Yüz tanıma problemine karma yöntemlerin uygulanması
Application of hybrid techniques to face recognition problem
- Tez No: 232325
- Danışmanlar: PROF. DR. AHMET SERTBAŞ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2008
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 90
Özet
İnsan ayırt etme problemi uzun süredir üzerinde çalışılan ve öne sürülen yeni yöntemlerle hâlâ gelişmekte olan bir konudur. Günümüze kadar bu problemin çözümüne yönelik olarak biyolojik özelliklerin ayırt edici yönlerini inceleyen pek çok yöntem öne sürülmüştür. Bu yöntemler günümüzde ihtiyaçların çeşitliliğine göre gümrükler, havaalanları, bankacılık işlemleri, özel güvenlik önlemleri gerektiren kurumlara giriş gibi çeşitli uygulamalarda kullanılmaktadır. İnsan tanıma problemi, genel olarak iris tanıma, parmak izi tanıma, yüz tanıma, el veya yüz damarları ile tanıma şeklinde karşımıza çıkmaktadır. Bununla birlikte, yüz tanıma işlemi, diğer yöntemlere nazaran gereksinim duyduğu veri kümesinin daha kolay elde edebilmesi nedeniyle, iş yerine girişte personel tanıma ve suçluların güvenlik kameralarıyla teşhisi gibi konularda yaygınlıkla kullanılmaktadır.Yüz Tanıma işlemi temel olarak, eldeki giriş verisinden aranacak olan yüz resminin çıkarılması (Yüz Algılama), çıkarılan resmin ortamdan kaynaklanan ve tanımayı güçleştirecek dış etkilerden arındırılması, kalan veri kümesinden tanıma işlemi için bu yüze ait özgün özellik vektörlerinin çıkarılması (Özellik Çıkarma) ve bu özellik vektörlerinin mevcut diğer resimlere ait vektörlerle karşılaştırılması (Sınıflandırma) basamaklarından oluşmaktadır.Bu çalışmada literatürde iyi bilinen yüz tanıma yöntemlerinden PCA tabanlı Özyüzler Yöntemi, Özellik Çıkarma işleminde uygulanmıştır. Diğer temel basamak olan Sınıflandırma işleminde, 2 farklı sınıflandırıcı olarak Yapay Sinir Ağları (NN) ve Destek Vektör Makineleri (SVM) yöntemleri kullanılmış ve yüz tanıma işleminde karma yöntemlerin tanıma performansına etkileri araştırılmıştır. Karma yöntemlerle elde edilen sonuçlar, Özyüzler yöntemi ile bulunan sonuçlarla karşılaştırılmış ve PCA-SVM karma yönteminin, eğitim kümesindeki artan poz sayısıyla beraber Özyüzler yöntemine göre daha iyi tanıma oranları verdiği görülmüştür. Özyüzler yöntemi için özyüz uzayı boyutunun, 1. karma yöntem (PCA-NN) için yapay sinir ağının saklı katmanındaki nöron sayısı ve eğitim hatasındaki değişimin ve 2. karma yöntem (PCA-SVM) için de sınıflandırmada kullanılan Kernel Fonksiyonlarının tanıma performansına etkileri incelenmiştir.Tezde, yüz tanıma işlemi için geliştirilen uygulama programında sisteme verilen ham yüz resmi gri tona çevrilerek yüz algılama işlemi gerçeklenmiştir. Bu işlemlerden sonra çıkarılan yüz resmi üzerinde kullanıcı seçimine bağlı olarak sadece Özyüzlerle ya da diğer karma yöntemlerle (PCA-NN veya PCA-SVM) yüz tanıma işlemi uygulanmaktadır.Bu çalışmanın ilk bölümünde, biyometrik sistemler ve yüz tanıma hakkında genel bilgiler; ikinci bölümde, yüz tanıma konusunda literatürde genel kabul görmüş teknikler; üçüncü bölümde bu çalışmaya konu olan Özyüzler, Yapay Sinir Ağları ve Destek Vektör Makineleri yöntemleri; dördüncü bölümde, yüz tanıma işlemi için geliştirilen uygulama programı ile elde edilen sonuçlar; beşinci bölümde ise, varılan sonuçların yorumu ve ileriye yönelik çalışmalar konusunda bilgi verilmektedir.
Özet (Çeviri)
Human distinguishing problem is a long term study which is still developing with newly proposed methods. Till present day many methods that use distinguishing aspects of biological features are stated in order to solve this problem. Today some of these methods are used at customs, airports, banking operations and places that require security measures according to variety of their necessities. Generally, human recognition problem is processed with methods like iris recognition, fingerprint recognition, face recognition and hand/face vein recognition. By the way, in comparison to other stated methods face recognition method can gain necessary input data set easier, allowing it to be commonly used in subjects like personnel or criminal identification with security cameras.In general definiton face recognition process is a union of sub-processes. These sub-processes are; extraction of face image from raw input image which is going to be searched (Face Detection), removing the physical noise which hardens recognition from extracted image, calculation of face image?s deterministic features (Feature Extraction) and comparison of calculated features with deterministic features of existing face data set (Classification).In this study, Eigenfaces method which is based on PCA and one of well known face recognition methods in literature, is used in Feature Extraction. At following basic step, Classification, Neural Networks (NN) and Support Vector Machines (SVM) are used as 2 different classification methods and effects of using these hybrid techniques in face recognition process are examined. Results of hybrid techniques are compared with results of Eigenfaces method and due to increasing number of poses in training set better recognition rates with PCA-SVM hybrid technique are obtained against Eigenfaces technique. For Eigenfaces method difference in eigenspace dimension, for first hybrid technique (PCA-NN) difference in number of neurons in hidden layer and difference in training error and for second hybrid technique (PCA-SVM) difference of used Kernel Functions are studied with their effects on recognition performance.In prepared application software, the input raw face image is converted into grayscale format and processed in face detection step. After these steps, user can choose to use only Eigenfaces method or other hybrid techniques (PCA-NN or PCA-SVM) for face recognition.In first part of this study, general information about biometrical systems and face recognition are given. In second part commonly agreed methods in literature for face recognition, in third part information about this study?s main subjects Eigenfaces, Artificial Neural Networks and Support Vector Machines, in fourth part results that are obtained with application software, in fifth part comments on results and consideraton about future work are explained.
Benzer Tezler
- Kent planlamada sosyal sürdürülebilirliğin ölçülmesi ve değerlendirilmesi için bir model önerisi: Ankara Dikmen Vadisi örneği
A proposal model for measuring and assessing social sustainability in urban planning: Ankara Dikmen Valley case study
HİLAY ATALAY
Doktora
Türkçe
2023
Şehircilik ve Bölge Planlamaİstanbul Teknik ÜniversitesiŞehir ve Bölge Planlama Ana Bilim Dalı
PROF. DR. NURAN ZEREN GÜLERSOY
- Hipersezgisel yöntemlerle lojistik ağ tasarımı ve optimizasyon
Logistic network design and optimization using hyperheuristic methods
VURAL EROL
Doktora
Türkçe
2017
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. MURAT BASKAK
PROF. DR. GÜLGÜN KAYAKUTLU
- Score level multi cue fusion for sign language recognition
İşaret dili tanıma için sonuç seviyesinde çoklu ipucu kaynaşımı
ÇAĞRI GÖKÇE
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. LALE AKARUN ERSOY
- 1914 Çallı kuşağından günümüze portre resminde karakter çözümlemelerinin incelenmesi
Interpreting analyses of characters in the portrait painting art from the 1914 'Çallı' period to now
NİLÜFER USTA
Yüksek Lisans
Türkçe
2015
Güzel SanatlarBalıkesir ÜniversitesiResim Ana Sanat Dalı
DOÇ. DR. NURAY GÜMÜŞTEKİN
- Face detection in gray-level images by knowledge and template based methods
Bilgi ve şablon tabanlı yöntemlerle gri seviyeli imgelerde yüz sezimi
CEM GÜVENER
Yüksek Lisans
İngilizce
1999
Elektrik ve Elektronik MühendisliğiBoğaziçi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET BÜLENT SANKUR