چکیده: نظارت ویدئوییِ هوشمند یکی از کاربردهای اصلی و مهم در بینایی ماشین است. پیکربندی رایج این سیستم‌ها، مجموعه‌ای از دوربین‌های با میدان دید ناهمپوشان با هدف نهایی تشخیص وقایع غیرنرمال و تجزیه و تحلیل رفتاری افراد می‌باشد. بازشناسی افراد از گام‌های اصلی این سیستم‌ها به شمار می‌رود که عبارت است از برچسب‌گذاری افراد رؤیت شده در شبکه‌ای از دوربین‌ها به‌طوری که برای هر فرد مشخص، یک برچسب واحد اختصاص یابد. در چنین سیستم‌هایی یک فرد می‌تواند در زمان‌ها و موقعیت‌های مختلف در مقابل مجموعه‌ای از دوربین‌ها قرار گیرد. به دلایل مختلف مسئله بازشناسی جزو مسائل پیچیده در بینایی ماشین است. دلیل این پیچیدگی را می‌توان در تغییرات ظاهری شخص از دوربینی به دوربین دیگر دانست. این تغییرات می‌تواند به دلیل محدودیت‌های سخت‌افزاری مانند کیفیت پایین دوربین‌ها، پاسخ‌های متفاوت دوربین‌ها نسبت به رنگ‌ها، تغییر شرایط نوری در موقعیت‌های مختلف نصب دوربین‌ها یا تغییرات زاویه‌ای در نحوه قرارگیری شخص در مقابل دوربین‌ها به وجود آید. یکی از نقاط ضعف اصلی در روش‌های موجود، عدم توجه به اطلاعات زاویه‌ای ا‌ست. درواقع، زمانی که کیفیت تصاویر ثبت‌شده پایین است یا افراد از دوربین دور هستند الگوریتم‌های موجود به‌ناچار اطلاعات مهمی نظیر زاویه قرارگیری شخص در برابر دوربین را نادیده می‌گیرند. هدف از پژوهش حاضر مدل‌سازی قضاوت ناظر انسانی در خصوص تغییرات بصری پوشش شخصِ هدف، منتج از تغییر در زاویه دید است. برای این منظور از اطلاعات زاویه قرارگیری شخص در برابر دوربین و تغییرات سه‌بعدی نشأت گرفته از آن استفاده می‌شود. در رویکرد ارائه‌شده، ابتدا زاویه قرارگیری شخص در تصویر با دو روش پیشنهادی، یکی بر پایۀ اطلاعات کانتوری شخص در تصویر و دیگری با بهره‌گیری از ویژگی هیستوگرام گرادیان‌های جهتی و کلاسه‌بند رگرسیون لجستیک استخراج می‌گردد. سپس نواحی خاصی که تحت چرخش‌های زاویه می‌توانند آشکار یا نهان شوند مشخص می‌گردد. بدین منظور از ناحیه سر در تصویر به‌عنوان یک نقطه کلیدی استفاده می‌شود که با استفاده از شبکه عصبی کانولوشن استخراج می‌گردد. در مرحله تطبیق از فرآیند بازشناسی، نواحی استخراج‌شده وزن‌دهی شده یا الگوی رنگی و بافتی نواحی مجاور را به خود می‌گیرند که در رویکرد پیشنهادی از آن به‌عنوان فرآیند یکسان‌سازی یاد می‌کنیم. در طراحی سیستم پیشنهادی سعی شده ملاحظات مرتبط با پیچیدگی محاسباتی در کلیه قسمت‌ها مورد توجه قرار گیرد. از ویژگی‌های قابل توجه این سیستم قابلیت استفاده و تلفیق در اغلب روش‌های بازشناسی است. در این پژوهش، رویکرد پیشنهادی بر روی دو الگوریتم پیشگام در کاربرد بازشناسی افزوده شد. نتایج حاصل از اعمال این روش بر روی مجموعه داده‌های ViPER که به‌عنوان یکی از دشوارترین مجموعه داده‌های حوزه بازشناسی مطرح است، نشان‌دهندۀ بهبود در دقت بازشناسی به میزان 1.3 درصد نسبت به دو الگوریتم مذکور و اثربخش بودن یکسان‌سازیِ پیشنهادی است.