Ayırt edici ortak vektör kullanarak parmak boğum tabanlı sınıflandırma
Finger knuckle based classification using discriminative common vector
- Tez No: 416948
- Danışmanlar: PROF. DR. DERVİŞ KARABOĞA
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2016
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 43
Özet
Bu çalışma parmak boğum izi (PBİ) ile kişi tanımlama üzerine yapılmıştır. Tanıma metodu, endüstriel, askeri, güvenlik, adli durumlarda doğruluk en önemli konudur. Tanımlama yapabilmek için ayırt edici vektör (AOV) metodu kullanılarak benzersiz vektörler oluşturulmuştur. Bu vektörler AOV olarak isimlendirilir. Karşılaştırma yapma için öklid uzaklık yöntemi kullanılmıştır. Ayırt etme işlemi şu adımlardan oluşur; resimlerin çekilmesi, resimlerin işlenmesi ve vektörel işleme uygun hale getirilmesi, AOV'nin oluşturulması, karşılaştırmaların yapılarak, karar verilmesi. Bu çalışmada, linkinden edinilen genel kullanıma açık PBİ ve rastgele açılarla çekilmiş iki adet sayısal kamera ile oluşturulan kendi PBİ veri tabanından edinilen veriler kullanılmıştır. Deneylerde AOV temelli PBİ tanıma etkili sonuç vermiştir. Test ve daha önce kullanılmamış verilerinde %100 lük tanıma başarısı elde etmiştir.
Özet (Çeviri)
This working is dealing with identifying authentication via a finger knuckle print (FKP). In industrial, military, security or social applications in personal authentication systems, the most important thing is accuracy. Due to identification, the unique vectors are created by a discriminative common vectors (DCV) based method. They are called discriminative common vectors. For comparing strategy, the Euclidean distance was used. The following steps are defined to the recognition process: defining the image; pre-calculating; apply the discriminative common vectors; matching and lately, determine accuracy rate. For testing and evaluating the method, the experiments were done with the FKP databases, getting from this link [18] and an established non-uniform FKP database, which are randomly taken by two different digital cameras. These experiments showed that the DCV-based FKP recognition approach worked effectively. For training and unseen test data, the recognition accuracy was %100.
Benzer Tezler
- Face track retrieval and recognition across age
Yaşlar arası yüz iz çıkarımı ve tanıması
ESAM GHALEB
Yüksek Lisans
İngilizce
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HAZIM KEMAL EKENEL
- Prediction of COVID 19 disease using chest X-ray images based on deep learning
Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini
ISMAEL ABDULLAH MOHAMMED AL-RAWE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- Ses komutları ile robot kolu kontrolü
Robot arm control by using voice commands
OZAN FIRAT ÇIPLAK
Yüksek Lisans
Türkçe
2020
Mühendislik BilimleriKırşehir Ahi Evran Üniversitesiİleri Teknolojiler Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SERKAN KESER
- Ortak vektör yöntemiyle öznitelik çıkarımı
Feature extraction with common vector approach
HALİL GÜVENÇ
Yüksek Lisans
Türkçe
2009
Elektrik ve Elektronik MühendisliğiAnadolu ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ATAKAN DOĞAN
- Altuzay temelli yaklaşımlar kullanarak gerçek zamanlı yüz tanıma
Real time face recognition using subspace based approaches
HÜSEYİN GÜNDÜZ
Yüksek Lisans
Türkçe
2010
Elektrik ve Elektronik MühendisliğiEskişehir Osmangazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. RİFAT EDİZKAN