{
    "metadata": {
        "dataset_id": "shahroodut-thesis",
        "record_id": "TK51",
        "title": "تشخیص هویت افراد بر اساس بازشناخت الگوی راه رفتن",
        "publisher": "دانشگاه صنعتی شاهرود",
        "owner": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "license": "CC-BY-4.0",
        "license_url": "https://creativecommons.org/licenses/by/4.0/",
        "license_text": "استفاده، بازنشر، تحلیل، پردازش و بهره برداری پژوهشی، آموزشی و صنعتی با ذکر منبع دانشگاه صنعتی شاهرود مجاز است.",
        "publication_date": "1386",
        "last_update": "2026-07-11",
        "language": "fa",
        "format": "application/json",
        "contact": "thesis@shahroodut.ac.ir",
        "access": {
            "fulltext_available": "true",
            "public_access": "true"
        }
    },
    "data": {
        "thesis_id": "TK51",
        "title": "تشخیص هویت افراد بر اساس بازشناخت الگوی راه رفتن",
        "degree": null,
        "faculty": "مهندسی برق",
        "year": 1386,
        "authors": [
            {
                "name": "شروین رحیم زاده عرشلو",
                "role": "پدیدآور اصلی"
            },
            {
                "name": "حسین مروی",
                "role": "استاد راهنما"
            },
            {
                "name": "علیرضا احمدی فرد",
                "role": "استاد مشاور"
            }
        ],
        "keywords": [
            "بیومتریک ها",
            "باز شناخت الگوی راه رفتن",
            "تحلیل حرکت افراد",
            "شناسایی افراد"
        ],
        "abstract": "در این پایان نامه سعی شده است که ابتدا روشی مبتنی بر مدلسازی بدن انسان در رشته تصاویر ویدئویی پیاده سازی و در حوزه زمان بهینه سازی شود. با تحلیل اندازه تبدیل فوریه ویژگی های مختلف، فرکانس موثر در محاسبه تبدیل فوریه ویژگی ها شناسایی شده است. با بهینه سازی الگوریتم مذکور و تست آن بر روی بخش B پایگاه داده CASIA که متشکل از 124 نفر می باشد به مقدار 95/93٪ در اولین خروجی کلاسه بند دست یافتیم. در ادامه روشی بدون استفاده از مدل و بر اساس استفاده از تغییرات مساحت، پیاده سازی و بر روی پایگاه CASIA ارزیابی شده است. در نهایت روشی جدید و سریع بدون استفاده از مدل و بر اساس استفاده از مساحت پیشنهاد گردیده که هم ویژگی های استاتیک و هم ویژگی های دینامیک افراد را به هنگام راه رفتن به منظور شناسایی مورد استفاده قرار می دهد. با تست روش مذکور بر روی بخش A پایگاه داده CASIA که متشکل از 20 نفر می باشد به مقدار 100٪ و رد بخش B پایگاه داده به مقدار 90/24٪ در اولین خروجی کلاسه بند دست یافته ایم. مقایسه ای بین روشهای اخیر و روش پیشنهادی ارائه شده است. بر اساس نتایج مقایسه، روش پیشنهادی از کارایی و دقت مطلوبی در مقایسه با سایر روشها برخوردار می باشد. اهداف آتی می تواند ترکیب کلاسه بندها در دو روش بهینه سازی شده و روش جدید مبتنی بر مساحت به نحوی مناسب به منظور افزایش کارایی و یا دقت سیستم باشد.",
        "repository": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "note": "حقوق مادی و معنوی متعلق به دانشگاه صنعتی شاهرود می باشد.",
        "download_url": "https://shahroodut.ac.ir/fa/thesis/files/somefiles/sf_TK51.pdf"
    },
    "dictionary": {
        "thesis_id": "شناسه پایان نامه",
        "title": "عنوان پایان نامه",
        "degree": "مقطع تحصیلی",
        "faculty": "دانشکده",
        "year": "سال دفاع",
        "authors": "پدیدآورندگان",
        "keywords": "کلیدواژه ها",
        "abstract": "چکیده",
        "repository": "محل نگهداری",
        "note": "یادداشت",
        "download_url": "آدرس فایل پایان نامه"
    }
}