Geri Dön

Makine öğrenmesi yöntemleri ile el ve yüz analizi tahminlemesi

Hand and face analysis prediction with machine learning methods

PDF İndir

  1. Tez No: 918465
  2. Yazar: HÜSNEİREM KAYA
  3. Danışmanlar: DR. ÖĞR. ÜYESİ KAYHAN AYAR
  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: 2025
  8. Dil: Türkçe
  9. Üniversite: Sakarya Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 81

Özet

Kişi veya kurumlar tarafından kullanılan teknik altyapının güvenliği günümüzde büyük önem taşımaktadır. Güvenliğin sağlanması için birçok farklı yöntem bulunmaktadır ve bu yöntemler sürekli olarak geliştirilmekte ve güncellenmektedir. Bu önlemlerin alınmasındaki en kritik noktalardan biri ise bankacılık sektörüdür. Bankalardaki güvenlik açıklar hem müşterilerin hem de bankaların ciddi tehlikelerle karşılaşmasına neden olabilir. Bankalarda yapılan işlemler, kişisel ve mali bilgilerin olduğu hassas verileri içerir. Bu nedenle, bankalar müşterilerinin güvenliğini sağlamak için yoğun çaba sarf etmektedir. Ancak, bankalar müşterilerine kredi vermeden önce bir dizi değerlendirme yapmak zorundadır. Bu değerlendirmelerin bir kısmı, müşterinin finansal geçmişi ve kredi geçmişi üzerine odaklanırken, bir diğer önemli değerlendirme ise müşterinin kişilik analizidir. Bankalar, kredi kullandırmak istedikleri müşterilerin finansal sorumluluk sahibi olmalarını ve kredi taksitlerini zamanında ödemelerini istemektedirler. Ancak, müşteriler genellikle kredi başvurusu yaparken olumsuz özelliklerini gizlemeye çalışabilirler. Bu nedenle, bankaların güvenlik önlemlerini artırmak ve daha doğru değerlendirmeler yapabilmek için yapay zeka teknolojilerine başvurdukları gözlemlenmektedir. Son yıllarda, yapay zeka ile geliştirilen kişilik analizi çalışmaları, bankacılık sektöründe önemli bir yer edinmiştir. Bu çalışmalar, müşterilerin finansal davranışlarını ve kişilik özelliklerini daha doğru bir şekilde analiz etmeyi amaçlamaktadır. Bu sayede, bankalar daha güvenilir kredi kararları alabilir ve müşteri riskini daha iyi yönetebilirler. Bu nedenle, yapay zekâ destekli kişilik analizi çalışmalarına olan ihtiyaç giderek artmaktadır. İnsan yüzlerinin tespiti ve tanınması, güvenlik ve gözetim alanlarında kritik bir rol oynamaktadır. Yüz tanıma teknolojisi, çeşitli yöntemlerle geliştirilmekte ve sürekli olarak iyileştirilmektedir. Bu teknolojinin temel amacı, bir görüntüdeki insan yüzlerini algılayarak tanıyabilmek ve bu yüzleri önceden belirlenmiş bir veri tabanıyla karşılaştırarak kimlik tespiti yapabilmektir. Ayrıca, yüz tanıma teknolojisi kullanılarak kişinin yaşını, cinsiyetini ve hatta duygusal durumunu analiz etmek gibi çeşitli tahminlerde bulunulabilmektedir. Dünya üzerinde birçok kültür, gelecekteki yaşamı tahmin etmek için avuç içi falı okumanın kullanılabileceğine inanır. El falı olarak da bilinen bu sanat, avuç içindeki çizgileri ve desenleri inceleyerek kişileri önceden bilgilendirme ve tanımlama amacı güder. Avuç içi izi tanıma ise kişilerin kimliklerini ayırt etmek ve doğrulamak için kullanılan biyometrik bir tekniktir. Avuç içindeki benzersiz kabartılar, çizgiler ve diğer özellikler sayesinde kişilerin kimliklerinin tespit edilmesine olanak sağlar. Bu çıkıntılar ve çizgiler, embriyonik gelişim sırasında oluşur ve kişinin yaşamı boyunca nispeten değişmez; bu da avuç içi izinin biyometrik tanıma için ideal bir ölçüt olduğunu gösterir. Bu tez çalışmasının temel amacı, yüz algılama, yüz analizi ve avuç içi analizi gibi konular üzerine odaklanarak, bu alanlarda kullanılan yöntemleri incelemek, analiz etmek ve karşılaştırmaktır. Bu kapsamda yüz algılama, analizi ve kişilik analizi için bir uygulama geliştirilmiştir. Uygulama Python programlama dili ve ilgili kütüphanelerden yararlanılarak geliştirilmiştir. Uygulamanın kullanıcı arayüzü, tkinter gibi bir GUI kütüphanesi kullanılarak tasarlanmıştır. Bu arayüz, kullanıcının fotoğraf yükleyebileceği bir alanı içermektedir. Eğer yüklenen fotoğraf yüz görüntüsü içeriyorsa, sistem yüz analizi yapar ve çıktıları kullanıcıya sunar. Daha sonra, kişilik analizi için gerekli veri toplama süreci başlatılmış ve bu veriler avuç içi çizgilerine dayalı kişilik özelliklerini içerecek şekilde düzenlenmiştir. Literatürdeki benzer çalışmalar detaylı bir şekilde incelenerek hangi yöntemlerin en etkili olduğu üzerine analizler yapılmıştır. Yüz analizi için makine öğrenmesi kütüphanelerinden OpenCV ve DeepFace gibi kütüphaneler kullanılmıştır. OpenCv kütüphanesi açık kaynak kodlu görüntü işleme kütüphanesidir. Kullanılan OpenCV kütüphanesi, sistemimize verilen görüntüler üzerinde yüz tespiti yapabilme yeteneğine sahiptir. Bu sayede, kullanıcının girdi olarak sağladığı görüntüler taranır ve içlerindeki yüz görüntüleri algılanır. Bu algılama işlemi, görüntülerin piksellerini analiz ederek yüz özelliklerini tanımlama ve belirleme sürecini içerir. Bu şekilde, kullanıcılar sisteme yüz görüntüleri sağlayabilir ve bu görüntüler üzerinde çeşitli analizler yapabilirler. Bu özellik, projenin anahtar bileşenlerinden biridir. DeepFace kütüphanesi ise, Facebook tarafından geliştirilen açık kaynaklı bir yüz tanıma ve analiz çerçevesidir. DeepFace kütüphanesi yüz tanıma ve yüz analizi işlemleri için kullanılmıştır. Yüz analizi işlemi için analyze fonksiyonu kullanılmıştır. Bu fonksiyon, bir görüntünün içerdiği yüzün cinsiyet, yaş ve duygusal durumu gibi özelliklerini analiz eder. Fonksiyon, bir görüntünün dosya yolunu parametre olarak alır ve bu görüntüdeki yüzlerin özelliklerini tahmin eder. Çıktı olarak, her bir yüz için belirli özelliklerin değerleri içeren veriler döndürülür. Avuç içi analizinde makine öğrenmesi teknikleri kullanılarak, elde edilen veri seti üzerinde avuç içi analizi tahminlemesi yapılmıştır. Kullanıcılara yöneltilen sorularla gerçekleştirdiğimiz anket sonuçlarıyla elde edilen dijital veriler, öncelikle önişleme adımlarından geçirilmiştir. Anket verilerinin büyük bir kısmının metin tabanlı karakterlerden oluştuğu gözlemlenmiştir. Metinsel verilerin algoritmalarla işlenebilmesi için sayısal bir formata dönüştürülmesi gerekmektedir. Bu dönüşüm işlemi, her bir metinsel girdinin sayısal bir temsili olarak ifade edilmesini sağlar, böylece veri seti analiz için uygun hale getirilmiştir. Makine öğrenmesi teknikleri, araştırmanın amacına yönelik olarak, avuç içi çizgileriyle ilişkilendirilen kişilik özelliklerinin belirlenmesine ve analiz edilmesine olanak sağlayacaktır. Kullanıcıdan girdi değerleri olarak alınan hayat çizgisi, kalp çizgisi ve akıl çizgisi verilerine göre kişilik analizi yorumunda bulunulmaktadır. Çoklu sınıflandırma problemleri için etkili bir makine öğrenimi algoritması olan Random Forest sınıflandırıcı modeli ile gerekli hesaplamalar yapılmıştır. RandomForestClassifier sınıfı, RandomForest algoritmasını uygulayan bir sınıflandırıcıdır. Bu algoritma, birçok karar ağacını bir araya getirerek ve rastgele alt örneklem alarak bir tahmin yapar. Bu model, girdi verilerinin belirli kişilik özelliklerine karşılık gelip gelmediğini tahmin etmek için kullanılmaktadır. Random Forest algoritması özellikle karmaşık veri yapıları ve yüksek boyutlu veri kümelerinde etkili olduğu için bu algoritmanın kullanılması tercih edilmiştir. Bu kapsamda test verileri anket sonucu oluşturulan veri setindeki eğitim verileri ile karşılaştırılarak doğruluk oranı % 0.45 olarak bulunmuştur. Aynı zamanda elde edilen veri seti ile birlikte KNN makine öğrenmesi algoritması üzerinde de hesaplamalar yapılmıştır. Bu hesaplama sonucunda ise %38 MSE değeri elde edilmiştir. Ortalama doğruluk değerinin düşük olması, modelin veri setimizdeki örüntüleri yeterince iyi öğrenememiş olabileceğini göstermektedir. Bu çalışmanın olası çıktıları arasında, doğru tahminlenmiş cinsiyet, yaş, duygu analizi ve kişilik özellikleriyle kullanıcıya sunulan değerli bilgiler bulunur. Bu bilgiler, kimlik doğrulama sistemlerinde ve kişisel analizlerde önemli bir rol oynar ve kullanıcıların ihtiyaçlarını daha iyi anlamalarına yardımcı olur. Bu çalışma, yüz ve avuç içi analizleri üzerine yapılan araştırmalara yeni bir boyut kazandırır ve bu alanlardaki tekniklerin kullanımını artırarak kişilik tahminleme alanında daha etkili bir yöntem sunar.

Özet (Çeviri)

Individuals and institutions are increasingly concerned about the security of the technological infrastructure they use. Because security vulnerabilities in technological systems can cause serious harm and risks. The banking sector is in a particularly sensitive position in this respect. Banks must take strong security measures to protect their customers' financial assets and provide a safe environment. In our daily lives, many people apply for credit and make requests regarding the use of credit while performing their banking transactions. However, banks adopt a careful approach when evaluating loan applications and analyze the loan payment capacities of their customers. Part of these evaluations is examining the customer's personality characteristics. Banks attach great importance to personality analysis to predict the financial responsibilities and payment habits of their customers before providing loans. However, customers generally avoid disclosing their negative characteristics in loan applications. Therefore, it may be difficult to make an adequate assessment using traditional methods. In recent years, the use of artificial intelligence-supported methods to overcome such challenges has increased significantly. By analyzing large data sets, artificial intelligence can extract customer profiles in more detail and evaluate loan applications more effectively. For this reason, artificial intelligence-based facial analysis and personality analysis studies are attracting increasing attention in the banking sector. Detection and recognition of human faces is critical in security and surveillance fields. Facial recognition technology is developed through various methods used in this field. The main purpose of this technology is to detect and recognize human faces in an image and to identify them by comparing these faces with a predetermined database. In addition, various predictions can be made using facial recognition technology, such as analyzing the person's age, gender and even emotional state. Palm reading is a tradition that has a history in many cultures around the world and is used to predict future life. This art aims to inform and identify people by examining the lines, patterns and other features on the palm. This method, also known as palm reading or palm reading, is often associated with metaphysical or spiritual beliefs. On the other hand, palm print recognition is a biometric technique and is used to distinguish and verify the identity of individuals. The unique ridges, lines, and other features on the palm form during embryonic development and remain relatively unchanged throughout a person's life. The palm print created by combining these features provides an important differentiating feature between individuals. Therefore, palm print recognition is used as a reliable biometric recognition method in security systems, authentication processes and many other fields. This thesis focuses on topics such as face detection, face analysis and palm analysis, and examines and analyzes in depth the methods used in these fields. Studies in the literature are examined meticulously and which methods are used and what kind of results are obtained are determined in detail. The main purpose of the study is to research and develop effective methods that can be used in authentication systems based on face and palm analysis. In this direction, face and palm analysis in the developed system is used to accurately predict the person's features. In face analysis, information such as gender, age and emotion analysis of the person in the photo are estimated, while in palm analysis, predictions are made based on personality traits. The method of this study primarily utilizes the Python programming language and related libraries for face detection and analysis. Then, the data collection process required for personality analysis is initiated and this data is organized to include personality traits based on palm lines. Similar studies in the literature are examined in detail and analyzes are made on which methods are most effective. Next, a system is developed using the Python programming language. The user interface of the system is designed using a GUI library such as tkinter. This interface includes an area where the user can upload photos. If the uploaded photo contains a face image, the system analyzes the face and presents the output to the user. Machine learning libraries such as OpenCV and DeepFace are used for face analysis. OpenCv library is an open-source image processing library. The OpenCV library used is capable of detecting faces on images fed to our system. In this way, the images provided by the user as input are scanned and the facial images in them are detected. This detection process involves the process of identifying and determining facial features by analyzing the pixels of images. In this way, users can provide facial images to the system and perform various analyzes on these images. This feature is one of the key components of the project and is important to increase the functionality of the system. DeepFace library is an open-source facial recognition and analysis framework developed by Facebook. DeepFace library was used for face recognition and face analysis. The analyze function was used for face analysis. This function analyzes the features of the face contained in an image, such as gender, age and emotional state. The function takes the file path of an image as a parameter and predicts the features of faces in that image. As output, data containing values of specific features for each face is returned. By using machine learning techniques in palm analysis, palm analysis prediction was made on the obtained data set. These methods will allow the identification and analysis of personality traits associated with palm lines for the purpose of the research. Personality analysis is interpreted based on the life line, heart line and mind line data received from the user as input values. Necessary calculations were made with the Random Forest classification model, which is an effective machine learning algorithm for multiple classification problems. The RandomForestClassifier class is a classifier that implements the RandomForest algorithm. This algorithm makes a prediction by combining many decision trees and randomly subsampling. This model is used to predict whether input data corresponds to certain personality traits. Since the Random Forest algorithm is especially effective on complex data structures and high dimensional datasets, we proposed to use this algorithm. In this context, the accuracy rate was found to be %0.45. At the same time, calculations were made on the KNN machine learning algorithm with the obtained data set. As a result of this calculation, 38% MSE value was obtained. The low average accuracy value indicates that the model may not have learned the patterns in our data set well enough. Possible outputs of this study include valuable information presented to the user through accurately predicted gender, age, sentiment analysis and personality traits. This information plays an important role in authentication systems and personal analytics, helping users better understand their needs. This study adds a new dimension to research on face and palm analysis and provides a more effective method in the field of personality prediction by increasing the use of techniques in these fields.

Benzer Tezler

  1. Tez No

    945247

    Developing a smart method for real -time brain tumor localization and segmentation on ct ımages using hybrid techniques and yolo

    Hibrit teknikler ve yolo kullanilarak bt görüntülerinde gerçek zamanli beyin tümörü lokalizasyonu ve segmentasyonu için akilli bir yöntem geliştirilmesi

    NUSAIBAH KHALID ABDULMAJEED AL-SALIHI

    Doktora

    İngilizce

    İngilizce

    2025

    Elektrik ve Elektronik MühendisliğiÇukurova Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ULUS ÇEVİK

    PROF. DR. TURGAY İBRİKÇİ

  2. Tez No

    877625

    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

  3. Tez No

    541786

    Deep convolutional neural network based unconstrained ear recognition

    Derin evrişimsel sinir ağı tabanlı kısıtsız kulak tanıma

    FEVZİYE İREM EYİOKUR

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HAZIM KEMAL EKENEL

  4. Tez No

    715349

    Kan hemoglobin değerinin dudak mukozası görüntüleri kullanılarak yapay zeka yardımıyla non-invaziv tespit edilmesi

    Non-invasive detection of blood hemoglobin levels by artificial intelligence through the utilising of lip mucosa images

    TÜRKER BERK DÖNMEZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    BiyomühendislikSakarya Uygulamalı Bilimler Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MUSTAFA ÇAĞRI KUTLU

  5. Tez No

    549184

    Breast cancer data classification using SVM, NB and KNN algorithms

    SVM, NB ve KNN kullanımı ile göğüs kanseri veri sınıflandırması

    BURCU MERAL

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilim ve Teknolojiİstanbul Teknik Üniversitesi

    Matematik Mühendisliği Ana Bilim Dalı

    PROF. DR. KAMİL ORUÇOĞLU

Geri Dön