Design of a new biometric system based on hand geometry images using deep learning methods
El geometrisi görüntüleri ile derin öğrenme yöntemlerini kullanarak yeni biyometrik sistem tasarımı
- Tez No: 812710
- Danışmanlar: DR. ÖĞR. ÜYESİ SEDA ŞAHİN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Çankırı Karatekin Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 73
Özet
Dorsal el damar paternleri her bireye özgüdür ve onları doğru kimlik tanıma için umut verici bir araç haline getirir. Bu tez çalışması insan kimliğinin biyometrik analizine odaklanmaktadır. Tecnocampus el görsel veri seti, dorsal el görüntülerinde özellik çıkarma yöntemlerini doğrulamak için kullanılır. Bu çalışmada, özellik çıkarımına farklı yaklaşımlar sunan üç Konvolüsyonel Sinir Ağı CNN mimarisi karşılaştırılır ve analiz edilir: ResNet-50, GoogleNet ve SqueezeNet. Her yöntemin performansı bu veri kümesine uygulanarak değerlendirilir. Analize dayalı olarak, ilgili mimarilerden en etkili özellikler seçilir. Önerilen yaklaşım ile değerlendirilen CNN mimarilerinin sağlamlığından ve Öklid mesafesinin gücünden yararlanarak, görüntü tanıma alanında dikkate değer sonuçlar elde edilir. Sırt görüntüleri arasındaki benzerliği ölçmek için özellik vektörlerini kullanır ve özellik vektörleri arasındaki benzerliği ölçmek için Öklid mesafesini kullanır. Bu, algoritmanın el damar modellerini yüksek doğrulukla doğru bir şekilde tanımlamasını ve eşleştirmesini sağlar. %97,32'lik bir genel doğruluk oranıyla bu araştırma, biyometrik tanımlama alanı için önemli çıkarımlara sahiptir ve bu alanda gelecekteki ilerlemeler için değerli bir temel oluşturabilir.
Özet (Çeviri)
Dorsal hand vein patterns are unique to each individual, making them a promising tool for accurate identity recognition. This thesis focuses on biometric analysis of human identification. The tecnocampus hand image dataset is used to validate feature extraction methods on dorsal hand images. The study compares and analyzes three Convolutional Neural Network CNN architectures: ResNet-50, GoogleNet, and SqueezeNet, which offer distinct approaches to feature extraction. It evaluates the performance of each method by applying them to a dataset. Based on the analysis, the most effective features are selected from the respective architectures. By leveraging the robustness of assessed CNN architectures and harnessing the power of Euclidean distance, the proposed approach achieves remarkable outcomes in the realm of image recognition. It uses feature vectors to measure similarity between dorsal images, and uses Euclidean distance to measure the similarity between feature vectors. This allows the algorithm to accurately identify and match hand vein patterns with high accuracy. With an overall accuracy of 97.32%, this research has significant implications for the field of biometric identification and could serve as a valuable foundation for future advancements in this area.
Benzer Tezler
- Smart card and biometric based general purpose access control system design
Akıllı kart ve biyometrik tabanlı genel amaçlı erişim kontrolü sistemi tasarımı
SERCAN AYGÜN
Yüksek Lisans
İngilizce
2015
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. ECE OLCAY GÜNEŞ
- Real-time hand biometric pattern recognition using advanced machine learning techniques
Gelişmiş makine öğrenimi tekniklerini kullanarak gerçek zamanlı el biyometrik örüntü tanıma
SAIF KADHIM JABBAR AL-SAEDI
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiBilgi Teknolojileri Ana Bilim Dalı
Assist. Prof. Dr. ABDULLAHI ABDU IBRAHIM
- Biometric cryptosystems: authentication, encryption and signaturefor biometric identities
Biyometrik şifreleme sistemleri: Biyometrik kimlik denetimi, şifrelemesi ve imzası
NEYYİRE DENİZ SARIER
Doktora
İngilizce
2011
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolRheinische Friedrich-Wilhelms-Universität BonnBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. JOACHIM VON ZUR GATHEN
PROF. DR. PREDA MIHAILESCU
- Biyometrik yüz tanımaya dayalı web üzerinden güvenli erişim sistemi tasarımı
Design of secure access system through web based on biometric face recognition
YASİN VURGUN
Yüksek Lisans
Türkçe
2017
Bilim ve TeknolojiSelçuk ÜniversitesiBilişim Teknolojileri Ana Bilim Dalı
YRD. DOÇ. DR. HASAN ERDİNÇ KOÇER
- Voice recognition system with score level fusion methods and embedded system design
Skor seviyesi füzyon metotları ile ses tanıma sistemi ve gömülü sistem tasarımı
CİHAN AKIN
Yüksek Lisans
İngilizce
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. MÜRVET KIRCI