Yüz tanıma ile otomatik yoklama sistemi
Automated attendance system using face recognition
- Tez No: 1019239
- Danışmanlar: DR. ÖĞR. ÜYESİ CENGİZ GÜNGÖR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Yüz tanıma, Face recognition
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Tokat Gaziosmanpaşa Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Eğitim kurumlarında yoklama alma süreci, öğrencilerin derse katılım durumlarının takibi açısından önemli bir yere sahiptir. Ancak geleneksel yoklama yöntemleri zaman alıcı, insan hatasına açık ve suistimale müsait yapıları nedeniyle çeşitli problemlere yol açmaktadır. Bu tez çalışmasında, söz konusu problemlerin çözümüne yönelik olarak derin öğrenme tabanlı yüz tanıma teknolojileri kullanılarak otomatik yoklama alabilen bir sistem geliştirilmiştir. Geliştirilen sistemde, tek model yaklaşımı yerine çoklu model (ensemble) mimarisi benimsenmiş ve dlib, Keras tabanlı FaceNet ve InsightFace yüz tanıma modelleri birlikte kullanılmıştır. Bu modeller aracılığıyla elde edilen yüz temsilleri (embedding), benzerlik tabanlı karşılaştırma yöntemleri ile analiz edilmiş ve her modelin çıktısı güven skoru (confidence) ile birlikte değerlendirilmiştir. Sistem içerisinde model ağırlıklandırma, consensus (uzlaşma) mekanizması, minimum güven eşiği ve fallback (geri dönüş) stratejileri gibi gelişmiş karar mekanizmaları uygulanarak daha güvenilir bir tanıma süreci elde edilmiştir. Çalışma kapsamında oluşturulan veri kümesi, farklı bireylere ait çeşitli yüz açıları, aydınlatma koşulları ve yüz ifadelerini içeren görüntülerden oluşmaktadır. Sistem performansı, üç aşamalı deneysel yapı ile değerlendirilmiş olup; temel model yaklaşımı, iyileştirilmiş karar mekanizması ve nihai ensemble (çoklu model tabanlı) sistem karşılaştırmalı olarak analiz edilmiştir. Gerçekleştirilen nihai deneyler sonucunda sistemin doğruluk (accuracy) değeri %81.8, kesinlik (precision) değeri %84.4, duyarlılık (recall) değeri %96.4 ve F1-skoru %90.0 olarak elde edilmiştir. Elde edilen yüksek recall değeri, sistemin yüzleri doğru şekilde tespit etme ve kaçırmama konusunda oldukça başarılı olduğunu göstermektedir. Bununla birlikte, bazı yanlış eşleşmelerin özellikle Keras-FaceNet modelinin yüksek güven skoru ile hatalı tahmin üretmesinden kaynaklandığı gözlemlenmiştir. Sonuç olarak, bu tez çalışması yüz tanıma tabanlı otomatik yoklama sistemlerinde çoklu model kullanımının, tek model yaklaşımlarına kıyasla daha güvenilir ve dengeli sonuçlar üretebildiğini ortaya koymaktadır. Geliştirilen sistem, eğitim ortamlarında uygulanabilir, ölçeklenebilir ve pratik bir çözüm sunmakta olup, gelecekte yapılacak geliştirmeler ile daha yüksek doğruluk ve güvenilirlik seviyelerine ulaşma potansiyeline sahiptir.
Özet (Çeviri)
The attendance-taking process in educational institutions holds a significant place in monitoring students' participation in courses. However, traditional attendance methods lead to various problems due to their time-consuming nature, susceptibility to human error, and vulnerability to abuse. In this thesis study, an automated attendance system based on deep learning face recognition technologies has been developed to address these problems. The developed system adopts a multi-model (ensemble) architecture instead of a single-model approach, utilizing dlib, Keras-based FaceNet, and InsightFace face recognition models together. The face embeddings obtained through these models were analyzed using similarity-based comparison methods, and the output of each model was evaluated together with confidence scores. Advanced decision mechanisms such as model weighting, consensus mechanism, minimum confidence threshold, and fallback strategies were implemented within the system to achieve a more reliable recognition process. The dataset created within the scope of this study consists of images containing various facial angles, lighting conditions, and facial expressions of different individuals. System performance was evaluated through a three-stage experimental setup, comparing the baseline model approach, improved decision mechanism, and final ensemble system. As a result of the final experiments, the system achieved an accuracy of 81.8%, precision of 84.4%, recall of 96.4%, and an F1-score of 90.0%. The high recall value indicates that the system is highly successful in correctly detecting faces and avoiding false negatives. However, it was observed that some false matches occurred particularly due to the Keras-FaceNet model producing incorrect predictions with high confidence scores. In conclusion, this thesis demonstrates that the use of multiple models in face recognition-based automated attendance systems can produce more reliable and balanced results compared to single-model approaches. The developed system offers an applicable, scalable, and practical solution for educational environments and has the potential to achieve higher levels of accuracy and reliability through future improvements.
Benzer Tezler
- Yüz bulma ve tanıma tabanlı otomatik sınıf yoklama yönetim sistemi
Face detection and recognition based automatic classroom attendance management system
MUHAMMED TANRIVERDİ
Yüksek Lisans
Türkçe
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. REFİK SAMET
- Smart attendance management system using face recognition
Yüz tanıma tabanlı akıllı yoklama yönetim sistemi
S M TANVIR HASSAN SHOVON
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik MühendisliğiSakarya Uygulamalı Bilimler ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BURAK ARICIOĞLU
- Bluetooth based mobile automatic class attendance management system
Bluetooth tabanlı mobil otomatik sınıf yoklama yönetim sistemi
MEHTAP YÜCEİLYAS
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. REFİK SAMET
- Text and image recognition based in artificial intelligence
Yapay zeka dayalı metin ve görüntü tanıma
DALYA TAREQ KHUDHAIR MAGSOOSI
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiBilişim Teknolojileri Ana Bilim Dalı
YRD. DOÇ. DR. MESUT ÇEVIK
- Derin öğrenme yöntemleri ile görüntü üzerinden yoklama sistemi tasarımı
Attendance system design from image with deep learning methods
ULAŞ ARLI
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTekirdağ Namık Kemal ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ERCAN BULUŞ