Siluetlerden üretilen yürüyüş biyometrisine dayalı kimliklendirme

Abstract

Güvenilir, hızlı ve otomatik şekilde, kimlik tespiti ve doğrulaması yapabilen biyometrik sistemler, kriminal vakalarda ve güvenlik gerektiren alanlarda, biyometrik özellikleri ilgi odağı haline getirmiştir. Son zamanlarda yüz ve yürüyüş şekli biyometrik özelliklerinin ölçülmesi çalışmalarıyla, güvenliği tehdit edici, terörizm gibi insan temelli olayları önceden tahmin edebilmek amaçlanmaktadır. Diğerlerine göre yürüyüş şekli, düşük çözünürlükteki kameralarla uzaktan, termal ve kızılötesi kameralarla karanlıkta ve karmaşık ortamlarda alınabilen, gizlenmesi ve taklidi zor olan bir biyometrik özelliktir. Bu özellikleriyle ilgi toplayan yürüyüş şekli, yakın gelecekte önemli güvenlik noktalarında biyometrik sistemlere hizmet edecektir.Yürüyüş şeklini belirlemek için, video akışında kişinin modeli oluşturulur veya siluetten yürüyüş örüntüleri üretilir. Sonra model veya örüntülerdeki dinamik değişimlerin makine öğrenmesi yaklaşımlarıyla yürüyüş imzaları çıkartılır. Daha sonra çevrimiçi üretilen imzaların, referans imzalarıyla benzeşimleri hesaplanarak tanıma gerçekleştirilir.Bu tezde, yürüyüş şeklinin siluetlerden üretilen yürüyüş örüntüsüne dayalı belirlenmesine ve tanınmasına çalışılmıştır. Bunun için yürüyüş örüntülerinden doğrusal ve doğrusal olmayan uzaylarda yapılan analizlerle, küçük boyutlarda yürüyüş imzaları üretilip, birbirine benzeşimleri en yakın komşuluk (EYK) ve destek vektör makineleri (DVM) ile hesaplanmıştır. Bu çalışmada yürüyüş örüntüsü üretme, Gauss çekirdek fonksiyonu için otomatik parametre kestirimi, sınıflandırılacak özniteliklerin normalizasyonu ve örnekler arası uzaklık hesaplamalarında katkılar yapılmıştır. Ayrıca özellik çıkarımı için yürüyüş örüntülerinde daha önce denenmemiş direk doğrusal ayrıştırma analizi (D-DAA) ve çekirdek direk ayrıştırma analizi (ÇDAA) yaklaşımları uygulanmıştır. Geliştirilen gerçek zamanlı sistemlere uyarlanabilir uygulamalarla, yaygın kullanılan CMU, SOTON, USF ve CASIA uluslar arası yürüyüş veritabanlarında performans artışı sağlanmıştır.

Biometric systems capable of performing reliable, fast and autonomous human identification and identity verification focused scientific attention on biometric feature extraction especially in criminal cases and other events demanding high level of security. The goal of recent studies on face and gait recognition is to foresee and prevent human-based unlawful incidents such as terrorism threatening security. Gait is a biometric feature with differentiating characteristics including remote profile formation by using low resolution video cameras, measurability in dark and complicated environments via thermal and infrared video cameras, and imitation and concealment hardness. Due to its distinguishing attributes, in the near future, human identification based on gait is expected to serve as the core component of biometric systems located at critical security points.First, style of walking is determined using either model-based or silhouette-based approaches. Subsequently, walking signatures of dynamic changes in models or patterns are constructed by means of machine learning techniques. Finally, human identification is accomplished by calculating the similarities between constructed and reference signatures.This work focused on gait recognition based silhouettes. Walking signatures have been created using feature extraction methodologies on gait patterns. The similarities among walking signatures have been estimated using nearest-neighbor and support vector machine learning algorithms. This study contributed to the areas including gait pattern production, automatic parameter estimation for Gaussian kernel, attribute normalization and distance calculation. Furthermore, direct linear discrimination and its kernel approaches have been applied for feature extraction. By means of the application of the methods developed in this work which can be adopted in real-time systems, a performance increase has been observed in widely used CMU, SOTON, USF and CASIA databases.