Fingerprint recognition by using convoloutional neural network and support vector machine classification
Kullanarak parmak izi tanımaevrensel sinir ağı vedestek vektör makine sınıflandırması
- Tez No: 672542
- Danışmanlar: Assist. Prof. Dr. ABDULLAHI ABDU IBRAHIM
- Tez Türü: Yüksek Lisans
- Konular: Bilim ve Teknoloji, Science and Technology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilişim Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 54
Özet
Biyometri, bir bireyle ilişkili belirli fizyolojik özellikleri kullanarak geleneksel doğrulama yöntemlerinin sorunlarını çözmeye çalışır. Tüm biyometrik göstergeler arasında parmak izlerinin iyi düzeyde güvenilirliğe sahip olduğu gösterilmiştir. En yaygın olarak kullanılan yerel temsil, parmak izlerinin ayrıntılarına (minutiae) dayanmaktadır. Bir parmak izindeki ayrıntıların deseni, parmak izinin geçerli bir temsilini oluşturur. Otomatik tanıma için en çok kullanılan ayrıntılar dallar ve sonlardır. Bununla birlikte, parmak izi edinme teknikleri göz önüne alındığında, sonların ve çatalların deformasyonlara uğraması yaygındır, bu yüzden genellikle minutiae olarak adlandırılırlar. Bu nedenle, bu belgede bu özelliklere sadece küçük ayrıntılar olarak değineceğiz. Bu çalışmada, parmak izlerini içeren farklı veri tabanlarıyla eğitilmiş evrişimli sinir ağları CNN kullanılarak minutiae'nin tanınması için önerilen bir metodoloji kullanılarak elde edilen sonuçları açıklıyoruz, ardından parmak izlerinin yeni giriş görüntülerini çıkarılan özelliklere göre sınıflandırmak için destek vektör makinesi sınıflandırmasını kullanıyoruz. CNN tarafından ve veri setiyle eşleştirilen yöntemimiz, parmak izi tanıma için kullanılan önceki doğrusal yöntemlerden daha iyi doğruluğa ve daha düşük MSE'ye sahip olduğunu kanıtladı.
Özet (Çeviri)
Biometrics seeks to solve the problems of traditional verification methods by using certain physiological properties associated with an individual. Among all the biometric indicators, fingerprints have been shown to have good levels of reliability. The most widely used local representation is based on the details (minutiae) of the fingerprints. The pattern of the minutiae on a fingerprint forms a valid representation of the fingerprint. The minutiae that are most used for automatic recognition are branches and endings. However, given fingerprint acquisition techniques, it is common for endings and bifurcations to undergo deformations, which is why they are commonly referred to as minutiae. That is why in this document we will simply refer to these characteristics as minutiae. In this work we describe the results obtained using a methodology proposed for the recognition of minutiae using convolutional neural networks CNN, trained with different databases that contain fingerprints then we use the support vector machine classification to classify newly input images of fingerprints based on the features extracted by the CNN and matched with the dataset, our method proves to have better accuracy and lower MSE than the previous linear methods use for fingerprint recognition.
Benzer Tezler
- Algısal özet fonksiyonları tabanlı derin öğrenme yöntemleri kullanılarak imgelerin sınıflandırılması
Classification of images by using deep learning methods based on perceptual hash functions
FATİH ÖZYURT
Doktora
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
PROF. DR. ENGİN AVCI
- Çevrimiçi biyometrik imza tanıma
Online biometric signature recognition
MUHAMMET AKSAKAL
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BANU DİRİ
- Kütüphane ortamında yüz ve parmak izi tanıma sisteminin geliştirilmesi
Development of face and fingerprint recognition system in library environment
MOHAMMED RIDHA MOHAMMED AHMED ALSARRAR
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKastamonu ÜniversitesiMalzeme Bilimi ve Mühendisliği Ana Bilim Dalı
DOÇ. DR. YASEMİN GÜLTEPE
- Sensor-based activity recognition and authentication using deep learning
Derin öğrenme yöntemleri ile sensör tabanlı sistemlerde aktivite ve kimlik tanıma
NİLAY TÜFEK
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ZEHRA ÇATALTEPE
- Producing secure multimodal biometric descriptors using artificial neural networks
Başlık çevirisi yok
RAGHAD SAEED HASAN
Doktora
İngilizce
2021
Elektrik ve Elektronik MühendisliğiAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DOĞU ÇAĞDAŞ ATİLLA
DR. ÖĞR. ÜYESİ ÇAĞATAY AYDIN