Biyometrik kimlik tanımlama sistem tasarımı

Abstract

Dünyada kimlik tanımlama açısından en geniş kabul ile en büyük kullanım oranına sahip biyometrik özelliklerden biri olan parmak izi tanımlama ve doğrulama sistemlerinin yüksek doğruluk sağlaması büyük önem arz etmektedir. Parmak izi tanıma sistemleri kriminal sistemlerden, devlet dairelerine, laboratuvarlardan ve sınır geçişlerine kadar kimlik tanımlamanın gerekli olduğu hemen her yerde diğer biyometrik özellik tanıma sistemlerinden daha yaygın olarak kullanılmaktadır. Bu nedenle parmak izi tanıma sisteminin sahte ve gerçek parmak izinin ayrımını gerçekleştirmede hızlı ve güvenilir olması, daha yüksek hassasiyet sağlaması gerekmektedir.Bu çalışmada, lateks, ahşap tutkalı, jelatin ve silikon türevlerinden üretilmiş sahte parmak izleri, gerçek parmak izleri karşılaştırılarak sistemin elde ettiği sonuçlara ait performans metrikleri değerlendirilmişve bulunan sonuçlar diğer sistemler ile karşılaştırılmıştır. Sahte ve gerçek parmak izini karşılaştırması için uygun makine öğrenmesi yöntemleri LivDet2015 verisetinde bulunan sahte ve gerçek parmak izleri üzerinde çalıştırılmışve elde edilen sonuçlar kıyaslanarak tartışılmıştır.

It is of great importance to provide the highest accuracy of fingerprint identification and verification systems, which is one of the largest biometric features with the largest acceptance rate in terms of identity identification in the world.Fingerprint recognition systems are more widely used than any other biometric feature recognition system, from criminal systems, government departments, laboratories, border crossings, etc., wherever identification is required.For this reason, the fingerprint recognition system must be fast and reliable in order to realize the separation of the false and live fingerprints, and provide higher sensitivity.In this study, the performance metrics of the results of the system were evaluated by comparing the false fingerprints produced by latex, wood glue, gelatine and silicon derivatives and live fingerprints and the results were compared with the other systems.Appropriate machine learning methods for comparing fake and live fingerprints were run on fake and live fingerprints in the LivDet2015 dataset and the results obtained were compared and discussed.