Cloud based veins recognition and authentication using CNN
CNN kullanarak bulut tabanlı damar tanıma ve doğrulama
- Tez No: 830602
- 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: Elektronik Bilgisayar Eğitimi Bilim Dalı
- Sayfa Sayısı: 91
Özet
Günümüz dijital manzarasında, birçok sistem, hizmetlerine erişen bireylerin kimliğini doğrulamak için güvenilir bir tanıma yöntemine ihtiyaç duymaktadır. Teknoloji evrimleştikçe, sağlam ve güvenli biyometrik tanımlama için artan bir talep bulunmaktadır. İnsanlar ile bilgisayarlar arasındaki arayüzdeki ilerlemelerle, yeni biyometrik modlar ortaya çıkmış ve ilgi görmüştür. Bu araştırma teknikleri arasında, parmak damarı özellikle dikkat çekici bir araştırma alanı olarak öne çıkmıştır. Bu artan ilginin altında yatan temel sebep, insan parmak damarının benzersiz özelliği, karmaşık yapısı ve bu bilginin taklit edilmesinin veya çalınmasının zorluğudur. Bu tez, bireysel tanımlama için önerilen parmak damarına dayalı bir tanıma sistemini derinlemesine incelemektedir. Parmak damarı, öncelikle özgünlüğü nedeniyle öne çıkar. Her bireyin parmak damar deseni karmaşık ve farklıdır, neredeyse bir parmak izinin benzersizliğine benzer bir şekilde, ancak vücudun içinde gizlidir, bu da kötü niyetli amaçlar için zorlayıcı bir hedef haline getirir. Yüz yapıları, parmak izleri veya iris desenleri gibi dış özelliklerin aksine, potansiyel olarak kopyalanabilir, taklit edilebilir veya çalınabilirken, parmak damarı parmak içinde korunmaktadır, bu da biyometrik tanımlama için ideal bir seçenek haline getirir. Önerilen tanıma sisteminin metodolojisi, sıralı bir dizi işlem üzerine kurulmuştur. İlk olarak, elde edilen parmak damar görüntüsü bir ön işleme aşamasından geçer. Bu başlangıç adımı, görüntüyü rafine etmek için gereklidir, gereksiz detayları kaldırarak ve temel özelliklerini artırarak. Renkli görüntü gri tonlamalı bir formata geçirilir, veriyi akışlandırarak ve renk tabanlı anomalileri ortadan kaldırarak. Detayları vurgulamak ve netliği artırmak için histogram eşitleme kullanılır. Bu teknik, kontrastı artırarak, esas damar desenlerinin belirgin bir şekilde öne çıkmasını sağlar. Görüntü ön işlendikten ve geliştirildikten sonra, sistem özellik çıkarımına odaklanır. Özellik çıkarımı yöntemi seçimi, sonraki tanımlama doğruluğunu doğrudan etkiler, bu nedenle kritiktir. Bu araştırma, bu amaç için ünlü Doğrusal Ayırt Edici Analiz (LDA) yöntemini kullanmaktadır. LDA, en bilinen özellik çıkarım tekniklerinden biri olduğu için, çıkarılan özelliklerin sadece belirgin olmadığını, aynı zamanda sınıflandırma için de optimal olduğunu garanti eder. Tanıma sisteminin kalbi sınıflandırma modelindedir. Bu araştırma, desenleri ayırt edebilme ve inanılmaz bir hassasiyetle sınıflandırabilme kapasitesiyle tanınan derin bir Evrişimli Sinir Ağı (CNN) önermektedir. Derin bir CNN'nin bu bağlamda kullanılmasının avantajı, geniş veri setlerine ihtiyaç duymadan yüksek doğruluk sağlama yeteneğidir. Bu araştırmanın dikkate değer bir sonucu, derin CNN modeli tarafından elde edilen örnek tanıma performansıdır. SDUMLA-HMT parmak damar veri kümesinde test edildiğinde, model %99,65 doğruluk elde etti. Öte yandan, UTFVP parmak damar veri kümesinde, beklentileri daha da aşarak %99,72 doğruluk oranıyla sonuçlandı. Bu sonuçlar, önerilen modelin etkinliğinin bir göstergesi olup, yoğun katmanlarla birlikte 1 boyutlu bir evrişimli ağın kullanılmasının gücünü vurgulamaktadır. Bu tezin bir diğer önemli katkısı, LDA'nın derin modelle birleştirilmesidir. Bu füzyon, sadece tanıma doğruluğu açısından değil, aynı zamanda eğitim hızı açısından da üstün yetenek göstermiştir, böylece hızlı ve verimli bir sistem sağlamıştır. Son olarak, tanıma sistemini bulut veritabanıyla bağlamak için TCP/IP protokolü kullanılır. Bu, bir bireyin tanındığında, ilgili bilgilerinin bulut veritabanından hızla alınabileceğini garanti eder. Bu entegrasyon, tanıma sisteminin işlevselliğini sadece artırmakla kalmaz, aynı zamanda gerçek dünya senaryolarında uygulama potansiyelini de yükseltir.
Özet (Çeviri)
In the current digital landscape, numerous systems require a reliable recognition method to verify the identity of individuals accessing their services. As technology continues to evolve, there's an escalating demand for robust and secure biometric identification. With increasing advancements in the interface between humans and computers, new biometric modalities have emerged and gained traction. Among these, the finger vein has emerged as a particularly compelling area of research. The underlying rationale for this heightened interest is the unique characteristic of the human finger vein, its intricate structure, and the inherent difficulty in counterfeiting or stealing this information. This thesis delves deep into proposing a finger vein-based recognition system tailored for individual identification. The finger vein stands out primarily because of its distinctiveness. Each individual's finger vein pattern is intricate and different, almost akin to the uniqueness of a fingerprint but concealed within the body, making it a challenging target for malicious intents. Unlike external features like facial structures, fingerprints, or iris patterns, which can be potentially copied, mimicked, or stolen, the finger vein remains protected inside the finger, making it an optimal choice for biometric identification. The methodology of the proposed recognition system is built on a series of sequential processes. First, the acquired finger vein image undergoes a preprocessing stage. This initial step is essential to refine the image by removing any superfluous details and enhancing its core features. The color image is transitioned into a grayscale format, streamlining the data and eliminating any color-based anomalies. To accentuate the details and improve clarity, histogram equalization is employed. This technique amplifies the contrast, ensuring that the vital vein patterns stand out prominently. Once the image is preprocessed and enhanced, the system shifts focus towards feature extraction. The choice of feature extraction method is pivotal, as it directly impacts the subsequent identification accuracy. This research leverages the acclaimed Linear Discriminant Analysis (LDA) for this purpose. LDA, being one of the most prominent feature extraction techniques, ensures that the extracted features are not only distinct but also optimal for classification. The heart of the recognition system lies in its classification model. This research proposes a deep Convolutional Neural Network (CNN), renowned for its capacity to discern patterns and classify with astounding precision. The advantage of employing a deep CNN in this context is its capability to deliver high accuracy without necessitating extensive datasets. A notable outcome of this research is the exemplary recognition performance yielded by the deep CNN model. When tested on the SDUMLA-HMT finger vein dataset, the model achieved an accuracy of 99.65%. Meanwhile, on the UTFVP finger vein dataset, it further exceeded expectations with an accuracy rate of 99.72%. These results are a testament to the efficacy of the proposed model, underscoring the potency of using a 1-dimensional convolutional network combined with dense layers. Another significant contribution of this thesis is the amalgamation of LDA with the deep model. This fusion has demonstrated superior prowess, not just in terms of recognition accuracy, but also in training speed, ensuring a swift and efficient system. Lastly, to bridge the recognition system with the cloud database, the TCP/IP protocol is employed. This ensures that once an individual is recognized, their pertinent information can be swiftly retrieved from the cloud database. This integration not only augments the recognition system's functionality but also elevates its application potential in real-world scenarios.
Benzer Tezler
- Novel data partitioning and scheduling schemes for dynamic federated vehicular cloud
Dinamik federe araç bulutu için yeni bir görev yükü paylaşımı ve iş planlaması şemaları
WISEBORN MANFE DANQUAH
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. DENİZ TURGAY ALTILAR
- Otonom araçlar için 2B lazer tarayıcı kullanılarak yeni 3B LIDAR sistemi elde edilmesi ve engel tespiti
Obtaining a new type 3D LIDAR system using 2D laser scanner for autonomous vehicles and obstacle detection
AHMET KAĞIZMAN
Yüksek Lisans
Türkçe
2018
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ERDİNÇ ALTUĞ
- Cloud-based diagnosis of refrigerant leakage fault of chiller using virtual sensor residuals assisted xgboost algorithm
Soğutma sistemlerinin soğutucu akışkan sızıntısı arızasının sanal sensör farkı destekli xgboost algoritması ile bulut tabanlı tespiti
BURKAY ANDUV
Yüksek Lisans
İngilizce
2022
Fizik ve Fizik MühendisliğiShanghai Jlao Tong UniversityMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. ZHIMIN DU
- Bina içi lojistik faaliyetler için bulut tabanlı otonom robot yönetimi
Cloud-based autonomous robot management for indoor logistics activities
FATİH OKUMUŞ
Doktora
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİnönü ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ADNAN FATİH KOCAMAZ
- Bulut tabanlı çoklu akıllı kuvöz izleme sistemi tasarımı
Cloud based multi incubator monitoring system design
UĞUR ALTAN
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİskenderun Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AHMET GÖKÇEN