Şablon eşleme ve çok katmanlı algılayıcı kullanılarak yüz tanıma sisteminin gerçeklenmesi

Abstract

Bu tezde farklı yöntemlerin kullanılması ile yüz tanıma sistemleri gerçekleştirilmiştir. Çalışmada Wayne State üniversitesinde hazırlanan CNNL veritabanı kullanılmıştır. Farklı etnik kökenlerdeki 1266 kişiye ait, değişik zamanlarda çekilmiş 10'ar adet ön yüz imajı içeren CNNL veritabanı, test seti ve eğitim seti olmak üzere iki kısımdan oluşmaktadır. Test setinde her bir kişinin 2 farklı yüz ifadesi bulunmaktadır. Eğitim seti ise her bir kişiye ait 8 farklı yüz ifadesi içermektedir.Çalışmada ilk olarak şablon eşleme metodu kullanılmıştır. Şablon eşleme metodu ile yüz tanıma işlemi, Minokowski sınıf metriklerinden birisi olan Şehir Blok Uzaklık formülü kullanılarak gerçekleştirilmiştir.İkinci bölümde, ilk bölümde elde edilen başarı oranının artırılması için 2 farklı yöntem kullanılmıştır. İlk olarak yüzün belirli bölgelerinin çıkarılması ile elde edilen görüntüler kullanılarak tekrar şablon eşleme yöntemi uygulanmıştır. İkinci olarak, kişilerin gözbebekleri arasındaki mesafenin kullanılması ile yüz tanıma yapılmıştır.Üçüncü bölümde, yüz tanıma sisteminin performansı Çok Katmanlı Algılayıcı kullanılarak değerlendirilmiştir.Son bölümde ise, imaj boyutları küçültülerek ve şablon eşleme yöntemi kullanılarak sistemin performansı (başarı oranı ve sistem hızı) incelenmiştir.

In this thesis, face recognition systems has been carried out using different methods. In order to test the methods, CNNL database has been used. CNNL database includes 10 different expressions of each person that belongs to 1266 people. CNNL database has been composed of 2 sections which are memory set and test set. Test set includes 2 different expressions of each person. Memory set includes 8 different expressions of each person.Firstly, template matching method has been used. Face recognition system with template matching method has been carried out using City Block Distance, one of the Minokowski class metrics.Secondly, in order to boost the value of success rate which has been obtained in the previous section, 2 different methods has been used. In the first method; second template matching method has been applied by extracting some parts of the image which decreases the success rate. In the second method; pupils has been automatically detected and the distance between 2 pupils has been measured. Success rate has been boosted with this distance.Thirdly, success rate has been examined using Multi Layer Neural Networks.In the last section, image dimensions has been reduced and the performance of the system (success rate and process time) has been examined.