Yüz tanıma sistemleri için derin öğrenme tabanlı 3 boyutlu yüz sahteciliği önleme sistemi geliştirilmesi
Development of deep learning-based 3D face fraud prevention system for face recognition systems
- Tez No: 743121
- Danışmanlar: DR. ÖĞR. ÜYESİ BETÜL AY
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Fırat Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 75
Özet
Biyometri, kişileri fiziksel veya davranışsal özelliklerine göre doğrulamak, tanımak ve tanımlamak için kullanılan süreçleri ifade etmektedir. Biyometrik tanımlayıcılar için veri alınabilecek fizyolojik özellikler parmak izleri, avuç içi damarları, avuç içi izleri, yüz, DNA, iris, retina ve el geometrisini içermektedir. En popüler biyometrik tanımlayıcı olan yüz tanıma sistemleri temel olarak, görüntülerdeki yüz bölgelerinin makine öğrenmesi algoritmaları kullanılarak tespit edilip daha önce sistemde kayıtlı kişiler ile eşleştirme yapılarak otomatik kimlik doğrulama sistemi olarak görev yapmaktadır. Yüz tanıma teknolojileri, iris ve parmak izi tanıma gibi diğer teknolojilere ve biyometrik tanımlayıcılara göre kullanışlı, temassız ve kolay uygulanabilir olmasından dolayı pek çok avantaj sağlamaktadır. Ne yazık ki, bir biyometrik veri çalındığında veya kopyalandığında, biyometrinin avantajları dezavantaja dönüşmektedir. Kayıtlı bir kullanıcının bir veya daha fazla fotoğrafının/videosunun internet üzerinden kolayca ve ucuza elde edilebildiği veya kullanıcının rızası veya fiziksel teması olmadan bile bir kamera kullanarak sadece yüzünün yakalandığı yüz tanıma sistemlerinde bu risk diğer biyometrik verilere göre çok daha yüksektir. Canlılık tespit algoritmaları ile destekli yüz tanıma sistemleri güvenlik sektöründe çok önemli ve kritik bir ihtiyaç olarak görülmektedir. Bu tez çalışmasının amacı, yüz tanıma sistemlerinin güvenirlilik ve doğruluk hassasiyetini en üst düzeye çıkaracak yapay zeka teknolojileri ve derin öğrenme algoritmaları ile yüz sahteciliği tespit algoritmaları geliştirilmesidir. Gerçekleştirilen uygulamaların sonuçları incelendiğinde %99,5 başarı performansı ile yüz tanıma sistemlerini aldatmaya yönelik saldırılardan etkilenmeyen stabil, yüksek performanslı ve yüksek doğruluklu bir model elde edilmiştir.
Özet (Çeviri)
Biometrics refers to the processes used to verify, recognize and identify people based on their physical or behavioral characteristics. Physiological features that can be obtained for biometric identifiers include fingerprints, palm veins, palm prints, face, DNA, iris, retina and hand geometry. Face recognition systems, which are the most popular biometric identifiers, basically serve as an automatic authentication system by detecting the facial regions in the images using machine learning algorithms and matching them with the people registered in the system before. Face recognition technologies provide many advantages over other technologies such as iris and fingerprint recognition and biometric identifiers as they are convenient, contactless and easy to apply. Unfortunately, the advantages of biometrics turn into disadvantages when a biometric data is stolen or copied. This risk is much higher than other biometric data in face recognition systems where one or more photos/videos of a registered user can be obtained easily and cheaply over the internet or only the face is captured using a camera even without the user's consent or physical contact. Face recognition systems supported by liveness detection algorithms are seen as a very important and critical need in the security sector. The aim of this thesis is to develop artificial intelligence technologies and deep learning algorithms and face fraud detection algorithms that will maximize the reliability and accuracy of face recognition systems. When the results of the applications are examined, a stable, high-performance and high-accuracy model, which is not affected by attacks to deceive face recognition systems, has been obtained with a success performance of 99.5%.
Benzer Tezler
- Deep learning based three dimensional face expression recognition using geometry images from three dimensional face models
Üç boyutlu yüz modellerinden elde edilen geometri görüntüleri kullanılan derin öğrenme tabanlı üç boyutlu yüz ifadelerini tanıma
NEŞE GÜNEŞ
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ULUĞ BAYAZIT
- Videodan derin öğrenme tabanlı duygu tanıma
Deep learning-based emotion recognition on video
ORHAN ATİLA
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiElektrik-Elektronik Mühendisliği Teknolojileri Ana Bilim Dalı
PROF. DR. ABDULKADİR ŞENGÜR
- Presentation attack detection with shuffled patch-wise binary supervision
Karıştırılmış yama tabanlı ikili gözetim ile sunum saldırı tespiti
ALPEREN KANTARCI
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HAZIM KEMAL EKENEL
- Deep convolutional neural network based unconstrained ear recognition
Derin evrişimsel sinir ağı tabanlı kısıtsız kulak tanıma
FEVZİYE İREM EYİOKUR
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HAZIM KEMAL EKENEL
- 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