضیه های پژوهش         4
۱-۳-۱   ﻣﺮوری اﺟﻤﺎﻟﯽ ﺑﺮ ﺗﺎرﯾﺨﭽﻪ ﺑﯿﻮﻣﺘﺮﯾﮏ         4
۲ فصل دوم: مبانی نظری و پیشینه تحقیق        
۲-۱ روش های شناسایی افراد از اطلاعات         8
۲-۱-۱- باز ﺷﻨﺎﺳﯽ ﻫﻮﯾﺖ از ﻃﺮﯾﻖ اﺛﺮ اﻧﮕﺸﺖ         8
۲-۱-۲- باز ﺷﻨﺎﺳﯽ ﻫﻮﯾﺖ از ﻃﺮﯾﻖ ﭼﺸﻢ         9
۲-۱-۳- ﺑﺎز ﺷﻨﺎﺳﯽ ﻫﻮﯾﺖ از ﻃﺮﯾﻖ ﭼﻬﺮه         10
۲-۱-۴- ﺑﺎز ﺷﻨﺎﺳﯽ ﻫﻮﯾﺖ از ﻃﺮﯾﻖ ﮔﻔﺘﺎر         11
۲-۱-۵- ﺑﺎز ﺷﻨﺎﺳﯽ ﻫﻮﯾﺖ از ﻃﺮﯾﻖ اﻣﻀﺎ         11
۲-۲-    شناسایی افراد از طریق راه رفتن         12
۲-۲-۱- روش مبتنی بر مدل         13
۲-۲-۲- روش مبتنی بر ظاهر         20
۳ فصل سوم : مواد و روش ها        
۱-۳-جمع آوری داده         27
۳-۳-۱- مدل شماتیک         27
۳-۱-۲- طرز کار سنسور SPI         28
۳-۲- استخراج ویژگی         30
۳-۲-۱- اندازه گیری متغیرها         30
۳-۲-۲- تعداد متغیر ها         30
۳-۲-۳ جامعه آماری         38
۳-۳-دسته بندی         39
۳-۳-۱- شبکه های عصبی مصنوعی         39
۳-۳-۲-الگوریتم یادگیری پرسپترون         42
۳-۳-۳-طراحی شبکه عصبی در MATLAB         43
۴ فصل چهارم        
۴-۱ تشخیص هویت با شبکه آموزش دیده         48
۴-۲ نتیجه گیری         49
۴-۳ کارهای آینده         49
 منابع و مآخذ        50