Yüz tanıma sistemi
 | Bu madde hiçbir kaynak içermemektedir. (Mayıs 2017) (Bu şablonun nasıl ve ne zaman kaldırılması gerektiğini öğrenin) |
Yüz tanıma, Biyometri kişilerin fiziksel ve davranışsal özelliklerini göz önüne alarak yürütülen kimlik belirleme çalışmaları olarak tanımlanır. Bu kişi özelliklerine örnek olarak, retina ve iris görüntüleri, el geometrisi, Ayak izileri ve parmak izleri, elin damar görüntüsü, konuşma sesi, yüz özellikleri, kulak memesi, yürüyüş, klavye kullanım şekli, konuşma devinimleri örüntüleri verilebilir. Daha genel anlamda, biyometri bilişim teknolojilerinin bir parçası olup, insanların fiziksel özelliklerini ve davranış biçimlerini irdeleyip kişiyi tanıma amaçlı ipuçları çıkaran bir bilim dalıdır. Bizim içinde çalıştığımız bu biyometriğin içinde yüz özelliklerine bağlı insan tanıma, diğer bir deyiş ile “yüz bulma ve yüz tanıma”dır. Yüz tanımadaki üç temel unsur şöyle tanımlanır:
- Kişi tanılama: Bir nüfus dağarcığı içinde bir kişinin kim olduğunu anlamak.
- Kişi doğrulama: Belirli bir kimlik savıyla başvuran kişinin savının doğru olup olmadığını anlamak.
- Kişi onaylama: Kişinin önceden kayıtlı kişi olup olmadığını, kayıtlı ise bu kaydın güncellenmesini sağlamak.
Yüz tanıma sisteminin ana yapıtaşları
[değiştir | kaynağı değiştir]Tipik bir yüz tanıma sisteminin ana yapıtaşları şöyle sıralanır:
- Devşirilme ve kayıt: Kişiler, bir ya da birden fazla Zaman diliminde bir ya da daha fazla fiziksel/davranışsal özelliklerini ölçtürerek sisteme kayıt olurlar.
- Veri işleme: Ölçülen yüz özellikleri süzgeçlenir, gürültüden arıtılmaya çalışılır, veriler istatistiksel olarak değerlendirilir, veri sınıflandırıcılar alıştırma döneminden geçirilir, birden fazla veri parçası veya karar mekanizması tümleştirilmeye çalışılır. Mesela, yüz imgelerini ele alalım. Yüz imgeleri, ısıl kamera, derinlik kamerası, ışık kamerası, stereo kamera veya video kamerası ile elde edilir. Ham veriler, poz kestirimi, ışıklandırma kaynaklı etkilerin giderimi, farklı ölçekteki yüzlerin aynı boya getirilmesi gibi önişlemlere tabi tutulur. Bu şekilde düzgelenmiş (normalized) yüzlerden öznitelik vektörleri çıkarılır, sadeleştirilir ve gürbüzleştirilir, sınıflandırıcılar eğitilir ve geçerlilik testleri tamamlanır. Bu aşamada her kişi bir yüz şablonu ile tanımlanmaktadır. Birden fazla veri gösterimi, birden fazla şablon ya da karar mekanizması kullanan sistemlerde tümleştirilmeden yararlanılır.
- Test: Bir terminalden oturum açmak isteyen ya da korumalı bir yerleşkeye girmeye çalışan bir kişinin o anki ölçümlerinden yola çıkılarak yeni bir şablonu oluşturulur ve bu test şablonu, şablon kütüphanesinde daha önce elde edilmiş şablonlarla karşılaştırılarak tanımaya çalışılır. Geçerli bir kişinin sistem tarafından tanınamayıp reddedilmesi oldukça olumsuz bir deneyim yaratacağından tanıma doğruluğunun yüksek olması gerekir. Öte yandan yanlış kabul olasılığı yüksekse yetkisiz kullanıcıların ve sahtekarların giriş yapması kolaylaşır. Bu bakımdan yüz tanıma sisteminin güvenilirliği, hem yanlış ret olasılığının düşük, hem de yanlış kabul olasılığının düşük olmasını gerektirir. Bu durum “Eşit Hata Oranı” diye tanımlanır.
Teknolojik olarak “Bağımsız Bileşenler Analizi, Asal Bileşenler Analizi ve Dinamik Yerel Farklandırıcı Analizi metotlarından ortaya çıkarılmış metotlardır.
