分析比較

本論文在本節中將與其他文獻所提出的方法做比較，但是就目前的文獻中，大多 都只應用在身份鑑別上，在安全監控的方面較少探討。因此，本論文在本節中將針對 身份鑑別的部份來與其他文獻所使用的方法進行辨識率比較，如表 4-4 所示：

表 4-4 本論文方法與其他文獻方法之身份鑑別辨識率比較

C. Nandini, P. Mukhopadhyay, T.

Tanmay, S. K. Ranjan, S. Roy[9]

73 70

H. Ng 等人[8]主張先找出人體姿態的骨架圖後，針對各個關節點來進行角度的特 徵抽取，最後使用模糊最近鄰居法(fuzzy-knn)來進行身份分類。C. Nandini 等人[9]所 使用的特徵主要都是依靠在一周期中每一張側影姿態的方框大小，包含每一張側影影 像方框的長度、寬度、面積和方框對角角度。 B. Lee 等人[10]是先找出動態輪廓影像 (motion contour image, MCI)後，算出 MCI 的特徵值與特徵向量，藉由參數的設定與 轉換，算出投影矩陣，再將特徵向量乘上投影矩陣即為特徵，最後在使用最近鄰居法 來進行身份分類。C. Wang 等人[16]主要是針對外輪廓影像來進行特徵抽取，首先先 將一周期序列影像等分成四段，對每一段的影像分成 R、G、B 三通道來處理，最後 利 用 主 成 份 分 析 法 (principal component analysis, PCA) 和 線 性 識 別 分 析 (linear discriminant analysis, LDA)來進行特徵降維，最後利用相似度比對找出最相似的人。

詳細分析與探討本方法與其他方法的優缺點，如表 4-5 所示：

表 4-5 各方法優缺點比較

Abdullah[8]

若 下 半 身 穿 長 裙 類 的 服

Mukhopadhyay, T.

Tanmay, S. K. 4-5 則是近一步分析比較各方法的優缺點。雖然文獻[10]和文獻[17]在身份辨識上也有

不錯的表現，辨識率也都有九成以上，但是相對本論文來說，文獻[10]和文獻[17]所 使用的特徵維度都很大，對於之後如果要脫離電腦實現在其他硬體上時，特徵維度太 大便會相對提高硬體的成本考量。另外，雖然文獻[8]和文獻[9]所使用的方法複雜度 較低，但是在面對變因的影響時，辨識率卻下降了不少。而本系統就身份鑑別的部份 來說，辨識率高達 96%，加入外套、戴帽子變因後的辨識率也有 93%。由此可知，

本系統的身份鑑別方法確實具有不錯的辨識效果。

進一步分析本系統辨識率較高的原因，從表 4-6 可得知，本系統若單純只使用外 輪廓一個特徵來進行身份鑑別就已經有 85%的辨識率，加入更多的特徵確實有提高辨 識率的效果，但是能達到的辨識率依然有所限制，並不是一昧多加入一些特徵就能達 到百分百的辨識率，這亦表示特徵數目或維度的增加與辨識率上升不一定會成正比。

而本論文使用這麼多特徵的原因在於，因為若只使用單一個特徵，辨識率很容易就會 受到衣著外觀的影響而下降，因此，我們在此平均分散的抽取人體各個部位的特徵，

希望能降低衣著變因對本系統的影響。在本系統中，主要進行身份鑑別的其實只有外 輪廓、手部擺動幅度和腳掌三個特徵，剩下的頭部、膝蓋和步伐大小三個特徵則是作 為輔助的角色，利用這些特徵的搭配組合，以提高整體的辨識率，而這也是為什麼本 系統為什麼比別人好的原因。

表 4-6 單一特徵身份辨識率

特徵 外輪廓 手部擺動幅度 頭部 腳掌 膝蓋 步伐大小 辨識率 85% 74% 46% 59% 57% 54%

4.4 結果討論

使用的方法之辨識率確實優於其他方法。

(1) 本系統是偵測前腳的前曲線和後腳的後曲線來估測膝蓋彎曲角度，而不是使用骨 架圖。因此在面臨受測者穿著長裙的情況時，本系統依然有一定的準確性。

(2) 本系統所使用的特徵平均分散在人體姿態的各個區域，若有單一區域的特徵受到 雜訊影響而誤判時，還可以透過其他特徵的互相補足，只要其他特徵辨識正確，

就可以減輕此雜訊對本系統的影響。

(3) 本系統在分類的過程中，必須透過兩階段式的篩選才能確認身份。第一階段主要 是利用外輪廓特徵、手部特徵和腳掌離地角度特徵來進行候選人篩選，篩選的目 的在於減少候選人，以提高辨識率；第二階段則是將所有特徵針對這些候選人進 行給分，總分最高的即為此人的身份。

由於以上的優點，使得本系統在與其他文獻方法做比較的時候，如表 4-4 所示，

本系統確實有較佳的辨識成效。

第五章 結論與未來發展

著變因的影響時，還能保持一定的辨識率。

(2) 本論文提出兩階段式的身份鑑別系統。第一階段主要是利用外輪廓、手部擺動和 腳掌離地角度三個特徵來進行候選人篩選，而篩選的目的在於減少候選人，以提 高整體辨識率；第二階段則是將全部特徵針對第一階段篩選出來的候選人進行權 重給分，分數最高的即表示與此人最為相似。

最後，將本系統進行分析與歸納後，可以將未來發展主要分為兩大方向：

(1) 因為本系統目前只有針對人體的側影方向來進行分析，但現實情況是人可以往各 個方向前進，所以若是能將各個角度的走路姿態都加入一起討論，便可以增加本 系統應用步態分析於身份鑑別系統的完整性。

(2) 在本系統中，目前只針對衣著不同的變因來進行處理，但是現實生活中的變因很 多，包含後背包、拖行李箱等等，這些變因也都有極大的可能影響整體系統的辨 識率，而這些也是在未來中必須加以一一克服的地方。

參考文獻

[1] M. Hu, Y. Wang, Z. Zhang, and D. Zhang,“Gait-Based Gender Classification Using Mixed Conditional Random Field, ” IEEE Transactions on Systems, Man, and Cybernetics, Part B: Cybernetics, vol. 41, no. 5, pp. 1429-1439, Oct. 2011.

[2] M. Hu and Y. Wang, “A New Approach for Gender Classification Base on Gait Analysis,” in Proceedings of International Conference on Image and Graphics, Xi’an, Shanxi, pp.869-874, Sept. 2009.

[3] X. Li, S. Maybank, and D. Tao, “Gender Recognition Based on Local Body Motions,”

in Proceedings of International Conference on Systems, Man, and Cybernetics, Montreal, Quebec, pp. 3881-3886, Oct. 2007.

[4] X. Li, S. J. Maybank, S. Yan, D. Tao, and D. Xu, “Gait components and Their Application to Gender Recognition,” IEEE Transactions on Systems, Man, and Cybernetics, Part C: Applications and Reviews, vol. 38, no. 2, pp.145-155, Mar. 2008.

[5] J. Little and J. Boyd, “Recognizing People by their Gait: The Shape of Motion,”

Quarterly Journal, the MIT Press, vol. 1, no. 2, Winter 1988.

[6] L. Lee and W. Grimson, “Gait Analysis for Recognition and Classification,” in Proceedings of International Conference on Automatic Face and Gesture Recognition, Washington, DC, pp. 148- 155, May 2002.

[7] H. Ng, W. H. Tan, H. L. Tong, J. Abdullah, and R. Komiya, “Extraction of Human Gait Feature from Enhanced Human Silhouette Images,” in Proceedings of International Conference on Signal and Image Processing Applications, Kuala Lumpur, pp. 425-430, Nov. 2009.

[8] H. Ng, H. L. Tong, W. H. Tan, T. V. Yap, and J. Abdullah, “Gait Classification with Different Covariate Factors,” in Proceedings of International Conference on Computer Application and Industrial Electronics, Kuala Lumpur, pp. 463-467, Dec.

2010.

[9] C. Nandini, P. Mukhopadhyay, T. Tanmay, S. K. Ranjan, and S. Roy, “An Efficient Human Identification Using Gait Analysis,” International Journal of Research and Reviews in Computing Engineering (IJRRCE), vol.1, no. 2, June 2011.

[10] B. Lee, S. Hong, H. Lee, and E. Kim, “Regularized Eigenspace - Based Gait Recognition System for Human Identification,” in Proceedings of International Conference on Industrial Electronics and Applications (ICIEA), Beijing, pp.

1966-1970, June 2011.

[11] A. F. Bobick and J. W. Davis, “The Recognition of Human Movement Using Temporal Templates,” IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 23, no. 3, pp. 257-267, Mar. 2001.

[12] J. Han and B. Bhanu, “Individual Recognition Using Gait Energy Image,” IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 28, no. 2, pp.

316-322, Feb. 2006.

[13] C. Harris and M. Stephens, “A Combined Corner and Edge Detector,” Alvey Vision Conference, pages 147-151, 1988.

[14] H.P. Moravec, “Obstacle Avoidance and Navigation in the Real World by a Seeing Robot Rover,” PhD thesis, Stanford University, Sept. 1980. (published as Robot Rover Visual Navigation. Ann Arbor, MI : UMI Research Press, 1981.)

[15] J. L. Bentley, “ Multidimensional binary search trees used for associative searching,＂Communications of the ACM, vol. 18, no. 9, pp. 509-517, Step. 1975.

[16] B. DeCann and A. Ross, “Gait Curves for Human Recognition, Backpack Detection and Silhouette Correction in a Nighttime Environment,” in Proceedings of SPIE Conference on Biometric Technology for Human Identification VII, Orlando, USA , Apr. 2010.

[17] C. Wang, J. Zhang, L. Wang, J. Pu, and X. Yuan, “Human Identification Using Temporal Information Preserving Gait Template,” IEEE Transactions on Pattern Analysis and Machine Intelligence(Early Access Articles),vol. pp, no. 99, pp. 1, Dec.

2011.

[18] D. Zhang and G. Lu, “A Comparative Study on Shape Retrieval Using Fourier Descriptors with Different Shape Signatures,” in Proceedings of the International Conference on Multimedia and Distance Education, Fargo, North Dakota, USA, pp.

1-9, 2001.

[19] 顏智俞(2010)。植基於 Harris-Laplace 特徵點檢測且可抵抗幾何攻擊之浮水印技 術。碩士論文，朝陽科技大學，台中市。

[20] 尤善臻、曾鈺娥、程龍君、謝宛陵、陳明玟、吳錦生(2010)。女性美的幾何學原 理。美容科技學刊，第 7 卷第 2 期，211 ~ 227 頁。