کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6550774 1421960 2018 24 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Predicting body movements for person identification under different walking conditions
ترجمه فارسی عنوان
پیش بینی حرکات بدن برای شناسایی فرد در شرایط مختلف پیاده روی
کلمات کلیدی
شناسایی هویت، پیاده روی، پیش بینی جنبش انسانی، تحول خطی، تجزیه و تحلیل مولفه اصلی، رگرسیون حداقل مربعات جزئی،
ترجمه چکیده
حرکت انسان در طی پیاده سازی اطلاعات بیومتریک را فراهم می کند که می تواند برای اندازه گیری شباهت بین دو شخص یا شناسایی فرد استفاده شود. هدف از این مطالعه، توسعه یک روش برای شناسایی فرد با استفاده از حرکت پیاده روی آنها در هنگام حرکت دیگری در شرایط مختلف است. این نوع وضعیت اغلب در علم پزشکی قانونی اتفاق می افتد. بیست و هشت نفر از آنها خواسته شده بودند در یک آزمایشگاه راه رفتن راه بروند و موقعیت مفاصلشان با استفاده از یک سیستم سه بعدی حرکت حرکتی ردیابی شد. این افراد حرکات راه خود را هر دو بدون وزن و با یک کیسه تند با وزن 5٪ وزن خود را در دست راست خود تکرار کردند. موقعیت های 17 نشانه تشریحی در طی دو دوره آزمایشی راه رفتن به منظور ایجاد یک بردار راه رفتن ایجاد شد. ما دو روش مختلف تحول خطی را برای تعیین رابطه عملکردی بین بردارهای نرمال راه رفتن و جابجایی قدم به قدم از داده های راه رفتن جمع آوری کردیم، یکی با استفاده از تحولات خطی و دیگری با استفاده از رگرسیون حداقل مربعات جزئی. این روش ها با پیش بینی بردار حباب کوله پشتی با یک بردار طبیعی راه رفتن یک فرد تایید شده است که با محاسبه فاصله اقلیدسی بین بردار پیش بینی شده و یک بردار اندازه گیری می شود. میانگین نمرات پیش بینی برای دو روش 4/96 و 4/95 بود. این مطالعه توانایی شناسایی فرد بر اساس حرکت پیاده روی خود را حتی در شرایط مختلف پیاده روی نشان داد.
موضوعات مرتبط
مهندسی و علوم پایه شیمی شیمی آنالیزی یا شیمی تجزیه
پیش نمایش مقاله
پیش بینی حرکات بدن برای شناسایی فرد در شرایط مختلف پیاده روی
چکیده انگلیسی
Human motion during walking provides biometric information which can be utilized to quantify the similarity between two persons or identify a person. The purpose of this study was to develop a method for identifying a person using their walking motion when another walking motion under different conditions is given. This type of situation occurs frequently in forensic gait science. Twenty-eight subjects were asked to walk in a gait laboratory, and the positions of their joints were tracked using a three-dimensional motion capture system. The subjects repeated their walking motion both without a weight and with a tote bag weighing a total of 5% of their body weight in their right hand. The positions of 17 anatomical landmarks during two cycles of a gait trial were generated to form a gait vector. We developed two different linear transformation methods to determine the functional relationship between the normal gait vectors and the tote-bag gait vectors from the collected gait data, one using linear transformations and the other using partial least squares regression. These methods were validated by predicting the tote-bag gait vector given a normal gait vector of a person, accomplished by calculating the Euclidean distance between the predicted vector to the measured tote-bag gait vector of the same person. The mean values of the prediction scores for the two methods were 96.4 and 95.0, respectively. This study demonstrated the potential for identifying a person based on their walking motion, even under different walking conditions.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Forensic Science International - Volume 290, September 2018, Pages 303-309
نویسندگان
, , ,