universitatea tr universitatea transilvania din...
TRANSCRIPT
1
Investeşte în oameni!
FONDUL SOCIAL EUROPEAN
Programul Operaţional Sectorial Dezvoltarea Resurselor Umane 2007 – 2013
Axa prioritară 1 „Educaţie şi formare profesională în sprijinul creşterii economice şi dezvoltării societăţii bazate
pe cunoaştere”
Domeniul major de intervenţie 1.5. „Programe doctorale şi post-doctorale în sprijinul cercetării”
Titlul proiectului: „Studii doctorale pentru dezvoltare durabilă (SD-DD)”
Numărul de identificare al contractului: POSDRU/6/1.5/S/6
Beneficiar: Universitatea Transilvania din Braşov
Universitatea Transilvania din Brasov
Școala Doctorală Interdisciplinară
Centrul de cercetare: Produse și sisteme high-tech pentru
autovehicule
Ing. Mircea MIHĂLCICĂ
Contribuții la identificarea persoanelor prin analiza mișcării
Contributions to the Identification of Individuals Using
Motion Analysis
Conducător ştiinţific
Prof.dr.ing. Sorin VLASE
BRAȘOV, 2011
2
MINISTERUL EDUCAŢIEI, CERCETARII, TINERETULUI ŞI SPORTULUI
UNIVERSITATEA “TRANSILVANIA” DIN BRAŞOV
BRAŞOV, B-DUL EROILOR NR. 29, 500036, TEL. 0040-268-413000, FAX 0040-268-410525
RECTORAT
D-lui (D-nei)
COMPONENŢA
Comisiei de doctorat
Numită prin ordinul Rectorului Universităţii „Transilvania” din Braşov
Nr. 4685 din 27.07.2011
PREŞEDINTE:
Prof.dr.ing. Anghel CHIRU
Universitatea Transilvania din Brasov
CONDUCĂTOR ŞTIINŢIFIC:
Prof.dr.ing. Sorin VLASE
Universitatea Transilvania din Brasov
REFERENȚI:
Cercetător științific gr. I
dr. mat. Veturia CHIROIU
Referent oficial, Institutul de mecanica solidelor, Academia
Română, București
Prof.dr.ing. Polidor BRATU Referent oficial, Universitatea Dunărea de Jos Galați
Prof.dr.ing. Iuliu NEGREAN Referent oficial, Universitatea Tehnică din Cluj Napoca
Data, ora şi locul susţinerii publice a tezei de doctorat: 23.09.201, ora 14,
sala UII3.
Eventualele aprecieri sau observaţii asupra conţinutului lucrării vă rugăm să
le transmiteţi în timp util, pe adresa de e-mail [email protected].
Totodată vă invităm să luaţi parte la şedinţa publică de susţinere a tezei de
doctorat.
Vă mulţumim.
3
CUPRINS
Pag
Teză
Pag
Rez
INTRODUCERE 6 5
1 CONTRIBUŢII LA IDENTIFICAREA PERSOANELOR PRIN
ANALIZA MIŞCĂRII. STADIUL ACTUAL AL CERCETĂRILOR ÎN
DOMENIUL TEMEI
7 6
1.1 Metode de identificare umană 7 6
1.2 Analiza mişcării umane şi aplicaţiile acesteia 13 11
1.3 Concluzii 25 16
2 DEFINIREA OBIECTIVELOR TEZEI 27 18
3 ANALIZA CRITICĂ A SISTEMELOR PENTRU STUDIUL MIŞCĂRII
UMANE. PROPUNEREA UNEI SOLUȚII 30 20
3.1 Introducere 30 20
3.2 Dezvoltarea unui sistem de identificare prin analiza mişcării umane
cu aplicaţii în domeniul sistemelor de securitate și criminalisticii 33 22
3.3 Concluzii 47 26
4 MODELUL MATEMATIC AL MIŞCĂRII PICIORULUI 48 28
4.1 Ciclul mişcării umane 48 28
4.2 Cinematica mișcării umane 53 30
4.3 Cinematica directă şi cinematica inversă pentru lanţurile cinematice
deschise 58 33
4.4 Analiza parametrilor mişcării 60 35
4.5 Concluzii 78 41
5 STABILIREA ELEMENTELOR CE DEFINESC UNICITATEA
MIŞCĂRII 80 43
5.1 Dinamica mișcării umane 80 43
5.2 Identificatori ai sistemului mecanic (identificatori pentru o persoană
din grup) 81 43
5.3 Verificări experimentale în condiţii controlate 84 46
5.4 Identificatori unici - reprezentări grafice 100 49
5.5 Concluzii 112 56
6 ÎNREGISTRĂRI ŞI VERIFICĂRI EXPERIMENTALE 114 58
6.1 Introducere 114 58
6.2 Identificarea unui subiect din cadrul unei baze de date 115 59
6.3 Concluzii 121 62
7 CONCLUZII FINALE. CONTRIBUŢII ORIGINALE. DISEMINAREA
REZULTATELOR. DIRECȚII VIITOARE DE CERCETARE 122 63
BIBLIOGRAFIE 130 70
ANEXE 142 77
Anexa 1 Date de identificare pentru subiecții 2-7 din cadrul
experimentului din capitolul 5 142
Anexa 2 Rezultate obținute în cadrul experimentului din capitolul 6 163
Scurt rezumat în română și engleză 188 77
Curriculum Vitae al autorului 189 78
4
TABLE OF CONTENTS
Pag
Thesis
Pag
Sum
INTRODUCTION 6 5
1 CONTRIBUTIONS TO THE IDENTIFICATION OF INDIVIDUALS
USING MOTION ANALYSIS. THE CURRENT STATUS OF
DEVELOPMENTS IN THE FIELD
7 6
1.1 Methods for Human Identification 7 6
1.2 Human Motion Analysis and its Applications 13 11
1.3 Conclusions 25 16
2 DEFINING THE OBJECTIVES OF THE THESIS 27 18
3 THE CRITICAL ANALYSIS OF THE MOTION ANALYSIS
SYSTEMS. A SOLUTION PROPOSAL 30 20
3.1 Introduction 30 20
3.2 Developing a Human Identification System Using Motion Analysis
with Applications in domains like Security Systems and Forensics 33 22
3.3 Conclusions 47 26
4 THE MATHEMATICAL MODEL FOR THE MOTION OF THE
HUMAN LEG 48 28
4.1 The Human Gait Cycle 48 28
4.2 The Kinematics of Human Motion 53 30
4.3 Direct and Inverse Kinematics for Open Kinematical Chains 58 33
4.4 The Motion Parameters Analysis 60 35
4.5 Conclusions 78 41
5 ESTABLISHING THE ELEMENTS WHICH DEFINE THE
UNIQUENESS OF THE MOTION 80 43
5.1 The Dynamics of Human Motion 80 43
5.2 Identifiers for the Mechanical System (Identifiers for an Individual
from the Group) 81 43
5.3 Experimental Determinations in Controlled Conditions 84 46
5.4 Unique Identifiers - Graphical Representations 100 49
5.5 Conclusions 112 56
6 EXPERIMENTAL DETERMINATIONS 114 58
6.1 Introduction 114 58
6.2 Identifying a Subject from a Database 115 59
6.3 Conclusions 121 62
7 FINAL CONCLUSIONS. ORIGINAL CONTRIBUTIONS. RESULTS
REVALUATION. FUTURE RESEARCH DIRECTIONS 122 63
REFERENCES 130 70
APPENDIX 142 77
Appendix 1 Identification Data for the 2-7 subjects from the
Experiment in Chapter 5 142
Appendix 2 Results Obtained from the Experiment in Chapter 6 163
Abstract in Romanian and English 188 77
Author's Curriculum Vitae 189 78
5
INTRODUCERE
Identificarea automată a unui individ în mişcare din cadrul unui grup constituie o
preocupare majoră a serviciilor de securitate, mai ales dacă se ţine seama de contextul în care
societatea se află în aceest moment. Ideea de baza este ca, pe baza înregistrărilor asupra unui
individ în mişcare, să fie determinat, dintr-o bază de date, cine este acel individ. De asemenea
automatizarea acestor înregistrări şi căutări reprezintă o cerinţă majoră întrucât numai aşa se
poate opera cu o bază mare de date. Pentru rezolvarea acestei probleme devine important studiul
mişcării unui individ pentru determinarea elementelor care se pot constitui indicatori
semnificativi în identificarea unui subiect.
Analiza mișcării umane reprezintă o preocupare a științei începând din antichitate până în
cele mai noi timpuri. Complexitatea organismului uman a făcut ca, în pofida interesului
semnificativ pentru domeniul biomecanicii, doar o destul de mică parte a funcționării acestuia să
fie dezvăluită. De asemenea, domenii precum sportul sau medicina au beneficiat din plin de
descoperirile din cadrul biomecanicii, drept dovadă fiind creșterea eficienței metodelor de
recuperare în urma accidentelor, performanțele din ce în ce mai bune ale sportivilor. Pe de altă
parte însă, atunci când se intră în detaliu, complexitatea mișcărilor umane și a interacțiunilor om-
mediu crește într-o asemenea măsură încât o analiză complexă și completă a unui gest foarte
simplu, de exemplu ridicarea unei persoane de pe scaun, ar reprezenta o lucrare revoluționară în
domeniu.
Explozia tehnologică din ultimii ani a avut atât consecințe pozitive cât și negative asupra
domeniului identificării umane. Din punct de vedere al metodelor de lucru s-au înregistrat
progrese remarcabile, mergând de la apariția sistemelor tot mai performante de recunoaștere
facială, a identificării pe baza retinei sau irisului și până la analiza chimică a amprentelor
degetelor pentru a stabili anumite caracteristici ale persoanelor identificate (dacă este fumător,
consumator de droguri și altele). Toate aceste aspecte au dus la îmbunătățiri serioase în domeniul
sistemelor automate de acces, de vânzări cu amănuntul, de monitorizare umană și altele. Pe de
altă parte însă, în domenii precum criminalistica, problemele de bază rămân, atât progresul în
domeniul tehnologiilor clasice cât și tehnologiile noi cu toate beneficiile lor pot fi practic anulate
prin metode foarte simple, cum ar fi folosirea mănușilor sau a diferite tipuri de măști.
Cercetarea de față propune o viziune interdisciplinară, combinând aspectele analizei
mișcării umane cu acelea ale identificării persoanelor. Rezultatele și concluziile obținute în urma
cercetării pot constitui elemente de plecare în vederea realizării unui sistem cu ajutorul căruia
identificarea umană să se realizeze pe baza analizei mișcării. Un astfel de sistem de identificare
ar veni ca și completare pentru metodele clasice ale identificării umane într-un domeniu practic
precum criminalistica datorită faptului că ar acoperi situațiile în care tehnologiile de identificare
consacrate nu sunt viabile (pot fi anulate prin metodele prezentate anterior). Cercetările de față
au fost structurate urmărind aspectul unei finalități practice în urma unor cercetări ulterioare, iar
acest punct de vedere a avut un impact serios în ceea ce privește echipamentele și tehnicile
folosite.
6
1. CONTRIBUŢII LA IDENTIFICAREA PERSOANELOR
PRIN ANALIZA MIŞCĂRII. STADIUL ACTUAL AL
CERCETĂRILOR ÎN DOMENIUL TEMEI
INTRODUCERE
Lucrarea de faţă îşi propune ca, folosind metode obiective și fundamentate, să ofere o
soluţie pentru identificarea persoanelor cu ajutorul analizei mişcării. Pentru atingerea scopului
lucrării, documentarea privind stadiul actual al cercetărilor a fost făcută atât în ceea ce priveşte
metodele actuale de identificare umană (punându-se un accent mai puternic pe cele folosite în
criminalistică), cât şi domeniul analizei mişcării cu aplicaţiile acesteia.
1.1 METODE DE IDENTIFICARE UMANĂ
Biometria sau identificarea biometrică se referă la utilizarea unor elemente specifice
corpului uman (fie ele amprente ale degetelor mâinii, particularități ale retinei, ale vocii etc.)
numite identificatori sau caracteristici biometrice pentru a identifica (folosind sau nu un sistem
automatizat) anumite persoane din cadrul unei baze de date. Biometria prezintă un interes
deosebit deoarece aceşti identificatori sau aceste caracteristici biometrice sunt unice pentru
fiecare individ în parte (identifică fiecare individ în parte în mod unic). Etichetarea unei persoane
după o caracteristică a corpului acesteia iar apoi conectarea acestei caracteristici la o bază de date
care va identifica în mod unic acea persoană reprezintă un instrument foarte puternic în multe
domenii, mergând de la sisteme de acces și sisteme de securitate în vederea reducerii
infracţionalităţii şi până la diferite utilităţi, de genul interfeţelor automate om-maşină şi altele.
[46],[57]
În continuare vor fi trecute în revistă cele mai comune metode de identificare biometrice
(cu avantajele şi dezavantajele lor), vor fi prezentați factorii pentru care mișcarea umană (în
cadrul proiectului de față, mersul uman) poate fi considerată un astfel de identificator biometric
şi vor fi descrise câteva scenarii în care această „amprentă” a mersului unei persoane se
dovedeşte a fi utilă.[3],[33],[89],[109]
1.1.1 Identificarea persoanelor cu ajutorul amprentelor degetelor mâinii
Amprentele degetelor mâinii (le vom numi pe viitor simplu, „amprente”) sunt elementele
cele mai comune atunci când vine vorba de identificarea umană – tuturor le este comună
imaginea din filmele americane în care detectivii colectează amprentele de la scena crimei pentru
a le trece ulterior printr-o bază de date. Metoda de identificare folosind amprentele degetelor
mâinii (cunoscută și sub numele de dactiloscopie) chiar în aceasta constă: în prealabil, se
7
realizează o bază de date cu subiecţi pentru ca apoi să se compare datele colectate în urma unui
anumit eveniment cu cele existente în respectiva bază de date, în vederea identificării unice din
cadrul bazei de date a amprentei corespunzătoare şi automat a identităţii persoanei suspectate de
a fi prezentă la locul unui eveniment. [58]
Două amprente luate aceluiaşi subiect la interval de timp de câteva minute una după alta
nu sunt identice, flexibilitatea şi gradul de deformare a pielii la nivelul mâinilor fiind mărimi
semnificative. [97] Identificarea subiectului dintr-o bază de date se face fie cu ajutorul unui
„expert cititor de amprente” uman fie mai nou cu sisteme automate care rulează diferiţi
algoritmi care practic găsesc cea mai apropiată amprentă din baza de date faţă de amprenta
căutată. Din fericire, o amprentă a unui deget oferă suficient de mulţi parametri (de formă,
dimensiuni şi număr al adânciturilor şi muchiilor) pentru a se putea face alegerea de care am
amintit mai sus. De fapt, acest aspect este esențial în tot ceea ce înseamnă identificare
biometrică: practica demonstrează că nu se poate pune problema unei potriviri perfecte a unui
identificator colectat cu unul dintr-o bază de date, ci se caută mai multe elemente a căror
combinație să constituie o compoziție care să fie comparată cu toate cele aflate în baza de date,
pentru a fi aleasă cea mai (sau cele mai) apropiată potrivire. [93]
În criminalistică, pentru a crea baza de date, subiecţilor care sunt înregistraţi li se
colectează mostre folosind mai nou anumiţi compuşi chimici, clasic cerneală sau mai rar cărbune
şi o suprafaţă de contrast netedă. Mai nou, aceşti compuşi chimici evidenţiază şi alte elemente
specifice persoanei căreia îi aparţine amprenta – o amprentă latentă conţine în general o anumită
cantitate de apă şi urme de aminoacizi, acizi graşi, trigliceride şi altfel de elemente de acest gen.
Deşi colectarea acestor elemente este un
procedeu dificil, se înregistrează progrese
majore în domeniu. De exemplu, amprentele
fumătorilor conţin urme de nicotină.
Sistemele de identificare folosind
amprentele au beneficiat de o arie de expunere
masivă în perioada recentă, luând în multe
cazuri locul sistemelor de securitate formate din
nume de utilizator şi parolă – multe din laptop-
urile moderne oferă posibilitatea identificării cu
ajutorul amprentelor. De asemenea, metoda este
întâlnită la multe automate comerciale, la
sisteme de acces în cadrul unei companii
(accesul în instituţie sau în unele zone poate fi
permis sau restricţionat pe baza amprentei unui
deget sau chiar a întregii palme). Aceste tipuri
de sisteme sunt bazate pe unul din cele două
metode de colectare a datelor – fie se colectează elemente precum presiunea la contact, forma
adânciturilor şi muchiilor, temperatura etc. fie se capturează imaginea fotografică a amprentei şi
Fig. 1 Microsoft Fingerprint Reader,
dispozitiv pentru protecţie suplimentară pe
lângă nume de utilizator şi parolă, oferit de
Microsoft
8
apoi se compară cu baza de date. Ambele metode prezintă dificultăţi, în cazul celei dintâi
deformaţiile care apar sunt foarte mari şi apar multe erori, iar în cazul celei de-a doua datele
colectate conţin un număr mai mic şi mai greu de procesat de parametri – în cazul sistemelor de
acces, viteza de procesare a informaţiilor este esenţială. Cercetările recente propun sisteme de
colectare a datelor folosind imagini fotografice colectate din mai multe unghiuri, putându-se
practic re-crea un model în trei dimensiuni al amprentei, suficient pentru a oferi destui parametri
cu un număr cât mai redus de erori.
Fig. 2 VeriFinger, aplicaţie de citire a amprentelor ( www.neurotechnology.com )
Avantajele majore ale metodei de identificare prin amprentă sunt simplitatea acesteia,
faptul că este o metodă ne-intruzivă şi aspectul că, deja fiind implementată în foarte multe medii
de lucru (referindu-ne cel puţin la domeniul criminalisticii), bazele de date pot fi (în cele mai
multe cazuri) combinate. [21]
1.1.2 Identificarea persoanelor cu ajutorul retinei sau al irisului
Pentru identificarea umană la nivelul ochiului există două metode total diferite care nu
trebuie confundate una cu cealaltă, prima bazându-se pe identificarea persoanelor la nivelul
retinei iar cealaltă pe identificarea umană la nivelul irisului.
9
Fig.3 Retina este un identificator biometric foarte eficient ( www.eyescan.com.au )
Retina este un element unic pentru fiecare persoană în parte din punct de vedere al
vascularizării. De fapt, pe acest element esenţial se bazează metodele de identificare umană la
nivelul retinei: se realizează o imagine a reţelei de vase de sânge ce irigă retina (această reţea
este foarte complexă) în general folosind tehnologii cu infraroşu care se bazează pe principiul că
vasele de sânge absorb lumina mult mai bine decât restul retinei. De fapt, se înregistrează un fel
de „drum” determinat de aceste vase de sânge. [90],[106]
Principalul avantaj al metodei este rata foarte mică de erori (în jur de 1 la 1 milion) şi
viteza de lucru foarte bună. Ca dezavantaje, amintim faptul că reţeaua vasculară de la nivelul
retinei poate fi influenţată de boli precum diabetul sau boli majore ale sistemului vizual, precum
glaucomul, cataracta sau astigmatismul foarte pronunţat. De asemenea metoda de testare este
neplăcută, este necesară apropierea la o distanţă foarte mică de ochiul subiectului (metoda nu se
poate practica pentru identificarea la distanţă) şi costul aparaturii este foarte ridicat.
Identificarea la nivelul irisului este una dintre cele mai eficiente metode biometrice din
ziua de astăzi. Irisul este unic pentru fiecare individ, rata de erori este foarte mică iar
caracteristicile acestuia nu se schimbă de-a lungul vieţii unei persoane (cu excepţia unor traume
majore, care au avut ca efect deteriorarea fizică a irisului). Toate acestea fac ca să existe foarte
puţine excepţii atunci când vine vorba de grupul de subiecţi care sunt potriviţi pentru a fi supuşi
metodei de înregistrare / identificare. [98]
Metoda constă în folosirea camerelor de luat vederi cu iluminare infraroşu pentru a
captura fotografic structura unică a irisului, de fapt pentru a obţine anumite tipare din structura
10
internă a irisului unice pentru fiecare individ. Pentru început, din imaginea unui ochi sunt
identificate cercurile determinate de pupilă şi de iris, apoi suprafeţele sunt analizate pentru a fi
determinate anumite tipare iar în final acelor tipare li se aplică algoritmi matematici în vederea
obţinerii unui set de date ce identifică unic individul în cauză. [30]
Principalele avantaje ale metodei derivă din calităţile irisului. Acesta este unic chiar
pentru gemenii identici (ceea ce reprezintă o problemă pentru metoda ce foloseşte amprentele
degetelor), geometria lui este simplă, este un organ protejat de cornee (şanse mai mici de a suferi
leziuni, neintrând în contact direct cu mediul exterior), detaliul de la nivelul irisului este mult
mai mare decât în cazul amprentelor degetelor, iar spre deosebire de metoda ce foloseşte retina,
fotografia irisului poate fi preluată de la câţiva centimetri distanţă (nu este necesară aducerea
aproape de contact a subiectului faţă de aparat). [11]
Ca dezavantaje menţionăm distanţa (chiar dacă metoda stă mult mai bine decât în cazul
retinei, totuşi distanța de câţiva centimetri nu este suficientă pentru a o face viabilă în cazul
multor situații din practică) şi noutatea tehnologiei (ceea ce o face greu de implementat în
mediile economice unde sunt deja instalate modele de business bazate pe identificarea prin
amprentă).
1.1.3 Identificarea persoanelor cu ajutorul trăsăturilor feţei
Probabil unul dintre cele mai
spectaculoase elemente din filmele moderne cu
detectivi, „amprenta” facială este un identificator
unic pentru metoda cu acelaşi nume. Lucrurile
par simple, o persoană este filmată cu o cameră
de luat vederi iar elemente definitorii ale
fizionomiei acesteia sunt trecute într-o bază de
date. [29] Luând ca exemplu tot criminalistica,
aceste elemente sunt apoi „activate” într-un
sistem care colectează informaţii în timp real (de
exemplu camerele video de pe stradă) şi
comparate cu datele primite de la acel sistem,
pentru a găsi eventuale potriviri, totale sau
parţiale.[2]
Avantajul metodei este evident, faţa unei persoane este unică, probleme pun doar gemenii
monozigoți (identici), așadar, în principiu, n-am avea false pozitive decât în acest caz. Din păcate
situaţia nu e atât de bună iar greutăţile apar datorită faptului că o cameră video nu poate captura
de obicei întreaga faţă a unei persoane. [22] Ideal, subiectul ar trebui aşezat cu faţa spre cameră,
dar în viaţa reală imaginile capturate sunt majoritatea din profil, şi orice rotaţie cu mai mult de
(aproximativ) 20 practic deformează identificatorii într-o măsură în care nu mai sunt
recunoscuţi de sistem Alte dezavantaje serioase ale metodei sunt reprezentate de gradul mare de
Fig. 4 Sistem de identificare
facială de la OmniPerception
11
dificultate pentru a camufla aceste sisteme (pe lângă faptul că aparatura video sunt vizibile, de
obicei „se știe” că un astfel de sistem este prezent în anumite instituții financiare, zone de interes
militar, guvernamental etc.) și de faptul că, la fel ca în cazul identificării cu ajutorul amprentelor,
metoda este total ineficientă dacă subiecții folosesc cagule. [73]
1.2 ANALIZA MIŞCĂRII UMANE ŞI APLICAŢIILE ACESTEIA
1.2.1 Scurtă istorie a biomecanicii
Biomecanica este ştiinţa ce studiază mişcarea din punct de vedere mecanic, ce analizează
(folosind metode matematice şi mecanice) rezultatele şi efectele mişcării unui organism viu, fie
el om sau animal. Odată ce aceste rezultate și efecte sunt identificate şi analizate, ele pot fi
îmbunătăţite prin intermediul modificării mişcării, lucru foarte uşor vizibil în atletismul din zilele
noastre.
Modificarea mişcării corpului uman în vederea obţinerii unor efecte pozitive este
specifică mai multor domenii, cele ce beneficiază cel mai mult de pe urma acestei tehnici fiind
sportul şi medicina (în special cea de recuperare). [12],[107]
Fig. 5. Săritura în lungime poate fi observată din perspectiva analizei mişcării pentru a determina
evoluţia optimă în vederea îmbunătăţirii performanţelor (www.dailymail.co.uk - John Turvey)
Domeniul este în continuare de mare interes, ca dovadă pentru aceasta stând numeroasele
publicaţii recente cât şi cursurile ce au fost introduse la diferite universităţi. Interesul pentru acest
aspect a existat însă încă din antichitate, domeniul fiind cercetat de nume mari ale istoriei dintre
care îi putem aminti pe Aristotel, Leonardo da Vinci sau Isaac Newton.
Ideea de bază care rămâne este că mişcarea umană (în toate aspectele ei, incluzând aici
felul, forma, viteza etc.) este un răspuns al unor factori, al unor stimuli ce o determină, sau cu
alte cuvinte ceea ce se obţine depinde de ceea ce se introduce. Cercetările în domeniul analizei
mişcării pleacă de la această idee: în cazul în care se schimbă condiţiile iniţiale (situaţiile în care
12
semnalul de efectuare a mişcării este trimis) se va schimba (și automat se va putea și modela) la
rândul ei şi mişcarea. Din punct de vedere al modelării mișcării, nu este de mirare că domeniile
științifice de interes cu cele mai vizibile rezultate din punct de vedere al analizei mișcării sunt
exact acelea ce au cea mai mare legătură cu mișcarea, și anume sportul și medicina, în special
cea de recuperare. În continuare vor fi analizate influențele și beneficiile aduse de analiza
mișcării umane în domeniile tocmai amintite.
1.2.2 Studiul analizei mişcării în sport
Definim ca „ştiinţă a sportului” acea ramură a științei ce se ocupă cu aplicarea principiilor
ştiinţifice în sport, cu aspecte legate de fiziologia exerciţiilor sportive, biomecanică, psihologie
sportivă, kinesiologie, ştiinţa antrenamentului şi analiza statistică a performanţelor sportivilor.
Din punct de vedere al analizei mișcării umane în sport, problema care se ridică este de a
determina dacă şi în ce măsură sunt influenţate performanţele sportivilor în cazul în care se
folosesc elemente şi metode de optimizare specifice identificării mişcării.[7],[91]
Faptul că modificarea mişcărilor creşte performanţele sportivilor este un lucru foarte uşor
vizibil în atletismul din zilele noastre. Dacă se analizează
de exemplu proba săriturii în înălţime din ziua de azi, se
vor putea identifica un set de mişcări ce par „nenaturale”.
Acestea sunt obţinute de specialişti în urma analizei
mişcării, cu scopul creşterii performanţelor atleților ce
participă la respectiva probă sportivă. [40]
Dacă se urmăresc imagini şi înregistrări mai vechi
ale acestei probe, se va observa că iniţial săritura în
înălţime avea un cu totul alt model al mişcării. Mai întâi a
fost săritura directă, apoi “foarfeca” şi după aceea “săritura
ventrală” înlocuită acum cu stilul “flop”. Performanţa din
1928 la proba
săriturii în
înălţime feminin
a fost de 1,59
metri (Fig. 6a).
Dacă ţinem cont
de faptul că
recordul
mondial din
zilele noastre
este de 2,09 metri iar performanţele de peste 2 metri
sunt ceva destul de obişnuit la competițiile majore, ar
rezulta un câştig de 50 cm. E drept, există mai mulţi
factori care influenţează sportul de performanţă,
pornind de la condiţiile de antrenament, dietă ş.a.m.d.
dar saltul uriaş de performanţă în acest caz se
datorează în special îmbunătăţirii metodei. [66],[86]
Pentru a nu raporta totul doar la proba săriturii
în înălţime, unde mişcarea sportivilor s-a modificat în
Fig.6a Ethel Cahterwood în proba
săriturii în înălţime feminin, anul
1928, model vechi al mișcării
Fig.6b Proba săriturii în înălţime după
modelul nou al mişcării
13
mod radical, se va alege una din probele de alergare de viteză, cea cu săritură peste garduri.
[15],[16],[17] Concluziile cercetării acestei probe din punct de vedere al identificării mişcării
sunt:
- există posibilităţi de îmbunătăţire a performanţelor sportive ale alergătorului de garduri,
legate în special de tehnica trecerii peste gard;
- calitatea performanţei este dată şi de constituţia anatomo-morfologică a alergătorului de
gard astfel încât se pot face recomandări privind constituţia optimă a alergătorului;
- foarte importantă este trecerea cu rapiditate a gardului.
De asemenea, folosind identificarea mişcării se poate creşte rapid nivelul de performanţă
al sportivilor începători. Un exemplu excelent ni-l oferă baschetul. [18],[48],[49],[133] În
literatura de specialitate sunt analizate mişcările de aruncare a mingii la coş de către trei sportivi
de calităţi şi performanţe diferite: un începător, un jucător de nivel mediu şi un jucător de vârf
1.2.3 Studiul analizei mişcării în medicină
Recuperarea după accidente reprezintă un domeniu de interes aparte pentru medicina
zilelor de azi, a fi capabili de a se deplasa şi de a-şi desfăşura activităţile obişnuite într-un mod
firesc fiind o dorinţă normală a oricărui pacient ce a trecut printr-un accident în urma căruia a
fost imobilizat parţial sau total. [44],[100]
Fig. 7 Posturi greşite şi posturi propice în timpul statului pe scaun - interes crescut în ziua de azi,
datorat faptului că tinerii petrec mult timp în fața calculatorului (www.neoseeker.com)
Pentru a înţelege importanţa analizei mişcărilor persoanelor din punct de vedere mecanic
urmărind aplicaţii în medicină vom da un exemplu simplu şi anume se va descrie fenomenul
„păşirii”, ce anume se întâmplă când piciorul atinge pământul:
- osul călcâiului (calcaneusul) execută o mişcare înapoi
- un os al gleznei (talusul) coboară
- tibia execută o mişcare înainte, se roteşte intern şi se ridică
- genunchiul se flexează datorită mişcării tibiei, mai rapidă decât cea a femurului
- femurul se roteşte intern
- şoldul se roteşte intern, se flexează şi se ridică
14
- zona lombară a coloanei se extinde şi se apleacă/roteşte spre partea piciorului respectiv
- umerii se rotesc în direcţia opusă pelvisului
- zona cervicală a coloanei se roteşte în aceeaşi direcţie cu pelvisul
După cum se poate vedea, pentru acest exemplu relativ banal, o mişcare pe care orice
persoană o execută în mod curent, se pot identifica din punct de vedere mecanică nouă
evenimente majore. Identificarea deplasărilor oaselor este însă doar primul pas, urmează
aşezarea muşchilor pe oase şi analiza mişcărilor acestora pentru a putea avea o imagine relativ
completă a mişcării.[4],[39]. Proiectarea unui aparat care să ajute pacienţii cu probleme motrice
în a se deplasa impune cunoaşterea pe de-a-ntregul a fenomenului mişcării din punct de vedere
mecanic, cunoaştere care, combinată cu analiza problemelor pacientului, va conduce la concluzii
de ordin tehnic relativ la aparatul ce urmează a-i fi destinat bolnavului precum şi la tipurile de
mişcări care îl vor ajuta pe acesta pe perioada recuperării, pentru a-și redobândi total sau parțial
posibilitățile motrice. [63],[84],[95],[126]
Durerile de articulaţii ale sportivilor constituie un alt exemplu în care mişcarea analizată
corect are rezultate din punct de vedere medical. De exemplu, durerile ce apar la nivelul cotului
în general la sportivi (tenis, golf) dar nu numai au parte de un tratament „clasic” ce de foarte
multe ori se reduce la odihnă, gheaţă, stimulare electrică, stretching. Dacă s-ar cunoaşte științific
cauza durerilor, s-ar putea renunţa la tratamentele locale şi s-ar putea recurge la terapie fizică şi
exerciţii care să înlăture total durerea. [72],[103]
Medicina de recuperare conţine anumite mişcări, exerciţii şi chiar aparate bazate pe
„corectarea” felului de a se mişca în scopul îmbunătăţirii sau grăbirii recuperării pacienţilor. Tot
la acest capitol se pot aminti diferite discipline precum aerobic, gimnastică şi altele de acest fel
care îşi propun şi reuşesc cu succes ca prin practicarea unui set de mişcări bine determinate să
contribuie semnificativ la dezvoltarea un corp armonios şi a unei sănătăţi de invidiat.
[19],[45],[92] Cea mai clară dovadă este faptul că în unele țări dezvoltate companiile de asigurări
au introdus în calculul polițelor de asigurare aspectul practicării unor astfel de discipline (cei ce
practică aerobic, gimnastică, yoga etc. plătesc mai puțin deoarece riscurile de sănătate la care se
expun sunt mai mici). [1],[81]
Analiza din punct de vedere mecanic al mişcării cu aplicaţii în medicină are un rol extrem
de important în îmbunătăţirea calităţii vieţii pacienţilor. O analiză corectă a mişcărilor umane
duce la progres atât în ceea ce priveşte aparatura medicală destinată ajutării efectuării mişcărilor
cât şi în ceea ce priveşte mişcările în sine. [70]
1.2.4 Captura şi analiza mişcării. Sisteme şi aplicaţii
Studiul mişcării persoanelor este compus din două componente majore: captura mişcării
umane şi analiza mişcării umane. Pentru captura mişcării umane se utilizează sisteme având în
componenţa lor aparatură hardware de genul camerelor de luat vederi, circuitelor cu markeri
electrici, cu infraroşu sau reflectorizanţi. Pentru partea de analiză se folosesc aplicaţii software
care sunt capabile să citească datele primite de la aparatura cu care se realizează captura şi să
prelucreze aceste date într-o structură ce se poate traduce sub forma unor rezultate semnificative
ce definesc mişcările unei persoane. [31],[47] De cele mai multe ori, din punct de vedere al
aparaturii folosite în cadrul analizei mişcării în condiţii de laborator, sistemul propus este unul
complet, unitar, care ştie să efectueze automat toate operaţiunile de la începutul capturii până la
finalul analizei; nu este nevoie de interacţiune umană între componenta hardware şi componenta
software. [41]
15
Există două metode majore privind captarea mişcării umane şi anume o metodă în care se
folosesc markeri şi o metodă în care nu se folosesc markeri. [83] În mare, pentru prima metodă
se consideră anumite puncte cheie (de exemplu, pentru mişcarea piciorului, putem considera
încheieturile şoldului, genunchiului şi gleznei ca fiind principalele puncte cheie) la nivelor
cărora se aplică respectivii markeri (de diferite tipuri: hârtie colorată sau reflectorizantă, led-uri,
senzori cu infraroşu sau circuite electrice cu becuri), a căror mişcare este captată în timp cu
ajutorul unei sau mai multor camere video.
În cazul celei de-a doua metode, cea fără markeri, sunt captate siluete ale segmentelor de
interes (dacă pentru metoda anterioară ne interesa doar poziţia markerilor în timp, aici contează
mai mult dimensiunile şi forma zonelor de interes). Captarea se realizează şi în acest caz tot cu
ajutorul camerelor video. [32]
1.2.4.1 Captura şi analiza mişcării cu markeri
În mod evident, metodele prin care mişcarea umană este analizată diferă substanţial în
funcţie de modul în care s-a realizat captarea mişcării. Pentru captarea cu markeri practic nu se
ţine cont decât de poziţia markerilor pe durata mişcării. Dacă se ia un exemplu pentru situaţia
markerilor aşezaţi pe gleznă, genunchi şi şold, cunoscând poziţia în timp a acestor markeri,
practic se cunosc cu aproximaţie lungimile a două segmente principale ale corpului subiectului –
lungimea femurului şi lungimea tibiei.
Având toate aceste date, se vor putea determina geometric unghiurile pe care femurul le
face cu tibia în articulaţie şi unghiurile pe care atât femurul cât şi tibia le fac cu normala la
suprafaţă în timpul mişcării. De asemenea se pot determina distanţele faţă de sol la care se vor
afla punctele noastre de interes (glezna, genunchiul, şoldul) de-a lungul timpului. Având
deplasarea şi timpul, se pot de asemenea calcula vitezele şi acceleraţiile zonelor marcate şi
realiza o analiză cinematică a mişcării cu ajutorul tuturor acestor date. Este vorba de fapt de o
analiză cinematică inversă, pornim de la rezultate – datele pe care le putem obţine mai sus –
pentru a obţine „datele iniţiale” ale mişcării (vitezele şi acceleraţiile).
Captarea şi analiza mişcării profesională cu markeri are o serie de avantaje: datele
obţinute sunt exacte, se pot determina cu uşurinţă ajustările necesare pentru modificarea mişcării,
se pot determina algoritmi pentru îmbunătăţirea mişcării, experimentele se pot repeta folosind
aceleaşi condiţii. Ca dezavantaje ale acestei metode se pot menţiona necesarul de echipament
costisitor, personal şi timp necesar analizei. Un alt mare dezavantaj al sistemelor de acest gen
este imposibilitatea folosirii unui astfel de sistem pentru identificarea persoanelor: într-o situaţie
reală persoanele supuse captării mişcării nu poartă îmbrăcăminte mulată pe corp şi nu au legaţe
circuite de markeri care transmit continuu către un centru de comandă coordonatele în trei
dimensiuni ale markerului.
1.2.4.2 Captura şi analiza mişcării fără markeri
Există o parte comună pentru cele două metode (cu şi fără markeri), partea de captură: cu
ajutorul unei camere video se obţine un film al subiectului pe care se doreşte a se face analiza,
apoi filmul este „despicat” imagine cu imagine iar apoi acestea sunt analizate pe rând. Principiile
de analiză a mişcării pentru acestei metode sunt însă complet diferite faţă de analiza cu markeri.
În acest caz este vorba de o analiză exclusiv pe imagine. [28] Atunci când este vizualizată
fotografia unei persoane, de fapt se observă o proiecţie a corpului acesteia pe fundal – această
16
proiecţie constituie punctul de plecare al analizei mişcării umane fără markeri. Se realizează fie o
siluetă pentru tot corpul, fie siluete diferite pentru corpurile ce se doresc a fi analizate (să
presupunem că se dorește să fie analizat braţul şi antebraţul unei persoane: vor fi luate în
considerare cele două forme ale proiecțiilor respectivelor segmente, care vor fi încadrate în elipse
ce se vor intersecta pe durata mişcării). De asemenea, trebuie create condiții speciale de
iluminare a spațiului de lucru și poziționare a subiecților și aparaturii pentru ca siluetele capturate
să poată fi analizate corect. [108]
După realizarea elipselor mai sus amintite, metodele de abordare diferă. Unii autori
ataşează sisteme de coordonate locale pentru elipsele obţinute şi apoi realizează analiza folosind
transformări ale sistemelor de coordonate de la imagine la imagine. Sistemele de coordonate sunt
ataşate în centrul elipselor, care este de asemenea considerat centrul de masă al respectivului
segment. Se ţine cont că mişcarea unei persoane este periodică, există un ciclu al mişcării şi de
obicei analiza fără markeri se face de-a lungul unui întreg ciclu. De asemenea, se ţine cont de
mişcarea relativă a două segmente corporale – în cazul nostru, braţul şi antebraţul unei persoane
se vor mişca relativ identic unul faţă de celălalt de-a lungul unui ciclu al mişcării. Folosind toate
aceste date şi considerând poziţia centrului de masă în centrul elipsei, se vor putea determina (cu
mai puţină precizie decât în cazul markerilor) aproximativ aceleaşi caracteristici ca şi în cazul
analizei cu markeri: unghiuri, distanţe, viteze, acceleraţii. [64]
Fig. 8 Diferenţele de abordare matematică în cazul analizei mişcării cu markeri (stânga) şi fără
markeri (dreapta)
Avantajele majore ale metodei de captare şi analiză fără markeri sunt costurile mult mai
mici (foarte multe sisteme folosesc o singură cameră video) ceea ce ar face metoda viabilă în
practică (captura s-ar putea realiza într-o situaţie reală cu o cameră banală), dacă rezultatele
obţinute ar fi exacte. Din păcate însă, un sistem care captează şi prelucrează automat datele
colectate prin această metodă este puternic influenţat de condiţiile de iluminare (formele şi
dimensiunile elipselor vor fi diferite în condiţii de luminozitate diferite, iar rezultatele se schimbă
drastic). Un alt factor de influenţă îl reprezintă modul/direcţia în care persoana observată se
mişcă (braţul nu este un cilindru circular perfect, proiecţia lui diferă în funcţie de orientarea
subiectului şi evident elipsele obţinute vor fi diferite) iar ideal direcţia de deplasare a subiectului
ar trebui să fie perpendiculară pe axul pe care camera video realizează captura. [123]
1.3 CONCLUZII
17
În urma studiului stadiului actual al cercetărilor în domeniile identificării umane și
analizei mișcării au putut fi extrase următoarele concluzii:
există patru metode principale folosite în identificarea umană bazată pe date biometrice,
și anume identificarea cu ajutorul amprentelor, identificarea facială, identificarea umană
la nivelul retinei și cea la nivelul irisului.
principalele domenii în care se regăsesc aplicații privind identificarea umană sunt
sistemele de acces, distribuția retail (automate de distribuție pentru diferite produse) și
sistemele de securitate.
din punct de vedere al sistemelor de securitate, cele patru metode principale amintite
anterior prezintă dezavantaje majore, legate fie de condițiile de funcționare (necesitatea
unei distanțe foarte mici în cazul identificării la nivelul ochiului) sau pur și simplu de
modificarea sau ascunderea caracteristicii analizată de către metodă (efect care se poate
obține banal, cu ajutorul mănușilor în cazul amprentelor sau al cagulelor / măștilor în
cazul identificării faciale).
identificarea umană bazată pe analiza mișcării cu aplicații în domeniul sistemelor de
securitate acoperă dezavantajele metodelor clasice și aduce un element benefic
suplimentar, faptul că un sistem bazat pe această metodă este ușor de camuflat.
analiza mișcării umane se regăsește la nivel practic în aplicații din domeniile sportului și
medicinii, în sport cu scopul îmbunătățirii performanțelor sportivilor iar în medicină în
special pe partea de recuperare după accidente, corectare a diferitelor dizabilități motrice,
îmbunătățire a calității vieții.
în domeniul sportului există dovezi clare că analiza mișcării umane duce la sporirea
performanțelor sportivilor; ca exemple, analiza mișcării a făcut ca metoda folosită în
proba săriturii în înălțime să se schimbe, există studii și proiecte complexe ce analizează
trecerea sportivului peste gard în respectiva probă de alergare, chiar și în sporturile cu
mingea există aplicații care măsoară „datele” unui jucător și realizează diferite statistici.
în domeniul medicinii de recuperare există laboratoare profesionale dotate cu aparatură
pentru analiza mișcării în care sunt determinați anumiți parametri ai mișcării subiecților
testați iar apoi comparați cu o serie de „parametri ideali” obținuți în urma calculelor.
rezultatele analizei mișcării din laboratoare sunt aplicate în industria aparaturii medicale,
în special în domeniul protezelor, ortezelor și aparaturii pentru medicina recuperativă.
la nivel mondial există aplicații ale analizei mișcării în domenii conexe sportului și
medicinii, un exemplu fiind industria de încălțăminte.
există două metode majore privind captarea mişcării umane şi anume o metodă în care se
folosesc markeri şi o metodă în care nu se folosesc markeri. În cazul primei metode se
consideră anumite puncte cheie pe care se aplică markeri a căror mişcare este captată în
timp. În cazul celei de-a doua metode, cea fără markeri, sunt captate siluete ale
segmentelor de interes. Pentru ambele metode, captarea se realizează cu ajutorul
camerelor video.
principiile de analiză pentru cele două metode de captură a mișcării umane diferă radical:
în primul caz se urmărește evoluția markerilor în timp iar în cel de-al doilea caz metoda
constă în analiza siluetelor segmentelor corporale.
Concluzie finală: folosind o analiză critică, a fost realizată prezentarea stadiului actual al
cercetărilor din domeniile identificării persoanelor și a analizei mișcării umane.
18
2. DEFINIREA OBIECTIVELOR TEZEI
Cercetarea din cadrul acestei lucrări este în esență structurată de-a lungul a trei etape.
Prima etapă se ocupă cu analiza stadiului actual al cercetărilor în domeniul analizei mișcării
umane și cel al identificării persoanelor.
În a doua etapă este dezvoltat un model matematic pentru mișcarea piciorului unei
persoane și se stabilește modul de lucru propus de autor pentru un sistem de identificare umană
bazat pe analiza mișcării. În a treia etapă se urmărește a se demonstra că mișcarea umană în
anumite condiții (în cazul de față mișcarea piciorului în condiții ce pot fi ușor impuse din
exterior) este unică pentru o persoană din cadrul unui grup. În acest scop sunt definiți și
determinați o serie de identificatori unici ai mișcării, care vor constitui elementele pe baza cărora
se va realiza identificarea umană. Pe lângă cele trei etape, în final, ca o formă de prefațare a
cercetărilor ulterioare pe care autorul le are în vedere, este prezentat un exemplu de identificare a
unei persoane din cadrul unei baze de date.
Obiectivele tezei, urmărite de autor pe parcursul lucrării, sunt următoarele:
realizarea unei analize a stadiului cercetărilor in domeniul biomecanicii, cu focalizare
spre aspectul analizei mișcării umane. Vor fi prezentate beneficiile pe care analiza
mișcării umane le-a adus de-a lungul timpului în cele două domenii principale unde
această analiză a fost aplicată, anume sportul și medicina.
realizarea unei analize a stadiului cercetărilor în domeniul biometriei. Se va pune
accentul pe analiza tehnicilor de identificare biometrică existente la momentul actual, cu
avantajele și dezavantajele fiecăreia dintre acestea. Sunt identificate situațiile în care
tehnicile de identificare biometrică actuale nu sunt eficiente sau nu pot fi folosite deloc.
în urma analizelor de mai sus se va sugera o abordare interdisciplinară a celor două
domenii, rezultatul așteptat fiind obținerea unei metode de identificare biometrică bazată
pe analiza mișcării umane. Vor fi prezentate cele două direcții de abordare a analizei
mișcării umane cu aplicații biometrice, și anume analiza mișcării umane folosind markeri
și analiza mișcării umane fără markeri. Pentru proiectul de față se va stabili ca metodă de
abordare analiza mișcării umane cu markeri.
realizarea unei sinteze a avantajelor identificării biometrice prin analiza mișcării umane
față de metodele clasice de identificare. Se va stabili un set de condiţii necesare
implementării unui sistem pentru identificarea umană bazat pe analiza mişcării.
stabilirea modului de lucru al unui sistem de identificare umană bazat pe analiza mișcării.
Va fi prezentată metodologia de lucru a sistemului, se vor stabili atât componentele
hardware ce vor intra in componența sistemului cât și cele software. Alegerea software-
ului potrivit pentru analiza mișcării umane se va efectua pe baza unei analize
multicriteriale. Atât în cazul stabilirii componentelor hardware cât și a celor software se
19
va lua în calcul viabilitatea practică a alegerilor făcute (din punct de vedere al prețurilor,
al condițiilor de instalare).
definirea unui model matematic al mișcării piciorului, bazat pe teoria lanțurilor
cinematice și a sistemelor multicorp. Va fi abordată problema cinematicii directe și a
cinematicii inverse pentru lanțurile cinematice. Vor fi analizate constrângerile impuse
mișcării umane. Se vor discuta fazele ciclului mișcării umane și parametrii studiați în
cadrul acestui ciclu.
realizarea unei analize din punct de vedere matematic a parametrilor mișcării. În cadrul
acestei analize se vor considera doi subiecți pentru care vor fi determinate coordonatele
markerilor în vederea stabilirii unui set de parametri ai mișcării. Acești parametri vor fi
analizați matematic folosind metode de interpolare polinomială și cu ajutorul funcțiilor
Spline.
obținerea pe baza metodei de analiză cu markeri a unui set de parametri ce pot fi
considerați identificatori unici pentru mișcarea umană. În urma unui set de verificări
experimentale realizate în condiții controlate pe 7 subiecți vor fi analizați mai mulți
parametri ai mișcării (parametri fizici de genul lungimilor segmentelor, parametri de
postură de genul unghiurilor dintre segmente și cu orizontala în timpul mișcării și
parametri temporali de genul vitezelor, accelerațiilor, momentelor) dintre care se vor
alege aceia cu ajutorul cărora o persoană se poate identifica unic din cadrul unei baze de
date cu mai mulți subiecți, pe baza analizei mișcării. Studiul va fi realizat considerându-
se mișcarea unui picior în timpul mersului normal.
realizarea unei aplicații practice de identificare a unei persoane dintr-o bază de date
conținând 25 de subiecți. Vor fi analizate etapele analizei datelor experimentale și va fi
sugerat un model de prezentare a rezultatelor.
obținerea unor rezultate și concluzii cu implicații asupra analizei mișcării umane din
punct de vedere al identificării persoanelor și având aplicabilitate practică în
criminalistică și sisteme de securitate.
Cercetările efectuate se înscriu într-o direcție de abordare mai largă privind problematica
științifică referitoare la mișcarea corpului uman, direcție creată în cadrul Catedrei de Mecanică a
Universității „Transilvania” din Brașov, unde, de câțiva ani, specialiști și doctoranzi își
desfășoară activitatea în acest domeniu. De asemenea, pentru definitivarea unor aspecte ale
cercetărilor au fost realizate colaborări și cu specialiști de peste hotare. Un rol important în
evoluția cercetărilor l-a avut stagiul extern efectuat de către autor la Anglia Ruskin University
din Cambridge & Chelmsford, Marea Britanie, unde autorul a colaborat în cadrul unor proiecte
cu departamentele Computer & Science și Forensics din cadrul respectivei Universități. Tot în
cadrul stagiului extern autorul a fost îndrumat și de dr. Howard Hillstrom, în momentul redactării
tezei directorul MD Motion Analysis Laboratory din cadrul „the Hospital for Special Surgery”
din New York (peste 20 de ani în domeniul analizei mișcării). Autorul le mulțumește pe această
cale tuturor celor menționați anterior.
20
3. ANALIZA CRITICĂ A SISTEMELOR PENTRU
STUDIUL MIŞCĂRII UMANE. PROPUNEREA UNEI
SOLUȚII
3.1 INTRODUCERE Un sistem de captură a mişcării umane prezintă, din punct de vedere al interesului tezei,
trei aspecte de interes major: partea de achiziţie (captură) a datelor, partea de prelucrare a
acestora şi partea de prezentare a rezultatelor. În acest capitol vor fi analizate fiecare dintre
aceste aspecte, urmând să fie realizată o sinteză în urma căreia să fie ales tipul de sistem potrivit.
De menţionat că partea de prezentare a rezultatelor este corelată cu partea de prelucrare, practic
software-ul folosit pentru analiza mişcării va oferi un mod de prezentare a rezultatelor care va fi
sau nu mulţumitor din punctul de vedere al proiectului, iar cele două aspecte (prelucrarea şi
prezentarea) vor fi ambele tratate în cadrul analizei software-ului. [54]
3.1.1 Condiţii necesare implementării unui sistem pentru identificarea umană
prin analiza mişcării în scopuri criminalistice
Posibilităţile de analiză mişcării umane în domeniul sistemelor de securitate și
criminalisticii diferă radical de cele existente în domenii precum sportul şi medicina. Motivele
sunt evidente: dacă în cazul cercetării în domeniul sportului şi medicinii analiza mişcării se poate
realiza în condiţii de laborator, în cazul sistemelor de securitate și a criminalisticii este
obligatoriu să fie considerate situaţii din viaţa reală. Se vor lua în calcul două tipuri de sisteme,
cele profesionale livrate „la cheie” și cele simple, cu aparatură mai puțin performantă și
proiectate special pentru scopul proiectului. [14]
Sistemele profesionale de analiza mișcării pun la dispoziţie un număr mare de camere de
luat vederi. Markerii folosiţi în timpul capturii mişcării sunt fixați fizic pe subiectul care se
deplasează și conţin de obicei
senzori care comunică în timp
real cu sisteme de referinţă
montate în anumite poziţii fixe
(de multe ori chiar la nivelul
camerelor de luat vederi).
Astfel se poate obţine cu foarte
mare precizie mişcarea
subiectului în trei dimensiuni şi
se pot analiza multe aspecte
legate de postură, mişcări
greşite şi alte caracteristici de
acest gen. Pe de altă parte,
markerii sunt masivi și de multe
ori prezintă elemente speciale /
suplimentare de instalare sau
fixare (Fig. 1). [56]
Fig. 1 Laborator de analiză a mişcării: senzori montaţi în /
pe markerii subiectului, Force Plates.
Ansamblu excelent pentru cercetarea ştiinţifică a unor
aspecte ale mişcării dar imposibil utilizat pentru o situaţie
din viaţa de zi cu zi (slide din cadrul University Course
PowerPoint Slides de la www.c-motion.com, dezvolta-torii
pachetului profesional de analiză a mişcării Visual3D)
21
Sub aspectul unei analize științifice din punct de vedere medical sau sportiv, astfel de
sisteme sunt foarte potrivite. Din punct de vedere al conceptului tratat în cercetarea din teza de
doctorat, implementarea unui astfel de sistem profesional pentru a captura datele experimentale
nu este doar foarte greu de justificat din punct de vedere al preţului ci şi impropriu / imposibil de
implementat. Acest proiect s-a focalizat pe analiza situaţiilor din viaţa reală, se urmăreşte
dezvoltarea unui sistem de securitate bazat pe captura în timp real a informaţiei dintr-un mediu
(în general) public. [99]
Sistemul gândit ca finalitate a întregii cercetări și a cărui evoluție va fi testată în cadrul
acestui proiect va fi unul simplu, cu două camere de luat vederi montate fix, una cu axul vizual
perpendicular pe direcţia unui coridor prin care subiecţii sunt nevoiţi să treacă pentru a ajunge în
zona lor de interes, iar cea de-a doua cu axul vizual la 900 faţă de prima, pentru a captura
persoanele din faţă. Ca și aplicație practică, montajul poate fi realizat pe unul din culoarele de
legătură dintre sala principală şi zonele de acces restricţionat din interiorul unei bănci sau în
interiorul unei companii pe un culoar ce duce spre o zonă cu acces limitat sau la intrarea într-un
magazin. Sunt înregistrate toate datele celor ce trec prin acel punct într-o anumită direcţie (cel
mai comod de tratat este direcţia de la stânga spre dreapta) – este vorba de datele care
interesează din punct de vedere al analizei mişcării. Se creează o bază de date, iar în momentul
producerii unui incident (acces neautorizat într-o zonă restricţionată, jaf sau tentativă de jaf etc.)
se extrag datele capturate de la subiecţii care au provocat incidentul şi se compară cu baza de
date, urmărindu-se identificarea acestora folosindu-se analiza mişcării. [85]
3.1.2 Avantajele sistemului faţă de metodele clasice de identificare umană
Avantajele sistemului simplu de captură a datelor propus în cadrul proiectului sunt
semnificative dacă avem în vedere posibilii beneficiari după finalizarea întregii cercetări:
magazine mici, companii private, instituţii cu flux mic sau moderat de vizitatori. [77]
În primul rând, costurile sunt incomparabile cu sistemele profesionale. Dacă unul dintre
acestea din urmă poate ajunge la zeci sau chiar sute de mii de Euro (în funcţie de complexitate,
modulele alese, numărul de camere etc.) costul sistemului simplu se reduce la aparatură de bază
(o cameră video, consumabile pentru aceasta, elemente necesare instalării) şi software-ul de
analiză a mişcării pentru modelul de calcul propus de noi (îmbunătăţit în urma cercetărilor
viitoare), la care se adaugă în final costul efortului unuia sau mai multor operatori umani care
efectuează anumite operaţii de rutină în momentul producerii unui incident. [61]
Pe lângă costurile semnificativ mai mici din punct de vedere al echipamentelor există
încă un avantaj major, având în vedere scopurile amintite (criminalistică / sisteme de securitate):
sistemul poate fi făcut practic aproape invizibil [80]
De asemenea, acest sistem nu este afectat de problemele pe care de exemplu identificarea
facială sau identificarea cu ajutorul amprentelor suferă, şi anume totala lor lipsă de utilitate în
cazurile (foarte frecvente) în care răufăcătorii poartă cagule şi mănuşi. [52],[124]
22
3.2 DEZVOLTAREA UNUI SISTEM DE IDENTIFICARE PRIN
ANALIZA MIŞCĂRII UMANE CU APLICAŢII ÎN DOMENIUL
SISTEMELOR DE SECURITATE ȘI CRIMINALISTICII
În continuare se propune un sistem de identificare umană care se bazează pe analiza
mişcării şi care îşi regăseşte utilitatea în principal în criminalistică. Sistemul e format din două
componente majore, cea hardware, reprezentată de aparatura video şi elementele necesare
montării şi deghizării sistemului necesare atât pentru buna lui funcţionare, cât şi pentru a se
pierde în fundal şi componenta software, reprezentată de aplicaţiile cu ajutorul cărora
informaţiile existente în materialul video înregistrat de cameră sunt prelucrate şi aduse într-o
formă care să permită identificarea umană. [67] Toate aceste componente derivă din modul de
funcţionare al sistemului.
3.2.1 Modul de lucru al sistemului
Scopul analizei mişcării din cadrul acestui proiect este identificarea unei (sau mai multor)
persoane din cadrul unei baze de date cu înregistrări, pe baza unui set de identificatori unici
specifici mişcării fiecărei persoane. Pe scurt, sistemul propus în acest proiect va funcţiona în
modul următor:
- Cu ajutorul unei camere video se va filma continuu o zonă (ideal, un culoar de acces)
pentru a surprinde mersul persoanelor care parcurg această zonă (mai specific, mişcarea
piciorului)
- Pentru a putea asocia apoi mersul unei persoane cu fizionomia acesteia, este necesară o a
doua cameră video, plasată cu axul la un unghi de 900 faţă de prima, pentru a captura din
faţă persoanele pe măsură ce aceştia se deplasează prin zona de interes.
- Materialul video realizat cu prima cameră se va împărţi pe segmente, fiecărei persoane
care intră în cadru corespunzându-i un segment din momentul intrării în cadru până în
momentul ieşirii din cadru [9]
- Fiecare segment este apoi prelucrat cu ajutorul unei aplicaţii software capabilă să extragă
coordonatele încheieturilor principale care corespund piciorului în corpul uman
(coordonatele gleznei, ale genunchiului şi respectiv şoldului)
- Se realizează o primă bază de date cu ajutorul coordonatelor amintite mai sus
- Baza de date este prelucrată cu ajutorul unei serii de aplicaţii dezvoltate în Matlab
- În urma prelucrării se obţin o serie de parametri care vor reprezenta identificatori unici
pentru un subiect (o persoană). Informaţiile despre acești parametri şi modul în care au
fost ei stabiliși se regăsesc în capitolul 5.
- Se realizează o a doua bază de date care conţine persoanele şi identificatorii unici ai
acestora
23
- În momentul producerii unei infracţiuni (de genul atac, jaf armat etc.) informațiile
preluate din mersul agresorilor sunt prelucrate prin aceleaşi metode descrise mai sus până
se ajunge la a se determina identificatorii unici ai răufăcătorilor, cu diferența că se
recomandă o prelucrare manuală, cadru cu cadru, a materialelor video ce aparţin
infractorilor, pentru o mai bună precizie [101]
- Identificatorii unici ai infractorului sunt comparaţi cu cei din cea de-a doua bază de date,
pentru a se stabili eventualii suspecţi
- Aceşti eventuali suspecţi sunt identificaţi şi facial pe baza materialelor video filmate cu
cea de-a doua cameră (cea ce filmează din faţă) care le corespund
- Rezultatul care se obţinute este reprezentat de lista de suspecţi şi fotografiile acestora,
care sunt predate organelor competente pentru a efectua investigaţii în continuare [36]
3.2.2 Stabilirea componentelor hardware şi restricţiilor privind
implementarea sistemului
Există anumite aspecte privind condiţiile în care se fac înregistrările şi eventuale
elemente de control / constrângeri care sunt impuse pentru buna şi eficienta funcţionare a
sistemului. În primul rând, locul unde camera va captura mişcarea celor ce trec trebuie să
beneficieze de o iluminare bună. Nu este nevoie de condiţii de iluminare suplimentare, de genul
reflectoarelor sau becurilor de mare putere, dar condiţiile trebuie să fie mai bune decât
semiîntunericul pentru a se putea extrage informaţiile de pe materialele video. [6]
Este esenţial ca sistemul să poată captura întregul picior. Camera de luat vederi va fi
montată pe un suport fix şi perpendicular pe direcţia de mers a subiecţilor care intră în instituţie,
la înăţimea propusă în jur de 0,5m. Această înălţime este sugerată pentru ca aparatura video să se
afle undeva la nivelul genunchiului pentru o persoană de înălţime medie, purtând încălţăminte. În
acest fel se asigură faptul că întreg piciorul este capturat în cadrul materialului video. În cazul în
care se ajunge la folosirea bazei de date la scară largă (adică înregistrările care au fost realizate la
instituţia X să fie folosite ca şi referinţă şi pentru instituţia Y, în cazul unei infracţiuni ce s-a
produs la instituţia Y) înălţimea la care aparatura video este fixată precum și distanța față de
dreapta pe care se deplasează subiecții trebuie standardizate. [68]
Ideal, se urmăreşte a beneficia de o trecere a subiecţilor prin câmpul vizual în condiţii cât
mai asemănătoare. Ca şi în cazul identificării faciale sau identificării la nivelul ochiului, cu cât
distanţa faţă de subiect creşte, cu atât eficienţa sistemului scade. Dacă în cazul retinei şi irisului
era vorba de centimetri, diferenţa în situaţia sistemului de faţă este că acesta îşi demonstrează
eficienţa chiar şi la câţiva metri. În concluzie, cu cât distanţa faţă de poziţia camerei scade, cu
atât eficienţa sistemului creşte. Pe de altă parte însă, durata trecerii subiectului prin câmpul
vizual scade odată cu scăderea distanţei faţă de camera video. Aici a fost necesar să se găsească
echilibrul perfect dintre o durată a trecerii prin câmpul vizual care să fie suficientă şi o distanţă
faţă de subiectul filmat suficient de mică pentru a nu se pierde din informaţie. Pentru aceasta, se
va urmări ca subiecţii să plece dintr-o poziţie cu ambele picioare pe sol. [114],[132]
24
Considerând toate aceste aspecte şi caracteristicile tehnice privind înregistrările video,
pentru implementarea sistemului se impun nişte restricţii. Pentru a nu deconspira sistemul de
indentificare, am încercat să găsim condiţiile perfecte unde aceste restricţii există deja şi nu sunt
impuse folosind elemente suplimentare din exterior: ideal, sistemul se va monta perpendicular pe
un coridor continuu iluminat pe unde subiecţii vor trece sigur într-o direcţie, la o distanţă de
aproximativ 1,5 – 2m de aparatura video, pornind cu ambele picioare pe sol. Aceste condiţii se
pot întruni la intrarea într-o instituţie după deschiderea uşii, sau eventual în interiorul instituţiei,
la intrarea pe un culoar pentru care subiecţii sunt forţaţi să schimbe brusc şi radical (minim 900)
direcţia de mers. De asemenea, aglomeraţia este un factor care perturbă modul de funcţionare al
sistemului (sistemul se comportă ideal în instituţiile cu trafic mic sau mediu de persoane, nu în
magazine de genul supermarket-urilor). [129]
3.2.3 Stabilirea componentelor software
În cadrul analizei mişcării umane cu markeri, ideea de bază este urmărirea unui marker
ataşat unui anumit punct de interes de pe corpul subiectului (de obicei o articulaţie) de-a lungul
mişcării, urmând ca apoi traiectoria acelui punct să fie extrasă şi analizată prin metode ce
corespund rezultatului la care se doreşte să se ajungă. Un software pentru captura mişcării va
trebui aşadar să fie capabil a urmări traiectoria unui marker pe toată durata mişcării iar apoi să
ofere cel puţin o listă de coordonate ale markerului în timp ce definesc această traiectorie. În
continuare prezentăm modul în care o astfel de aplicaţie realizează aceste operaţiuni. [78],[105]
În prima etapă se obţine filmul, preluat de la camera de luat vederi. Acesta este apoi
încărcat în aplicaţia de analiza mişcării cu care se lucrează iar operatorul sau cel ce realizează
analiza mişcării stabileşte zona markerului. Stabilirea acestei zone şi modul în care aplicaţia
reuşeşte s-o urmărească în timp sunt practic elementele esenţiale pentru o captură şi analiză
eficientă a mişcării. De obicei, software-ul va urmări o arie de pixeli, stabilită de operator, arie
care în mod ideal conţine zona de interes precum şi pixeli „diferiţi” din jurul zonei de interes.
Prin pixeli „diferiţi” se face referire la pixeli de altă culoare faţă de pixelii zonei de interes,
marcate. De fapt, aplicaţia urmăreşte această compoziţie de pixeli de-a lungul mişcării dar de
obicei şi coordonatele unui singur pixel din mijlocul acestei arii, aparţinând zonei de interes.
Aceste coordonate vor fi apoi obţinute ca fiind coordonatele markerului sau zonei de interes. [27]
Factorul cel mai important pentru o astfel de aplicaţie este capacitatea de a urmări cu cât
mai multă precizie această arie de pixeli definită de utilizator. Acest factor depinde atât de
calitatea aplicaţiei cât şi de ştiinţa operatorului de a defini o zonă de interes potrivită, ştiinţă ce va
veni în timp odată cu experienţa în utilizare. De asemenea, o altă caracteristică de interes o
reprezintă posibilitatea aplicaţiei de a-şi ajusta aria de interes cadru cu cadru. Iniţial, prima arie
de interes se va alege din primul cadru al materialului video, care va deveni cadrul de referinţă
pentru mişcare. Câteodată însă pixelii din acea arie de interes suferă modificări majore de-a
lungul mişcării iar în cazul în care cadrul de referinţă ar rămâne cel iniţial, aria s-ar pierde. De
aceea, unele aplicaţii oferă posibilitatea ca, pentru cadrul n, cadrul de referinţă să fie n-1. [104],
[110],[127],[130]
3.2.3.1 Stabilirea criteriilor pe baza cărora se va alege software-ul potrivit pentru analiza
materialelor video
25
Aplicaţia software ce urmează a fi aleasă pentru a îndeplini scopurile proiectului va trebui
să fie capabilă să preia datele aşa cum sunt acestea capturate cu camera de luat vederi, adică sub
formă de material video. Va trebui să ofere apoi posibilitatea prelucrării acestor date prin metode
simple, uşor de învăţat de către un operator (aici se consideră faptul ca pregătirea respectivului
operator să nu necesite aspecte de genul necesităţii dezvoltării de aplicaţii software pentru a
putea opera sistemul). În final, formatul în care se obţin datele trebuie să nu fie unul proprietar, ci
datele să fie prezentate fie direct, automat, într-un format comun, popular (de genul celor folosite
de aplicaţiile de calcul tabelar – tabelelor Excel) fie să necesite doar operaţii simple pentru a se
aduce la acea formă (cum ar fi Copy – Paste, mici ajustări ale formei etc.)
Având în vedere considerentele de mai sus, pentru proiectul de faţă au fost luate în
discuţie aplicaţiile Dartfish, Adobe Premiere, Mocha şi Adobe After Effects. Pentru alegerea
aplicaţiei potrivite s-a realizat o analiză multicriterială, criteriile luate în calcul fiind:
- Criteriul 1: Compatibilitatea (C) – modalitatea şi tipul de fişiere cu care aplicaţia este
capabilă să lucreze, aspecte privind posibilităţile de a prelucra datele de intrare (sau lipsa
acestor posibilităţi)
- Criteriul 2: Eficienţa (E) – felul în care este tratată mişcarea, metoda de recunoaştere a
markerelor şi precizia cu care traiectoria unui marker este recunoscută, gradul de
automatizare
- Criteriul 3: Abordarea erorilor (A) - posibilitatea aplicaţiei de a „recupera traiectoria”
în cazul în care apar anumite erori de genul pierderii unui marker undeva pe parcursul
mişcării
- Criteriul 4: Precizia (P) – influenţa anumitor aspecte privind condiţiile exterioare în care
se realizează captura (luminozitate, distanţa la care mişcarea este captată), posibilitatea
urmăririi traiectoriei după mai multe criterii (luminozitate, intensitatea culorii etc.)
- Criteriul 5: Rezultate şi costuri (R) – măsura în care rezultatele oferite de aplicaţie sunt
prelucrabile ulterior în vederea obţinerii dimensiunilor parametrilor mişcării care sunt
analizaţi în cadrul temei de doctorat; costurile şi popularitatea aplicaţiei
3.2.3.2 Analiza cu Dartfish
Evaluările compatibilităţii Dartfish cu scopurile proiectului de faţă din punct de vedere al
analizei multicriteriale sunt între 1 şi 10 după cum urmează:
Criteriul 1 Criteriul 2 Criteriul 3 Criteriul 4 Criteriul 5
10 3 7 9 3
3.2.3.3 Analiza cu Adobe After Effects
Evaluările compatibilităţii Adobe After Effects cu scopurile proiectului de faţă din punct
de vedere al analizei multicriteriale sunt între 1 şi 10 după cum urmează:
Criteriul 1 Criteriul 2 Criteriul 3 Criteriul 4 Criteriul 5
9 9 7 8 7
3.2.3.4 Analiza cu Mocha
26
Evaluările compatibilităţii Mocha cu scopurile proiectului de faţă din punct de vedere al
analizei multicriteriale sunt între 1 şi 10 după cum urmează:
Criteriul 1 Criteriul 2 Criteriul 3 Criteriul 4 Criteriul 5
9 2 3 3 10
3.2.3.5 Analiza cu Adobe Premiere
Evaluările compatibilităţii Adobe After Effects cu scopurile proiectului de faţă din punct
de vedere al analizei multicriteriale sunt între 1 şi 10 după cum urmează:
Criteriul 1 Criteriul 2 Criteriul 3 Criteriul 4 Criteriul 5
9 1 3 3 7
3.2.3.6 Analiza multicriterială pentru a stabili aplicaţia care corespunde optim scopului
proiectului
Metoda analizei multi-criteriale este o metodă dezvoltată cu scopul de a oferi o metodă de
calcul ştiinţifică în domeniul luărilor de decizii, când este nevoie de a alege una (sau un număr de
primele N) variante dintr-o listă de variante disponibile. Această metodă se poate folosi practic în
orice domeniu şi se bazează pe analiza unei serii de criterii specifice variantelor disponibile,
calculul unui set de ponderi pentru respectivele criterii şi obţinerea unui clasament final al
variantelor analizate.
Dartfish After Effects Mocha Adobe Premiere
Criteriul 𝛾𝑖 𝑁1 𝑁1𝛾𝑖 𝑁2 𝑁2𝛾𝑖 𝑁3 𝑁3𝛾𝑖 𝑁4 𝑁4𝛾𝑖 C 0,167 10 1,67 9 1,503 9 1,503 9 1,503
E 4,800 3 14.4 9 43,2 2 9,6 1 4,8
A 2,286 7 16,002 7 16,002 3 6,858 3 6,858
P 3,333 9 29,997 8 26,664 3 10 3 10
R 0,800 3 2,4 7 5,6 10 8 7 5,6
Nota Finală 64.469 92,969 35,961 28,761
După cum se poate observa din tabelul anterior, câştigătorul analizei multicriteriale la un
scor detaşat este software-ul Adobe After Effects, care va fi aşadar utilizat în această teză de
doctorat.
3.3 CONCLUZII
În urma studiului sistemelor de analiza mișcărilor umane și a cerințelor hardware și
software în funcție de necesități, s-au putut extrage următoarele concluzii:
27
sistemele de analiza mișcării umane se pot împărți în două categorii, sisteme profesionale
(de laborator) și sisteme care se pretează pentru analiza mișcării umane într-o situație
reală (de zi cu zi).
sistemele profesionale sunt livrate de obicei sub formă de pachet complet hardware +
software, cu un număr mare de camere video (3-12), deținând software performant și
costuri mari.
sistemele profesionale implică de obicei montarea într-un laborator specializat, care să
conțină și alte elemente pentru analiza mișcării, de genul Force Platform-urilor.
în funcționarea sistemelor profesionale trebuie îndeplinite anumite condiții stricte:
subiectului îi sunt atașați markeri legați fizic de corp cu ajutorul a diferite sisteme (de
multe ori montajul având propriul sistem electric), subiectul trebuie să se deplaseze pe o
traiectorie fixă.
sistemele profesionale se pretează cu succes în domeniile analizei mișcării cu scopul
îmbunătățirii performanțelor sportivilor și medicinii.
considerând o situație din viața reală, un sistem profesional de analiza mișcării umane
implică restricții care nu îl fac nici posibil de implementat (atașarea fizică a markerilor de
subiect) nici eficient ca și costuri.
în domeniul criminalisticii / sistemelor de securitate, implementarea unui sistem
profesional de analiza mișcării este ineficientă și aproape imposibilă
a fost propus un mod de lucru pentru un sistem de analiza mișcării umane cu aplicații în
criminalistică. Au fost prezentate restricțiile necesare implementării unui astfel de sistem
pe baza modului de lucru și a restricțiilor necesare implementării, au fost propuse o serie
de elemente hardware pentru dezvoltarea unui sistem de analiza mișcării umane cu
aplicații în criminalistică
pentru partea de analiză software a sistemului au fost propuse patru aplicații cu ajutorul
cărora se pot analiza datele obținute prin intermediul aparaturii hardware. Aplicațiile sunt
Adobe After Effects, Dartfish, Mocha și Adobe Premiere
pe baza unei analize multicriteriale a fost aleasă pentru utilizarea în proiectul de față
aplicația Adobe After Effects. Criteriile utilizate în analiză au fost Compatibilitatea,
Eficienţa, Abordarea erorilor, Precizia, Rezultate şi costuri.
Concluzie Finală: au fost stabilite componentele hardware și software pentru un sistem de
analiza mișcării umane cu aplicație într-o situație din viața reală (domeniul de aplicație sugerat
fiind criminalistică / sisteme de securitate)
28
4. MODELUL MATEMATIC AL MIȘCĂRII PICIORULUI
Pentru cercetarea de față, aspectul care interesează din punct de vedere al analizei
mişcării umane este legat de deplasarea piciorului în două dimensiuni, aşadar analiza din această
teză se va concentra pe caracteristicile mişcării piciorului în timpul mersului normal. Ca sistem
de referinţă se va considera cadrul surprins de către camera video, cu originea în colţul din
stânga jos. Din punct de vedere al analizei pe care o vom face, semnificativă va fi determinarea
coordonatele articulaţiilor principale ale piciorului: glezna, genunchiul şi şoldul.
După obţinerea acestor coordonate se vor aplica metode matematice de interpolare
(polinoame, funcţii Spline) pentru a avea o reprezentare matematică a mişcării piciorului. [116]
4.1 CICLUL MIŞCĂRII UMANE
Mişcarea umană, care este o mişcare complexă, prin mijloacele de control specific umane
are proprietatea de a fi, în cazul mersului normal, o mişcare ciclică. [69] Un ciclu al mişcării este
reprezentat de succesiunea de mişcări efectuate de către subiect din momentul unei prime
atingeri a solului cu vârful (sau călcâiul) unui picior până în momentul celei de-a doua atingeri a
solului cu vârful (sau călcâiul) aceluiaşi picior. [60]
Fig. 1 Ciclul mişcării umane în mers normal
Se poate observa că în timpul unui ciclu al mişcării, un picior petrece o perioadă de timp
pe sol şi o perioadă de timp în aer. Pe perioada de timp petrecută în contact cu solul piciorul are
rolul de a susţine greutatea corporală a subiectului, iar în timp ce este în aer, piciorul efectuează
29
o mişcare de „realiniere” în vederea următoarei perioade pe care urmează să o petreacă în contact
cu solul. [43]
4.1.1 Parametrii studiaţi în analiza ciclului mişcării umane
Se vor defini o serie de termeni ce definesc un ciclu al mişcării, iar pentru a avea un
sistem comun de denominări se vor folosi în unele cazuri denumirile în engleză care se regăsesc
în literatura de specialitate:
- Picior la sol: perioada de timp din cadrul unui ciclu al mişcării în care un picior este în
contact cu solul
- Picior în aer: perioada de timp din cadrul unui ciclu al mişcării în care un picior este în
aer
- Pas: distanţa măsurată între punctul unde primul picior atinge solul şi punctul imediat
următor în care celălalt picior atinge solul. Pentru mersul normal în cazul unui om
normal, Paşii stâng şi drept sunt egali.
- Pas mare: perioada de timp măsurată între două puncte consecutive în care acelaşi picior
atinge solul.
- Cadenţa: numărul de Paşi realizaţi într-o perioadă de timp (de obicei minut)
- Viteza: distanţa parcursă pe perioada de timp (de obicei m/sec) – produsul dintre
Cadenţă şi nr. Paşi
- Lungimea unui Pas mare: distanţa măsurată între două puncte consecutive în care
acelaşi picior atinge solul. Pentru mersul normal, această lungime este egală pentru
ambele picioare.
4.1.2 Fazele ciclului mişcării umane
În cadrul mersului normal, perioada de Picior la sol reprezintă aproximativ 60-62%
dintr-un ciclu de mişcare, iar cea de Picior în aer restul de 38-40%. Diferenţa dintre cele două
faze apare datorită faptului că în timpul unui ciclu al mişcării există două perioade de timp în
care ambele picioare ating solul (ambele perioade fiind evident incluse în perioada de Picior la
sol).
Pornind de la analiza făcută în cazul mersului, se poate considera de exemplu alergarea
ca fiind o „deviaţie” de la mersul normal. Studiind aceleaşi elemente ca şi în cazul mersului, vom
observa că pentru alergare, perioada de Picior la sol se micşorează (până în jur de 30-40%) şi
perioada de Picior în aer se măreşte (către intervalul de 60-70%). De asemenea, apare o altă fază
a mişcării, corespunzătoare momentului în care ambele picioare sunt în aer. Practic, momentul de
suport dublu dispare, transferul greutăţii de pe un picior pe altul se face într-un mod mult mai
„brutal” şi automat solicitările la nivelul piciorului cresc. [111]
30
4.1.3 Folosirea parametrilor ciclului mişcării umane pentru identificarea
persoanelor
Din punct de vedere al identificării mişcării umane, parametrii de mai sus pot servi drept
elemente care definesc anumiţi indivizi, mai ales dacă ies din obişnuit. [51],[94]
4.2 CINEMATICA MIŞCĂRII UMANE
4.2.1 Lanţuri cinematice şi sisteme multicorp
Pentru a simplifica analiza cinematică a mişcării umane, corpul uman poate fi considerat
ca fiind un sistem multicorp format din mai multe elemente (segmentele corporale) conectate
între ele cu ajutorul articulaţiilor. Odată acest model acceptat, pentru analiza cinematică a
mişcării umane se vor putea folosi legile mecanice care guvernează sistemele multicorp.
[112],[117] Proiectul de față se va focaliza asupra segmentelor care interesează în vederea
modelului pentru analiza mişcării, şi anume femurul şi tibia, legate între ele prin articulaţia
genunchiului.
Fig. 2 Reprezentarea corpului uman ca un lanţ cinematic, variantă simplificată, schematizată
doar cu 17 articulații
31
Două elemente (ne vom referi în continuare la elementele unui lanţ cinematic folosind
denumirea de „segmente”) legate între ele printr-o articulaţie poartă denumirea de cuplă
cinematică. Un lanţ cinematic este format din una sau mai multe culpe cinematice. În cazul în
care elementele ce compun un lanţ cinematic fac parte din maxim două cuple cinematice, atunci
lanţul cinematic se numeşte lanţ simplu (în serie). Un exemplu aici ar fi lanţul cinematic format
din braţ – antebraţ – mână, unde mâna face parte dintr-o singură cuplă (mână – antebraţ),
antebraţul face parte din două cuple (mână – antebraţ şi antebraţ – braţ) iar braţul face parte
dintr-o singură cuplă (antebraţ – braţ) în acest lanţ cinematic. Dacă în acest lanţ cinematic
adăugăm umărul, braţul va face parte din două cuple cinematice. În cazul în care cel puţin un
element din alcătuirea unui lanţ cinematic face parte din minim trei cuple cinematice, avem de-a
face cu un lanţ cinematic complex. Un exemplu aici este lanţul cinematic al întregului corp, unde
trunchiul face parte din cinci cuple cinematice: cu piciorul drept, cu piciorul stâng, cu umărul
drept, cu umărul stâng şi cu gâtul. [118],[119],[120],[121],[122]
4.2.2 Grade de libertate pentru lanţurile cinematice. Formula lui Gruebler
Poziţia unui rigid în spaţiu poate fi definită cu ajutorul a şase coordonate independente.
Trei dintre ele pot fi considerate coordonatele originii unui sistem de referință mobil, legat de
rigid, faţă de un sistem de referinţă fix, iar celelalte trei sunt reprezentate de rotaţiile sistemului
de referinţă mobil, ataşat corpului, faţă de acelaşi sistem de referinţă fix. Un rigid aflat liber în
spaţiu poate efectua trei translaţii şi trei rotaţii – se spune că rigidul are şase grade de libertate. Pe
măsură ce apar constrângeri asupra respectivului rigid, numărul gradelor de libertate scade.
Dacă luăm exemplul articulaţiilor, putem spune că fiecare segment al unui sistem
multicorp din compoziţia scheletului uman are (6 – n) grade de libertate, unde n reprezintă
numărul de constrângeri. Dat fiind că sunt practic nesemnificative, putem ignora translaţiile din
interiorul articulaţiei, reducând numărul de grade de libertate la (3 – m), m fiind numărul de
constrângeri rămase după eliminarea translaţiilor intra-articulare. S-au putut astfel defini trei
tipuri de articulaţii, comune corpului uman:
- articulaţii cilindrice, cu un singur grad de libertate, cum ar fi cele ce leagă falangele
degetelor
- articulaţii cu două grade de libertate, în care sunt permise două rotații, cum ar fi cea
temporo-mandibulară
- articulaţii sferice, cu trei grade de libertate, de exemplu şoldul sau umărul
32
Numărul total al gradelor de libertate regăsite în
interiorul unui lanţ cinematic poartă denumirea de
mobilitate a lanţului cinematic. Pentru a calcula
mobilitatea unui lanţ cinematic, se va face convenţia ca
exteriorul, fix în spaţiu, să conteze ca o articulaţie
suplimentară în cazul lanţurilor cinematice deschise sau ca
două articulaţii suplimentare în cazul lanţurilor cinematice
închise. Practic, lanţului i se vor adăuga una (deschis) sau
două perechi cinematice (închis). Folosind această
convenţie, mobilitatea unui lanţ cinematic în spaţiu se va
calcula după formula lui Gruebler:
𝐹 = 6 𝑁 − 𝑘 + 𝑓𝑖𝑘𝑖=1 (1)
unde N reprezintă numărul de articulaţii, k numărul de
cuple cinematice iar 𝑓𝑖 reprezintă numărul de grade de
libertate pentru cupla i. Pentru un lanţ deschis, numărul de
articulaţii va fi egal cu numărul de cuple cinematice, aşadar
vom avea 𝐹 = 𝑓𝑖𝑘𝑖=1 , iar pentru un lanţ închis, numărul de
cuple cinematice va fi mai mare cu 1 decât numărul de
articulaţii, aşadar vom obţine 𝐹 = 𝑓𝑖𝑘𝑖=1 − 6. În plan
formula lui Gruebler se va modifica: 𝐹 = 3 𝑁 − 𝑘 +
𝑓𝑖𝑘𝑖=1 .
4.2.3 Constrângeri impuse mişcării umane
Constrângerile apar ca rezultat al interacţiunii dintre elementele sistemului şi cu mediul
exterior şi reprezintă condiţii impuse mișcării umane. Există constrângeri impuse de către schelet
şi sistemul muscular, constrângeri din mediul exterior (obiecte sau diferite elemente/îngrădiri
care obstrucţionează mişcarea), constrângeri cum ar fi cele care îi sunt impuse corpului pentru a
se situa într-o stare de echilibru (a nu „cădea din picioare”) sau constrângeri forţate sau
autoimpuse pentru a efectua anumite mişcări.[5]
Toate aceste constrângeri influenţează lanţurile cinematice din corpul uman iar pentru a
realiza o analiză a mişcării va trebui ţinut cont de ele, în funcţie de situaţia considerată. De aceea,
în general, în cercetarea științifică sunt studiate mişcările cu constrângerile specifice deja
aplicate, de genul mişcării în mers normal, mişcării în alergare în diferite probe de atletism etc.
Fig. 3 Lanţul cinematic deschis
Braţ – Antebraţ – Mână
33
4.3 CINEMATICA DIRECTĂ ŞI CINEMATICA INVERSĂ
PENTRU LANŢURILE CINEMATICE DESCHISE
Pornind de la formula lui Gruebler pentru lanţurile cinematice deschise, 𝐹 = 𝑓𝑖𝑘𝑖=1 , se
poate spune că numărul de grade de libertate al lanţului cinematic deschis este egal cu numărul
de perechi cinematice pe care acesta le are în compoziţie. Pe de altă parte, considerând mişcarea
umană, de cele mai multe ori extremitatea liberă a lanţului cinematic deschis trebuie să se
găsească într-un anumit punct şi să aibă o anumită orientare pentru a efectua activitatea dorită: de
exemplu, pentru a păşi, talpa piciorului trebuie să atingă solul, pentru a deschide o uşă, mâna
trebuie să fie poziţionată pe mâner etc. Se va defini poziţionarea acestui element liber „poziţie de
final”. [53]
Această constrângere evident scade mobilitatea sau numărul de grade de libertate
specifice lanţului cinematic. Este nevoie de cel puţin şase grade de libertate pentru a putea
poziţiona extremitatea liberă a unui lanţ cinematic deschis oriunde în spaţiu şi cu orice orientare.
În plan va fi nevoie de minim trei grade de libertate pentru acelaşi scop. Un lanţ cinematic
deschis cu mai mult de trei grade de libertate în plan sau şase în spaţiu se numeşte redundant;
practic, într-un astfel de lanţ, extremitatea liberă se poate poziționa oriunde în spaţiu şi cu orice
orientare şi într-un număr infinit de moduri. Pentru mişcarea umană, acest lucru se aplică doar
parţial, din cauza constrângerilor prezentate în 4.2.3.
Pentru analiza lanţurilor cinematice, problema de rezolvat depinde de datele de care
dispunem. În cazul în care se cunosc coordonatele perechilor cinematice şi se caută poziţia de
final a elementului liber, este vorba de problema cinematică directă. De cele mai multe ori însă
nu se cunoaşte poziţia perechilor cinematice în spaţiu, dar se ştie modul în care ultimul element,
cel liber, se poziţionează (se cunoaşte poziţia de final). Plecând de la aceasta se încearcă să se
determine coordonatele perechilor cinematice - aici este vorba despre problema cinematică
inversă. [8],[37],[125]
În această lucrare se vor aplica elemente specifice problemelor cinematice directe și
inverse pentru lanţul cinematic format din cupla femur – tibie legate cu ajutorul articulaţiei
genunchiului. Rezultatele vor duce la determinarea unor diferenţe între mişcările în mers normal
pentru mai mulţi subiecţi, mişcări desfăşurate în aceleaşi condiţii. Diferenţele vor fi suficient de
semnificative pentru a reprezenta elemente de interes ce vor ajuta la identificarea persoanelor
prin analiza mişcării. [76]
4.3.1 Exemplu: lanţ cinematic cu două legături
În plan, se va considera un lanţ cinematic deschis simplu, cu două legături (conform
convenţiei folosite pentru formula lui Gruebler) format din cupla femur – tibie legate cu ajutorul
articulaţiei genunchiului. Se va rezolva problema cinematică directă şi se va pune problema
cinematică inversă. [13],[113]
34
Fig. 4 Exemplu – rezolvare lanţ cinematic deschis simplu format din cupla femur – tibie legate
cu ajutorul articulaţiei genunchiului. Se obţin două poziţii teoretic posibile din care fizic posibilă
este cea desenată cu albastru închis.
Se consideră capătul exterior al femurului ca fiind fix şi legat de mediul exterior (abscisa,
axa orizontală) printr-o articulaţie A. Se vor nota articulaţia genunchiului cu G iar punctul
extrem al tibiei cu P.
Problema cinematică directă
Se cunosc coordonatele cuplelor cinematice şi se căută poziţia de final a elementului
liber. Aşadar, se ştiu unghiurile ∝1 şi ∝2, precum şi lungimile segmentelor 𝑙1 şi 𝑙2 și se doresc a
se obține coordonatele punctelor P şi G în plan. Problema se reduce la una de geometrie analitică
simplă:
𝑋𝐺 = 𝑙1 cos ∝1
𝑌𝐺 = 𝑙1 sin ∝1
𝑋𝑃 = 𝑙1 cos ∝1+ 𝑙2 cos(∝1 +∝2)
𝑌𝑃 = 𝑙1 sin ∝1+ 𝑙2 sin(∝1 +∝2)
Aşadar, problema cinematică directă are o soluţie unică, de forma:
𝑋𝑃𝑌𝑃 =
𝑐𝑜𝑠 ∝1 𝑐𝑜𝑠 ∝1+∝2
𝑠𝑖𝑛 ∝1 𝑠𝑖𝑛 ∝1+∝2 ∗
𝑙1𝑙2
∝
𝛽
35
Problema cinematică inversă
Se cunosc coordonatele punctelor A și P în plan și se dorește a se afla unghiurile ∝1 şi ∝2
(fig. 4). După cum se poate observa în imagine, problema are două soluţii. Dintre acestea două,
una este însă „anormală”, deoarece datorită constrângerilor impuse de către schelet şi sistemul
muscular (în cazul de față de către articulaţia genunchiului, care nu permite rotaţia în jurul ei la
un unghi mai mare de 180°) cupla cinematică femur – tibie nu se poate poziţiona sub forma
punctată și deschisă la culoare din figură.
Ecuaţia de la care se pleacă pentru a obţine uşor cele două unghiuri este aplicaţia
teoremei lui Pitagora generalizată pentru unghiul din 𝐺 al triunghiului AGP:
𝐴𝑃 = 𝑙12 + 𝑙2
2 − 2𝑙1𝑙2𝑐𝑜𝑠 𝜋 −∝2 → ∝2
Pentru determinarea unghiului ∝1 vom folosi teorema sinusurilor în triunghiul AGP:
𝑙1
𝑠𝑖𝑛𝛽=
𝑙2
𝑠𝑖𝑛𝛼 𝛼 + 𝛽 = 𝜋 −∝2 𝛼 = 𝜋 −∝2− 𝛽
𝑙1
𝑠𝑖𝑛𝛽=
𝑙2
sin(𝜋−∝2−𝛽)
𝑙1
𝑠𝑖𝑛𝛽=
𝑙2
sin(∝2+𝛽)
𝑙1𝑠𝑖𝑛 ∝2 𝑐𝑜𝑠𝛽 + 𝑙1𝑐𝑜𝑠 ∝2 𝑠𝑖𝑛𝛽 = 𝑙2𝑠𝑖𝑛𝛽 → 𝑡𝑔𝛽 → 𝛽 → 𝛼
Cunoscându-se unghiurile 𝛼,𝛽 și ∝2, triunghiul AGP este determinat, așadar se cunosc
cele două poziții ale punctului G, dintre care G' e imposibilă, așadar: → ∝1
4.4 ANALIZA PARAMETRILOR MIŞCĂRII
Pentru a putea realiza analiza mişcării umane cu markeri a fost în primul rând nevoie de o
serie de date experimentale. S-a pornit de la un model simplu, folosind un sistem de captură a
mişcării umane simplu, constând dintr-o singură cameră video. S-a propus realizarea analizei
mişcării pentru un picior. Doi subiecţi umani au avut markeri ataşaţi în articulaţiile piciorului
(care, după cum a fost prezentat în capitolele anterioare, este un lanţ cinematic deschis supus la o
serie de constrângeri specifice mersului) şi anume glezna, genunchiul şi şoldul. [115]
Subiecţii au fost apoi puşi să meargă normal, rectiliniu, urmărind o dreaptă trasată pe
podea, într-un plan perpendicular pe axul camerei de luat vederi. Mișcarea a fost capturată din
momentul plecării de pe loc, timp de 36 de cadre. Folosind un model matematic, a fost efectuată
o comparaţie a parametrilor mişcării pentru cei doi indivizi. Pentru a uşura calculele şi a stabili
modelul matematic au fost făcute câteva ipoteze. În primul rând, se consideră că subiecţii merg
perfect rectiliniu urmărind linia trasată pe podea. De asemenea, tibia şi femurul se vor deplasa în
acelaşi plan. Mişcarea începe din acelaşi punct şi aceeaşi poziţie de plecare pentru ambii subiecţi
(în momentul primului pas, postura celor doi subiecţi este relativ identică iar coordonata
orizontală de plecare este aceeaşi). Captura mişcării s-a efectuat pe aceeaşi perioadă de timp
pentru ambii subiecţi.
36
4.4.1 Determinarea coordonatelor markerilor pentru doi subiecţi
Etapele parcurse pentru obținerea coordonatelor markerilor în timp și trasarea graficelor
acestor evoluții au fost următoarele:
- Procesarea imaginilor – găsirea coordonatelor markerilor
Materialele video obţinute pentru cei doi subiecţi au fost împărţite fiecare în 36 de cadre
obținute la intervale echidistante de timp. Pentru fiecare dintre cei trei markeri pentru ambii
subiecţi au fost notate coordonatele orizontale şi verticale din planul imaginii, cadru cu cadru,
într-o bază de date în format Excel. În final, pentru fiecare subiect au fost obţinute câte trei tabele
(fiecare conţinând coordonatele unei serii de 36 de puncte în plan) specifice evoluţiei în timp a
markerilor ce le-au fost ataşaţi.
Fig.5 Evoluţia în timp a markerilor pentru fiecare subiect
- Elaborarea unui program informatic simplu pentru importul datelor direct din Excel și
pentru trasarea graficelor specifice fiecărui marker, folosind aplicația Matlab.
După cum se poate vedea cu ochiul liber, traiectoriile în timp pentru fiecare marker
prezintă diferenţe majore pentru cei doi subiecţi. [42]
4.4.2 Definirea parametrilor mişcării şi analiza lor matematică
Se poate spune că deja un set de parametri ai mişcării au fost stabiliţi, şi anume poziţia
markerilor în timp. Pentru a putea defini restul parametrilor va trebui să se construiască un model
simplificat al lanţului cinematic în cauză, aşa cum se poate vedea în figura de mai jos:
37
Fig. 6 Stabilirea parametrilor mişcării piciorului
Urmărind Fig. 6, s-a decis să fie considerați încă trei parametri în ideea de a defini
mişcarea piciorului. Aceştia au fost aleși ca fiind lungimea segmentului 𝐴𝐶 (distanţa dintre
markerul fixat pe gleznă şi cel fixat pe genunchi) şi două unghiuri, α fiind unghiul dintre 𝐴𝐵 şi
normala la sol iar β fiind unghiul dintre cele două elemente ce reprezintă grafic femurul şi tibia,
şi anume 𝐴𝐵 şi 𝐵𝐶 . [65] Parametrii de față au fost aleşi pentru acest experiment, ei nu reprezintă
un „standard” în domeniu. O analiză a parametrilor ce vor constitui identificatori unici pentru
mișcarea unei persoane a fost realizată în capitolul 5. Au fost create cu ajutorul aplicației Matlab
programe care realizează calcului automat al acestor parametri. [23],[35],[50],[55],[71]
După determinarea parametrilor, un prim pas îl reprezintă realizarea graficelor
comparative reprezentând evoluţia acestora în timp. Acestea vor duce la rezultate asemănătoare
celor obţinute în Fig. 7.
Fig. 7 Evoluţia comparativă în timp a segmentului AC pentru cei doi subiecţi
38
4.4.3 Aproximarea polinomială
În urma înregistrărilor făcute pentru identificarea mișcărilor unei persoane se obțin
tabelele cu deplasările diferitelor puncte în funcție de timp. Dacă se pun într-un grafic și se unesc
punctele respective, se obțin grafice ale funcțiilor care reprezintă mișcarea. Funcțiile propriu-zise
nu sunt cunoscute, dar se cunosc valorile acestora la anumite momente de timp. Funcțiile nu pot
fi determinate exact, dar este necesar să operăm cu aceste funcții și, uneori, sunt necesare și
valori care nu se regăsesc în tabelele cu înregistrări. Din acest motiv este util să se găsească
aproximări ale acestor funcții, valabile pe întreg intervalul studiat.
Cele mai simple funcții care pot aproxima funcțiile exacte sunt polinomialele, care vor fi
utilizate în cele ce urmează.
Ideea din spatele aproximării polinomiale este de a găsi un polinom de un anumit grad a
cărui evoluţie grafică să „se suprapună” cât mai bine peste punctele graficelor noastre. Trebuie să
definim, de asemenea, într-o formă precisă, noțiunea de „a se suprapune” cât mai bine. Ar exista
mai multe posibilități de abordare a aproximării polinomiale
4.4.3.1 Aproximarea cu un polinom de gradul n
Dacă avem un număr de n+1 înregistrări, se poate găsi un polinom de grad n de forma
𝑦 = 𝑎𝑛𝑥𝑛 + 𝑎𝑛−1𝑥
𝑛−1 + ⋯+ 𝑎1𝑥 + 𝑎0 cu 𝑖 = 1, 𝑛 + 1 care să treacă prin toate punctele date
(𝑦𝑖 = 𝑃(𝑥𝑖)). Coeficienții polinomiali pot fi determinați prin condiția anterioară. Rămâne de
rezolvat sistemul linear:
𝑥1𝑛 𝑥1
𝑛−1
𝑥2𝑛 𝑥1
𝑛−1⋯ 1⋯ 1
⋮ ⋮𝑥𝑛+1𝑛 𝑥𝑛+1
𝑛−1⋮ ⋮… 1
𝑎𝑛𝑎𝑛−1
⋮𝑎0
=
𝑦1
𝑦2
⋮𝑦𝑛+1
Problema care apare în acest caz este că, pentru n mare, sistemul linear devine instabil,
determinantul sistemului având valori foarte mari. Dificultatea poate fi ocolită dacă se iau un
număr mai mic de înregistrări și se consideră separat polinoame de grad mai mic pentru un
număr de înregistrări consecutive. De exemplu, se pot lua primele 5 înregistrări din cele 36 și se
construiește un polinom de grad 4. Apoi se iau înregistrările începând de la a 2 la 6 și se
construiește un alt polinom de grad 4 și așa mai departe. Vom lucra în final pentru 36 de
înregistrări cu 32 de polinoame diferite, valabile pe intervale succesive. [59]
Din păcate, acest proces nu poate fi unul automat, pentru fiecare evoluţie în timp a unui
marker ar trebui să existe practic o soluţie grafică, aceasta să fie observată și apoi luată o decizie
dacă este sau nu satisfăcătoare. Principalul avantaj al acestei metode este că evoluţia în timp a
unui marker poate fi aproximată printr-o funcţie cu coeficienţi ficşi, care poate fi la rândul ei
39
procesată mai departe pentru alte scopuri, cum ar putea fi determinarea altor parametri cinematici
specifici mişcării, de exemplu a vitezelor sau acceleraţiilor pentru respectivul marker.
Pe de altă parte, dezavantajele cele mai importante al metodei polinomiale sunt faptul că
gradul polinomului este relativ mare, metoda duce la aproximarea nu foarte exactă a formei
mişcării, erorile sunt destul de mari iar polinomul nu poate fi constrâns să treacă exact prin
punctele pe baza cărora este determinat graficul original.
4.4.3.2 Interpolarea cu funcţii Spline
O metodă superioară, în cazul în care există interesul în a obţine o formă cât mai exactă a
funcţiei de interpolare, este folosirea funcţiilor Spline. Pentru experimentul de față a fost utilizată
interpolarea cu funcţii cubice Spline, care este pusă la dispoziţie de aplicaţia Matlab. În
interpolarea cu funcţii Spline, funcţia cu ajutorul căreia se realizează interpolarea este un tip
special de polinom care efectuează interpolarea interval cu interval. Practic, funcţia va trece prin
toate punctele dar coeficienţii ei se vor modifica pe fiecare interval al graficului pentru care se
realizează interpolarea. [10],[38],[102]
După cum se poate observa, funcţia de interpolare Spline se aşează peste graficul obținut
în urma măsurătorilor experimentale şi trece prin toate punctele. După cum s-a precizat,
polinomul de față îşi schimbă forma (coeficienţii) pentru fiecare segment, iar în cazul funcţiilor
cubice Spline, pentru un set de date {𝑥𝑖} constând din 𝑛 + 1 puncte, se va putea construi o
funcţie cubică Spline care va conţine 𝑛 polinoame de aproximare între punctele graficului
urmărit. Interpolantul va arăta în acest fel:
𝐹 𝑥 =
𝐹𝑜 𝑥
𝐹1(𝑥)…
𝐹𝑛(𝑥)
𝑥 ∈ [𝑥0,𝑥1]
𝑥 ∈ [𝑥1,𝑥2]…
𝑥 ∈ [𝑥𝑛−1,𝑥𝑛]
Fig. 8 Interpolarea cu funcţii Spline cubice pentru markerul genunchiului unui subiect
40
O funcţie care să fie unică şi care să treacă prin toate punctele dorite este imposibil de
găsit, de aceea se preferă o aproximare pe segmente. Fiecărui segment i se ataşează un polinom
de gradul al treilea (o expresie cubică), acesta trecând prin cele două puncte (cele două capete ale
segmentului). În final, se obţine o funcţie pe segmente, continuă, de forma:
𝐹 𝑥 =
𝐹𝑜 𝑥
𝐹1(𝑥)…
𝐹𝑛(𝑥)
𝑥 ∈ [𝑥0,𝑥1]
𝑥 ∈ [𝑥1,𝑥2]…
𝑥 ∈ [𝑥𝑛−1,𝑥𝑛]
unde 𝐹𝑖(𝑥) este un polinom de gradul trei definit de expresia:
𝐹𝑖 𝑥 = 𝑎𝑖(𝑥 − 𝑥𝑖)3 + 𝑏𝑖(𝑥 − 𝑥𝑖)
2 + 𝑐𝑖 𝑥 − 𝑥𝑖 + 𝑑𝑖 (1)
pentru 𝑖 = 0,1,2,… ,𝑛 − 1
Primele două derivate ale expresiei de mai sus pot fi obţinute prin calcule directe simple:
𝐹𝑖 ′ 𝑥 = 3𝑎𝑖(𝑥 − 𝑥𝑖)2 + 2𝑏𝑖(𝑥 − 𝑥𝑖) + 𝑐𝑖 (2)
𝐹𝑖′ ′ 𝑥 = 6𝑎𝑖(𝑥 − 𝑥𝑖) + 2𝑏𝑖 (3)
pentru 𝑖 = 0,1,2,… ,𝑛 − 1
Faptul că funcţia îşi schimbă forma de la segment la segment face post-procesarea datelor
destul de complicată, chiar dacă putem obţine destul de uşor în Matlab coeficienţii de la
𝐹𝑜 𝑥 la 𝐹𝑛(𝑥). [62],[128]
4.4.3.3 Amplitudini, viteze și accelerații interpolate cu funcții Spline și polinom de gradul n
În cadrul cercetării vor fi utilizate aspecte privind vitezele și accelerațiile mișcării umane,
considerându-se markerii atașați subiecților. Având în vedere aceste lucruri, va trebui să alegem
o metodă de interpolare și pentru viteze și accelerații, nu doar pentru deplasări (evoluția
temporală a amplitudinilor). Dacă pentru deplasări avem polinoame de interpolare de gradul n și
funcții Spline cu polinoame de gradul 3, pentru viteze vom avea polinoame de interpolare de
gradul n-1 și funcții Spline cu polinoame de gradul 2 (obținute prin derivarea interpolanților
deplasărilor) iar pentru accelerații, polinoame de interpolare de gradul n-2 și funcții Spline cu
polinoame simple, de gradul 1.
Fig 9 Deplasările, interpolate cu polinom de grad 7 (stânga) și funcții Spline cu polinoame de
grad 3 (dreapta)
41
În cazul deplasărilor am demonstrat deja că, având în vedere că interpolantul trece exact prin
puncte, metoda de interpolare cu funcții Spline de gradul al treilea este superioară celei ce
folosește un polinom de grad n (în acest caz, n=7)
Fig 10 Vitezele, interpolate cu polinom de grad 6 (stânga) și funcții Spline cu polinoame de grad
2 (dreapta), obținute prin derivarea interpolanților anteriori (corespunzători deplasărilor)
Și în cazul vitezelor se poate observa superioritatea metodei cu funcții Spline,
interpolarea realizându-se mult mai exact.
Fig 11 Accelerațiile, interpolate cu polinom de grad 5 (stânga) și funcții Spline cu polinoame de
grad 1 (dreapta), obținute prin derivarea interpolanților anteriori (corespunzători vitezelor)
Ca și în cazul vitezelor, aproximarea folosind funcțiile Spline, deși nu ideală, este totuși
mult mai apropiată decât cea cu polinom de gradul n.
4.5 CONCLUZII
În perspectiva analizei pe modele matematice a mișcării piciorului uman s-au putut
extrage următoarele concluzii:
un prim element ce poate fi considerat în realizarea unui model matematic pentru analiza
mișcării umane este ciclul mișcării umane. Au fost prezentate fazele și parametrii ciclului
42
mișcării umane, precum și posibilele abordări ale acestor caracteristici pentru
identificarea mișcării.
au fost studiate elemente de cinematica mișcării umane, considerându-se aspecte legate
de lanțurile cinematice, sisteme multicorp și constrângeri care sunt impuse mișcării
umane. Au fost prezentate problemele cinematicii directe și cinematicii inverse pentru
lanțurile cinematice.
pe baza abordării problemelor cinematice directă și inversă precum și a constrângerilor
caracteristice mișcării umane a piciorului a fost realizat un model matematic pentru
picior: un lanț cinematic cu două legături (femurul și tibia, legate prin articulația
genunchiului).
a fost analizat practic un astfel de lanț cinematic, folosind date culese manual mersul
normal (în aceleași condiții) a două persoane. Au fost realizate programe Matlab și a fost
obținută evoluția în timp a markerilor pentru cele două persoane.
a fost stabilită ca metodă de analiză matematică a mișcării umane din cadrul cercetării o
metodă construită pe calculul unei serii de parametri ai mișcării, acest calcul realizându-
se pe baza urmăririi în timp a coordonatelor markerilor aplicați celor trei articulații ale
piciorului
au fost determinați matematic în timp doi parametri specifici mișcării celor două
persoane: unghiul pe care femurul îl face cu tibia și distanța de la markerul gleznei la cel
al șoldului. În comparația pentru cei doi subiecți s-au observat diferențe semnificative
pentru cei doi parametri.
au fost propuse metode de analiză a evoluției în timp a markerilor și a parametrilor
mișcării pentru cele două persoane: interpolarea polinomială și interpolarea cu ajutorul
funcțiilor Spline cubice. Pentru aceste aspecte s-a utilizat aplicația Matlab.
Concluzie finală: Scopul analizei pe modele matematice a piciorului uman este de a găsi
acei parametri, exprimați ca funcții de coordonatele măsurate, care să fie semnificativ de diferiți
între mai mulți subiecți încât să facă posibilă identificarea unică a unei persoane din cadrul unei
baze de date.
43
5. STABILIREA ELEMENTELOR CE DEFINESC
UNICITATEA MIȘCĂRII
5.1 Dinamica mișcării umane
Mișcarea umană este o mișcare complexă întrucât scheletul uman, care determină această
mișcare, permite un număr mare de grade de libertate ale unui astfel de sistem. Mișcarea este
controlată prin intermediul mușchilor care constituie motoarele mișcării. Controlul este un
fenomen complex asigurat de sistemul nervos al omului. Dacă se consideră o mișcare simplă
cum este mersul drept pe o suprafață plană orizontală, se va constata că această activitate implică
o multitudine de mușchi iar diferitele segmente ale corpului au o mișcare determinată de acțiunea
mușchilor și de răspunsul generat de sistemul nervos. Dacă se consideră o deplasare uniformă a
omului, atunci mișcarea diferitelor sale segmente corporale, spre exemplu mișcarea picioarelor,
poate fi considerată o mișcare „cvasiperiodică”. Mișcarea se repetă aproape identic la fiecare pas,
diferențele rezultând din faptul că omul nu este o mașină automată, el răspunde la o multitudine
de factori care îi pot influența, chiar și imperceptibil, mișcarea.
Cu toate că mișcarea nu este riguros identică, există în mișcarea repetitivă sau potențial
repetitivă caracteristici prin care sistemul mecanic ce efectuează această mișcare - omul - poate fi
identificat. Descrierea dinamică a mișcării se poate realiza simplu, utilizând mecanica clasică.
Dacă se consideră că mișcarea sistemului uman este definită de coordonatele
independente 𝑞1, 𝑞2,… , 𝑞𝑛 , atunci se pot aplica ecuațiile lui Lagrange de speța a doua pentru
scrierea ecuațiilor de mișcare:
𝑑
𝑑𝑡 𝜕𝑇
𝜕𝑞𝑗 −
𝜕𝑇
𝜕𝑞𝑗− 𝑄𝑗 = 0, 𝑗 = 1,𝑛
și se va obține în final un sistem de ecuații diferențiale de ordinul doi cu necunoscutele 𝑞𝑗 .
5.2 Identificatori ai sistemului mecanic (identificatori pentru o
persoană din grup)
Pentru a putea utiliza aspecte din analiza mișcării în scopul de a identifica o persoană din
cadrul unui grup, este nevoie de a se găsi acele elemente care ajută la identificarea în mod unic a
unui subiect din cadrul unei baze de date (bază de date ce conține informațiile colectate la
trecerea subiecților prin fața aparaturii video existentă în componența sistemului de identificare
de genul celui prezentat în Capitolul 3)
44
Problema care se pune este găsirea acelor elemente care rămân atât constante pentru
fiecare subiect, dar în același timp și semnificativ de diferite în cazul comparării lor între mai
mulți subiecți încât identificarea să se facă atât stabil cât și unic. [24]
Identificatorii trebuiesc construiți considerând înregistrările efectuate cu ajutorul unei
camere de luat vederi. Camera surprinde coordonatele diferitelor puncte de interes la diferite
momente în timp. De exemplu, înregistrarea i, la momentul de timp 𝑡𝑖 , (𝑡1 = 0) conține
coordonatele 𝑥𝑖 și 𝑦𝑖 (𝑖 = 1,𝑛 ). Cu aceste înregistrări, se pot determina vitezele și accelerațiile,
ca fiind:
𝑣𝑖𝑦 =𝑦𝑖+1 − 𝑦𝑖
∆𝑡𝑖, 𝑖 = 1,𝑛 − 1 𝑎𝑖𝑦 =
𝑣𝑖+1𝑦 − 𝑣𝑖𝑦
∆𝑡𝑖, 𝑖 = 1,𝑛 − 2
𝑣𝑖𝑥 =𝑥𝑖+1 − 𝑥𝑖
∆𝑡𝑖, 𝑖 = 1,𝑛 − 1 𝑎𝑖𝑥 =
𝑣𝑖+1𝑥 − 𝑣𝑖𝑥∆𝑡𝑖
, 𝑖 = 1,𝑛 − 2
Pentru n înregistrări există n-1 viteze și n-2 accelerații calculate. Folosind atât
coordonatele punctelor, cât și aceste viteze și accelerații, vom căuta să caracterizăm funcția
(legea de mișcare) care definește mișcarea omului înregistrat. Având în vedere că înregistrările se
fac la intervale regulate de timp, se va putea scrie:
𝑡𝑖 = (𝑖 − 1)∆𝑡
unde ∆𝑡 este intervalul de timp fix dintre două înregistrări. În cazul de față, intervalele de timp
dintre două înregistrări vor fi egale, așadar:
∆𝑡𝑖 = ∆𝑡, ∀ 𝑖 = 1,𝑛 − 1
Pentru aplicațiile care urmează vom mai face cunoscute următoarele notații:
𝑥𝑖 = 𝛼𝑖𝑡𝑖 = 𝛼𝑖 𝑖 − 1 ∆𝑡, 𝑖 = 1,𝑛
unde 𝛼𝑖 sunt coeficienții ce definesc o transformare 𝑡 → 𝑥.
Dacă omul se mișcă cu o viteză constantă v, atunci vom avea:
𝛼𝑖 = 𝑣 ș𝑖 𝑥𝑖 = 𝑣 𝑖 − 1 ∆𝑡 = 𝑣𝑡
Pentru mișcarea obișnuită a unui om, această viteză a diferitelor puncte după axa x nu
este constantă, dar poate fi aproximată drept constantă în scopul de a ușura efectuarea calculelor.
Au fost definite două categorii pentru identificatorii ce stabilesc unicitatea mișcării. Vor
exista identificatori fizici și identificatori temporali - statistici. Identificatorii fizici sunt
reprezentați de elementele fizice ale subiecților care pot fi determinate în cadrul părții de captură
a mișcării. [34] Identificatorii statistici sunt acei identificatori care lucrează direct cu
coordonatele obținute în urma măsurării, urmărind să scoată în evidență distribuția acestora de-a
lungul mișcării. [75] În urma unui experiment prezentat în subcapitolul ce urmează, ca
identificatori ce demonstrează unicitatea mișcării au fost aleși următorii:
- Cum în cazul proiectului de față se analizează mișcarea piciorului, identificatorii fizici s-
au stabilit de a fi reprezentați de lungimea celor două segmente principale ale piciorului,
tibia și femurul (Fig. 1) [25] Acești doi identificatori pot fi determinați doar dacă există
45
elemente de scalare a imaginii sau se știe distanța exactă până la subiect. Un identificator
mai precis ar putea fi raportul femur/tibie.
- Din punct de vedere al identificatorilor statistici s-au luat în calcul:
Momentul mediu ponderat al vitezelor calculat după formula:
𝑉1𝑦 =
1
𝑛 − 1 𝑦𝑖+1 − 𝑦𝑖 (𝑖 − 1)
𝑛−1
𝑖=1
Momentul mediu ponderat al accelerațiilor calculat după formula:
𝐴1𝑦 =
1
𝑛 − 2 𝑦𝑖+2 − 2𝑦𝑖+1 + 𝑦𝑖 (𝑖 − 1)
𝑛−2
𝑖=1
Momentul mediu de ordinul 1 al deplasărilor după axa y:
𝑆1𝑦 =
1
𝑛 𝑦𝑖(𝑖 − 1)
𝑛
𝑖=1
Momentul mediu de ordinul 2 al deplasărilor după axa y:
𝑆2𝑦 =
1
𝑛 𝑦𝑖
2(𝑖 − 1)
𝑛
𝑖=1
Dispersia deplasărilor după y față de medie:
𝜎𝑦2 =
1
𝑛 − 1 (𝑦𝑖 − 𝑦 )2
𝑛
𝑖=1
formulă cu care lucrează aplicația Matlab. În aceste expresii, ∆𝑡 reprezintă eșantionul de
timp în care se face deplasarea pentru fiecare secvență (filmarea s-a realizat la un număr
de 30 de cadre pe secundă, așadar eșantionul de timp este 1/30 secunde), 𝑦𝑖 reprezintă
coordonata pe verticală corespunzătoare cadrului i, n este numărul de cadre iar 𝑡𝑖 = ∆𝑡 ∗
𝑖. [79],[131]
5.2.1 Unități de măsură
Măsurile definite sunt exprimate în diferite unități de măsură. Aceste unități nu prezintă
importanță atât timp cât toate mărimile considerate se măsoară cu aceleași unități. S-ar putea ca
în urma calculelor unele mărimi să rezulte foarte mari iar altele foarte mici. Se pot introduce
metode de scalare pentru a obține valori mai ușor de manevrat și de înțeles. De asemenea, în
lucrare s-au calculat diferite tipuri de momente față de un capăt al șirului, dar se pot calcula
momente față de medie și atunci valorile obținute vor fi mai mici. Ideea generală este că nu
contează cât sunt aceste mărimi atâta timp cât pentru toți subiecții considerăm aceleași unități.
46
5.3 VERIFICĂRI EXPERIMENTALE ÎN CONDIȚII
CONTROLATE
Pentru a se putea pune problema identificării persoanelor cu ajutorul analizei mișcării, în
primă instanță este necesar de a se demonstra stabilitatea și unicitatea fenomenului mișcării. Prin
aceasta se înțelege că, pentru același subiect, parametrii pe care îi urmărim rămân relativ
constanți (cu o marjă de eroare) de-a lungul mișcării și de asemenea pe parcursul mai multor
sesiuni de mișcare. În aceeași idee, se va încerca a se demonstra că, în cazul comparării
parametrilor între ei pentru mai mulți subiecți, aceștia sunt suficient de diferiți.
Pentru a demonstra acest lucru s-a realizat un experiment. Au fost utilizați 7 subiecți cu
care au fost realizate înregistrări video cu treceri repetate în condiții controlate. Modul de lucru și
condițiile în care s-a desfășurat experimentul sunt prezentate mai jos:
- Camera a fost plasată în lateral, cu vederea perpendiculară pe direcţia de mers, la
distanţa de 2 metri de linia de deplasare a subiecţilor. Nu a existat o a doua cameră
care să le captureze fizionomia (așa cum este prezentat în cadrul descrierii sistemului
de analiză a mișcării) întrucât acest aspect nu interesează pentru experiment
- Persoanele au purtat îmbrăcăminte închisă la culoare, de contrast puternic cu markerii
care le-au fost ataşaţi
- Subiecţilor li s-au ataşat markere la nivelul articulaţiilor principale ale piciorului
(gleznă, genunchi şi şold)
- Subiecţii s-au deplasat în mers normal în linie dreaptă prin faţa camerei, de la stânga
la dreapta
- Fiecare subiect a efectuat 10 treceri prin fața aparaturii video, în mers normal,
pornind de pe loc
- Fiecărei treceri i-a corespuns propriul material video
- Fiecare material video a fost preluat și analizat cu ajutorul aplicației Adobe After
Effects în vederea obținerii coordonatelor markerilor
- S-a realizat o bază de date ce conține coordonatele markerilor pentru fiecare trecere a
fiecărui subiect
- Informațiile din baza de date au fost prelucrate pentru fiecare subiect, folosind
programe realizate cu aplicația Matlab
- Au fost obținuți parametrii propuși ca fiind identificatori unici pentru mișcarea unei
persoane. S-a verificat stabilitatea și unicitatea acestora.
- Au fost eliminați parametrii instabili sau / și fără aspect unic și s-a obținut lista finală
a parametrilor care vor fi calculați pentru acest proiect (prezentați în introducere)
- Au fost sintetizate o serie de concluzii
5.3.1 Obținerea datelor experimentale cu Adobe After Effects
47
Procesul de obținere și prelucrare a datelor experimentale pentru unul dintre cei 7
subiecți, modul de calcul și rezultatele obținute sunt elemente prezentate pe larg în teză. [87],[88]
5.3.2 Prelucrarea datelor experimentale cu programe Matlab
În acest subcapitol va fi prezentat modul în care se realizează preluarea datelor
experimentale în cazul unui subiect. Primul pas în ceea ce privește prelucrarea datelor
experimentale îl reprezintă preluarea acestora cu ajutorul unor programe create în Matlab.
Datele experimentale din fiecare tabel Excel cu două coloane corespunzător unui marker
(tabel a cărui obținere e prezentată în subcapitolul anterior) este preluat din Excel în Matlab sub
forma unei matrice și apoi prelucrat sub forma a două șiruri, unul ce conține coordonatele
markerului pe abscisă iar celălalt ce conține coordonatele acestuia pe ordonată. După preluarea
datelor s-au realizat grafice de control pentru a depista eventuale erori care ar fi putut apărea în
operațiunea de achiziție a datelor experimentale. [82]
Fig 1 Graficul de control pentru markerul gleznei pentru unul dintre subiecți
5.3.3 Demonstrarea stabilității identificatorilor unici
În această etapă, identificatorii propuși ca identificatori unici sunt comparați între ei, atât
pentru mai multe treceri ale aceleiași persoane cât și pentru treceri ale mai multor subiecți
diferiți. În cazul de față, stabilitatea s-a demonstrat pentru 7 subiecți. Datele de identificare
pentru primul subiect pot fi regăsite în subcapitolul anterior în teză, cele pentru ceilalți 6 subiecți
sunt prezentate în ANEXA 1.
Chiar și numai după analiza cu ochiul liber a tabelelor din ANEXA1, comparând valorile
obținute pentru cei 5 identificatori, se pot estima anumite tendințe:
48
- la compararea datelor din tabele între ele pentru un singur subiect, valorile pentru o
caracteristică nu variază semnificativ de la o înregistrare la cealaltă
- în cazul comparării acelorași identificatori între mai mulți subiecți, există diferențe
semnificative între acestea încât identificatorii calculați pentru un subiect să poată fi
declarați unici pentru acesta
Necesitatea existenței unui set de identificatori unici există din cauza aparițiilor unor
situații limită pentru anumiți identificatori. De exemplu, dacă sunt analizate datele din tabele
pentru subiectul 3 și subiectul 5, se poate observa de exemplu că în cazul momentului mediu de
ordinul 1 al deplasărilor, identificatorul markerului genunchiului oscilează în jurul aceleiași
valori pentru ambii subiecți. Așadar, acest identificator nu poate fi considerat unic pentru
subiectul 3 și subiectul 5, identificarea între cei doi subiecți nu se poate face după acest element.
Pe de altă parte însă, în cadrul aceluiași identificator dar de data aceasta pentru markerul gleznei,
observăm valori diferite dar care pot fi considerate de analiști în aceeași zonă dacă se stabilește o
marjă de eroare generoasă. În schimb, dacă privim valorile din dreptul markerului gleznei (din
cadrul aceluiași moment mediu de ordinul 1 al deplasărilor), totul se clarifică, diferențele în acest
caz sunt evidente, una dintre valori fiind practic dublul celeilalte:
Gleznă Genunchi Șold
28117 17136 3327,4
Gleznă Genunchi Șold
24976 17630 6607,9
Tabel 1 Subiectul 3 față de subiectul 5, comparație între valori pentru momentul mediu de
ordinul 1 al deplasărilor
Mai mult, dacă se urmăresc valorile celorlalți identificatori pentru subiecții 3 și 5, se
observă că atât în cazul momentelor medii ponderate ale vitezelor și accelerațiilor pe verticală cât
și al momentului mediu de ordinul 2 al deplasărilor, diferențele sunt foarte mari, iar cea mai
importantă diferență este la nivelul lungimii femurului. Se poate ca, într-un caz real, datele
pentru acești doi subiecți nici măcar să nu fie comparate împreună, întrucât lungimea femurului
diferă semnificativ. Acest element fizic este esențial pentru analiză întrucât modificarea lungimii
lui cu mijloace exterioare este aproape imposibil de realizat (chiar dacă s-ar dori, să zicem de
către un răufăcător).
Trebuie înțeles că în cazul bazelor de date cu un număr mare de subiecți, posibilitatea ca
unii identificatori unici să se situeze în aceeași marjă apare destul de frecvent. De fapt, la o
49
analiză pe o bază de date cu mii de subiecți, sistemul informatic va extrage, pe baza lungimii
femurului (cu o marjă de eroare), un număr de câteva zeci de înregistrări, fiecare corespunzând
unei persoane. Apoi acestea sunt analizate pe rând și pe baza identificatorilor prezentați mai sus
sunt eliminate una câte una, până când (în mod ideal) se va ajunge la o singură înregistrare. După
alegerea din baza de date folosind ca și criteriu lungimea femurului, ordinea sugerată de
parcurgere a identificatorilor ar fi: Momentul mediu ponderat al vitezelor pe y, Momentul mediu
ponderat al accelerațiilor pe y, Momentul mediu de ordinul 1 al deplasărilor, Momentul mediu de
ordinul 2 al deplasărilor și în final Dispersia deplasărilor după y față de medie. În cadrul
procesului identificării unei persoane dintre mai mulți subiecți cu lungimi ale femurului în marja
de eroare, se recomandă scoaterea din calcul a unui subiect în momentul în care cel puțin doi
dintre identificatorii unici prezintă diferențe relevante. Numărul mare de identificatori este
propus pentru a oferi siguranță deplină că alegerea este cea corectă.
Chiar și așa, pentru un vot de încredere și mai puternic, există și alte elemente a căror
evoluție în timp poate fi urmărită pentru a se observa diferențe. Un exemplu ar fi evoluția în timp
a unghiurilor pe care le fac femurul cu verticala, tibia cu verticala și tibia cu femurul. Practic, se
face referire la calculul acestei evoluții în timp și reprezentarea grafică a acesteia, analiza
efectuându-se direct pe grafic. Aceste unghiuri nu au fost introduse în analiza implicită deoarece
ele nu pot reprezenta de sine stătător identificatori unici, metodele statistice prin care s-au
prelucrat datele nu au dat rezultatele dorite, valorile între subiecți diferiți fiind prea apropiate
pentru a putea fi luate în considerație. Analiza vizuală însă poate reprezenta sau nu, de la caz la
caz, un element de diferențiere.
Fig. 2 Evoluția în timp a unghiurilor tibiei și femurului cu verticala pentru subiecții 3 și 5
5.4 IDENTIFICATORI UNICI - REPREZENTĂRI GRAFICE
Pentru a pune în evidență stabilitatea fenomenului pentru un singur subiect cât și
diferențele dintre subiecți, se vor reprezenta grafic identificatorii unici atât pentru fiecare subiect,
cât și în comparație cu ceilalți subiecți. Pentru aceasta sunt propuse două metode, identificarea cu
focalizare pe marker și identificarea cu focalizare pe identificator
5.4.1. Identificarea folosind focalizarea pe marker
50
În acest caz markerul va fi elementul asupra căruia se va centra analiza, iar graficele
realizate vor avea cele trei axe determinate de trei dintre cei 5 identificatori statistici prezentați în
modelul teoretic din capitolul anterior. Pentru analiză au fost alese grafice în trei dimensiuni
folosind combinații între cei 5 identificatori (practic, se vor alege 3 din 5 identificatori și se vor
trasa graficele). Setul de identificatori primordiali definește graficul sub forma: Momentul mediu
de ordinul 1 al deplasărilor pe axa X, Momentul mediu ponderat al vitezelor pe axa Y și
Momentul mediu ponderat al accelerațiilor pe axa Z.
Este ușor de observat că „punctele” pentru cei 7 subiecți se grupează destul de elegant,
delimitarea între zonele corespunzătoare fiecărui subiect fiind destul de clară. Chiar și un singur
identificator lămurește în mare parte situația, în sensul în care nu se pot de exemplu confunda
zonele aparținând subiectului 1 și subiectului 2 sau ale subiectului 5 și subiectului 6 etc. Pe de
altă parte, zonele determinate de subiecții 5 și 7, deși foarte clar delimitate, sunt destul de
apropiate. Problema se va clarifica și zonele vor deveni distincte atunci când se vor lua în calcul
markerii genunchiului și ai șoldului. Evitarea situațiilor „la limită” este motivul pentru care se
folosesc mai mulți identificatori (deși, în acest caz, declararea situației între subiecții 5 și 7 drept
fiind una „la limită” ar fi puțin forțată).
Se va continua analiza cu markerii genunchiului și șoldului pentru cei 7 subiecți din
cadrul experimentului:
Fig. 3
51
După cum poate fi observat, și graficele pentru markerul genunchiului și al șoldului
prezintă aceleași caracteristici ca și în cazul gleznei: zonele pentru cei 7 subiecți destul de clar
delimitate, fără posibilitatea de a fi confundate. Situația „la limită” din cazul graficului gleznei se
mai clarifică în cazul graficului genunchiului pentru a se lămuri total in cadrul graficului
corespunzător șoldului: subiecții 5 și 7 nu pot fi confundați. De asemenea, se poate observa în
graficul șoldului că situația „la limită” ar exista între subiecții 1 și 4, dar celelalte două grafice
elimină eventualele confuzii. În concluzie se poate spune că aceste trei grafice combinate oferă o
Fig. 4
Fig. 5
52
imagine elocventă asupra fenomenului și lămuresc atât problema stabilității atributelor mișcării
pentru un subiect cât și a diferențelor dintre caracteristicile mișcării analizate în comparație
pentru subiecți diferiți.
În continuare se va folosi aceeași metodă pentru a demonstra și stabilitatea celorlalți
identificatori și anume Momentul mediu de ordinul 2 al deplasărilor și Dispersia. Așadar se va
genera un prim grafic pentru gleznă, folosind pe cele trei axe Dispersia, Momentul mediu de
ordinul 1 al deplasărilor și Momentul mediu de ordinul 2 al deplasărilor pentru gleznă, apoi se
vor face graficele pentru genunchi și șold, folosind pe cele trei axe Dispersia, Momentul mediu
de ordinul 1 al deplasărilor și Momentul mediu de ordinul 2 al deplasărilor pentru genunchi,
respectiv șold. Evident, lungimea segmentelor va juca același rol al selecției inițiale și nu va
suferi nici un fel de modificare în cadrul acestei analize.
Mai sus este prezentat graficul pentru markerul gleznei obținut după metoda cu focalizare
pe marker. Se poate observa că rezultatele în acest caz sunt foarte bune, zonele pentru fiecare
subiect sunt delimitate explicit, se poate considera că nu pot exista probleme la identificare între
acești 7 subiecți prin această metodă.
5.4.2. Identificarea folosind focalizarea pe identificator
Se pot face și analize pe baza unui singur identificator (focalizate nu pe marker, ci pe
identificator: dacă mai sus markerul era elementul principal și identificatorii determinau axele,
aici identificatorul e elementul principal iar cei trei markeri determină axele). De exemplu, în
cazul primului subiect, pentru a demonstra stabilitatea si a celorlalți identificatori, se poate
considera unul dintre identificatorii ce n-au fost luați în calcul primordial, dispersia. Urmărind
Fig. 6 Glezna, analiză cu orientare pe marker și
axe Dispersia, Momentul 1 și Momentul 2
53
tabelul dispersiei cu cele trei coloane pentru subiecții 1 și 2 (dispersia pentru markerul gleznei,
dispersia pentru markerul genunchiului și pentru markerul șoldului în cazul celor 10 treceri) s-a
realizat un grafic în trei dimensiuni pe baza acestor trei coloane pentru fiecare identificator
pentru fiecare subiect.
Se pot observa destul de clar delimitate zonele pentru primii doi subiecți în cazul
dispersiei. Dacă s-ar presupune că ar exista un al treilea subiect ce se dorește a fi identificat și
rezultatele la care s-a ajuns pe baza calculelor au dus la o alegere dintre subiectul 1 și subiectul 2,
se va așeza punctul obținut în urma trecerii celui de-al treilea subiect peste acest grafic iar în
cazul în care acest punct se va încadra în zona roșie, subiectul al treilea va fi asociat primului
subiect, în cazul în care se va încadra în zona albastră, subiectul al treilea va fi asociat celui de-al
doilea subiect. În situația reală nu avem câte 10 treceri pentru primii doi subiecți, ci doar câte
una. În acest caz, va apărea un singur punct roșu corespunzător primului subiect și un singur
punct albastru corespunzător celui de-al doilea subiect.
Trebuie ținut cont că, în cazul bazelor de date cu mii sau zeci de mii de înregistrări,
numărul de subiecți cu lungimi ale femurului în marja de eroare vor fi zeci sau sute, iar situațiile
la limită vor apărea frecvent. În aceste cazuri se va putea face o analiză matematică amănunțită,
folosind interpolarea polinomială și interpolarea cu funcții Spline cubice. Când e vorba de baze
de date foarte mari, va trebui să fie acceptată ideea că procedura propusă în această cercetare nu
va duce la identificarea unică a unui subiect, ci a unui grup de subiecți. Chiar și așa metoda este
eficientă, reducerea unei baze de date de mii - zeci de mii la un grup de câțiva subiecți reprezintă
un progres semnificativ.
5.4.3 Verificarea identificatorilor unici - metodă matematică
Un alt pas pentru demonstrarea stabilității identificatorilor unici este stabilirea unui
concept matematic cu ajutorul căruia să se arate că respectivii identificatori unici se încadrează în
Fig. 7
54
anumite limite. În analizele de mai sus și mai ales în urma analizelor grafice s-au utilizat
formulări de genul „identificatorii se află grupați pe zone”. Se va încerca definirea pe căi
matematice a unei astfel de „zone”.
În situația experimentului de față, pentru această demonstrare matematică a stabilității, se
va considera cazul unui marker pentru care datele experimentale vor fi analizate folosind
următoarea metodă:
- se va face media valorilor pentru cei 5 identificatori unici, așadar pentru markerul
genunchiului se va obține o medie a Momentelor medii ponderate ale Vitezelor, o medie
a Momentelor medii ponderate ale Accelerațiilor, o medie a Momentelor medii de ordinul
1 ale deplasărilor, o medie a Momentelor medii de ordinul 2 ale deplasărilor și o medie a
Dispersiei deplasărilor după y
- se vor determina diferențele dintre toate cele 10 valori ale unui identificator și valoarea
medie a acestuia (de ex. diferențele dintre valorile Momentului mediu ponderat al
vitezelor pentru fiecare trecere și media Momentelor medii ponderate ale Vitezelor, - 10
diferențe, câte una pentru fiecare trecere, la fel și pentru ceilați identificatori)
- se va stabili marja de eroare în care vor trebui să se încadreze diferențele dintre valoarea
unui identificator pentru o trecere oarecare și valoarea medie a respectivului identificator;
această marjă de eroare s-a stabilit a fi 3 ∗ 𝜎𝑖 , unde 𝜎𝑖 reprezintă abaterea medie pătratică
a șirului format din cele 10 măsurători ale identificatorului i pentru respectivul marker
luat în calcul
- în cazul în care diferențele amintite mai sus se încadrează în marja de eroare, metoda este
validă
Se pot pune în paralel elipsoizii din acest subcapitol cu reprezentările punctelor din
subcapitolul 5.4.1, pentru a se observa mai bine corelația dintre elipsoizi și valorile propriu-zise.
Fig. 8 Elipsoizii de control
pentru markerul
genunchiului tuturor celor
7 subiecți. Se pot observa
„zonele diferite” în care
aceștia se situează. De
notat și că acești elipsoizi
delimitează grafic valorile
maxime pe care le pot lua
identificatorii
Momentul mediu
ponderat al vitezelor
Momentul mediu ponderat al accelerațiilor
Momentul
mediu de
ordinul 1 al
deplasărilor
55
Fig. 9 Graficul reprezentării cu ajutorul punctelor pentru cele 10 treceri ale celor 7 subiecți pentru markerul genunchiului, în paralel
cu graficul elipsoizilor de control pentru cei 7 subiecți.
56
5.5 CONCLUZII
În urma stabilirii considerentelor teoretice, prezentării metodelor de analiză a datelor cu
aplicații software și a verificărilor experimentale în condiții controlate pe o bază de date
conținând 7 subiecți s-au obținut o serie de rezultate din care au putut fi generate următoarele
concluzii:
s-a stabilit necesitatea definirii unui set de identificatori unici cu ajutorul cărora mișcarea
unei persoane să poată fi determinată în mod unic. Acești identificatori s-au împărțit în
două categorii, cei fizici și cei temporal-statistici
scopul cercetării din cadrul acestui capitol îl reprezintă demonstrarea stabilității și
unicității identificatorilor temporal-statistici definiți mai sus. Stabilitatea înseamnă că
pentru același subiect, valorile pentru orice identificator statistic rămân constant între
niște limite. Unicitatea înseamnă că, pentru subiecți diferiți, majoritatea acestor
identificatori statistici au valori diferite.
ca identificatori fizici au fost aleși lungimile segmentelor principale ale piciorului
(lungimea femurului și lungimea tibiei)
ca identificatori temporali statistici au fost aleși următorii:
- Momentul mediu ponderat al vitezelor:
𝑉1𝑦 =
1
𝑛 − 1 𝑦𝑖+1 − 𝑦𝑖 (𝑖 − 1)
𝑛−1
𝑖=1
- Momentul mediu ponderat al accelerațiilor:
𝐴1𝑦 =
1
𝑛 − 2 𝑦𝑖+2 − 2𝑦𝑖+1 + 𝑦𝑖 (𝑖 − 1)
𝑛−2
𝑖=1
- Momentul mediu de ordinul 1 al deplasărilor:
𝑆1𝑦 =
1
𝑛 𝑦𝑖(𝑖 − 1)
𝑛
𝑖=1
- Momentul mediu de ordinul 2 al deplasărilor:
𝑆2𝑦 =
1
𝑛 𝑦𝑖
2(𝑖 − 1)
𝑛
𝑖=1
- Dispersia deplasărilor după y față de medie:
𝜎𝑦2 =
1
𝑛 − 1 (𝑦𝑖 − 𝑦 )2
𝑛
𝑖=1
pentru demonstrarea unicității și stabilității identificatorilor a fost realizat un experiment
în care au fost utilizați 7 subiecți a căror mișcare a fost captată sub forma înregistrărilor
video în decursul a 10 treceri repetate.
57
a fost stabilit și prezentat modul de analiză a datelor experimentale, folosind aplicația
Adobe After Effects și programe Matlab.
metodele de captură și analiză a datelor experimentale au fost aplicate cu succes pe cei 7
subiecți, obținându-se ca rezultate câte 6 tabele pentru fiecare subiect, primul
reprezentând identificatorii fizici ai subiectului, iar celelalte 5 corespunzând fiecare unuia
dintre identificatorii temporal-statistici (ultimele 5 tabele conțin 10 rânduri, câte unul
pentru fiecare trecere și 3 coloane, fiecare corespunzând unui marker - gleznă, genunchi
și respectiv șold).
ca ordine de parcurgere a identificatorilor temporal-statistici în vederea stabilirii unicității
a fost propusă 𝑉1𝑦 → 𝐴1𝑦
→ 𝑆1𝑦 → 𝑆2𝑦
→ 𝜎𝑦2 iar primii 3 din listă au fost denumiți
„identificatori primordiali”.
pentru analiza datelor experimentale au fost propuse două metode de lucru, identificarea
cu focalizare pe marker și identificarea cu focalizare pe identificator. Pentru interpretarea
rezultatelor s-au folosit grafice în 3 dimensiuni create pe baza celor două metode de
lucru. În cazul analizei după marker, acesta va fi elementul asupra căruia se va centra
analiza, iar graficele realizate vor avea cele trei axe determinate de valorile a 3 dintre cei
5 identificatori temporal-statistici (diferite combinații, în prim plan fiind cea a
identificatorilor primordiali). În cazul analizei pe baza unui singur identificator, acesta e
elementul principal iar valorile identificatorului pentru cei trei markeri determină axele
graficelor.
în urma analizei folosind identificarea cu focalizare pe marker, graficele rezultate au
demonstrat atât stabilitatea fenomenului cât și unicitatea identificatorilor temporal-
statistici pentru cei 7 subiecți.
în urma analizei folosind identificarea cu focalizare pe identificator, graficele rezultate au
demonstrat atât stabilitatea fenomenului cât și unicitatea identificatorilor temporal-
statistici pentru cei 7 subiecți.
în cazul experimentului au fost obținute rezultate mai bune folosind identificarea cu
focalizare pe marker, așadar aceasta a fost propusă ca metodă principală de identificare
pentru modelul dezvoltat în acest proiect.
Concluzie finală: au fost stabiliți 7 identificatori cu ajutorul cărora se poate selecta unic un
subiect din cadrul unei baze de date. Stabilitatea și unicitatea identificatorilor a fost demonstrată
prin intermediul unui experiment utilizând 7 persoane a căror mișcare a fost analizată de-a lungul
a 10 treceri succesive în mers normal prin dreptul sistemului de analiză a mișcării propus în
proiect.
58
6. ÎNREGISTRĂRI ŞI VERIFICĂRI EXPERIMENTALE
6.1 INTRODUCERE
În cadrul acestui capitol, sistemul de captură și analiză a mișcării în scopul identificării
persoanelor a fost pus la lucru într-o situație reală. Nu apar diferențe foarte mari în ceea ce
privește modul de lucru față de analiza în condiții controlate. În esență, experimentul a cuprins
un număr semnificativ mai mare de subiecți (25) care au realizat câte o singură trecere prin fața
aparaturii video. Nu au existat constrângeri în ceea ce privește îmbrăcămintea, dealtfel subiecții
nu au fost nici măcar anunțați despre natura experimentului la care vor participa, tocmai pentru a
simula o situație cât mai naturală. Rezultatele experimentului se găsesc în ANEXA 2. Modul de
lucru și condițiile în care s-a desfășurat experimentul sunt prezentate mai jos:
- Camera a fost plasată în lateral, cu vederea perpendiculară pe direcţia de mers, la
distanţa de 2 metri de linia de deplasare a subiecţilor. Nu a existat o a doua cameră
care să le captureze fizionomia (așa cum este prezentat în cadrul descrierii sistemului
de analiză a mișcării) întrucât acest aspect nu interesează pentru experiment
- Nu au existat nici un fel de constrângeri în ceea ce privește tipul și culoarea
îmbrăcăminții purtate de participanții la experiment
- Subiecţilor li s-au ataşat markere la nivelul articulaţiilor principale ale piciorului
(gleznă, genunchi şi şold)
- Subiecţii s-au deplasat în mers normal în linie dreaptă prin faţa camerei
- Fiecare subiect a efectuat o singură trecere prin fața aparaturii video, în mers normal,
pornind de pe loc
- În scopul identificării, unul dintre subiecți a efectuat o trecere suplimentară fără ca
autorul proiectului să-i cunoască identitatea (acesta din urmă a părăsit încăperea)
- Fiecărui subiect și automat fiecărei treceri i-a corespuns propriul material video
- Fiecare material video a fost preluat și analizat cu ajutorul aplicației Adobe After
Effects în vederea obținerii coordonatelor markerilor
- S-a realizat o bază de date ce conține coordonatele markerilor pentru fiecare subiect
- Informațiile din baza de date au fost prelucrate pentru fiecare subiect, folosind
programe realizate cu ajutorul aplicației Matlab
- În fiecare caz, au fost obținuți parametrii propuși ca fiind identificatori unici pentru
mișcarea unei persoane
- Datele pentru fiecare subiect au fost sintetizate sub forma unor tabele
- Rezultatele au fost prezentate sub formă de fișe de identificare pentru fiecare subiect,
toate acestea (pentru toți cei 25 de subiecți) sunt prezentate mai jos
- S-au extras și prelucrat datele experimentale pentru subiectul neidentificat iar apoi
acestea au fost comparate cu întreaga bază de date de identificatori unici
- S-a realizat cu succes identificarea unui subiect din cadrul bazei de date
- Au fost sintetizate o serie de concluzii
59
6.2 IDENTIFICAREA UNUI SUBIECT DIN CADRUL UNEI
BAZE DE DATE
Pentru a demonstra printr-un exemplu că poate fi identificat un subiect subiect din baza
de date cu cei 25 de persoane, una dintre persoanele înregistrate în baza de date a fost rugată să
efectueze o nouă trecere, considerând-o și tratând-o pe aceasta ca persoană necunoscută (dealtfel
autorul proiectului a și părăsit camera, înregistrarea fiind efectuată în lipsa acestuia). Mai jos este
descrisă metodologia de identificare și sunt prezentate rezultatele pentru cazul aflat în discuție.
S-a pornit cu analiza mișcării persoanei necunoscute și au fost calculați parametrii
(identificatorii unici) acestei mișcări, folosind aceleași metode ca în cazul creării bazei de date:
Lungime
Femur
Lungime
Tibie Subiect
de
referință
Marker
182,26 138,25 Gleznă Genunchi Șold
S1 33519 19931 5647,6
V1 -0,5470 -10,1997 3,9752
A1 0,06111 0,1044 -0,0297
S2 12694438 4676980 391675
Dispersia 269,3142 68,3722 29,1468
Pentru identificarea necunoscutului, primul pas va fi o triere bazată pe identificatorul
fizic, lungimea femurului. Se va alege o marjă de eroare pentru această etapă, în cazul nostru am
stabilit marja de 5 pixeli în ambele direcții (foarte generoasă). Practic, toți subiecții ce au
lungimile femurului cuprinse între -5 pixeli și +5 pixeli față de lungimea de referință (cea a
necunoscutului) vor fi luați în calcul. În baza de date prezentată mai sus se poate observa că în
cadrul analizei vor intra 5 înregistrări, și anume subiecții 2, 10, 13, 14, 17. Analiștii vor extrage
fișele acestora (pentru a urmări lucrurile mai ușor, acestea vor fi prezentate mai jos) și vor începe
comparația pe baza identificatorilor.
Femur Tibie Subiect 2
Marker
179,27 139,12 Gleznă Genunchi Șold
S1 33980 22385 5292,4
V1 -41,6827 5,9577 4,8925
A1 0,2891 -0,2702 -0,1215
S2 12841175 5570602 312611
Dispersia 111,2576 32,0291 15,6048
60
Femur Tibie Subiect
10
Marker
177,55 138,92 Gleznă Genunchi Șold
S1 30140 18231 6191,2
V1 2,3734 -4,0037 1,7641
A1 -0,0234 0,0478 0,0101
S2 11360311 4156950 480512
Dispersia 65,9933 27,5290 17,1002
Femur Tibie Subiect
13
Marker
182,19 138,41 Gleznă Genunchi Șold
S1 33851 20806 5850,1
V1 -0,6832 -10,5712 3,6358
A1 0,0586 0,0990 -0,0311
S2 12758971 4816048 383026
Dispersia 283,2046 71,9397 27,7139
Femur Tibie Subiect
14
Marker
180,39 141,97 Gleznă Genunchi Șold
S1 6792,7 4698,6 1315,0
V1 -23,8687 2,5077 -2,3248
A1 0,3729 -0,0318 0,0692
S2 2352661 1235266 97205
Dispersia 188,2656 156,7553 40,4082
Femur Tibie Subiect
17
Marker
185,06 139,66 Gleznă Genunchi Șold
S1 41953 26509 9725,1
V1 2,7184 -6,2239 -5,6468
A1 -0,0166 0,0526 0,0334
S2 16011813 6393860 863253
Dispersia 122,1388 59,4720 47,2499
61
Urmărind datele celor 5 subiecți aleși de criteriul de căutare, se observă că lungimile
tibiilor acestora se află într-o marjă sub marja noastră de eroare (±5 pixeli).
Se va trece apoi la analiza graficelor în 3 dimensiuni create pe baza combinațiilor
identificatorilor unici pentru markerii gleznei, genunchiului și șoldului pentru necunoscut și
pentru cei 5 subiecți selectați din baza de date. Metoda folosită va fi cea cu focalizare pe marker
și se vor prezenta două rânduri de grafice. Prima serie a acestor grafice se va baza pe
identificatorii primordiali: Momentul mediu ponderat al Vitezelor V1, Momentul mediu ponderat
al Accelerațiilor A1 și Momentul mediu de ordinul 1 S1:
Fig. 1 Grafic 3D pentru markerul gleznei
Se poate observa direct de pe baza markerului gleznei că subiectul neidentificat se află în
aria persoanei cu numărul 13 din baza de date. Distanțele punctului roșu față de ceilalți subiecți
sunt suficient de mari pentru a nu exista confuzii iar în acest caz reprezentarea proiecțiilor
identificatorilor pe cele 3 axe nu este necesară. Pentru verificare și confirmarea alegerii
subiectului 13 din baza de date se
recomandă a se analiza și graficele
pentru identificatorii celorlalți doi
markeri, și anume ai genunchiului
și ai șoldului. Al doilea set de
grafice va fi determinat de o
combinație conținând și ceilalți
identificatori nefolosiți în primul
caz: Dispersia, Momentul mediu
de ordinul 1 S1 și Momentul
mediu de ordinul 2 S2:
Fig. 2 Grafic 3D pentru markerul gleznei, folosind ca identificatori Dispersia, Momentul mediu
de ordinul 1 S1 și Momentul mediu de ordinul 2 S2
62
Se observă clar pe cele două seturi de grafice (corespunzând celor două metode folosite)
că reprezentarea grafică a caracteristicilor mișcării Subiectului neidentificat este foarte apropiată
(în unele cazuri aproape se confundă) de cea a Subiectului 13. De asemenea, nu se pot face
confuzii, nu există nici un alt subiect dintre cei selectați a cărui reprezentare grafică să fie în zona
Subiectului neidentificat.
În situația prezentată mai sus nu există dubii în absolut în toate cele 3 grafice ale fiecărei
metode, Subiectul a cărui identitate se dorește a fi aflată este ușor identificat ca fiind Subiectul
13. În urma acestor rezultate se consideră scopul principal al proiectului, acela de a identifica o
persoană din cadrul unei baze de date folosind analiza mișcării, ca fiind îndeplinit.
6.3 CONCLUZII
În urma verificărilor experimentale pe o bază de date conținând 25 de subiecți și a
aplicării mecanismului de selecție și identificare folosit în proiect s-au obținut o serie de rezultate
în urma cărora pot fi generate următoarele concluzii:
metodologia privind captura și analiza datelor experimentale a fost efectuată cu succes pe
o bază de date cu 25 de subiecți plus un Subiect neidentificat.
în urma comparației pe baza lungimii femurului subiectului neidentificat, folosind o
marjă de eroare de ±5 pixeli (foarte largă) au fost selectate 5 persoane din baza de date ca
fiind posibile potriviri pentru Subiectul neidentificat.
în urma aplicării metodei de identificare bazată pe analiza cu orientare pe marker folosind
identificatorii primordiali (Momentul mediu ponderat al Vitezelor V1, Momentul mediu
ponderat al Accelerațiilor A1 și Momentul mediu de ordinul 1 S1) a fost selectată fără
dubii o singură persoană a cărei reprezentare grafică a corespuns Subiectului
neidentificat. Subiectul neidentificat a fost determinat ca fiind Subiectul 13.
în urma aplicării metodei de identificare bazată pe analiza cu orientare pe marker folosind
o a doua combinație de identificatori (Dispersia, Momentul mediu de ordinul 1 S1 și
Momentul mediu de ordinul 2 S2) a fost selectată fără dubii o singură persoană a cărei
reprezentare grafică a corespuns Subiectului neidentificat. Subiectul neidentificat a fost
determinat ca fiind Subiectul 13.
identificarea unui subiect din baza de date realizată în cadrul acestul experiment a fost
efectuată în mod unic, validând metoda.
Concluzie finală: prin intermediul unui experiment la care au participat 25 de subiecți în treceri
unice în mers normal, au fost verificate și validate metoda și sistemul de identificare a mișcării
umane propuse în proiect: s-a realizat identificarea unică a unui subiect din baza de date.
63
7. CONCLUZII FINALE. CONTRIBUŢII ORIGINALE.
DISEMINAREA REZULTATELOR. DIRECȚII
VIITOARE DE CERCETARE
Pe baza rezultatelor obținute în urma cercetării au putut fi formulate o serie de concluzii,
care vor fi prezentate în acest capitol. În primă instanță, se va porni de la concluziile obținute în
urma informării în domeniul tezei și se va continua cu ideile care au dus la stabilirea oportunității
cercetării de față. Se va prezenta felul în care a fost gândită cercetarea pe ansamblu și ce s-a
propus a fi realizat pe parcursul lucrării de față. Vor fi stabilite ideile privind metodele și
condițiile de lucru pentru realizarea obiectivelor propuse în cadrul tezei. Vor fi analizate
rezultatele practice obținute în urma cercetării de față și vor fi elaborate o serie de concluzii. Din
ideile de mai sus vor fi selectate separat contribuțiile originale pe care autorul le-a adus în cadrul
cercetării. În final vor fi prezentate direcțiile viitoare ale cercetării.
În urma analizei literaturii de specialitate au putut fi formulate următoarele concluzii:
în domeniul identificării umane, literatura de specialitate acoperă în general cu succes
cele patru metode principale de identificare, și anume identificarea cu ajutorul
amprentelor, identificarea facială, identificarea umană la nivelul retinei și cea la nivelul
irisului
aceste patru metode își găsesc aplicabilitatea practică în special în domeniile sistemelor
de acces, automatelor pentru vânzări retail, sisteme de securitate, criminalistică
cele patru metode clasice de identificare umană au fiecare dintre ele neajunsurile lor,
legate fie de condițiile de funcționare (necesitatea unei distanțe foarte mici în cazul
identificării la nivelul ochiului) sau pur și simplu de modificarea sau ascunderea
caracteristicii analizată de către metodă (efect care se poate obține banal, cu ajutorul
mănușilor în cazul amprentelor sau al cagulelor / măștilor în cazul identificării faciale)
dezavantajele celor patru metode clasice se resimt cel mai puternic în cazul aplicațiilor
din domeniul criminalisticii, legate de securitate
analiza mișcărilor umane este întâlnită la nivel aplicativ în domeniile sportului și
medicinii și există dovezi clare care demonstrează eficiența acestei analize. În cazul
sportului, există numeroase studii, metode teoretice și software dedicat care analizează
seturile de mișcări ale sportivilor și propun modificarea acestora în scopul îmbunătățirii
performanțelor. În domeniul medical, în special în ceea ce privește medicina de
recuperativă (cu focalizarea pe refacerea totală sau parțială a funcțiilor motrice), sunt
efectuate, în laboratoare profesionale, analize bazate pe particularitățile mișcării fiecărui
pacient, în urma cărora sunt generate atât programe de recuperare dedicate, cât și
aparatură medicală specifică fiecărui caz (proteze, orteze)
analiza mișcărilor umane capătă interes și în domenii conexe sportului și medicinii, de
genul industriei de încălțăminte (proiectarea de încălțăminte specială dedicată
64
persoanelor obeze sau pentru femeile însărcinate, chiar unele studii privind încălțămintea
în corelație cu înălțimea persoanei)
Tot pe baza analizei literaturii de specialitate a fost stabilită oportunitatea cercetării atât
în cadrul tezei, cât și în ansamblu în domeniul studiat:
identificarea umană bazată pe analiza mișcării cu aplicații în criminalistică și sisteme de
securitate acoperă unele dintre dezavantajele metodelor clasice și aduce un element
benefic suplimentar, faptul că un sistem bazat pe această metodă este ușor de camuflat
Într-o abordare privind cercetarea pe ansamblu, s-a pornit de la ideea ca rezultatele și
concluziile obținute în urma cercetărilor să poată constitui elemente de plecare în vederea
realizării unui sistem cu ajutorul căruia identificarea umană să se realizeze pe baza analizei
mișcării. În cadrul cercetării de față s-a urmărit a se demonstra, cu ajutorul metodelor teoretice și
experimentale, validitatea metodei propuse, anume că analiza mișcărilor umane poate constitui o
metodă pentru identificarea unei persoane din cadrul unei baze de date. Studiul de față a fost
structurat considerându-se faptul că va reprezenta doar un început în această direcție, în urma
unor cercetări ulterioare așteptându-se obținerea respectivei finalități practice. Acest punct de
vedere al finalității și viabilității practice a avut un impact serios în ceea ce privește
echipamentele și tehnicile folosite în lucrare.
Sub aspectul metodelor și condițiilor de lucru pentru sistemele bazate pe analiza mișcării
umane, au putut fi extrase următoarele concluzii finale:
sistemele de analiză a mișcărilor umane pot fi clasificate după metoda de lucru. Există
două metode majore privind captarea mişcării umane şi anume o metodă în care se
folosesc markeri şi o metodă în care nu se folosesc markeri. În cazul primei metode se
consideră anumite puncte cheie pe care se aplică markeri a căror mişcare este captată și
analizată în timp. În cazul celei de-a doua metode, cea fără markeri, sunt captate și
analizate siluetele anumitor segmente ale corpului uman, considerate de interes.
pentru cercetarea de față s-a considerat ca oportună folosirea metodei de lucru cu
markeri.
sistemele de analiză a mișcărilor umane pot fi clasificate în sisteme profesionale (de
laborator) și sisteme care se pretează pentru analiza mișcării umane într-o situație reală
(de zi cu zi). Sistemele profesionale vin sub forma soluțiilor complete hardware +
software, sunt montate în laboratoare, au costuri mari și implică restricții privind fixarea
markerilor pe corpul subiecților, dar au avantajul preciziei foarte ridicate și a posibilității
calculului automat pentru foarte mulți parametri ai mișcării. Sistemele care se pretează
pentru analiza mișcării umane într-o situație reală sunt simple, ieftine, în general
proiectate pentru un scop precis. Nu vin cu un software de captură și analiză a mișcării
dedicat, atât pentru captură cât și pentru analiză trebuie utilizate aplicații software din
exterior, parametrii și metodele de calcul trebuie definite în funcție de scop și calculate cu
ajutorul unei serii de programe informatice.
având în vedere finalitatea practică a cercetării în ansamblu (sunt considerate situații din
viața reală, și nu doar teoretice) sistemele profesionale de analiza mișcării implică
restricții care le fac atât imposibil de implementat (de genul atașării fizice a markerilor de
65
subiect) cât și ineficiente ca și costuri (e greu de crezut că o instituție din categoria celor
mici și mijlocii ar fi dispusă să investească sume la nivelul zecilor sau chiar sutelor de mii
de euro pentru o soluție de securitate bazată pe un sistem profesional de analiza mișcării).
Pentru cercetarea de față a fost ales un sistem de analiza mișcărilor umane simplu. Au
fost prezentate restricțiile necesare implementării unui astfel de sistem și a fost propus un
mod de lucru, considerându-se ca și domeniu aplicativ criminalistica.
în urma analizei restricțiilor și metodelor de lucru ale sistemului, s-a ajuns la concluzia că
din punct de vedere hardware sunt necesare două camere video funcționând simultan (una
care să filmeze din lateral subiecții și practic să captureze datele pentru analiza mșcării,
iar cealaltă care să filmeze subiecții din față și să realizeze corelația dintre mișcarea
identificată și fizionomia subiectului - practic, mișcării subiectului X îi corespunde
fizionomia subiectului X) și elementele de ancorare / susținere a acestora. Din punct de
vedere software, pe baza unei analize multicriteriale s-a ajuns la concluzia că aplicația
Adobe After Effects îndeplinește cel mai bine scopurile proiectului de față (aplicațiile
considerate în analiza multicriterială au fost Adobe After Effects, Dartfish, Mocha și
Adobe Premiere).
Pentru cercetarea de față a fost ales ca element de studiu pentru analiza mișcărilor umane
piciorul unei persoane, și anume cele două segmente principale ale piciorului (cel corespunzător
femurului și cel corespunzător tibiei) și cele trei articulații de legătură (talocrurală - glezna,
femurotibială - genunchiul și coxofemurală - șoldul). Pentru analiza științifică a mișcării
elementelor de interes din cadrul cercetării a fost necesară realizarea unui model matematic al
piciorului.
În urma abordării matematice a mișcării piciorului au fost extrase următoarele concluzii:
mișcarea piciorului în timpul mersului normal este ciclică, un ciclu fiind reprezentat de
succesiunea de mişcări efectuate de către subiect din momentul unei prime atingeri a
solului cu călcâiul unui picior până în momentul celei de-a doua atingeri a solului cu
călcâiul aceluiaşi picior. În urma analizei ciclului mișcării au fost descriși o serie de
parametri care pot constitui elemente de identificare a unei persoane pentru unele
abordări ale analizei mișcărilor umane.
corpul uman poate fi considerat ca fiind un sistem multicorp format din mai multe
elemente (segmentele corporale) conectate între ele cu ajutorul articulaţiilor. Odată acest
model acceptat, pentru analiza cinematică a mişcării umane se vor putea folosi legile
mecanice care guvernează sistemele multicorp .
mișcarea umană din punct de vedere al analizei cinematice și a sistemelor multicorp
prezintă o serie de restricții ale gradelor de libertate, care au fost denumite constrângeri
impuse mișcării umane. Există constrângeri care sunt impuse de către schelet şi sistemul
muscular, constrângeri din mediul exterior (obiecte sau diferite elemente/îngrădiri care
obstrucţionează mişcarea), constrângeri mecanice, cum ar fi cele care îi sunt impuse
corpului pentru a se situa într-o stare de echilibru (a nu „cădea din picioare”) sau
constrângeri forţate sau autoimpuse pentru a efectua anumite mişcări.
piciorul uman poate fi asimilat din punct de vedere al analizei cinematice și a sistemelor
multicorp ca fiind un lanț cinematic deschis simplu, cu două legături.
în momentul cunoașterii coordonatelor celor trei articulații ale piciorului uman și ținând
cont de constrângerile aferente mișcării piciorului, pot fi rezolvate atât problema
66
cinematică directă cât și problema cinematică inversă pentru lanțul cinematic atribuit
piciorului.
analiza matematică a mișcării umane din cadrul cercetării este construită pe calculul unei
serii de parametri ai mișcării, acest calcul realizându-se pe baza urmăririi în timp a
coordonatelor markerilor aplicați celor trei articulații ale piciorului.
după calculul acestor parametri, au fost propuse ca metode suplimentare de analiză a
traiectoriilor în timp ale markerilor celor trei articulații metode de interpolare bazate pe
polinoame de ordinul 6+ sau funcții spline cubice.
validitatea abordării propuse în concordanță cu scopurile proiectului a fost demonstrată în
urma analizei realizată manual, pe o situație practică simplă, considerând mișcarea a doi
subiecți.
Este necesară reamintirea faptului că, în cadrul cercetării de față, s-a urmărit a se
demonstra, cu ajutorul metodelor teoretice și experimentale, validitatea metodei propuse, anume
că analiza mișcărilor umane poate constitui o metodă pentru identificarea unei persoane din
cadrul unei baze de date. Pentru a putea folosi analiza mișcării în identificarea persoanelor și
astfel a atinge scopurile cercetării de față, a fost necesar a se găsi acele elemente cu ajutorul
cărora să se poată realiza în mod (ideal) unic identificarea unui subiect din cadrul respectivei
baze de date. Aceste elemente au fost definite sub denumirea de identificatori unici. În urma
abordării identificatorilor unici au fost extrase următoarele concluzii:
în vederea rezolvării problemei identificării persoanelor cu ajutorul analizei mișcării, în
primă instanță este necesar de a se demonstra stabilitatea și unicitatea fenomenului
mișcării. Prin aceasta se înțelege că, pentru același subiect, identificatorii unici pe care îi
urmărim rămân relativ constanți (cu o marjă de eroare) de-a lungul mișcării și de
asemenea pe parcursul mai multor sesiuni de mișcare. În aceeași idee, se urmărește a se
demonstra că, în cazul comparării parametrilor între ei pentru mai mulți subiecți, aceștia
sunt suficient de diferiți.
stabilitatea și unicitatea identificatorilor unici a fost demonstrată în urma unui studiu
experimental, folosind 7 subiecți, fiecare realizând 10 treceri repetate în aceleași condiții
prin dreptul sistemului de captură a mișcării descris pe larg în Capitolul 5.
au fost luați în considerare o serie de identificatori din cadrul mișcării celor 7 persoane,
iar cei care și-au păstrat aspectul stabil și unic au fost:
- Momentul mediu ponderat al vitezelor:
𝑉1𝑦 =
1
𝑛 − 1 𝑦𝑖+1 − 𝑦𝑖 (𝑖 − 1)
𝑛−1
𝑖=1
- Momentul mediu ponderat al accelerațiilor:
𝐴1𝑦 =
1
𝑛 − 2 𝑦𝑖+2 − 2𝑦𝑖+1 + 𝑦𝑖 (𝑖 − 1)
𝑛−2
𝑖=1
- Momentul mediu de ordinul 1 al deplasărilor:
𝑆1𝑦 =
1
𝑛 𝑦𝑖(𝑖 − 1)
𝑛
𝑖=1
- Momentul mediu de ordinul 2 al deplasărilor:
67
𝑆2𝑦 =
1
𝑛 𝑦𝑖
2(𝑖 − 1)
𝑛
𝑖=1
- Dispersia deplasărilor după y față de medie:
𝜎𝑦2 =
1
𝑛 − 1 (𝑦𝑖 − 𝑦 )2
𝑛
𝑖=1
Aceștia au fost păstrați în componența analizei matematice și grafice din cadrul cercetării.
au existat identificatori care și-au păstrat caracterul stabil dar nu și pe cel unic, de genul
evoluției în timp a unghiurilor pe care le fac femurul cu verticala, tibia cu verticala și
tibia cu femurul. Aceste unghiuri nu au fost introduse în analiza implicită deoarece ele nu
pot reprezenta de sine stătător identificatori unici, metodele statistice prin care s-au
prelucrat datele nu au dat rezultatele dorite. Analiza vizuală a acestor unghiuri poate
constitui sau nu, de la caz la caz, un element de diferențiere între mai multe persoane.
în urma analizelor numerice și a rezultatelor prezentate grafic, au fost obținuți 5
identificatori unici (prezentați mai sus) cu ajutorul cărora o persoană poate fi identificată
în mod (ideal) unic din cadrul unei baze de date cu mai mulți subiecți. Acestora li se
adaugă elementele fizice reprezentate de lungimile segmentelor piciorului (lungimea
femurului și lungimea tibiei) care de fapt constituie primul „filtru” de selecție al grupului
de posibili suspecți din cadrul întregii baze de date cu subiecți. În acest fel s-au considerat
scopurile cercetării de față ca fiind îndeplinite.
În ultimul capitol al tezei au fost anticipate și testate anumite aspecte ce urmează a fi
elaborate pe larg în cadrul cercetărilor ulterioare, și anume sistemul de identificare a persoanelor
pe baza analizei mișcării a fost supus unui experiment în situații reale, folosind 25 de subiecți cu
o singură trecere fiecare. În scopul identificării, unul dintre subiecți a efectuat o trecere
suplimentară fără ca autorul proiectului să-i cunoască identitatea (acesta din urmă a părăsit
încăperea). Concluzia principală ce poate fi extrasă în urma acestei abordări este:
într-o situație practică, sistemul de identificare a persoanelor bazat pe analiza mișcării
umane propus în cadrul acestei cercetări a reușit cu succes identificarea unică a unei
persoane dintr-o bază de date cu 25 de subiecți (au fost folosite două combinații a câte 3
identificatori unici diferiți pentru realizarea identificării).
Având în vedere posibilitățile cercetării din acest moment (mai ales cele legate de timp),
nu a existat oportunitatea testării sistemului de identificare a persoanelor prin analiza mișcării pe
o bază de date cu mii de subiecți. Se consideră corect a preciza că așteptările de bun simț sunt ca
în aceste cazuri identificarea să nu se mai realizeze în mod unic, sistemul să aleagă ca rezultate în
urma identificării mai mulți subiecți din cadrul respectivelor baze de date. În pofida unui rezultat
unic, reducerea unei baze de date de mii de subiecți la doar câțiva suspecți este considerată totuși
un succes.
68
În cadrul cercetărilor efectuate pe parcursul tezei autorul a avut următoarele
contribuții originale semnificative:
a propus și a demonstrat că analiza mișcărilor umane poate fi o metodă pentru
identificarea persoanelor din cadrul unei baze de date, domeniile principale unde ideea și-
ar regăsi aplicabilitatea practică fiind criminalistica și sistemele de securitate [25],[77],
[82]
a furnizat o soluție completă pentru analiza mișcărilor umane în scopul identificării
persoanelor. Din punct de vedere hardware, soluția este formată din aparatură, condiții de
lucru și restricții necesare implementării unui astfel de sistem. Pentru obținerea datelor
experimentale, autorul a furnizat o soluție ce are la bază utilizarea aplicației Adobe After
Effects [78],[81],[83],[114]
a dezvoltat o serie de programe Matlab ce folosesc la analiza datelor experimentale,
analiză care, în final, duce la identificarea unei persoane din cadrul unei baze de date
[80],[113]
a obținut în urma experimentelor un număr de 2 identificatori fizici și 5 identificatori
statistici specifici mersului uman, care au aspect stabil pentru fiecare persoană și cu
ajutorul cărora se poate realiza identificarea în mod (ideal) unic unei persoane din cadrul
unei baze de date [79]
În esenţă, în cadrul lucrării s-a abordat posibilitatea de a recunoaşte un subiect în
mişcare din cadrul unor persoane înregistrate în cadrul unei baze de date, creată anterior.
Originalitatea cercetărilor a constat în propunerea unor identificatori ai mişcării care să
permită identificarea dorită precum şi soluţia practică propusă care s-a vrut cât mai simplă,
uşor de realizat, cu preţ minim pentru a putea fi implementată practic. S-a construit o bază de
date pentru testarea propunerilor avansate în urma cercetărilor şi s-a identificat un subiect
din această bază de date.
Pe durata cercetărilor, autorul a obținut următoarele rezultate:
Pe durata cercetărilor atribuite tezei de doctorat, autorul a publicat un număr de 17 lucrări
științifice în cadrul volumelor unor conferințe științifice naționale și internaționale. Dintre
acestea, 11 sunt în domeniul temei de doctorat, iar 8 au fost publicate în calitate de prim-autor.
Un articol a fost acceptat şi va apare în revistă cotată ISI iar 4 articole au fost publicate în
volumele unor conferinţe indexate ISI. De asemenea, autorul a format și menținut legături cu
specialiști din domeniu, din țară și din străinătate, notabil fiind stagiul extern efectuat de autor la
Anglia Ruskin University din Cambridge & Chelmsford, Marea Britanie. Aici autorul a colaborat
în cadrul unor proiecte cu departamentele Computer & Science și Forensics din cadrul
respectivei Universități. Tot în cadrul stagiului extern autorul a fost îndrumat și de dr. Howard
Hillstrom, în momentul redactării tezei directorul MD Motion Analysis Laboratory din cadrul
„the Hospital for Special Surgery” din New York (peste 20 de ani în domeniul analizei mișcării).
69
Direcții pentru cercetări viitoare:
În această teză s-a reușit demonstrarea validității metodei de identificare a persoanelor pe
baza analizei mișcării propuse de autor. Direcțiile viitoare de cercetare converg către obținerea
unei soluții practice, palpabile, ce are la bază metoda de lucru și teoria din cercetarea de față.
Astfel, se urmăresc a se adăuga sau îmbunătăți următoarele aspecte:
eliminarea markerilor. Este esențial ca, pentru a se obține o soluție practică, să fie
eliminați markerii din cadrul metodei. Aplicația de captură utilizată și-a scăzut eficiența
la în jur de 65% atunci când s-au urmărit încheieturile piciorului subiecților fără markeri,
în aceleași condiții. Din acest motiv au fost testate situații în care s-au modificat
condițiile de iluminare iar rezultatele au fost pozitive, în condiții speciale de iluminare
eficiența crescând de la cei 65% până la în jur de 80%. Se are în vedere găsirea
condițiilor de mediu și iluminare optime pentru a se ajunge la o eficiență de peste 90%.
standardizarea sistemului, atât a componentelor hardware cât și software. Pentru folosirea
sistemului pe scală largă este obligatoriu a se standardiza toate elementele hardware și
software, de genul tipului camerei, distanței dintre cameră și axul de filmat, programelor
software cu care se realizează analiza și altele. Fără a exista o soluție standard, bazele de
date pentru un astfel de sistem nu s-ar putea combina.
îmbunătățirea soluției. Se urmărește determinarea și testarea altor parametri temporali-
statistici ce pot reprezenta identificatori unici pentru un subiect. Aria de lucru va fi
extinsă de la picior către combinații de genul mișcarea piciorului + mișcarea perechii
braț-antebraț (și încheieturi).
îmbunătățirea soluției. Se cercetează idei pentru introducerea altor parametri biometrici
fizici pentru subiecți, de genul înălțimii sau chiar greutății (impunerea unor condiții de
mediu prin care subiecții să fie obligați ca, fără știrea lor, să treacă prin dreptul unei
aparaturi care le măsoară dimensiunile corporale). Se studiază și problemele de etică pe
care le-ar introduce acest aspect.
creșterea gradului de automatizare. Se caută soluții software care să prezinte rezultatele
capturii mișcării într-un mod mai eficient relativ la scopurile cercetării, eventual direct
sub formă de tabele. Urmează a se profita de progresul recent din domeniul tehnologiilor
video (rezoluție mai mare în timp real se traduce prin precizie mai bună), plus progresul
informatic (calculatoare mai puternice înseamnă timpi de procesare reduși, se pot folosi
algoritmi mai complicați)
70
BIBLIOGRAFIE
1. Abu-Omar K, Rütten A. Relationship of leisure time, occupational, domestic, and commuting
physical activity to health indicators in Europe, Preventive Medicine, 47(3), pp. 319–323 (2008)
2. Achermann B, Jiang X, Bunke H. Face recognition using range images, International Conference
on Virtual Systems and Multimedia. pp. 129-136 (1997)
3. Adam C. Essential Mathematics and Statistics for Forensic Science, Wiley-Blackwell, West
Sussex, UK (2010)
4. Adrian MJ, Cooper JM. Biomechanics of Human Movement. New York: Benchmark Press
(1995)
5. Al-Yahya E, Dawes H, Collett J, Howells K, Izadi H, Wade DT, Cockburn J. Gait adaptations to
simultaneous cognitive and mechanical constraints, Experimental Brain ResearchVolume 199, Number 1,
39-48, DOI: 10.1007/s00221-009-1968-1 (2009)
6. Anderson P. Advanced Display Technologies, JISC Technology and Standards Watch, JISC:
Bristol, UK (2005)
7. Badiu T. Teoria educației fizice și sportului, Editura Fundației Universitare „Dunărea de Jos”,
Galați (2001)
8. Baerlocher P. Inverse Kinematics Techniques for the Interactive Posture Control of Articulated
Figures, PhD thesis, Swiss Federal Institute of Technology, EPFL (2001)
9. Barzel R, Hughes J F, Wood ND. Plausible Motion Simulation for Computer Graphics,
Computer Animation and Simulation ’96, pp.183-197 (1996)
10. Beatson RK, Chacko E. Which cubic spline should one use?, SIAM J. Scient. Stat. Comp. 13, pp.
1009-1024 (1992)
11. Berggren L. Iridology: a critical review, Acta Ophthalmol 63 (1) pp. 1–8 (1985)
12. Berme N, Cappozzo A, Meglan J. Biomechanics of human movement: applications in
rehabilitation, sports and ergonomics, Worthington, Ohio. Bertec Corporation (1990)
13. Bharatkumar AG, Daigle KE, Pandy MG, Cai Q, Aggarwal JK. Lower limb kinematics of human
walking with the medial axis transformation, IEEE Workshop on Nonrigid Motion, pages 70–76 (1994)
14. Bindiganavale R, Badler N. Motion Abstraction and Mapping with Spatial Constraints,
Modelling and Motion Capture Technology for Virtual Environments, International Workshop,
CAPTECH ’98, pp.70-8 (1998)
15. Burcă I, Tofan MC, Vlase S, Identificarea mişcărilor la trecerea peste garduri în scopul validării
modelării matematice, Conferinţa ştiinţifică internaţională: COMPETIŢIA, Bucureşti, pp. 47-51 (2003)
16. Burcă I, Tofan MC, Vlase S, Ulea M, Plămădeală RA. Cinematica trecerii peste gard (I) Rotaţii
Cardan, (II) Rotaţii Euler, Conferinţa Institutului Naţional de Cultură Fizică şi Sport, Bucureşti (2004)
17. Burcă I, Vlase S, Tofan M, Modrea A. On the Mechanical Parameters Identification at Obstacle
Race Try-Out, The Annals of the Oradea University, vol.II (XII), p.52 (2003)
18. Brooks MA, Boleach LW, Mayhew JL. Relationship of specific and non-specific variables to
successful basketball performance among high school players, Perceptual and Motor Skills 64: 823-827
(1987)
19. Bruggemann GP. Biomechanics of gymnastic techniques, Sport Science Review 3(2), pp. 79-120
(1994)
20. Carr G. Sport mechanics for coaches, Human Kinetics (2004)
71
21. Cappelli R, Maio D, Maltoni D, Wayman JL, Jain AK. Performance evaluation of fingerprint
verification systems, IEEE Transactions on Pattern Analysis and Machine Intelligence 28, pp. 3–18
(2006)
22. Chang K, Bowyer K, Flynn P. Face recognition using 2D and 3D facial data, Multimodal User
Authentication Workshop, pp. 25-32 (2003)
23. Chapman SJ. Matlab Programming for Engineers, Cengage Learning (2008)
24. Chapra SC, Canale R. Numerical Methods for Engineers, McGraw-Hill, Inc. New York, NY,
USA (2006)
25. Chiru A, Mihălcică M, Nicoară D. Human identification using body segments movement
analysis, The 13th International Conference Modtech, Modern Technologies, Quality and Innovation,
New face of TMCR, Iasi-Chişinau, ISSN 2066-3919, pp. 139-142 (2009)
26. Christiansen M. Adobe After Effects CS3 Professional Studio Techniques, Adobe Press (2007)
27. Chung S, Hahn JK. Animation of Human Walking in Virtual Environments, Computer
Animation, pp.4-15, (1999)
28. Collins R, Gross R, Shi J. Silhouette Based Human Identification Using Body Shape and Gait,
Intl. Conf. on Automatic Face and Gesture Recognition, 351.356 (2002)
29. Dabbah MA, Woo WL, Dlay SS. Secure Authentication for Face Recognition, Computational
Intelligence in Image and Signal Processing CIISP (2007)
30. Daugman JG. How iris recognition works, IEEE Transactions on Circuits and Systems for Video
Technology, 14 (1) pp. 21–30 (2004)
31. Davis JW, Bobick AF. The representation and recognition of human movement using temporal
templates, Proceedings IEEE Conf. Computer Vision and Pattern Recognition, 1997, pages 928–934
(1997)
32. Delaney B. On the trail of the shadow women: the mystery of motion capture, Comput. Graphics
Appl. 18(5), 14–19 (1998)
33. Dror IE, Charlton D, Péron AE (2006) Contextual information renders experts vulnerable to
making erroneous identifications, Forensic Science International, Vol 156, Iss 1, pp 74-78 (2006)
34. Dryden I, Mardia K. Statistical Shape Analysis, John Wiley and sons (1998)
35. Dufy, DG. Advanced Engineering Mathematics with Matlab, 3rd ed., CRC Press, Taylor &
Francis Group (2010)
36. Faloursos P, van de Panne M, Terzopoulos D. Composable Controllers for Physics-Based
Character Animation, 28th Annual Conference on Computer Graphics and Interactive Techniques,
pp.251-260 (2001)
37. Fedor M. Application of Inverse Kinematics for Skeleton Manipulation in Real-time,
International Conference on Computer Graphics and Interactive Techniques, pp.203-212 (2003)
38. Floater MS, Surazhsky T. Parameterization for curve interpolation, in Topics in multivariate
approximation and interpolation, K. Jetter et al. (eds.), pp. 39-54, Elsevier (2006)
39. Frank JS, Earl M. Coordination of posture and movement, Physical Therapy, 70, 855–863 (1990)
40. Gagea A. Cercetări interdisciplinare din domeniul sportului, Ed. Destin, Deva, (2003)
41. Gavrila DM, Davis LS. 3-D model-based tracking of humans in action: a multi-view approach,
Conference on Computer Vision and Pattern Recognition, San Francisco, CA (1996)
42. Gerald CF, Wheatley PO. Applied Numerical Analysis, Addison-Wesley, Reading (1989)
43. Gélat T, Brenière Y. Adaptation of the gait initiation process for stepping onto a new level using
a single step, Experimental Brain Research, 133(4), pp. 538–546 (2000)
72
44. Giles-Corti B, Donovan, RJ. The relative influence of individual, social and physical environment
determinants of physical activity, Soc. Sci. Med., 54(12), 1793–18 (2002)
45. Grabara M, Szopa J. Hatha-Yoga influence on practitioners health state, Movement and Health,
5th International Conference, Głuchołazy, 17-18 XI, pp.235-241 (2006)
46. Gunn A. Essential Forensic Biology, 2nd Ed. Wiley-Blackwell, West Sussex, UK (2009)
47. Guo Y, Xu G, Tsuji S. Tracking human body motion based on a stick figure model, J. Visual
Comm. Image Representation 5, pp. 1-9 (1994)
48. Haba PS, Muntean V, Guiman V. Analiza biomecanică a mișcărilor în jocul de baschet, First
National Conference, Optometry and Medical Engineering, Brasov (2006)
49. Haba PS, Tofan MC. Giroefecte în aruncarea la coș în jocul de baschet, Simpozion Național,
Sibiu (2007)
50. Hanselman D, Littlefield B. Mastering Matlab 7, Pearson Education (2005)
51. Hardt M, Von Stryk O. Increasing stability in dynamic gaits using numerical optimization,
Proceedings IFAC, pp. 1636–1641 (2002)
52. Haritaoglu I, Harwood D, Davis LS. 𝑊4: Who? When? Where? What? - A real time system for
detecting and tracking people, International Conference on Automatic Face and Gesture Recognition,
Nara, Japan (1998)
53. Heymsfield SB, Lohman TG, Wang Z, Going S B. Human Body Composition – 2nd Edition,
Champaign, IL: Human Kinematics (2005)
54. Ioffe S, Forsyth D. Finding people by sampling, International Conference on Computer Vision,
Corfu, Greece (1999)
55. Ingle DVK, Proakis JG. Digital Signal Processing using Matlab, Cengage Learning (2010)
56. Iwassawa S, Ohya J, Takahashi K, Sakaguchi T, Ebihara K, Morishima S. Human body postures
from trinocular camera images, The Fourth International Conference on Automatic Face and Gesture
Recognition, Grenoble, France (2000)
57. Jain AK, Hong L, Pankanti S. Biometric identification, Commun. ACM 43(2), pp. 90-98, New
York, NY, USA (2000)
58. Jain AK, Ross A, Prabhakar S. An introduction to biometric recognition, IEEE Transactions on
Circuits and Systems for Video Technology, Special Issue on Image- and Video-Based Biometrics, 14(1),
pp. 4-20 (2004)
59. James DG, Burley D, Clements D, Dyke P, Searl J. Modern Engineering Mathematics, 4th ed.,
Pearson Education Ltd. (2007)
60. Jordan K, Challis JH, Newell KM. Walking speed influences on gait cycle variability, Gait &
Posture, Volume 26, Issue 1, pp 128-134 (2007)
61. Kameda Y, Minoh M. A human motion estimation method using 3-successive video frames,
International Conference on Virtual Systems and Multimedia (1996)
62. Kano H, Nakata H, Martin CF. Optimal Curve Fitting and Smoothing using Normalized Uniform
B-Splines: A Tool for Studying Complex Systems, Applied Mathematics and Computation (2005)
63. Kolisko P, Salinger J, Novotný J, Vychodil R. Diagnostics of spine disorders by positional
tracking device, Acta Universitatis Palackianae Olomucensis. Gymnica, 26, pp. 25–30 (1996)
64. Komura T, Leung H, Kuffner J. Animating Reactive Motions for Biped Locomotion, Virtual
Reality Software and Technology (2004)
65. La Fortune MA, Cavanagh PR, Summer HJ, Kalenak A. Three-dimensional kinematics of the
knee during walking, J. Biomechanics, 25, 347 (1992)
73
66. Le Pellec A, Maton B. Anticipatory postural adjustments depend on final equilibrium and task
complexity in vertical high jump movements, Journal of Electromyography and Kinesiology Volume 10,
Issue 3, pp. 171-178 (2000)
67. Lee MW, Cohen I. A Model-Based Approach for Estimating Human 3D Poses in Static Images,
IEEE Transactions on Pattern Analysis and Machine Intelligence, v.28 n.6, p.905-916 (2006)
68. Little JJ, Boyd JE. Recognizing People by Their Gait: The Shape of Motion, Videre No. 2 (1998)
69. Liu F, Picard, RW. Detecting and segmenting periodic motion, Technical Report 400, MIT Media
Lab Perceptual Computing Section (1996)
70. Lord SR, Menz HB. Visual contributions to postural stability in older adults, Gerontology, 46, pp.
306–310 (2000)
71. Magrab EB, Azarm S, Balachandran B, Duncan J, Herold K, Walsh G. Engineers Guide to
Matlab, Prentice Hall Press Upper Saddle River, NJ, USA (2007)
72. Mantis K, Zachopoulou E, Mavridis T. A battery of tests for evaluating abilities related to the
tennis serve, Journal of Human Movement Studies 35: 73 - 88 (1998)
73. Mavridis N, Tsalakanidou F, Pantazis D, Malassiotis S, Strintzis MG. The HISCORE face
recognition application: Affordable desktop face recognition based on a novel 3D camera, International
Conference on Augmented Virtual Environments and 3D Imaging, pp. 157-160 (2001)
74. Mazel DS, Hayes MH. Using Iterated Function Systems to Model Discrete Sequences, IEEE
Transactions on Signal Processing, Vol. 40 (7),pp. 1724-1734 (1992)
75. McIlroy WE, Maki BE. Preferred placement of the feet during quiet stance: Development of a
standardized foot placement for balance testing, Clinical Biomechanics, 12(1), pp. 66–70 (1997)
76. Meredith M, Maddock S. Adapting Motion Capture using weighted Real-Time Inverse
Kinematics, ACM Computers in Entertainment, Vol. 3, No. 1 (2005)
77. Mihălcică M. Gait analysis in forensics, The 4th International Conference on ″Computational
Mechanics and Virtual Engineering″ COMEC (2011)
78. Mihălcică M. Gathering motion data for a real-life gait analysis system, The 4th International
Conference on ″Computational Mechanics and Virtual Engineering″ COMEC (2011)
79. Mihălcică M. Using motion variance as a parameter for human identification in a gait analysis
sysyem, The 4th International Conference on ″Computational Mechanics and Virtual Engineering″
COMEC (2011)
80. Mihălcică M, Niculiţă C, Petric L. Methods of identifying aggressors in armed robberies using
their physical dimensions, The 3rd International Conference on ″Computational Mechanics and Virtual
Engineering″ COMEC, Vol.1, Brasov, Romania, ISSN 978 – 973 – 598 – 572-1 (2009)
81. Mihălcică M, Nicoară D, Niculiţă C, Cândea I, Pirnă I. Elder Monitoring Using Modern Data
Transmission Technologies, The 2nd International Conference on Environmental and Geological Science
and Engineering (EG '09), „Transilvania” University of Brasov, Romania, WSEAS Press ISBN: 978-960-
474-119-9, ISSN: 1790-2769 (2009)
82. Mihălcică M, Munteanu MV, Nicoară D, Secară E, Burcă I, Modrea A. Processing the
parameters used in human motion identification, The 3rd International Conference on ″Research &
Innovation in Engineering″ COMAT, Vol.3, Brasov, Romania, ISSN 1844-9336, pp. 168-171 (2010)
83. Mihălcică M, Munteanu MV, Secară E, Burcă I, Petric L. Methods for human motion capture
and analysis, The 3rd International Conference on ″ Research & Innovation in Engineering″ COMAT,
Vol.3, Brasov, Romania, ISSN 1844-9336, pp. 164-167 (2010)
74
84. Nault M L, Allard P, Hinse S, Le Blanc R, Caron O, Labelle H, Sadeghi H. Relations between
standing stability and body posture parameters in adolescent idiopathic scoliosis, Spine, 27(17), pp. 1911–
1917 (2002)
85. Nixon M, Tan T, Chellappa, R. Human Identification Based on Gait, Springer (2006)
86. Oikonomou NH, Chasiotis D. The Contribution of Mechanical Factors to Muscle Performance,
Proccedings of the 25th FIMS Word Congress of Sports Medicine, Athens, Greece (1994)
87. O'Neil PV. Advanced Engineering Mathematics, 7th ed., Cengage Learning (2010)
88. Oppenheim AV, Schafer RW. Discrete-Time Signal Processing, Prentice Hall (1999)
89. Ortega-Garcia J, Bigun J, Reynolds D, Gonzalez-Rodriguez J. Authentication gets personal with
biometrics, IEEE Signal Processing magazine 21(2), pp. 50-62 (2004)
90. Ortega M, Penedo MG, Rouco J, Barreira N, Carreira MJ. Retinal Verification Using a Feature
Points-Based Biometric Pattern, Eurasip Journal on Advances in Signal Processing, pp. 1-14 (2009)
91. Prassas S. Biomechanical research in gymnastics: What is done, what is needed, Applied
Proceedings of the XVII International Symposium on Biomechanics in Sports: Acrobatics, pp. 1-10
(1999)
92. Pratt M, Ekelund U, Yngve A, Sallis JF, Oja P. International physical activity questionnaire: 12
country reliability and validity, Medicine & Science in Sports & Exercise, 35(8), pp. 1381–1395 (2003)
93. Ratha N, Bolle R. Automatic fingerprint recognition systems, Sprinter-Verlag (2004)
94. Ren L, Jones RK, Howard D. Predictive modelling of human walking over a complete gait cycle,
Journal of Biomechanics, Volume 40, Issue 7, pp 1567-1574 (2007)
95. Rietman JS, Postema K et al. Gait analysis in prosthetics: opinions, ideas and conclusions,
Prosthet Orthot Int 26(1):50–57 (2002)
96. Roi GS, Bianchedi D. The Science of Fencing. Implications for Performance and Injury
Prevention, Sports Med, 38 (6): 466-481 (2008)
97. Ross A, Dass SC, Jain AK. Estimating fingerprint deformation, Proceedings of the International
Conference on Biometric Authentication (ICBA), pp. 249–255 (2004)
98. Roy K, Bhattacharya P. Variational level set method and game theory applied for nonideal iris
recognition, 16th IEEE International Conference on Image Processing (ICIP'09), pp. 2721 – 2724, Cairo,
Egypt (2009)
99. Safonova A, Hodgins JK, Pollard NS. Synthesizing Physically Realistic Human Motion in
Low-Dimensional, Behaviour-Specific Spaces, ACM Transactions on Graphics, Vol. 23. No. 3,
pp.514-521 (2004)
100. Sakamaki M, Bemben MG, Abe T. Legs and trunk muscle hypertrophy following walk training
with restricted leg muscle blood flow, Journal of Sports Science and Medicine Vol. 10 Issue 2, pp. 338-
340 (2011)
101. Salvi J, Pages J, Batlle J. Pattern codification strategies in structured light system, Pattern
Recognition 37, pp. 827–849 (2004)
102. Sarfraz M, Raheem MA. Curve Designing Using a Rational Cubic Spline with Point and Interval
Shape Control, IEEE Conference on Digital Object Identifier, Information Visualization (2000)
103. Shumway-Cook A, Woollacott MH. Motor control. Translating research into clinical practice
(3rd ed.), Lippincott: Williams and Wilkins (2007)
104. Smith J. Adobe After Effects CS5 Digital Classroom, Wiley Publishing (2010)
105. Sulejmanipsic A, Popovic J. Adaptation of Performing Ballistic Motion, Transactions on
Graphics, Vol. 24, No. 1, pp.165-179 (2005)
75
106. Staal J, Abramoff MD, Niemeijer M, Viergever MA, Van Ginneken B. Ridge-based vessel
segmentation in color images of the retina, IEEE Transactions on Medical Imaging - TMI , vol. 23, no. 4,
pp. 501-509 (2004)
107. Stauber WT. Eccentric action of muscles: physiology, injury and adaptation, Exercise Sport
Science Rev 17: 157-185 (1989)
108. Stiller C, Konrad J. Estimating motion in image sequences - a tutorial on modeling and
computation on 2-D motion, IEEE Signal Processing Magazine, vol. 16, no. 4 (1999)
109. Stuart H, James J, John J, Nordby J. Forensic Science: An Introduction to Scientific and
Investigative Techniques, 3rd Ed. CRC Press, Boca Raton, Florida (2009)
110. Takeda H, Farsiu S, Milanfar P. Kernel regression for image processing and reconstruction, IEEE
Transactions on Image Processing, vol. 16, no. 2, pp. 349–366 (2007)
111. Tlalolini D, Aoustin Y, Chevallereau C. Design of a walking cyclic gait with single support
phases and impacts for the locomotor system of a thirteen-link 3D biped using the parametric
optimization, Multibody System Dynamics, Volume 23, Number 1, 33-56, DOI: 10.1007/s11044-009-
9175-1(2010)
112. Tofan MC. Cinematică finită, Litografia Univ. Transilvania Braşov (1996)
113. Tofan MC, Burcă I, Mihălcică M, Secară E, Hisom R, Popa I. Mathematical models for the
human body motions analysis, The 13th International Conference Modtech, Modern Technologies,
Quality and Innovation, New face of TMCR, Iasi-Chişinau, ISSN 2066-3919, pp. 671-674 (2009)
114. Tofan MC, Ulea M, Mihalcica M, Secară E, Modrea A, Purcărea R. A tracking problem of two
material points in a 2D circular space, The 3rd International Conference on ″Research & Innovation in
Engineering″ COMAT, Vol.3, Brasov, Romania, ISSN 1844-9336, pp. 364-367 (2010)
115. Tolani D, Goswami A, Badler NI. Real-time inverse kinematics techniques for anthropomorphic
limbs, Graphical Models, 62(5): 353–388 (2000)
116. Troje, NF. Decomposing biological motion: A framework for analysis and synthesis of human
gait patterns, Journal of Vision, 2:371-387, Full Text DOI 10.1167/2.5.2 (2002)
117. Vlase S, Mecanica. Cinematica, Universitatea Din Braşov (1993)
118. Vlase S, Deliu Gh. On the Finite Element Analysis of the Elastic Multibodies Systems, APM,
XXX Summer School Advanced Problems in Mechanics, St. Petersburg (2002)
119. Vlase S, Munteanu MV, Scutaru ML. On the Topological Description of the Multibody Systems,
19th DAAAM International Symposium, Intelligent Manufacturing & Automation, Trnava, Slovakia
(2008)
120. Vlase S, Purcarea R, Munteanu MV, Scutaru ML. On the Dynamic Analysis of an Elastic Multi-
Bodies System, 19th DAAAM International Symposium. Intelligent Manufacturing & Automation,
Trnava, Slovakia, p.1495 (2008)
121. Vlase S, Scutaru L, Stanciu(Patranescu) A. On the Topological Description of the Multibody
Systems, ECCOMAS, Milano, Italy, p.279 (2007)
122. Vlase S, Teodorescu H, Scutaru L. On the Form of the Motion Equations of the Multibody
Systems with Elastic Elements, WSEAS Transactions on Systems, Issue 1, Vol. 6, pg. 190 (2007)
123. Wagg DK, Nixon MS. Automated Markerless Extraction of Walking People Using Deformable
Contour Models, Computer Animation and Virtual World, Vol. 15, pp.399-406 (2004)
124. Wayman J, Jain AK, Maltoni D, Maio D. Biometric systems: technology, design and performance
evaluation, Springer (2005)
125. Welman C. Inverse kinematics and geometric constraints for articulated figure manipulation,
Master of Science Thesis, School of Computing Science, Simon Fraser University (1993)
76
126. Winward HE, Halligan PW, Wade DT. Somatosensory recovery: A longitudinal study of the first
6 months after unilateral stroke, Disability and Rehabilitation, 29(4), pp. 293–299 (2007)
127. Yamamoto M, Ohta Y, Yamagiwa T, Yagishita K. Human action tracking guided by key-frames,
The Fourth International Conference on Automatic Face and Gesture Recognition, Grenoble, France,
(2000)
128. Yang X. Curve Fitting and Fairing using Conic Spines, Computer Aided Design (2004)
129. Yoo JH, Nixon MS. Markerless Human Gait Analysis via Image Sequences, International
Society of Biomechanics XIXth Congress (2003)
130. Zhou F, De la Torre Frade F, Hodgins JC. Aligned Cluster Analysis for Temporal Segmentation
of Human Motion, IEEE Conference on Automatic Face and Gestures Recognition (2008)
131. Zill DDG, Wright WS, Cullen MR. Advanced Engineering Mathematics, 4th ed., Jones and
Bartlett Publishers, Sudbury, MA (2011)
132. Zordan VB, Van Der Horst NC. Mapping Optical Motion Capture Data to Skeleton Motion
Using a Physical Model, ACM SIGGRAPH/Eurographics Symposium on Computer Animation,
pp.245-250 (2003)
133. Zwierko T, Lesiakowski P, Florkiewick B. Selected aspects of motor coordination in young
basketball players, Human Movement Science 6: 124-128 (2005)
77
Scurt rezumat
Prin lucrarea „Contribuții la identificarea persoanelor prin analiza mișcării” autorul și-a
propus să dezvolte o soluție pentru identificarea persoanelor folosind elemente de mecanică și
matematică aparținând biomecanicii, mai specific analizei mișcărilor umane.
A fost analizat modul de lucru al sistemelor de identificare a persoanelor construit pe
studiul mișcării umane, iar pe baza acestuia autorul a propus o soluție proprie, stabilind atât
metodologia de lucru cât și componentele hardware și software ce vor intra in componența
sistemului. A fost definit un model matematic al mișcării piciorului și a fost realizată o analiză a
parametrilor mișcării. Acești parametri au fost studiați de-a lungul a trei experimente. În esență,
folosind înregistrări video, sunt extrase coordonatele mișcării articulațiilor principale ale
piciorului uman (gleznă, genunchi și șold), iar apoi pe baza acestor date experimentale sunt
calculați o serie parametri ai mișcării (propuși teoretic, în număr de 7), care determină caracterul
unic al mișcării umane. Folosindu-se de acești parametri, autorul realizează identificarea unui
subiect din cadrul unei baze de date, satisfăcând astfel cu succes obiectivele proiectului.
Autorul sugerează ca domeniu de aplicație al cercetărilor Criminalistica și recomandă
instalarea acestui gen de sistem pentru identificarea umană în locatii cu trafic redus sau mediu
(câteva zeci de persoane zilnic) și valori mari - exemple ar putea fi casele de schimb valutar,
casele de amanet, casele de pariuri.
Abstract
In the thesis „Contributions to the Identification of Individuals Using Motion Analysis”
the author aims to develop a solution for human identification using mechanical and
mathematical methods which are specific to human motion analysis.
The author analyzed the ways human identification systems built on the motion analysis
idea work, and based on that he proposed his own solution, establishing both the methodology
and the hardware and software components needed to build the system. A mathematical model
for the motion of the human leg was defined and then a series of motion parameters was studied.
These parameters were analyzed during three experiments. Basically, using video recorded
materials, the author extracts the motion coordinates from the main joints of the human leg
(ankle, knee and hip). The aim was to determine those motion parameters which offer the unique
nature of human motion; 7 parameters of this kind were chosen. Using those parameters, the
author is able to identify one individual from a database, successfully accomplishing the
objectives of the thesis.
The author suggests „Forensics” as being the best applicative domain for this research,
and recommends that the system he' s proposing to be implemented in locations with low-to-
medium traffic (in the order of tens of people per day). Exchange houses, betting agencies and
pawn shops might be good places to implement a system of this kind.
78
Curriculum Vitae
DATE PERSONALE ȘI DE CONTACT
Nume Mircea Mihălcică
Vârsta 34
Sex Masculin
Stare civila Necăsătorit
Adresa Str. Calea București nr. 102 bl 209 sc C ap 30 Brașov,
România, cod 500418
Tel. Fix 0368413815
Tel. Mobil 0734311885
E-mail [email protected]
EDUCAȚIE
Instituția Perioada Specializarea
Liceul de Informatică din Brașov 1991-1995
Universitatea Transilvania din Brașov 1995-2000 Facultatea de Mecanică
Secția Mecatronică
Universitatea Transilvania din Brașov 2000-2001
Facultatea de Mecanică
Master în „Dinamica structurilor
mecanice”
Universitatea Transilvania din Brașov 2008-2011 (în
derulare) Doctorat în Inginerie Mecanică
EXPERIENȚĂ DE LUCRU
Compania Perioada Funcția
Revista „CHIP Computer &
Communications”
Vogel Burda Communications România
(actual-mente 3D Media Communications
SRL)
2000 Redactor
2001-2008 Șef departament comunicații si
internet
2008 Project Manager www.chip.ro
PREMII ŞI REALIZĂRI ÎN ACTIVITATEA PROFESIONALĂ
Premiu obținut Anul Compania Comentarii
Jurnalistul IT al anului
2002 2002
Clubul Român de
Presă Cea mai prestigioasă recunoaștere pe
plan național din România în
domeniul jurnalismului
Nominalizare
Jurnalistul IT al anului
2002
2006 Clubul Român de
Presă
Autorul a publicat în revista „CHIP Computer & Communications” un număr de peste 300 articole
tehnice în perioada celor 8 ani de activitate în cadrul companiei.
Autorul a publicat 17 articole științifice în perioada activității doctorale (2008-2011)
LIMBI STRĂINE
Limba Nivel Limba Nivel Limba Nivel
Română Excelent Engleză Foarte
Bun Franceză Mediu
79
Curriculum Vitae
PERSONAL AND CONTACT DATA
Name Mircea Mihălcică
Age 34
Sex Male
Marital Status Not Married
Address Str. Calea București nr. 102 bl 209 sc C ap 30 Brașov, România, code
500418
Fixed Telephone 0368413815
Mobile Telephone 0734311885
E-mail address [email protected]
EDUCATION
Institution Period of time Specialisation
Informatics High School,
Brașov 1991-1995
Transilvania University Brașov 1995-2000 Faculty of Mechanical Engineering
Mechatronics
Transilvania University Brașov 2000-2001 Faculty of Mechanical Engieering
Master "Dynamics of Mechanical Structures"
Transilvania University Brașov 2008-2011 (in
progress) PhD in Mechanical Engineering
WORKING EXPERTISE
Company Period of time Job
„CHIP Computer &
Communications” Magazine
Vogel Burda Communications
România (now 3D Media
Communications SRL)
2000 Editor
2001-2008 Department Chief:
Communications & Internet
2008 Project Manager www.chip.ro
PRIZES AND RESULTS IN THE PROFFESIONAL ACTIVITY
Prize Year Awarding Company Comments
"IT Journalist of the year 2002" 2002 The Romanian Press Club The most important
national journalism prize
in Romania Nominee for
"IT Journalist of the year 2002" 2006 The Romanian Press Club
The author published over 300 technical articles and materials in „CHIP Computer & Communications”
magazine during his 8 years of activity in the field.
The author published 17 scientific articles during his PhD activity (2008-2011)
LANGUAGES
Language Level Language Level Language Level
Romanian Excelent English Very Good French Average