Yüz tanıma tekniğine dayalı yoklama sistemi geliştirilmesi
Development of an attendance registration system based on face recognition technique
- Tez No: 800081
- Danışmanlar: DOÇ. DR. HALİL İBRAHİM AKYÜZ
- Tez Türü: Doktora
- Konular: Mühendislik Bilimleri, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Kastamonu Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Malzeme Bilimi ve Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 138
Özet
Yüz tanıma, insan yüzlerini tanımak için yaygın olarak kullanılan biyometrik teknolojilerden biridir. Yüz tanıma sistemleri, yüzün biyolojik özelliklerinin değişmez olması ve yüz tanımanın kolay uygulanabilirliği gibi bir takım avantajlarının bir sonucu olarak daha popüler hale gelmiştir. Sonuç olarak, uzaktan eğitim, güvenlik ve sosyal medya dahil olmak üzere çeşitli uygulamalarda genellikle en etkili biyometrik teknoloji olarak kabul edilmektedir. Bununla birlikte, tamamen güvenli, doğru ve güvenilir yüz tanıma yapabilmenin önünde hala aşılması gereken bazı engeller bulunmaktadır. Uzaktan eğitimde, yüz öznitelik çıkarımı, katılımcıların konumlarını değiştirmelerini engellediği için görünüş geçerliliğini korumak için yararlıdır. Ancak, yüz tanımanın çeşitli alanlarında araştırma ve pratik uygulamalar arasında bir boşluk vardır. Ayrıca, uzaktan eğitime olan talep önemli ölçüde artmıştır. Bu artış, izolasyon ve sosyal mesafe gibi zorunlu koşulların getirdiği çeşitli engellerden kaynaklanmaktadır ve bu alanda yüz tanıma tekniklerinin kullanılması, öğrenme sürecini geliştirmek için faydalı olmaktadır. Bu tez, yüz tanıma sistemlerinde ortaya çıkan ışıklandırma değişimi, poz değişimi ve oklüzyon gibi önemli sorunları araştırmaktadır. Bu problemleri çözmek için birçok teknik ve algoritma önerilmiştir. Bu tez, yeni bir yüz tanıma tekniğine dayalı bir uzaktan eğitim yoklama modeli sunmaktadır. Bu doğrultuda yüz öznitelik çıkarımı yapabilen ve yüz tanımada karşılaşılan zorlukları çözebilen iki yeni teknik geliştirilmiştir. Çoklu tanımlayıcı adı verilen ilk yeni model, iyi bilinen yerel ikili örüntü yöntemine dayanmaktadır. Bu model merkez pikselin çok sayıda farklı komşusunu ele almaktadır. Modelin özgün avantajı, bu tanımlayıcının sadece bir nokta yerine farklı komşuluk boyutlarının kullanılmasına izin vermesidir. Bu yapı, makul bir etkinlik seviyesine erişmekte ve ayrıca farklı bir öznitelik dağılımı elde etme imkanı sağlamaktadır. Bu çalışmada önerilen tanımlayıcıya dayalı ikili öznitelik tanımlayıcı kullanan başka bir yüz tanıma modeli geliştirilmiş ve iki model arasındaki benzerlik ve farklılıkları araştırmak için yerel ikili örüntüler oluşturulmuştur. Her iki model için de kamera mesafesi, ifade, büyük kafa boyutu ve ışıklandırma değişikliği gibi yüz tanıma sorunlarının üstesinden gelmek için farklı yüz veri tabanlarında destek vektör makinesi yöntemi kullanılarak eğitim yapılmıştır. Ek olarak, derin öğrenmeyi kullanarak, yüz tanımayı geliştirmek için yeni ama oldukça verimli bir evrişimsel sinir ağı olan In-depth yöntemi sunulmaktadır. Bu yöntem, sıralı ve artık kimlik bloklarının bir kombinasyonuna dayanmaktadır. Bu yöntem kullanıldığında, daha derin bloklar kullanmanın etkililiği araştırılabilmektedir. Bu çalışmada yeni modelin, diğer son teknoloji yöntemlerle karşılaştırıldığında, yüz öznitelik çıkarımını yüksek doğruluk oranıyla gerçekleştirebildiği kanıtlanmıştır. Uzaktan eğitim yoklama sürecinde, eğitim verilerinin sınırlılığı, yüz tanıma ve doğrulama ile ilgili çeşitli zorluklarla karşılaşılmaktadır. Bu çalışmada uzaktan eğitim bağlamında yüz tanıma ve yoklama için yeni bir mimari sunulmaktadır. Bu modelin avantajlarından biri, önerilen model ve destek vektör makinesi kullanılarak çıkarılan öznitelik çıkarımı ve eğitim yapılmasıdır. Bu yöntem, tanıma ve yoklama hatalarını azaltmaktadır. Deneyler, modelimizin ve yoklama modelimizin neredeyse tüm yüzleri tanıyabildiğini ve bu yüzlere karşılık gelen etiketleri kaydedebildiğini göstermiştir. Bu yeni yüz tanıma ve yoklama modeli, uzaktan öğrenmeyi daha güvenli, doğru ve güvenilir hale getirerek öğretim etkinliğini artırarak uzaktan öğrenmenin yaygınlaşmasına katkıda bulunabilir.
Özet (Çeviri)
Face recognition is one of the biometric technologies commonly used to identify human faces. Face recognition systems have become more popular as a result of a number of benefits, including the fact that facial biological features are immutable and because they are simple to apply. As a result, it is often recognized as the most effective biometric technology in a variety of applications, including distance learning, security, and social networking. However, there is still a long way to go as there are obstacles that need to be overcome to create secure, accurate, and reliable face recognition. In distance learning, facial feature extraction is useful for maintaining face validity since it prevents participants' positions from changing. However, there is a gap between research and practical applications in various fields of face recognition. In addition, the demand for distance learning has increased drastically. This increase is due to various learning obstacles that arise from enforced conditions such as seclusion and social distancing, and the use of face recognition techniques in this area offers further advantages to enhance the learning process. This thesis explores significant problems that arise in face recognition systems, such as pose and illumination variations, and occlusion. To solve these problems, many techniques and algorithms have been proposed. This thesis presents a distance learning registration model based on a new face recognition technique. We have developed two new techniques capable of extracting facial features and addressing the challenges associated with face recognition. The first new model, called multi-descriptor, is based on the well-known method of local binary patterns. It involves many different neighbourhoods of the central pixel. Its unique advantage is that this descriptor allows the use of different neighborhood sizes instead of only one point. This structure ensures reasonable effectiveness and also provides the possibility to obtain a different distribution of features. A face recognition model using the pairwise feature descriptor based on the proposed descriptor was developed in this work, and local binary patterns were created to investigate the similarity and dissimilarity between the two models. For both models, the training was done using the support vector machine method on different face databases to overcome face recognition problems such as camera distance, expression, large head size, and illumination variations. In addition, using deep learning, we present a novel but highly efficient convolutional neural network for improving face recognition, namely In-depth. The technique is based on a combination of sequential and residual identity blocks. This allows us to evaluate the effectiveness of using deeper blocks. The new model has proven to be able to extract features from faces in a highly accurate manner compared to the other state-of-the-art methods. In the distance learning registration process, there are several challenges related to training data limitation, face recognition, and verification. We present a new architecture for face recognition and registration in the case of distance learning. One of the advantages of this model is the features extracted and trained using the proposed model and support vector machine. This immediately lowers the recognition and registration errors. The experiments have shown that our model and the registration model are able to recognize almost all the faces and register the corresponding labels. A new face recognition and registration model makes distance learning more secure, accurate, and reliable, enhancing teaching efficacy and boosting distance learning growth.
Benzer Tezler
- Smart attendance management system using face recognition
Yüz tanıma tabanlı akıllı yoklama yönetim sistemi
S M TANVIR HASSAN SHOVON
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik MühendisliğiSakarya Uygulamalı Bilimler ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BURAK ARICIOĞLU
- Yerel görünüm ve derin modeller kullanarak hibrit bir yüz tanıma yaklaşımı
A hybrid face recognition approach using local appearance and deep models
MERT ARI
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HAZIM KEMAL EKENEL
- Scale and pose invariant real-time face detection and tracking
Ölçekten ve pozdan bağımsız gerçek zamanlı yüz bulma ve izleme
MEHMET ŞERİF BAYHAN
Yüksek Lisans
İngilizce
2008
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MUHİTTİN GÖKMEN
- ORB özelliklerine dayalı yüz tanıma sistemi
Face recognition system based on ORB features
ABDULLAH MOHAMMED N NOORI
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MURAT SELEK
- Recognition and detection of facial features with masks using deep learning
Derin öğrenmeyle maskelerle yüz özelliklerinin tanıma ve tespiti
WEDYAN SAFAA MAHMOOD AL-NUAIMI
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiBilişim Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYCA KURNAZ TURKBEN