Mikroservis ile görüntü işleme tabanlı kimlik tanıma ve canlılık analiz sistemi
Image processing based identity recognition and liveness analysis system with microservice
- Tez No: 883419
- Danışmanlar: PROF. DR. ALİ HAKAN IŞIK
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Burdur Mehmet Akif Ersoy Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 75
Özet
Dijital kimlik doğrulama, bireylerin veya sistemlerin dijital ortamlarda kimliklerini tespit etmek ve doğrulamak için kullanılan bir süreçtir. Bu süreç, genellikle kullanıcı adları, parolalar, biyometrik veriler (parmak izi, yüz tanıma, retina tarama gibi), tek kullanımlık şifreler ve diğer güvenlik protokollerini içerir. Çevrimiçi hesaplar, finansal işlemler, sağlık kayıtları ve diğer dijital platformlarda güvenliği artırmak için yaygın olarak kullanılan dijital kimlik doğrulama yöntemleri, kullanıcı bilgilerini koruyarak yetkisiz erişimlere karşı savunma sağlamayı amaçlamaktadır. Bu çalışmada, Türkiye Cumhuriyet Kimlik Kartı görüntülerinden kart bilgilerinin optik karakter tanıma yöntemiyle çıkarılması hedeflenmiştir. Ayrıca, kimlik kartında bulunan yüz görüntüsü ile kart sahibinin kimlik kartını tanıyan kişi olup olmadığını belirlemek için yüz benzerlik analizi ve canlılık analizi yapılmıştır. Görüntü iyileştirmesi için CURL derin öğrenme mimarisi kullanılmış, ardından YOLOv8 Örnek Segmentasyonu ile kimlik kartının konumu %99,2 mAP skoru ile belirlenmiştir. Dışbükey noktalar üzerinden maksimum alanı tespit eden bir arama algoritması geliştirilmiş ve bu algoritma genetik algoritma ile optimize edilmiştir. Kimlik kartındaki Türk Bayrağı ve yüz görüntüsü tespit edilmiş, perspektif düzenlemesi yapılarak kartın köşe noktaları belirlenmiştir. Türk Bayrağının tespiti için YOLOv8 nesne tespiti modeli %97,6 mAP skoru ile eğitilmiştir. Metin tespiti için CRAFT modeli kullanılmış, ardından Otsu yöntemi ile optimal eşik değeri tespiti yapılmıştır. Görüntü kalitesini artırmak için Görüntü Süper Çözünürlüğü (ISR) modelleri kullanılmış ve TesseractOCR, DonutOCR ve TrOCR modelleri ile metin okuma işlemi gerçekleştirilmiştir. Yüz tanıma ve benzerlik analizi için RetinaNet + Arcface modeli kullanılmış, canlılık analizi için poz tahminleme mimarisi olan 6DRepNet modeli kullanılmıştır. Sistemin mikroservis mimarisine göre tasarımı tamamlanmıştır. Yapılan sistemin performansları çalışmada sunulmuştur.
Özet (Çeviri)
Dijital identity verification is a process used to identify and authenticate individuals or systems in digital environments. This process typically involves usernames, passwords, biometric data (such as fingerprints, facial recognition, retina scanning), one-time passwords, and other security protocols. Digital identity verification methods commonly used to enhance security in online accounts, financial transactions, health records, and other digital platforms aim to provide defense against unauthorized access while safeguarding user information. In this study, the goal was to extract card information from images of the Turkish Republic Identity Card using optical character recognition (OCR) methods. Additionally, facial similarity analysis and liveness analysis were conducted to determine if the person presenting the ID card is its legitimate owner. The CURL deep learning architecture was utilized for image enhancement, followed by YOLOv8 Instance Detection for card positioning with a 99.2% mAP score. A search algorithm was developed to detect the maximum area based on convex points, and this algorithm was optimized using genetic algorithms. The Turkish flag and facial image on the ID card were identified, and corner points of the card were determined through perspective correction. YOLOv8 object detection model for the Turkish flag achieved a 97.6% mAP score. The CRAFT model was used for text detection, followed by determining the optimal threshold value using the Otsu method. Image Super-Resolution (ISR) models were employed to enhance image quality, and text reading was performed using TesseractOCR, DonutOCR, and TrOCR models. For facial recognition and similarity analysis, the RetinaNet + Arcface model was used, while the 6DRepNet model with pose prediction architecture was utilized for liveness analysis. The system design was completed according to a microservices architecture, and the performance of the implemented system is presented in the study.
Benzer Tezler
- Gerçek zamanlı nesne tanıma sistemlerinde microservis yaklaşımı ile performans artırımı
Real-time object detection systems performance increase with microservice approach
MEHMET ALİ SERTTAŞ
Doktora
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMaltepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. EMİN MURAT ESİN
- Çok katmanlı ortamda ayrık karmaşık görüntü yöntemi ile green fonksiyonunun türetilmesi
Derivation of green's function in the statified media by discerete complex image method
HÜSAMETTİN YİĞİTTÜRK
Yüksek Lisans
Türkçe
2007
Elektrik ve Elektronik MühendisliğiGebze Yüksek Teknoloji EnstitüsüElektronik Mühendisliği Ana Bilim Dalı
DOÇ.DR. AHMET ARİF ERGİN
- Multimode microwave sensors for microdroplet and single-cell detection
Çok modlu mikrodalga sensörleri ile mikrodamlacık ve tek hücre saptanması
HANDE AYDOĞMUŞ
Yüksek Lisans
İngilizce
2018
Makine Mühendisliğiİhsan Doğramacı Bilkent ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. MEHMET SELİM HANAY
- Bant çentik karakteristiği gösteren metamalzeme tabanlı ultra geniş bant mikroşerit anten tasarımı
Metamaterial based ultra wideband microstrip antenna design showing band notched characteristics
GÜRTAY SEZAY GÜRSOY
Yüksek Lisans
Türkçe
2021
Elektrik ve Elektronik MühendisliğiKırklareli ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SENA ESEN BAYER KESKİN
- Efficient MoM analysis of printed structures by utilizing characteristic modes
Karakteristik modlar kullanarak baskılı yapıların verimli MoM analizi
METEHAN ÇETİN
Yüksek Lisans
İngilizce
2016
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. LALE ALATAN