3 boyutlu derinlik kamerası ile derin öğrenme tabanlı güvenli yüz tanıma
| dc.contributor.advisor | Dirik, Ahmet Emir | |
| dc.contributor.author | Yıldız, Sedat | |
| dc.contributor.department | Bursa Uludağ Üniversitesi/Fen Bilimleri Enstitüsü/Elektronik Mühendisliği Anabilim Dalı. | tr_TR |
| dc.contributor.orcid | 0000-0003-4632-8186 | tr_TR |
| dc.date.accessioned | 2021-03-25T12:18:13Z | |
| dc.date.available | 2021-03-25T12:18:13Z | |
| dc.date.issued | 2021-02-11 | |
| dc.description.abstract | Derin öğrenme ile yüz tanıma teknikleri, son yıllarda çok hızlı gelişim gösteren ve günlük hayatta pek çok alanda uygulaması olan bir araştırma konusudur. Suçluların takip edilmesi, personellerin şirkete giriş çıkış takibi gibi alanlar yüz tanıma sistemlerinin kullanılabileceği alanlardır. Yüz tanıma ile birlikte bir diğer önemli nokta ise yüz tanıma sistemlerine karşı yapılan saldırıların önlenmesidir. Örneğin yüz tanıma sistemleri, vesikalık fotoğraf, yazıcıdan kişinin yüz fotoğraf çıktısının alınması, telefon veya tabletten yüz fotoğrafı, video görüntüleri, maske kullanılması gibi yöntemlerle yanıltılabilmektedir. Bu nedenle başarılı bir yüz tanıma sistemi geliştirmek kadar yüz tanıma sisteminin aldatılmasını önlemek de önemli bir konudur. Bu çalışmada derin öğrenme teknikleri kullanılarak başarımı yüksek bir yüz tanıma sistemi geliştirilmiştir. 3D derinlik kamerası ile derinlik bilgisi analizi ve göz kırpma tespiti yapılarak yüz tanıma sistemlerini yanıltmaya yönelik gerçekleştirilen ataklara karşı güvenliği sağlayan bir sistem geliştirilmiştir. 3D derinlik kamerasından alınan derinlik bilgilerinin gradyeni hesaplanarak genlik ve açı histogramları çıkarılıp bu histogramların ortalama, ortanca ve standart sapma gibi istatistiksel analizi yapılarak kamera karşısındaki kişilerin canlılık tespiti yapılmıştır. Derinlik bilgisine ek olarak karar ağacı regresyonu tekniği kullanılarak göz kırpma tespiti yapılıp sistemin canlılık tespit başarımı arttırılmıştır. | tr_TR |
| dc.description.abstract | Deep learning and facial recognition techniques are a research subject that has developed very rapidly in recent years and has applications in many areas in daily life. Facial recognition systems can be used in areas such as tracking criminals, tracking personnel entry and exit from the company. Another important point along with face recognition is the prevention of attacks against face recognition systems. For example, face recognition systems can be misled by methods such as passport photos, printing a person’s face photo from the printer, using a face photo from a phone or tablet, video images, and masks. Therefore, preventing the face recognition system from being deceived is as important as developing a successful face recognition system. In this study, a highly successful face recognition system has been developed using deep learning techniques. A system has been developed that provides security against attacks that are made to mislead face recognition systems by analyzing depth information and detecting blinking with a 3D depth camera. By calculating the gradient of the depth information obtained from the 3D depth camera, amplitude and angle histograms were extracted, and the vitality of the people in front of the camera was determined by performing statistical analysis of these histograms such as mean, median and standard deviation. In addition to depth information, blink detection was performed using the decision tree regression technique and the vitality detection performance of the system was increased. | en_US |
| dc.description.sponsorship | Teracity Yazılım | tr_TR |
| dc.format.extent | VII, 94 sayfa | tr_TR |
| dc.identifier.citation | Yıldız, S. (2021). 3 boyutlu derinlik kamerası ile derin öğrenme tabanlı güvenli yüz tanıma. Yayınlanmamış yüksek lisans tezi. Bursa Uludağ Üniversitesi Fen Bilimleri Enstitüsü. | tr_TR |
| dc.identifier.uri | http://hdl.handle.net/11452/18370 | |
| dc.language.iso | tr | tr_TR |
| dc.publisher | Bursa Uludağ Üniversitesi | tr_TR |
| dc.relation.publicationcategory | Tez | tr_TR |
| dc.rights | info:eu-repo/semantics/openAccess | en_US |
| dc.subject | Derin öğrenme | tr_TR |
| dc.subject | Yüz tespiti | tr_TR |
| dc.subject | Yüz tanıma | tr_TR |
| dc.subject | 3 boyutlu derinlik kamerası | tr_TR |
| dc.subject | Canlı-cansız kişi tespiti | tr_TR |
| dc.subject | Göz kırpma tespiti | tr_TR |
| dc.subject | Evrişimli sinir ağları | tr_TR |
| dc.subject | Deep learning | en_US |
| dc.subject | Face detection | en_US |
| dc.subject | Face recognition | en_US |
| dc.subject | 3D depth camera | en_US |
| dc.subject | Liveness detection | en_US |
| dc.subject | Eye blink detection | en_US |
| dc.subject | Convolutional neural networks | en_US |
| dc.title | 3 boyutlu derinlik kamerası ile derin öğrenme tabanlı güvenli yüz tanıma | tr_TR |
| dc.title.alternative | Deep learning based secure face recognition with 3D depth camera | en_US |
| dc.type | masterThesis | en_US |