Bir yüz tanıma sisteminin geliştirilmesi

Abstract

Son bir kaç on yıl içerisinde yüz tanıma sistemlerinin önemi artmıştır. Yüz tanımasistemi biyometrik bilgi işleme sistemlerinden biri olup uygulanabilirliği daha kolayve çalışma alanı diğer biometrik bilgi işlemeye göre daha geniştir. Parmak izi, retinataraması, imza ve benzeri bilgiler biometrik bilgiye örnektir. Bu tez çalışmasında biryüz tanıma sistemi tasarlanmış, uygulamış ve test edilmiştir. Sistem yüz bulma vetanıma konularının birleşiminden oluşmuştur. Yüz bulma operasyonu daha öncedenbelirlenmemiş ve canlı olarak çekilmiş görüntülerden yapılmaktadır. Sisteminçalışma aşamaları beyaz dengesini düzenlemek, ten rengi bölgelerin segmentasyonu,yüz adayından yüz özelliklerinin çıkarılması ve yüz görüntüsünün elde edilmesidir.Devamında da İleri Beslemeli Sinir Ağının sisteme entegre edilmesi ile yüzgörüntülerinin sınıflandırılması yapılmıştır. Sistem, laboratuvar ortamında yapılan 26kişilik veritabanı ile test edilmiştir. Belirlenmiş sınırlar çerçevesinde test edilmiş vekabuledilebilir performansta yüzleri tanımıştır. Sistem aynı zamanda yakalanan canlıgörüntüdeki birden fazla yüzü bulabilir ve tanıyabilir.Importance of face recognition systems have speed up in the last few decades. A facerecognition system is one of the biometric information processing. Applicability iseasier and working range is larger than other biometric information processing, i.e.;fingerprint, iris scanning, signature, etc. A face recognition system is designed,implemented and tested in this thesis study. The system utilizes a combination oftechniques in two topics; face detection and recognition. The face detection isperformed on live acquired images without any application field in mind. Processesutilized in the system are white balance correction, skin like region segmentation,facial feature extraction and face image extraction on a face candidate. Then a faceclassification method that uses FeedForward Neural Network is integrated in thesystem. The system is tested with a database generated in the laboratory, with 26people. The tested system has acceptable performance to recognize faces withinintended limits. System also capable of detecting and recognizing multiple faces inlive acquired images.