Geri Dön

Görüntü işleme ve derin öğrenme ile yüz tanıma tabanlı akıllı kapı kilit sistemi

Image processing and deep learning based smart door lock system using face recognition

  1. Tez No: 901757
  2. Yazar: ALİ YANKI TEKOL
  3. Danışmanlar: PROF. DR. VEYSEL ASLANTAŞ
  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: 2024
  8. Dil: Türkçe
  9. Üniversite: Erciyes Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 79

Özet

Bu tez çalışmasının kapsamı, güvenlik sistemlerine önemli katkılar sağlayan bir kapı kilit sistemi tasarlamak ve gerçekleştirmektir. Sistem, yalnızca kamera ile elde edilen görüntülerin derin öğrenme algoritmaları ile doğrulanması durumunda geçişe izin verecek şekilde tamamen temassız olarak çalışacak biçimde yapılandırılmıştır. Önerilen sistem, piyasada yaygın olarak kullanılan Raspberry Pi 4 model B geliştirme kartı üzerine kurulmuştur. Sistem tasarımında, görüntü işlemede sıkça kullanılan HAAR-Cascade ve HOG (Histogram of Oriented Gradients) özellik tanımlayıcıları ile MTCNN (Multi-Task Cascaded Convolutional Neural Networks) algoritmasından yararlanılmıştır. Literatür araştırması sonucunda, bu probleme yönelik yüksek performans sunan Keras VGG-Face tabanlı derin öğrenme kütüphanesi kullanılarak farklı optimizasyon parametreleriyle birlikte ResNet50 ve VGG16 modelleri ile PyTorch FaceNet kütüphanesindeki ön eğitimli InceptionResNetV1 modelinin sonuçlara tesiri incelenmiştir. Yapılan deneysel çalışmalar, HOG özellikleri, ResNet50 sinir ağı modeli ve Adam optimizasyon parametresi kombinasyonu kullanılarak yapılan eğitimde daha iyi sonuçların elde edildiğini göstermektedir.

Özet (Çeviri)

The scope of this thesis is to design and implement a door lock system that makes significant contributions to security systems. The system is configured to be completely contactless, allowing passage only when the images obtained by the camera are verified by deep learning algorithms. The proposed system constructed on the Raspberry Pi 4 model B development board, which is widely used in the market. In the system design, HAAR-Cascade and HOG (Histogram of Oriented Gradients) feature descriptors and MTCNN (Multi-Task Cascaded Convolutional Neural Networks) algorithm, which are commonly used in image processing applications are utilized. As a result of the literature research, the effect of the pre-trained InceptionResNetV1 model in the PyTorch FaceNet library on the results of the ResNet50 and VGG16 models with different optimization parameters using the Keras VGG-Face-based deep learning library, which offers high performance for this problem, were examined. Experimental studies show the better results are obtained in training using a combination of HOG features, ResNet50 neural network model and Adam optimization parameter.

Benzer Tezler

  1. An improved transfer learning based siamese network for face recognation

    Yüz tanıma için geliştirilmiş aktarım öğrenme tabanlı sıamese ağı

    DALHM GHALIB HALBOOS AL-SHAMMARI

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Üniversitesi

    Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı

    البروفيسور. دكتور. DEVRİM AKGÜN

  2. Gömülü sistem platformu üzerinde görüntü işleme tekniklerinin uygulanması

    Image processing techniques on embedded system

    SERTAÇ YAMAN

    Doktora

    Türkçe

    Türkçe

    2021

    Elektrik ve Elektronik MühendisliğiFırat Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ YAVUZ EROL

  3. Gerçek zamanlı duygu durumu analizi: Derin öğrenme tabanlı akıllı sistem tasarımı

    Real-time emotion analysis: Intelligent system design based on deep learning

    TUĞBA GÜLER

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBartın Üniversitesi

    Bilişim Sistemleri ve Teknolojileri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ AHMET BERK ÜSTÜN

  4. Görüntü manipülasyonlarının derin öğrenme yaklaşımı ile belirlenmesi

    Detection of image manipulations with deep learning approach

    SEMİH YAVUZKILIÇ

    Doktora

    Türkçe

    Türkçe

    2022

    Elektrik ve Elektronik MühendisliğiFırat Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ABDULKADİR ŞENGÜR

  5. Car damage analysis for insurance market using convolutional neural networks

    Sigorta sektörü için evrişimsel sinir ağları kullanarak araç hasarı analizi

    CİHAT TOLGA ARTAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Mühendislik Bilimleriİstanbul Teknik Üniversitesi

    İşletme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. TOLGA KAYA