Human identification verification from biometric dorsal hand vein images based on deep learning generative adversarial networks
Derin öğrenme üretken karşılık ağlarına dayalı biyometrik dorsal el damar görüntülerinden insan tanımlama doğrulaması
- Tez No: 714908
- Danışmanlar: PROF. DR. REMZİ YILDIRIM
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Kimlik doğrulama, biyometri, tespit sistemi, el üstü damarları, derin öğrenme, üretken çekişmeli ağ, Identification, biometrics, detection system, dorsal hand veins, deep learning, generative adversarial network
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Ankara Yıldırım Beyazıt Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 151
Özet
Bu araştırmanın amacı, bireysel kimlik tanımak için biometrik el üstü damar tekniği kullanılmıştır. Bu çalışmada,“dorsal venous network”damarı kullanılarak kimlik doğrulama yapılmıştır. Bunun için de derin öğrenme (deep learning) ve üretken çekişmeli ağ (GAN) birleştirilerek yeni bir metot DL-GAN geliştirilmiştir. DL-GAN kimlik doğrulama yöntemi ile kimlik doğrulama oranı artırılmıştır. İnsanların kimliklerini tanımlamak için el üstü damar bilgileri de dahil olmak üzere pek çok biyometrik yöntem kullanılır. Kızılötesi kamera gibi çeşitli teknolojik yöntemlerle tespit edilebilen el üstü deri altı sığ damarın, el deri dokusuna nasıl yerleştirildiğine dair bilgiler, kişilerin kimliklerini tanımlamanın yeni bir yöntemdir. El üstündeki damar yerleşimleri kişilere özgü olup ve bireyleri tanımlamak için kullanılan iyi ve yeni bir seçenektir. El üstü ve bileğe yakın olan damar sistemi, elin üstündeki deri altı atar damar, toplar damar ve damar ağ sistemi (metecarpal, venous network, basilic) kimlik doğrulamak için kullanılır. Biyometrik el üstü damar görüntüsünü tanımak için MATLAB 2020a programlama dili için uygun yazılım kodlaması yapılmıştır. Geliştirilen DL-GAN yöntemi, Jilin University– el üstü veri tabanı ve 11K el üstü veri tabanı olmak üzere iki ayrı veri tabanı üzerinde test edilmiştir. El üstü damar veri seti üzerinde yapılan deneylerin sonuçları ise, DL-GAN yönteminin %98,36 doğruluğa ulaştığını ve %2,47 hata oranına ve %0,19 standart doğruluğa sahiptir. İkinci veri setindeki deney sonuçları ise, doğruluğu %96,43 eşit hata oranı %3,55 ve standart doğruluk %0,21'dir. Geliştirilmiş DL-GAN yöntemi, aynı veri tabanları ile karşılaştırıldığında LBP, LPQ, GABOR, FGM, BGM ve SIFT gibi biyofiziksel yöntemlerden daha iyi sonuçlar elde edilmiştir.
Özet (Çeviri)
For the purpose of this research, biometric hand vein technique was used to recognize individual identity. In this study, authentication was done using the hand“dorsal venous network”vein. For this, a new method DL-GAN has been developed by combining deep learning and productive adversarial network (GAN). With the DL-GAN authentication method, the authentication rate has been increased. Many biometric methods, including vein information on the hand, are used to identify people. Information on how the superficial subcutaneous shallow vein, which can be detected by various technological methods such as infrared camera, is placed in the skin tissue is a new method of identifying people. Vein locations on the hand are idiosyncratic and are a good new option for identifying individuals. The vascular system on the upper hand and near the wrist, the subcutaneous artery on the upper hand, the veins and the vascular network (metecarpal, venous network, basilic) are used to authenticate. In order to recognize the biometric hand vein image, appropriate software coding has been made for the MATLAB 2020a programming language. The developed DL-GAN method has been tested on two separate databases, Jilin University – hand held database and 11K hand held database. The results of the experiments performed on the hand-held vein data set, on the other hand, show that the DL-GAN method has reached 98.36% accuracy and has an error rate of 2.47% and a standard accuracy of 0.19%. The experimental results in the second data set, on the other hand, have an accuracy of 96.43%, an equal error rate of 3.55% and a standard accuracy of 0.21%. The improved DL-GAN method obtained better results from biophysical methods such as LBP, LPQ, GABOR, FGM, BGM and SIFT compared to the same databases.
Benzer Tezler
- Siluetlerden üretilen yürüyüş biyometrisine dayalı kimliklendirme
Human identification based on gait patterns extracted from silhouettes
EYÜP GEDİKLİ
Doktora
Türkçe
2010
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKaradeniz Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MURAT EKİNCİ
- Dokunma dinamiği ile mobil kullanıcılar için kimlik doğrulama
Mobile user authentication using touch dynamics
RIDVAN ÖZGÜVENİR
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. MUHAMMED OĞUZHAN KÜLEKCİ
- Yüz veritabanı uygulaması yapılandırması ve yüz özniteliklerinde öğrenme yöntemlerinin veritabanına uygulanması
Face database application implementation and applying learning methods on face features to database
GİZEM İREM KOZAN
Yüksek Lisans
Türkçe
2014
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. TAYFUN AKGÜL
- Face recognition and person re-identification for person recognition
Kişi tanıma için yüz tanıma ve kişinin yeniden tanınması
EMRAH BAŞARAN
Doktora
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA ERSEL KAMAŞAK
PROF. DR. MUHİTTİN GÖKMEN
- Adli bilimlerde geometrik morfometik yöntemlerin uygulamaları
Applications of geometric morphometric methods in forensic sciences
ÖZGÜL YAHYAOĞLU
Yüksek Lisans
Türkçe
2015
BiyolojiHacettepe ÜniversitesiBiyoloji Ana Bilim Dalı
PROF. DR. AHMET MURAT AYTEKİN
DOÇ. DR. GÜLDEM ALEV ÖZKÖK