Método de reconhecimento da marcha humana por meio da fusão das características do movimento global

• Ano de defesa: 2010
• Autor(a) principal: Arantes, Milene
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Análise da marcha; Biometria; Biometry; Fusão de característica; Fusion of characteristics; Gait analysis; Gait recognition; Global motion; Marcha humana; Movimento global; Reconhecimento da marcha
• Link de acesso: http://www.teses.usp.br/teses/disponiveis/18/18152/tde-24062010-153212/

Este trabalho propõe um novo enfoque em visão computacional aplicado a sequências de vídeo, de pessoas em movimento, para reconhecê-las por meio da marcha. O movimento humano carrega diferentes informações, considerando-se diferentes maneiras de analisá-lo. O esqueleto carrega as informações do movimento global de articulações do corpo humano e como se comportam durante a caminhada e a silhueta carreia informações referentes ao comportamento global do contorno do corpo humano. Além disso, imagens binárias e em escala de cinza possuem diferentes informações sobre o movimento humano. O método proposto considera o conjunto de frames segmentados de cada indivíduo como uma classe e cada frame como um objeto desta classe. A metodologia aplica o Modelo de Mistura de Gaussianas (GMM) para subtração de fundo, redução de escala realizada por meio de técnicas de multiresolução baseadas na Transformada Wavelet (TW) e a extração dos padrões por meio da Análise dos Componentes Principais (PCA). São propostos e ensaiados quatro novos modelos de captura de movimentos globais do corpo humano durante a marcha: o modelo Silhouette-Gray-Wavelet (SGW) captura o movimento baseado nas variações em nível de cinza; o modelo Silhouette-Binary-Wavelet (SBW) captura o movimento baseado nas informações binárias da silhueta; o modelo Silhouette-Edge-Wavelet (SEW) captura o movimento baseado nas informações contidas na borda das silhuetas e o modelo Silhouette-Skeleton-Wavelet (SSW) captura o movimento baseado do esqueleto humano. As taxas de classificações corretas obtidas separadamente a partir destes quatro diferentes modelos são então combinadas utilizando-se uma nova técnica de fusão. Os resultados demonstram excelente desempenho e mostraram a viabilidade para reconhecimento de pessoas.