Defesa de Dissertação de Mestrado – Andrea López Agudelo – 4/4/2019
Defesa de Dissertação de Mestrado | |
Aluna | Andrea López Agudelo |
Orientador | Prof. Marcelo Ricardo Stemmer, Dr. – DAS/UFSC |
Data | 4/4/2019 (quinta-feira) – 14h00
Sala PPGEAS I (piso superior) |
Banca | Prof. Marcelo Ricardo Stemmer, Dr. – DAS/UFSC (presidente);
Prof. Maurício Edgar Stivanello, Dr. – IFSC; Prof. Tiago Loureira Figaro da Costa Pinto, Dr. – EMC/UFSC; Profa. Analucia Vieira Fantin, Dra. – LABMETRO/UFSC. |
Título | Desenvolvimento de um Sistema Biométrico por Análise da Marcha em Cenas de Vídeo |
Resumo: A análise da marcha humana é uma das características biométricas comportamentais que atualmente está sendo percebida como uma solução atrativa para reconhecer pessoas, devido a que permite a sua identificação a distância, sem necessidade de uma câmera com alta resolução ou de um processo invasivo, pois diferentemente de técnicas como a impressão digital, o reconhecimento facial ou da íris, não é necessária a interação explicita entre o usuário e o sensor. A marcha é uma sequência de movimentos repetitivos dos ossos e músculos do corpo que permitem o seu deslocamento. Estes movimentos padrões são universais, mas únicos em cada pessoa, portanto, é possível identificar alguém pela sua forma de se deslocar. No presente trabalho desenvolveu-se um protótipo de sistema biométrico por análise da marcha, o qual usa o sensor Kinect da Microsoft para a extração das coordenadas 3D de 20 juntas do corpo durante a caminhada, as quais são pré-processadas para o posterior cálculo dos parâmetros da marcha, como: características antropométricas, de distância relativa entre outras. Usando a medida da distância entre os tornozelos no andar, se identificou automaticamente o tempo de início e de finalização do ciclo da marcha, obtendo-se os dados relevantes para efetuar a etapa de classificação das pessoas. Implementou-se um conjunto de algoritmos de classificação, usando uma abordagem clássica e uma abordagem baseada em series temporais para o processo de reconhecimento de pessoas. Finalmente, os resultados evidenciam que a abordagem baseada em series temporais apresenta um melhor desempenho. |