Havada imza ve yüz tanımaya dayalı çoklu biyometrik sistem tasarımı
Multi-biometric system design based on in-air signature and face recognition
- Tez No: 865077
- Danışmanlar: DOÇ. DR. NİHAN KAHRAMAN
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Elektrik ve Elektronik Mühendisliği, Computer Engineering and Computer Science and Control, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Haberleşme Bilim Dalı
- Sayfa Sayısı: 76
Özet
Biyometri, bireylerin fiziksel veya davranışsal özelliklerini kullanarak kimlik doğrulama veya tanıma işlemlerini gerçekleştiren bir teknoloji alanıdır. Parmak izi doğrulama, yüz tanıma, retina tarama, imza analizi gibi biyometrik yöntemler, güvenlik sistemlerinde ve kimlik doğrulama uygulamalarında yaygın olarak kullanılmaktadır. Ancak, tek bir biyometrik özellik kullanıldığında, bu sistemlerin karşılaştığı zorluklar ve sınırlamalar bulunmaktadır. Bu noktada, çoklu biyometri kullanımı önem kazanmaktadır. Çoklu biyometri, birden fazla biyometrik özelliğin birleştirilmesiyle tanıma sistemlerinin güvenilirliğini ve doğruluğunu artırmayı amaçlamaktadır. Çoklu biyometrik sistemlerde birleştirilen biyometrik özellikler fiziksel ya da davranışsal biyometri özellikleri olabilmektedir. Bu sistemlerin geliştirilmesi, tek bir biyometrik özelliğin sınırlamalarını aşmayı ve daha kapsamlı bir tanıma süreci sağlamayı amaçlamaktadır. Bu bağlamda sunulan bu tez, çoklu biyometrik modeller üzerinde bir araştırma yapılması ve çoklu biyometrik sistemlerin geliştirilmesini amaçlamaktadır. Çalışma kapsamında gerçekleştirilen uygulama, havada imza ve yüz biyometrilerinin birleştirilmesini hedeflemektedir. Bu çoklu biyometri yaklaşımı, derin öğrenme modelleri arasında yer alan Evrişimsel Sinir Ağları (CNN), Uzun Kısa Süreli Bellek (LSTM), Geçitli Özyinelemeli Birim (GRU) ve Zamansal Evrişimli Ağlar (TCN) algoritmalarının çiftler halinde kullanılmasıyla oluşturulmuştur. Ayrıca, toplanan dinamik ve statik biyometrik verilerin bir arada kullanılmasıyla ortaya çıkarılan mimari güçlendirilmiştir. 25 farklı bireyin 1750 adet yüz, havada imza görüntüsü ve havada imza sinyali verileri üzerinde yapılan bu çalışma, çoklu biyometri sisteminin potansiyelini ortaya koymaktadır. Oluşturulan derin öğrenme tabanlı modelle elde edilen %98 'in üzerindeki başarı, çoklu biyometrik sistemlerin güvenilirliği ile gelecek çalışmalardaki potansiyelini göstermektedir.
Özet (Çeviri)
Biometrics is an area of technology concerned with the recognition or authentication of individuals on the basis of their behavioral or physical attributes. In authentication and security applications, biometric techniques such as fingerprint verification, facial recognition, and retina scanning are extensively implemented. Nevertheless, these systems encounter obstacles and constraints when relying on a single biometric characteristic. The implementation of multiple biometrics becomes necessary at this point. In order to enhance the dependability and precision of recognition systems, multi-biometrics endeavors to merge numerous biometric characteristics. When physical or behavioral biometric features are combined in multiple biometric systems, they constitute biometric features. The objective of the development of these systems is to enhance the recognition process by surpassing the constraints imposed by a single biometric characteristic. In this context, this thesis aims to conduct research on multiple biometric models and develop multiple biometric systems. The application implemented within the scope of the study aims to combine in-air signature and facial biometrics. This multiple-biometrics approach was created by utilizing Convolutional Neural Networks (CNN), Long Short-Term Memory (LSTM), Gated Recurrent Unit (GRU) and Temporal Convolutional Networks (TCN) algorithms, in pairs. Furthermore, the resultant architecture has been fortified through the collection of both dynamic and static biometric data simultaneously. By analyzing 1750 images of faces, in-air signature images, and in-air signature signals data from 25 distinct individuals, this study demonstrates the capabilities of a multi-biometric system. The deep learning-based model's success rate of more than 98% provides as evidence of the dependability and potential of multiple biometric systems.
Benzer Tezler
- Hiperspektral görüntülerde hedef tespit algoritmalarının karşılaştırılması ve kaynaştırılması
A comparative analysis and fusion of target detection algorithms in hyperspectral images
AHMET KARAKAYA
Yüksek Lisans
Türkçe
2016
Elektrik ve Elektronik MühendisliğiHacettepe ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. SENİHA ESEN YÜKSEL
- Kablosuz ağlarda erişim güvenliği ve kimlik doğrulama
Authentication and access control in wireless networks
MUSTAFA YILDIRIM
Yüksek Lisans
Türkçe
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. SUAT ÖZDEMİR
- Bilim tarihinde denizcilik ve navigasyon
Maritime and navigation in the history of science
HATİCE ŞEYMA SELBESOĞLU
Yüksek Lisans
Türkçe
2021
Bilim ve Teknolojiİstanbul Teknik ÜniversitesiBilim Tarihi Ana Bilim Dalı
PROF. DR. AYTEKİN ÇÖKELEZ
- Modeling, identification and simulation of a quadrotor using real-time flight data
Bir dört rotorlu hava aracının gerçek zamanlı uçuş verisi ile modellemesi, tanılaması ve simülasyonu
ATAKAN SARIOĞLU
Yüksek Lisans
İngilizce
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. AYHAN KURAL
- Güneş enerjisiyle desteklenen insansız hava aracı tasarım ve üretimi
Solar powered UAV design and production
FATİH BAYKAL
Yüksek Lisans
Türkçe
2022
Enerjiİstanbul Teknik ÜniversitesiSavunma Teknolojileri Ana Bilim Dalı
PROF. DR. ALİM RÜSTEM ASLAN