شناسایی هویت از روی نحوه راه رفتن با استفاده از مدل سلسله مراتبی فازی- اسپایکی

شناسایی هویت از روی نحوه راه رفتن، از این نظر که در روش های از راه دور نیز قابل محاسبه است، یکی از ویژگی های زیست سنجی (بیومتریک) مهم به حساب می آید. تحقیقات گسترده ای در این زمینه صورت گرفته و روش های متعددی ارائه شده است. اما تعداد کمی از این تحقیقات بر استفاده از تکنیک های شناسایی اشیاء توسط مغز تمرکز کرده اند. در این مقاله، مدلی برای شناسایی اشیاء بر مبنای ساختار سلسله مراتبی و پیچیده ویژوال کرتکس مغز، ارائه شده است. مدل ارائه شده که آن را مدل سلسله مراتبی فازی- اسپایکی می نامیم، بر سازوکار تولید پاسخ نورون ها در ویژوال کرتکس و ماهیت فازیشان تمرکز دارد. یکی از نوآوری ها در این مدل، پیشنهاد یک لایه دسته بند فازی مشابه سیستم استنتاج عصبی-فازی تطبیق پذیر است. برای ارزیابی مدل ارائه شده، از مجموعه داده های تردمیل A و B استفاده شده است. این دو مجموعه داده به ترتیب چالش های تغییر سرعت راه رفتن و تغییر نوع پوشش را زیر ذره بین قرار می دهند. معیارهای ارزیابی به کار گرفته شده در این مقاله نرخ شناسایی (به طور خاص در رتبه 1 و رتبه 5) و منحنی CMC می باشد. در نهایت، نتایج به دست آمده بر روی مجموعه داده A و B با استفاده از مدل پیشنهاد شده، با نتایج روش های دیگر مقایسه شده است. این مقایسه نشان می دهد مدل HFS تقریبا نسبت به تمامی روش ها به نرخ شناسایی بهتری در رتبه 1 و رتبه 5 دست می یابد.