{
    "metadata": {
        "dataset_id": "shahroodut-thesis",
        "record_id": "TK90",
        "title": "استفاده از اطلاعات حرکت سیلوهت در فریم های ویدئویی راه رفتن جهت تشخیص هویت افراد",
        "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": "1387",
        "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": "TK90",
        "title": "استفاده از اطلاعات حرکت سیلوهت در فریم های ویدئویی راه رفتن جهت تشخیص هویت افراد",
        "degree": null,
        "faculty": "مهندسی برق",
        "year": 1387,
        "authors": [
            {
                "name": "مظاهر کرمی",
                "role": "پدیدآور اصلی"
            },
            {
                "name": "علیرضا احمدی فرد",
                "role": "استاد راهنما"
            }
        ],
        "keywords": [
            ": الگوی حاشیه ای",
            "الگوی راه رفتن",
            "بازشناسی",
            "بیومتریک",
            "تحلیل جداسازی خطی",
            "تحلیل گروه بندی خطی."
        ],
        "abstract": "در این پایان نامه ، مبحث بازشناسی افراد بر اساس نحوه راه رفتن آنها را مورد مطالعه قرار می دهیم . به این منظور در ابتدا نگاهی اجمالی بر انواع روشهایی که در این زمینه ارائه شده است خواهیم انداخت . به دلیل سرعت بیشتر در امر پیاده سازی ، روشهایی را بیشتر مد نظر قرار می دهیم که بدون استفاده از مدل به بازشناسی افراد می پردازند . سپس یکی از روشهای ارائه شده در سالهای اخیر را معرفی خواهیم کرد . در این روش بازشناسی بر مبنای اختلاف فریمهای موجود در یک سیکل راه رفتن و استخراج چهار ویژگی با استفاده از این فریمهای اختلاف انجام می گیرد . با ایجاد تغییراتی در نحوه استخراج ویژگیها و استفاده از الگوریتم تحلیل جداسازی خطی درصد بازشناسی موفق را در این روش افزایش می دهیم . با اعمال تغییرات پیشنهادی ، میزان موفقیت الگوریتم بیش از 25 درصد افزایش می یابد . در ادامه برای غلبه بر مشکل کاهش شدید در عملکرد سیستم بازشناسی در اثر تغییر در پوشش افراد ، الگوریتم جدیدی را پیشنهاد می دهیم . در این الگوریتم با استفاده از تحلیل گروه بندی خطی به مدل کردن پاها می پردازیم . با این کار بهبود قابل توجهی را در میزان بازشناسی موفق افراد ، در زمان تغییر در شکل ظاهری افراد ناشی از تغییر در پوشش ایشان شاهد هستیم . در مقایسه با روش نخست ، در صد موفقیت سیستم حدود 17 درصد افزایش می یابد . جهت پیاده سازی الگوریتمهای معرفی شده در این تحقیق از پایگاه داده CASIA استفاده می کنیم . این پایگاه تصاویر فیلمبرداری شده از راه رفتن 124 نفر در شرایط مختلف را شامل می شود .",
        "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_TK90.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"
    }
}