Bir hızlı parmak izi doğrulama sistemi

Abstract

Bu tez çalışması, parmak izlerinden kişilerin teşhis için geliştirilmiş bir uygulamadır. Çalışmada kişilerin alınan parmak izleri alınarak küme oluşturulmuştur. Bu küme içerisinde parmak izleri bölümlendirilerek saklanmıştır. Herhangi bir kişinin parmak izleri alınıp, K-Means kümeleme algoritması ile hızlı şekilde teşhis etmesi hedeflenmiştir.Öncelikle konu ile ilgili daha önce yapılmış olan çalışmalar araştırılmış ve konunun gerçekleşmesine temel teşkil edecek biyometrik sistemleri, parmak izi doğrulama, teşhis sistemleri ve parmak izi minutiae çıkarım algoritmaları araştırılmıştır. Parmak izi teşhisi için uygulama geliştirilmiş, uygulamada parmak izi alım ve parmak izi teşhis modülü oluşturulmuştur.Bu uygulama ile parmak izlerinin minutiaeları çıkarma algoritmaları denemiştir. Uygun parmak izi minutiae çıkaran algoritma seçilerek, minutiaelar ile K-Means kümeleme algoritmasına kümelenerek parmak izi görüntüsü oluşturulmuştur. Oluşturulan parmak iz üzerinde teşhis işlemi uygulanmış ve örnek senaryolar incelenmiştir. Son olarak ise uygulama sonrası elde edilen sonuçlar ve değerlendirmeler özetlenmiştir.

This thesis is an application developed for the identification of persons from fingerprints. In this study, the fingerprints of the individuals were taken and a cluster was formed. In this cluster, fingerprints were partitioned and stored. It is aimed that any person can get fingerprints and idenfication them quickly with K-Means clustering algorithm.Firstly, the previous studies on the subject have been researched and biometric systems, fingerprint verification, idenfication systems and fingerprint minutiae inference algorithms have been investigated.The application was developed for fingerprint idenfication, and fingerprint acquisition and fingerprint idenfication module was created. With this app you have tried the extraction algorithms of fingerprints minutiae. A fingerprint image was created by using the appropriate fingerprint minutiae extracting algorithm and clustering to the K-Means clustering algorithm. Applied to a idenfication procedure on the generated fingerprint and sample scenarios were examined. Finally, the results and evaluations obtained after the application are summarized.