Yüz tanıma tekniğine dayalı yoklama sistemi geliştirilmesi

Abstract

Yüz tanıma, insan yüzlerini tanımak için yaygın olarak kullanılan biyometrik teknolojilerden biridir. Yüz tanıma sistemleri, yüzün biyolojik özelliklerinin değişmez olması ve yüz tanımanın kolay uygulanabilirliği gibi bir takım avantajlarının bir sonucu olarak daha popüler hale gelmiştir. Sonuç olarak, uzaktan eğitim, güvenlik ve sosyal medya dahil olmak üzere çeşitli uygulamalarda genellikle en etkili biyometrik teknoloji olarak kabul edilmektedir. Bununla birlikte, tamamen güvenli, doğru ve güvenilir yüz tanıma yapabilmenin önünde hala aşılması gereken bazı engeller bulunmaktadır. Uzaktan eğitimde, yüz öznitelik çıkarımı, katılımcıların konumlarını değiştirmelerini engellediği için görünüş geçerliliğini korumak için yararlıdır. Ancak, yüz tanımanın çeşitli alanlarında araştırma ve pratik uygulamalar arasında bir boşluk vardır. Ayrıca, uzaktan eğitime olan talep önemli ölçüde artmıştır. Bu artış, izolasyon ve sosyal mesafe gibi zorunlu koşulların getirdiği çeşitli engellerden kaynaklanmaktadır ve bu alanda yüz tanıma tekniklerinin kullanılması, öğrenme sürecini geliştirmek için faydalı olmaktadır. Bu tez, yüz tanıma sistemlerinde ortaya çıkan ışıklandırma değişimi, poz değişimi ve oklüzyon gibi önemli sorunları araştırmaktadır. Bu problemleri çözmek için birçok teknik ve algoritma önerilmiştir. Bu tez, yeni bir yüz tanıma tekniğine dayalı bir uzaktan eğitim yoklama modeli sunmaktadır. Bu doğrultuda yüz öznitelik çıkarımı yapabilen ve yüz tanımada karşılaşılan zorlukları çözebilen iki yeni teknik geliştirilmiştir. Çoklu tanımlayıcı adı verilen ilk yeni model, iyi bilinen yerel ikili örüntü yöntemine dayanmaktadır. Bu model merkez pikselin çok sayıda farklı komşusunu ele almaktadır. Modelin özgün avantajı, bu tanımlayıcının sadece bir nokta yerine farklı komşuluk boyutlarının kullanılmasına izin vermesidir. Bu yapı, makul bir etkinlik seviyesine erişmekte ve ayrıca farklı bir öznitelik dağılımı elde etme imkanı sağlamaktadır. Bu çalışmada önerilen tanımlayıcıya dayalı ikili öznitelik tanımlayıcı kullanan başka bir yüz tanıma modeli geliştirilmiş ve iki model arasındaki benzerlik ve farklılıkları araştırmak için yerel ikili örüntüler oluşturulmuştur. Her iki model için de kamera mesafesi, ifade, büyük kafa boyutu ve ışıklandırma değişikliği gibi yüz tanıma sorunlarının üstesinden gelmek için farklı yüz veri tabanlarında destek vektör makinesi yöntemi kullanılarak eğitim yapılmıştır. Ek olarak, derin öğrenmeyi kullanarak, yüz tanımayı geliştirmek için yeni ama oldukça verimli bir evrişimsel sinir ağı olan In-depth yöntemi sunulmaktadır. Bu yöntem, sıralı ve artık kimlik bloklarının bir kombinasyonuna dayanmaktadır. Bu yöntem kullanıldığında, daha derin bloklar kullanmanın etkililiği araştırılabilmektedir. Bu çalışmada yeni modelin, diğer son teknoloji yöntemlerle karşılaştırıldığında, yüz öznitelik çıkarımını yüksek doğruluk oranıyla gerçekleştirebildiği kanıtlanmıştır. Uzaktan eğitim yoklama sürecinde, eğitim verilerinin sınırlılığı, yüz tanıma ve doğrulama ile ilgili çeşitli zorluklarla karşılaşılmaktadır. Bu v çalışmada uzaktan eğitim bağlamında yüz tanıma ve yoklama için yeni bir mimari sunulmaktadır. Bu modelin avantajlarından biri, önerilen model ve destek vektör makinesi kullanılarak çıkarılan öznitelik çıkarımı ve eğitim yapılmasıdır. Bu yöntem, tanıma ve yoklama hatalarını azaltmaktadır. Deneyler, modelimizin ve yoklama modelimizin neredeyse tüm yüzleri tanıyabildiğini ve bu yüzlere karşılık gelen etiketleri kaydedebildiğini göstermiştir. Bu yeni yüz tanıma ve yoklama modeli, uzaktan öğrenmeyi daha güvenli, doğru ve güvenilir hale getirerek öğretim etkinliğini artırarak uzaktan öğrenmenin yaygınlaşmasına katkıda bulunabilir