Geri Dön

Konvolüsyonel sinir ağları derin öğrenme tekniği ile yüz görüntülerinin sınıflandırılması

Classification of facial images using convolutional neural network deep learning technique

  1. Tez No: 671376
  2. Yazar: MELEK TURSUN
  3. Danışmanlar: DR. ÖĞR. ÜYESİ ÖMER ÇETİN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2021
  8. Dil: Türkçe
  9. Üniversite: Milli Savunma Üniversitesi
  10. Enstitü: Hezarfen Havacılık ve Uzay Teknolojileri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Siber Güvenlik Bilim Dalı
  13. Sayfa Sayısı: 58

Özet

Havalimanı, adliye, spor salonu gibi kamusal alanlarda yer alan güvenlik kamera sistemleri ya aranan şahısların bulunması ya da bir operatör tarafından gözlemlenerek şüpheli davranışların tespiti için kullanılmaktadır. Bu tip alanlar içerisinde yer alan koridor gibi bölgelerde sıradan bir kişinin kısa bir süre içinde mükerrer geçişleri şüpheli bir davranış olarak tanımlanabilmektedir. Fakat çok sayıda kameranın tek bir operatör çalışanı tarafından takip edilmesi özellikle kalabalık alanlar içinde bu tip bir şüpheli davranışın tespitini zorlaştırmaktadır. Bu nedenle karar destek sistemlerine ihtiyaç duyulmaktadır. Görüntüler üzerinde kişilerin belirlenmesi, bu kişilerin bir geçici kimlik kazandırılarak bir veri tabanı üzerinde geçişlerinin tutulması gerçekleştirilir ise şüpheli davranışın bir karar destek sistemi tarafından operatöre rapor edilmesi sağlanabileceği düşünülmekedir. Bu nedenle bu tez kapsamında halihazırda görüntü sağlayan gerçek zamanlı güvenlik kamera görüntüleri üzerinde MTCNN tabanlı yüz tespiti ve elde edilen şahıs imgeleri üzerinde ResNet ile eğitilmiş bir derin öğrenme algoritması ile gerçekleştirilmiş yüz noktalarından oluşturulmuş kimlik verme yöntemi bir arada kullanılmaktadır. Elde edilen geçici kimlik bilgileri yorumlanarak şüpheli davranışların tespit edilebileceği ortaya konulmuştur. Uygulamanın başarısı deneysel olarak sınanarak ve elde edilen sonuçlardaki başarım ve hata nedenleri incelenmektedir.

Özet (Çeviri)

Security camera systems especially in public areas such as airports, courthouses or sports facilities etc. are used to find fugitive persons or detect suspicious behaviors manually under the monitoring of an operator. In hallway-like sections in public facilities, repeated appearances of an unknown ordinary person in a short span of time can be defined as suspicious behavior. However, the fact that multiple cameras are monitored by a single operator makes it harder to detect suspicious behaviors especially in crowded fields. Therefore, support decision systems are required to support operator. If individuals are detected on images automatically and their appearances on the camera are recorded on a database by giving them a temporary identity, suspicious behaviors can be reported to an operator as a support decision system. For this reason, two different methods are used together as a hybrid solution in the study; a MTCNN based facial detection is used on the real time security camera images that currently provide face images, and an identification method, created with facial landmarks produced with a deep learning algorithm that was trained with res-net, was used on the obtained person's face images. It has been presented that suspicious behaviors can be detected by interpreting the temporary identity information that was obtained. The success of the application is experimentally tested, and the causes of success and failures in the results are discussed.

Benzer Tezler

  1. Deepfake image/video detection and classifications using deep learning techniques

    Derin öğrenme teknikleri kullanılarak deepfake görüntü/video tespiti ve sınıflandırmaları

    DEO RUTIKANGA

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTürk Hava Kurumu Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. ZEYNEL DEPREM

  2. 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

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ADEM TEKEREK

  3. Cloud coverage prediction with deep learning methods

    Derin öğrenme ile bulutluluk tahmini

    BOLE WILFRIED TIENIN

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇukurova Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ BUSE MELİS ÖZYILDIRIM

  4. Developing a novel artificial intelligence based method for diagnosing chronic obstructive pulmonary disease

    Kronik obstrüktif akciğer hastalığı teşhisi için yapay zeka tabanlı yeni bir yöntem geliştirilmesi

    İNANÇ MORAN

    Doktora

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. DENİZ TURGAY ALTILAR

  5. Superpixel assisted deep neural network for breast tumor segmentation in ultrasound images

    Süperpiksel destekli derin sinir ağı ile meme ultrason görüntülerinde tümör segmentasyonu

    NEFİSE UYSAL

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. ENDER METE EKŞİOĞLU

    ÖĞR. GÖR. MURAT GEZER