Geri Dön

Parmak izi ve avuç içi izi sınıflandırılmasında makine öğrenmesi ve derin öğrenme yöntemlerinin karşılaştırmalı performans analizi

Başlık çevirisi mevcut değil.

  1. Tez No: 823532
  2. Yazar: FATIKHA IMAMAGZAM
  3. Danışmanlar: DOÇ. DR. HALİL YİĞİT
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Kocaeli Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilişim Sistemleri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 74

Özet

Parmak ve avuç içi izi ölçümleri, adli ve güvenlik amaçlı olarak cinsiyeti belirlemek ve vücut tanımlama zorluklarını çözmek için kullanılabilen benzersiz biyometrik verilerdir. Bu nedenle, adli tıp biliminde parmak izlerinin veya avuç içi izlerinin kullanılması, mağdurların ve şüphelilerin belirlenmesinin yanı sıra ceza ve hukuk davalarının çözülmesi yolunda mihenk taşlarından biridir. Bu çalışma, parmak izi ve avuç izi kullanarak cinsiyet, yaş ve etnik köken gibi özellikleri sınıflandırmak için farklı makine öğrenmesi ve derin öğrenme yöntemlerinin uygulanabilirliğini belirlemeyi amaçlamaktadır. Bu çalışmada, KNN ve SVM gibi makine öğrenmesi teknikleri cinsiyet, yaş ve etnik köken sınıflandırmalarında farklı özellik çıkarım yöntemleri kullanılarak karşılaştırılmıştır. Ayrıca derin öğrenme yöntemlerinden AlexNet, ResNet-50 ve VGG-16 mimarileri kullanılarak performans değerlendirmesi yapılmıştır. Çalışmada parmak izinden daha fazla bilgi içerdiği ve bozulmaya karşı daha az hassas olduğu için avuç izi de kullanılmıştır. Elde edilen sonuçlar doğruluk, kesinlik, duyarlılık ve F1 skoru parametreleri ile değerlendirilmiştir. Uygulanan yöntemlerin yeteneklerini tahmin etmek için k-katlı çapraz doğrulama prosedürü uygulandı. Önerilen derin öğrenme yaklaşımlarından biri olan AlexNet yöntemi, cinsiyet sınıflandırmasında %83.90, yaş sınıflandırmasında ise %45.5 doğruluğa ulaşmıştır. Etnik köken sınıflandırmasında SVM yönteminde %82.41 doğruluk elde edilmiştir. Sunulan yöntemlerin cinsiyet, etnik köken ve yaş gibi bilgi sınıfını parmak izi ve avuç içi izinden ayırt ederek adli tıp gibi alanlardaki farklı süreçler için bilgi sağlayabileceği sonucuna varılmıştır.

Özet (Çeviri)

Finger and palm print measurements are unique biometric data that can be used for forensic and security purposes to determine gender and solve body identification challenges. Therefore, the use of fingerprints or palm prints in forensic science is one of the cornerstones in identifying victims and suspects, as well as resolving criminal and civil cases. This study aims to determine the applicability of different machine learning and deep learning methods to classify features such as gender, age and ethnicity using fingerprints and palm prints. In this study, machine learning techniques such as KNN and SVM were compared using different feature extraction methods in gender, age and ethnicity classifications. In addition, performance evaluation was made by using deep learning methods AlexNet, ResNet-50 and VGG-16 architectures. Palm print was also used in the study because it contains more information than fingerprints and is less sensitive to corruption. The results obtained were evaluated with the parameters of accuracy, precision, sensitivity and F1 score. The k-fold cross validation procedure was applied to estimate the capabilities of the applied methods. The AlexNet method, which is one of the suggested deep learning approaches, has reached 83.90% accuracy in gender classification and 45.5% in age classification. In ethnicity classification, 82.41% accuracy was obtained in the SVM method. It has been concluded that the presented methods can provide information for different processes in fields such as forensic medicine by distinguishing the information class such as gender, ethnicity and age from fingerprint and palm print.

Benzer Tezler

  1. Palm vein recognition by artificial neural network

    Başlık çevirisi yok

    SURA AHMED JABER JABER

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Bilişim Teknolojileri Ana Bilim Dalı

    PROF. DR. OSMAN NURİ UÇAN

  2. Using GLCM based on LBP/data mining tools for human identification through palm vein image

    LBP/veri madenciliğine dayalı GLCM kullanarak avuç içi damar görüntüsü ile kişi tanıma

    FIRAS SHIHAB AHMED

    Yüksek Lisans

    İngilizce

    İngilizce

    2016

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. BİROL TİLKİ

  3. Mobil telefon kamerasından alınan bilek ve avuç içi görüntüleri ile biyometrik kimliklendirme

    Biometric identification with wrist and palmprint images captured by mobile phone camera

    ÖZDEN NİYAZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    Elektrik ve Elektronik MühendisliğiYıldız Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. TÜLAY YILDIRIM

  4. Automatic palmprint recognition

    Otomatik avuç içi tanıma

    FATHIYA ALI EMHEMED EGREIRA

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Elektrik ve Elektronik Mühendisliğiİstanbul Aydın Üniversitesi

    Elektrik-Elektronik Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ NECİP GÖKHAN KASAPOĞLU

  5. Dokunmatik yüzeylerde kullanıcı tipinin analizi ve dokunma hassasiyetinin kullanıcı tipine göre belirlenmesi

    Analysis of user type on touchpads and determination of touch sensitivity by user type

    EGEMEN ENGİZEK

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Elektrik ve Elektronik MühendisliğiBursa Uludağ Üniversitesi

    Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. NEYİR ÖZCAN SEMERCİ