Data fusion- based multimodal face recognition techniques
Veri füzyonu tabanlı çok kipli yüz tanıma teknikleri
- Tez No: 428475
- Danışmanlar: YRD. DOÇ. TANER ÇEVİK
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2016
- Dil: İngilizce
- Üniversite: Fatih Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 67
Özet
Teknolojide ve modern iletişim tekniklerinde yaşanan hızlı gelişmeler sayesinde biyometrik (biyokimlik) teknolojisi de yaşamın tüm alanlarında azımsanmayacak kadar büyük bir ölçüde ilgi görmeye başladı. Tüm dünya çapında hem hükümetler hem de müşterek organlar, hem sermayeye hem de insan kaynaklarına son zamanlarda devasa yatırımlar yapmıştır. Biyometrik sistem, bireylerin fizyolojik ya da davranışsal karakterlerine dayanarak bireyin kimliğinin otomatik olarak tanınmasını konu alan bir örüntü tanıma dalıdır. Bir bireyin kendisine sunulan tek bir özelliğine ya da davranışına göre tanıma yapan tek kipli biyometrik sistemler, bu tür tek kipli biyometrik sistemlerin zayıflığından faydalanan dolandırıcıların ciddi saldırılarına maruz kalmıştır. Bu alandaki araştırmacılar tarafından önerilen çözümlerden bir tanesi, tanıma/kimlikleme sürecini güçlendirmek ve dolandırıcılar tarafından sunulan sahte özelliklerin kabul edilme olasılığını azaltmak için biyometrik sistemin farklı aşamalarında birden fazla özellik ya da davranış kullanılması gerektiğidir. Tek kipli sistemler göre çok kipli biyometrik sistemlerin performansları büyük ölçüde gelişim gösterse de, kimlik sahtekârlığı gibi güvenlik açıkları hala tümüyle ortadan kaldırılmış değildir. Okumakta olduğunuz bu tezde, çok kipli biyometrik teknikler için yeni bir yaklaşım öne sürülmektedir. Bu yeni öne sürülen yaklaşım, sistem algoritmasının skor düzeyinde veri tümleştirme tekniklerinden faydalanmaktadır. Bu yeni yöntemde, bireylerin yüzlerine ait görsellerden oluşan veri tabanından ilgili özellikleri seçip çıkarabilmek için üç farklı karakter belirleme algoritması seçilmiştir. Bu karakter belirleme algoritmaları (Temel Bileşen Analizi, Lokal İkili Düzen ve Kesikli Dalgacık Dönüşümü), farklı özellik çıkarıcılarından aynı bireye ait farklı skor değerlerini hesaplayabilmek için en yakın K bitişiği sınıflandırıcısı ile birlikte kullanılmaktadır. Bu ham skor değerleri, Manhattan cezai ağırlıklandırmaya dayalı bu yeni önerilen veri tümleştirme tekniği kullanılarak parçalara ayrılıp bir araya getirilmektedir. Yukarıda bahsi geçen bu üç özellik çıkarma algoritmalarından alınan kanıtların olası tüm kombinasyonları göz önüne alınır. Yine önerilen Manhattan mesafesi cezai ağırlıklandırma, bireyi düşük skorlar aldığı için cezalandırmakta ve ardından veri tümleştirme uygulanmadan önce bu bireyi olası kazanan sınıfından çıkarmaktadır. Önerilen bu yaklaşım, ORL yüz veri tabanı ve YALE yüz veri tabanı olmak üzere iki kamusal yüz tanımla veri tabanı üzerine kurulmuştur ve bu iki veri tabanı da araştırmacılar tarafından, mevcut algoritmalarla yeni algoritmaları karşılaştırabilmek ve yenilerini doğrulayabilmek için sıklıkla kullanılmaktadır. Öne sürülen bu yaklaşımın sonuçları, tanıma oranları ve biyometrik sınıflandırma sistemlerinin özelliklerini kullanan alıcı temelinde değerlendirilmiştir. Güvenilirlik açısından da pek çok deney yapılmış (her biri verileri rast gele olarak seçmiş, yönlendirmiş ve test etmiştir) ve alınan ortalama bir performans, sistem performansı olarak kabul edilmiştir. Deneysel sonuçlar da, önerilen çok kipli sistemin, farklı veri tümleştirme kurallarından (Toplam Kuralı veya Çarpım Kuralı gibi) faydalanan tek kipli sistemlere göre çok daha iyi ve başarılı bir performans gösterdiğini kanıtlamaktadır. ORL veri tabanında tek modlu sistem ile %91'lik bir oran elde edilirken bu çok kipli sistem ile tanıma oranı %97'ye kadar çıkabilmektedir.
Özet (Çeviri)
With the rapid development of technology and modern communications, biometric technology has equally witnessed a substantial amount of interests from all works of life. Huge investments, both in cash and human resources, have been made over the recent times by both governments and co-operate bodies all around the globe. A biometric system is a branch of pattern recognition which deals with automatic recognition of person's identity based on physiological or behavioral traits of individuals. Unimodal biometric systems, which depend on a single trait or one evidence about a person presented to it, have come over serious attacks in recent times by scammers who take advantage of weakness in the unimodal biometric system. One of the solutions being proffered by researchers in this field is the used of more than one trait or evidence at various stages of the biometric system to reinforce the identification/recognition process and reduce the probability of false accepted claims by imposters. Though the multimodal biometric systems have improved performance over the unimodal systems, the issues of breaches like identity faking are still not being eliminated. In this thesis, a new approach for multimodal biometric techniques has been proposed. The new proposed approach utilizes data fusion techniques at the score level of the system algorithm. In this new method, three different feature extraction algorithms have been chosen to extract features from the face image database of the individuals. These feature extraction algorithms (Principal Component Analysis, Local Binary Pattern, and Discrete wavelets transform) are used alongside K-nearest neighbor classifier to compute different score values for the same individual from various feature extractors. These raw score values are fused together using a newly proposed data fusion techniques based on Manhattan distance penalty weighting. All possible combinations of evidence from all the three feature extraction algorithms considered. The proposed Manhattan penalty weighting penalizes an individual for scoring low points and further pushes it away from the potentially winning class before data fusion is conducted. The proposed approach implemented on two public face recognition database; ORL face database and YALE face database, both of which are frequently used by researchers to validate and compare their new algorithm from the existing ones. The results of the proposed approach evaluated regarding the recognition rates and receiver operating characteristics of the biometric classification systems. For considering reliability, several experiments conducted (each time choosing, training and testing data randomly) and an average of the performance taken as the system performance. Experimental results have shown that the proposed multimodal system performs very well and better than the other multimodal systems that used different data fusion rules (e.g. Sum Rule or Product Rule). In ORL database, the recognition rate of up to 97% can be obtained as against 91% than can be achieved by the unimodal system.
Benzer Tezler
- Face and speech recognition on field programmable gate array
Sahada programlanabilir kapı dizilerinde yüz ve konuşma tanımlama
GÖKHAN ÇETİN
Yüksek Lisans
İngilizce
2010
Elektrik ve Elektronik MühendisliğiDokuz Eylül ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. NALAN ERDAŞ ÖZKURT
- Evrişimsel sinir ağları kullanılarak EKG ve yüz tabanlı biyometrik tanıma
ECG and face based biometric recognition using convolutional neural networks
AYÇA HANİLÇİ
Yüksek Lisans
Türkçe
2019
Elektrik ve Elektronik MühendisliğiBursa Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. HAKAN GÜRKAN
- Emotion aware artificial intelligence for cognitive systems
Bilişsel sistemler için duygu farkındalıklı yapay zeka
DEĞER AYATA
Doktora
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. YUSUF YASLAN
PROF. DR. MUSTAFA ERSEL KAMAŞAK
- Multimodal biometric verification and identification using face and hand
Yüz ve el kullanarak çoklu şekilde gerçekleme ve özdeşleştirme
ELİF SÜRER
Yüksek Lisans
İngilizce
2007
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. LALE AKARUN
- Video and image based face analysis with extreme learning machines
Uçta öğrenme makineleriyle video ve imge tabanlı yüz analizı
FURKAN GÜRPINAR
Yüksek Lisans
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiHesaplamalı Bilimler ve Mühendislik Ana Bilim Dalı
DOÇ. DR. ALBERT ALİ SALAH
YRD. DOÇ. DR. HEYSEM KAYA