elektrik port üyelik servisleri elektrik port üyelik servisleri

Yüz Tanıma Algoritmaları ve Uygulamaları

Günümüz teknolojilerinde yüz tanıma sistemleri; e-ticaret, bankacılık, kamu ya da özel sektörde kullanılıyor. Son günlerde mobil cihazlarda da yüz ya da göz tanıma sistemi karşımıza çıkıyor. Peki bütün bunlar nasıl gerçekleşiyor? Detaylar için yazımızı inceleyelim.



A- A+
05.02.2019 tarihli yazı 2466 kez okunmuştur.
İnsan yüzü, her bireyde karakteristik bir özelliğe sahiptir. Her birimizin gözleri, burnu, yüz hatları birbirinden farklı olduğu için yüz tanıma sistemleri giriş güvenliğinin önemli olduğu yerlerde tercih edilmektedir.

Yüz Tanıma Nedir ?

Yüz tanıma, kişinin yüzünü otomatik olarak algılayan ve analiz eden bilgisayar tabanlı bir güvenlik sistemidir. Bu sistem en az düzeyde hata çıkaran  ve en hızlı biyometrik yöntemdir. Bu teknoloji ile şifre unutma, güvenlik ihlalleri, kart tanımlama gibi bir çok problem ortadan kalkıyor.
 


►İlginizi Çekebilir: Biyometrik Nedir?

Yüz tanıma sisteminde, kişilerin yüzleri bir kamera ile çekilir ve analiz edilir. Sistem, gözler, burun, ağız ve çene kenarlarındaki mesafeler de dahil olmak üzere bütün yüz yapısını ölçer. Bu ölçümler bir veritabanında saklanır ve kullanıcı kamera önüne geldiği zaman yapılacak karşılaştırmalar için kullanılır. Her yüz farklı karakteristik özelliklere sahip olduğu için karşılaştırmalarda hata payı en aza indirilmiş olur. İnsan yüzü yaklaşık 80 düğüm noktasına sahiptir. Yüz tanıma teknolojisiyle gözler arasındaki mesafe, burun genişliği, göz çukurlarının derinliği, elmacık kemiklerinin şekli, çene hattının uzunlukları vs. ölçülür.
 
Bilgisayar yazılımları bu 80 düğüm yerine 15-20 noktaya gereksinim duyar. Uzmanlar dudaklar ve şakaklar arasındaki altın üçgene odaklanmıştır. Kilo alınsa, yaşlanmaya bağlı yüz hatları değişse, saç ve sakal uzasa ya da gözlük takılsa bile bu alan hep aynı kalır.

Sistem Nasıl Çalışır ?

Yüz tanıma sisteminin çalışma mantığını temel olarak 4 adımda inceleyebiliriz:
 

► Yüzün tanımlanması
► Doğrulama
► Karşılaştırma
► Eşleşme
 
Yüz algılandıktan sonra öncelikle arka plan daha düzgün bir hale getirilir. Yüzün boyut ve konumu daha önce algınlandığı halindeki tanımlanan değerlere normalleştirilir. Yüzün doğruluğunu sağlamak için, veritabanına alınan bilgilerle karşılaştırma yapılabilmesi için görüntü boyut ya da poz olarak standartlaştırılır. Bu standartlaştırmanın yapılabilmesi için yüzdeki işaretlerin (gözler gibi dairesel şekiller) doğru tanımlanabilmesi önemlidir. Görüntü verilerinin matematiksel olarak ifade edilmesi algoritmalarla sağlanır.
 

Yüz Tanıma Algoritmaları

Geleneksel algoritmalar iki temel yaklaşımı esas alır;
 

► Geometrik (özellik tabanlı) Yaklaşım
► Fotometrik (görünüm tabanlı) Yaklaşım
 
Fiziksel ya da geometrik yaklaşımda amaç, değişebilen özellikleri kullanmaktır. Bu da yüz özelliklerinin yapılandırılmasına dayanır. Göz, burun, ağız gibi yüzde ilk olarak konumlandırılan yerlerine, birbirlerine olan mesafelerine, açılarına göre farklı sınıflandırmalara dayanır. Bu yaklaşım, yüzün tanımlanmasının ardından ilk olarak alınan pozlama görüntüsü ile karşılaştırma yapılırken, olabilecek herhangi bir gölge, aydınlatma değişiklikleri ya da pozlamalardan kaynaklı oluşabilecek farklılıklardaki yer işaretlerinin tespitine dayanır. Bunun yanında görünüm tabanlı yaklaşımda, tüm yüzün şablonu kullanılır.


 

Yüz Tanıma Teknikleri

Temel Bileşen Analizi (PCA)

Karhunen-Loeve'nin dönüşümünden türemiştir. İki boyutlu vektörleri, tek boyutlu vektörlere dönüştürür ve ortogonal bileşenlere (öz yüzler) ayrıştırabilir. Temel bileşen analizi (PCA), temel vektörleri orijinal görüntü uzayında t-boyutlu bir alt uzay bulma eğilimindedir. Bunun anlamı, görüntüde en fazla değişiklik gösteren özellikleri çıkarır, görüntüdeki gereksiz veriler atılır ve geriye en etkili düşük boyutlu bir yüz deseni kalır. Bu öz yüzlerin ağırlıkları toplamı, tek boyutlu bir vektörde saklanabilir. Elde edilen görüntünün boyutu, veritabanındaki boyut ile aynı olmalıdır. Görüntünün özelliklerini işleyebilmek için normalizasyon yapılmalıdır.
 

Doğrusal Ayrımcılık Analizi (LDA)

Sınıflar arasında en iyi ayrımı yapan vektörleri bulur. LDA, PCA ile aynı verilere dayanır. Burada söz edilen sınıf kavramı aslında kişilerin yüzleridir. Şöyle ki, LDA tekniğinde; farklı bireyler arasındaki çeşitlilik en üst düzeyde tutulurken, aynı kişinin farklı pozları (mimiklerin değişmesi ya da kişideki duygu durumuna bağlı olan ifade değişikliği) en aza indirilir. Böylece kişiler arasındaki ayrım sağlanır.
 
Teknikte, tüm sınıfların tüm örnekleri için sınıflar arası dağılım matrisi SB ve sınıf içi dağılım matrisi SW tanımlanmıştır. Amaç anlattığımız gibi, SW'yi en aza indirirken SB'yi maksimize etmektir.

 


►İlginizi Çekebilir: Makine Öğrenimi için 6 Araç
 
 

Elastik Demet Grafik Eşleştirme (Elastic Bunch Graph Matching= EBGM)

Tüm insan yüzleri benzer topolojik bir yapıya sahiptir. Yüzler grafiklerle gösterilir; düğüm noktaları referans noktalarında bulunur ve kenarları 2 boyutlu mesafe vektörleri ile etiketlenir. Bu yöntem, ‘Gabor wavelet transform’ tarafından oluşturulan mimari ile, elastik bir ızgara üzerinde yapılır. Yüzdeki referans alınan düğüm noktaları da bu ızgara ile sağlanır. Elastik üzerinde oluşturulan ve ‘Gabor Jet’ adı verilen bir düğüm ile, görüntünün davranışı açıklanır.
 

3D Yüz Tanıma

2D yüz tanıma dış etkenlerden doğabilecek farklılıklara karşı; parlaklık, pozlama, kişinin yaptırabileceği küçük estetik operasyonlar hatta kozmetik  kullanımı gibi farklı etkenlere karşı duyarlıdır. Bunlar haricinde görüntünün karşılaştırılması için kalitesinin yüksek olması, veritabanında bulunan görüntü ile birebir eşleşmesi için alınan açının dahi önemi vardır.
 

İlk olarak, aralık resmi ve yüzün dokusu elde edilir. Ardından, aralık görüntüsü, tanımlamayı zorlaştıracak saç gibi bazı parçaları çıkararak ön işleme tabii tutulur. Son olarak, yüzün yüzeyi hesaplanır. 3D yüz tanıma tekniklerinde göz çukuru, çene, burun, sert doku ve kemiklerin eğriliği gibi ayırt edici özellikler kullanılır. Burada öncelikle 3D görüntü yakalanır.
 

Öncelikle yüzün 3D geometrisi algılanır. Burada yüzdeki ayırt edici özellikler belirlenir. Yüz için bir şablon oluşturulur. Bu şablon aslında bir kod dizisidir ve veritabanında saklanır. Veritabanına atılan bu görüntüler doğrulama ve tanımlama aşamasında kullanılır. Sistem karşılaştırma yaparken, eşleşme gerçekleşene kadar veritabanındaki görüntülerle kontrol edilir.

Yüz Tanıma Uygulamaları

Yüz tanıma sistemleri pek çok kamusal ve özel sektörün farklı alanlarında kullanılabilir. Havaalanları, şirketler, finansal kurumlar, toplu taşıma vs.
 
Kart okuyucu sistemlerde kişilerin kartları kaybetmesinden ya da kartların başkaları tarafından kullanılmasından dolayı oluşan güvenlik ihlalleri söz konusu olabiliyorken yüz tanıma sisteminde böyle bir durum mümkün değildir. Parmak izi okuyucu sistemlerinde ise bazı sektörlerde parmak izi okutma konusunda sıkıntılar yaşanıyor, çalışılan sektöre bağlı olarak kişilerin parmaklarında oluşabilecek tahrişten ötürü sistemin çalışmasında sorunlar oluşabiliyor. Yüz tanıma sistemi ile tüm bu olasılıklar ortadan kalkıyor ve daha güvenli bir sistem yapısı oluşturuluyor.
 
Kısacası, yüz tanıma sistemleri yazılım yardımıyla kişinin yüz bilgisini veri olarak alan ve bu yüzün kime ait olduğunu belirleyen sistemlerdir. Başarılı bir yüz tanıma sisteminin matematiksel bir model olarak tanımlanabilen yapay bir öğrenme metodu vardır. Bu matematiksel modelde yüzün karakteristik özellikleri yazılımın girdi parametreleridir. Her kişinin yüz karakteristik özellikleri birbirinden farklıdır. Bu farklılıkları yapay olarak öğrenebilen bir sistem görmediği yüzleri de doğru olarak birbirinden ayırt eder. Biyometrik uygulamalarda çok fazla kişinin birbirinden ayırt edilmesinin çok kısa sürelerde yapılması istendiğinde karşılaştırma için yüz ID bilgisi de verilir. Bilgisayarlardan verilen yüzün gerçekten de o kişiye ait olup olmadığının belirlemesi istenir.
 
Bundan dolayı da, yüz tanıma sistemi pek çok potansiyel uygulama arasında ulusal güvenliği sağlıyor, ATM ve çek ödemeleri, askeri üsler ve sınırlar gibi yüksek riskli yerlere giriş için güvenilir bir sistem olarak kullanılmaya devam ediyor.



Kaynak:

►engineersgarage.com

►eff.org
►findbiometrics.com
►howstuffworks.com

 
Gökçe  Gürbüz Gökçe Gürbüz Yazar Hakkında Tüm yazıları Mesaj gönder Yazdır



Aktif etkinlik bulunmamaktadır.
ANKET
Endüstri 4.0 için En Hazır Sektör Hangisidir

Sonuçlar