Machine Learning Techniques for Gait Biometric Recognition: Using the Ground Reaction Force

این کتاب بر چگونگی استفاده از تکنیک های یادگیری ماشینی برای تجزیه و تحلیل و استفاده از یک دسته خاص از بیومتریک های رفتاری به نام بیومتریک راه رفتن تمرکز دارد. یک چارچوب جامع تشخیص بیومتریک راه رفتن مبتنی بر نیروی واکنش زمینی (GRF) پیشنهاد شده و توسط آزمایش‌ها تایید شده است. علاوه بر این، یک تجزیه و تحلیل عمیق از تکنیک‌های تشخیص موجود که برای انجام تشخیص شخص مبتنی بر GRF مناسب هستند نیز پیشنهاد شده است، و همچنین مقایسه‌ای از پیکربندی‌های استخراج‌کننده ویژگی، نرمال‌کننده‌ها و طبقه‌بندی‌کننده‌ها که هرگز مستقیماً با یکدیگر مقایسه نشدند، پیشنهاد شده است. در هر تحقیق قبلی تشخیص GRF. در نهایت، یک نمای کلی نظری دقیق از بسیاری از تکنیک‌های یادگیری ماشینی موجود ارائه شده است که منجر به پیشنهاد دو تکنیک پردازش داده جدید می‌شود که به‌طور خاص برای تشخیص بیومتریک راه رفتن با استفاده از GRF توسعه یافته‌اند.

This book focuses on how machine learning techniques can be used to analyze and make use of one particular category of behavioral biometrics known as the gait biometric. A comprehensive Ground Reaction Force (GRF)-based Gait Biometrics Recognition framework is proposed and validated by experiments. In addition, an in-depth analysis of existing recognition techniques that are best suited for performing footstep GRF-based person recognition is also proposed, as well as a comparison of feature extractors, normalizers, and classifiers configurations that were never directly compared with one another in any previous GRF recognition research. Finally, a detailed theoretical overview of many existing machine learning techniques is presented, leading to a proposal of two novel data processing techniques developed specifically for the purpose of gait biometric recognition using GRF.