Literatürde biyometrik tanımlama ile ilgili birçok yürüyüş temelli yöntem sunulmuştur. Yürüyüş tanıma yöntemleri genellikle görüntüleri ve sensör sinyallerini kullanır. Bu çalışmada, yeni bir yürüyüş tabanlı biyometrik tanıma yöntemi sunulmaktadır. Bu çalışmada yeni bir Multi Kernelled Bijection Octal Pattern (MK-BOP) sunulmaktadır. Önerilen MK-BOP'un temel amacı, bir sinyalden (yürüyüş sesi) ayırt edici ve kapsamlı özellikler çıkarmaktır. Önerilen MK-BOP kullanılarak yeni bir biyometrik tanıma yöntemi önerilmiştir. Yürüyüş sesleri toplanır ve iki yeni veri kümesi toplanır. İlk veri kümesi gürültülü ve heterojen bir veri kümesidir. İkinci veri seti açık ve homojen bir veri setidir. Bu veri kümelerinden deneklerin kimliğini doğrulamak için çok düzeyli bir yöntem sunulmaktadır. Symlet 6 (sym6) filtresi ile ses sinyaline tek boyutlu ayrık dalgacık dönüşümü (1D-DWT) uygulanarak seviyeleri hesaplanır. Önerilen MK-BOP, her seviye sinyalinden özellikler üretir ve üretilen özellikler birleştirilir. Bir hibrit özellik seçici (RFNCA) en ayırt edici özelliği seçer ve seçilen en ayırt edici özellikler sınıflandırıcılara iletilir. Net ve gürültülü veri kümeleri için sırasıyla 0.980 ve 0.949 başarı oranları elde edildi.
Çalışmanın detayları Applied Acoustics adlı dergide yayınlanmıştır. Çalışmaya aşağıdaki bağlantılardan ulaşılabilir.
