Görüntü işleme ve bilgisayarlı görü teknolojileriyle eşgal tespit ve tanıma sistemi algoritmaları geliştirilmesi
Development of detection and recognition system algorithms with image processing and computerized vision technologies
- Tez No: 751250
- Danışmanlar: PROF. DR. HASAN ŞAKİR BİLGE
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 83
Özet
Yüz tanıma ve özellikle maskeli yüz tanıma, günümüzde güvenlik açığını önlemek için sıkça kullanılmaktadır. Okullarda, hastanelerde, alışveriş merkezlerinde, askeri alanlarda ya da herhangi kontrollü alanlarda personel takibi ve suçlu insanların tespitinde son derece kullanışlı bir sistemdir. Görüntü işleme ve bilgisayarlı görü teknolojilerinin gelişmesi ile nesne ve yüz tanıma yapmak için çeşitli yöntemler türetilmiştir. Bu çalışmada, daha başarılı sonuç veren, gri görüntü tabanlı çalıştığı için daha hızlı bir metot olan LBPH (Local Binary Patterns Histogram) metodu kullanılmıştır. LBPH metodu ile önce maskesiz yüz tanıma yapılmıştır ve maskeli yüzler içinde kullanılabilir olduğu yapılan testler sonucu görülmüştür. Çalışmada, maskesiz yüz tanıma, maskeli yüz tanıma, yüz işaretlerini kullanabilme, yapay maskeli yüz oluşturma ve maskeli yüz tespit algoritmaları oluşturulmuştur. Tüm bu parça algoritmalar üzerinde yüzün hangi açıya kadar tespit edilip tanındığı incelenmiştir. Ortam parlaklığından etkilenip etkilenmediği, yüz tespit parametrelerinin tanımadaki etkisi incelenmiştir. Bu incelemelerden sonra veri kümesinin değiştirilmesine karar verilmiştir. Yüzü daha geniş açılardan tespit edebilen Mediapipe veri kümesi ile ilerlenmiştir. Bu noktada eğitim veri kümesinin sayısı ve çeşitliliğin yüz tespitine ve tanımaya etkisi gibi çeşitli analizler yapılmıştır. Çalışmanın sonunda oluşturulan bu alt algoritmalar birleştirilmiştir. Yapılan analizler dikkate alınarak mevcut veri kümesine göre en optimal yüz tanıma sistemi oluşturulmuştur. Sistem canlı bir görüntüyü kameradan alır ve maskeli olup olmadığına karar verir; maskeli ise tüm yüzün üstten 0,4'lük kısmını alır ve daha önce oluşturulmuş LBP histogramları ile karşılaştırır. Bulunan yüzün ismi ya da numarası ekrana yansıtılır. Maskesiz ise tüm adımlar yarım yüz yerine tam yüz ile yapılır. Bu şekilde çalışan birleştirilmiş son sistemin maskesiz yüzleri tanıma başarısı %99,33 ve maskeli yüzleri tanıma başarısı %95,78'dir.
Özet (Çeviri)
Face recognition, and especially masked face recognition, is frequently used today to prevent security vulnerability. It is an extremely useful system for personnel tracking or detecting criminals in schools, hospitals, shopping malls, military areas or any controlled areas. With the development of image processing and computer vision technologies, various methods have been derived to make object and face recognition. In this study, the LBPH (Local Binary Patterns Histogram) method, which gives more successful results and which is faster because it works based on gray images, was used. Unmasked face recognition was first performed with the LBPH method and it was seen as a result of the tests that it can be used in masked faces. In the study, unmasked face recognition, masked face recognition, using face signs, artificial masked face creation and masked face detection algorithms were created. On all these algorithms, the angle at which the face is detected and recognized has been examined. Whether it is affected by the ambient brightness or not and the effect of face detection parameters on recognition has been examined. After these examinations, it was decided to change the dataset. Progressed with the Mediapipe dataset, which can detect the face from wider angles. At this point, various analyzes such as the effect of the number and diversity of the training dataset on face detection and recognition were made. At the end of the study, these sub-algorithms were combined. Considering the analyzes made, the most optimal face recognition system was created according to the existing dataset. The system takes a live image from the camera and decides whether it is masked or not, if it is masked, it takes 40% of the entire face from the top and compares it with the previously created LBP histograms. The name or number of the found face is reflected on the screen. Without a mask, all steps are done with a full face instead of a half face. The combined final system working in this way has a 99.33% success in recognizing unmasked faces and a 95.78% success in recognizing masked faces.
Benzer Tezler
- Riskli alanlar için LPG takılı araçların bilgisayarlı görü teknikleriyle tespit edilmesi
Detection of LPG fitted vehicles for risky areas with computer vision techniques
ÖZNUR SUÇEKEN
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSüleyman Demirel ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÜL FATMA TÜRKER
- Görüntü işleme ve evrişimsel sinir ağları yöntemleriyle bitki tespiti için bilgisayarlı görü sistemi geliştirilmesi
Development of a computer vision system for plant detection using image processing and convolutional neural networks
RECAİ ÖZCAN
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. KEMAL TÜTÜNCÜ
- Derin öğrenme tabanlı ses ve görüntü işleme teknolojilerine sahip otonom insansız hava aracı
Autonomous unmanned aerial vehicle with deep learning-based audio and visual processing technologies
ERTUĞRUL KIRAÇ
Doktora
Türkçe
2024
Savunma ve Savunma Teknolojileriİstanbul Gedik ÜniversitesiSavunma Teknolojileri Ana Bilim Dalı
PROF. DR. SUNULLAH ÖZBEK
- Derin öğrenme algoritması kullanan bir mobil abartılmış gerçeklik oyunu
A mobile exaggerated reality game using deep learning algorithm
UMUT BOZ
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Okan ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BEKİR TEVFİK AKGÜN
- Comparative analysis of deep learning components on compressed domain action recogniton framework
Derin öğrenme bileşenlerinin sıkıştırılmış domen aktivite tanıma sistemi üzerinde karşılaştırmalı analizi
HÜSEYİN ONUR YAĞAR
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. BEHÇET UĞUR TÖREYİN