2500335810

128

Bartosz Jabłoński. Ryszard Klempous, Damian Majchrzak

Wady powyższej metody skłaniają do podejścia przy biometrycznej analizie ruchu w podobny sposób, jak to zostało pokazane w pracach [2, 3, 9, 14, 15], Bazuje się na rotacji X uda i podudzia, przez co dane MC zostają upodobnione do danych z sekwencji wideo. Jedną z zalet tego podejścia jest możliwość rozwinięcia wielokryterialnej klasteryzacji mogącej być podstawą projektowanego systemu identyfikacji człowieka przez analizę ruchu.

Dane poddawane analizie pochodzą z komercyjnego systemu Molion Capture [16]. Wadą materiału badawczego jest brak informacji na temat osoby wykonującej ruch zapisany w badanych sekwencjach. Nie można przez to jednoznacznie zweryfikować poprawności działania zaimplementowanych metod. Posiadanie takiego typu danych biometrycznych wymusiło skupienie prowadzonych badań bardziej na analizie podobieństwa danych sekwencji ruch niż na jednoznacznej próbie przyporządkowania poszczególnych danych do konkretnych osób.

Metoda DTW porównywania dwóch ciągów czasowych o różnych długościach pozwala na ocenę ich podobieństwa poprzez analizę kosztu przeprowadzonej transformacji dziedziny czasu. Przedstawione zostały wyniki analizy podobieństw mchu dla sygnałów rotacji w trzech osiach. Współrzędne każdego z punktów w przestrzeni wyników są wartościami kosztu dopasowania sygnałów bądź okresów sygnałów rotacji różnych segmentów ciała ludzkiego. Wszystkie sygnały porównywane były do sygnałów odniesienia wygenerowanych z pliku armout.bvh. W większości przypadków można odseparować grapę plików wykazującą pewne podobieństwo zarejestrowanych w nich ruchów. W śród nich najczęściej pojawiają się: armout.bvh, standard.bvh, pelvisdisplace.bvh, kneeswing.bvh, heeltoe.bvh, kneemid.bvh. Można postawić hipotezę, że podobieństwo danych sekwencji ruchu wskazuje na wykonywanie ich przez tą samą osobę. Przeprowadzone badania należy traktować jako badania wstępne wyznaczające kierunki dalszych eksperymentów oraz wskazujące grapę metod mających w perspektywie zastosowanie w analizie biometrycznej ruchu.

Aby jeszcze bardziej zwiększyć dokładność prezentowanych metod w kolejnym kroku można zaproponować łączoną analizę czasowo-częstotliwościową. W takim przypadku należy określić miarę podobieństwa w dziedzinie czasu (za pomocą miary opartej na metodzie DTW) oraz analogicznej miary podobieństwa w dziedzinie częstotliwości (opartej na analizie pierwszych harmonicznych). Metoda taka może dać interesujące wyniki prowadzące do lepszej klasteryzacji sekwencji.

Zadaniem prezentowanych badań było sprecyzowanie kierunków, na których warto się skupić by skutecznie móc realizować plan budowy w pełni sprawnego systemu identyfikacji człowieka na podstawie analizy cech charakterystycznych ruchu. Wyniki różnych prac prowadzonych na całym świecie oraz badań przeprowadzonych na potrzeby niniejszego opracowania wskazują jednoznacznie, iż metody te są jak najbardziej wartościowe z biometrycznego punktu widzenia. Mogą one stanowić doskonalą podstawę do zbudowania biometrycznych baz wiedzy, które zawierać będą informacje na temat specyfiki ruchu zarejestrowanych w nich osób. W celu opracowania takiej bazy mogą z powodzeniem posłużyć metody bazujące na widmie amplitudowym. Klasteryzacja opracowana na podstawie parametrów widma oraz zastosowanie algorytmów klasyfikacji z uczeniem wydaje się być obiecującym rozwiązaniem.

Opracowanie dobrze odseparowanych, spójnych klastrów ruchu dla każdej osoby, a następnie dla każdego z nich odpowiedniego ciągu uczącego jest warunkiem koniecznym zbudowania oraz poprawnego działania biometrycznego systemu analizy ruchu w celu identyfikacji osób. System taki będzie mógł pracować na danych z systemu Molion Capture, a także z systemu opartego na technologii wideo. Klastry grupujące ruch będą dzieliły go pod kątem różnych osób, ale także pod kątem rodzaju wykonywanego ruchu (np. chód i bieg), a w dalszych, bardziej zaawansowanych etapach pod kątem stanów emocjonalnych uwidaczniających się w ruchu. Wymaga to jednak zbudowania dobrze sparametryzowanego modelu ruchu człowieka.

Literatura

1.    Bąk A. Organizacja bazy danych ruchów elementarnych animowanych postaci ludzkich, Praca Magisterska, Politechnika Wrocławska, Wrocław (2001).

2.    Cunado D., Nixon M. S., Carter J. N., Automatic extraction and description of human gait models for recognition purposes, Computer Vision and Image Understanding, 90(1), (2003).

3.    Cunado D., Nixon M. S., Carter J. N., Using Gait as a Biometric, via Phase-Weighted Magnitude Spectra, Proc. of lst Int. Conf. on Audio- and Video-Based Biometric Person Authentication, (2003).

4.    Jasińska-Choromańska D., Korzeniowski D. Diagnostyka chodu - wzorzec chodu a pacjenci z implantami, w Pomiary Automatyka Kontrola, vol. 9 bis, (2005).

5.    Kuan E. L., Imestigating gait as a biometric, Technical report. Departament of Electronics and Computer Science, University of Sothampton, (1995).

6.    Kulbacki M., Jabłoński B., Klempous R., Segen J. Learning from Examples and Comparing Models of Human Motion, Journal of Advanced Computational Intelligence and Intelligent Informatics, vol. 8, No. 5 (2004).