Face Recognition System in Family Individuals With Content-Based Image Access Methods

Abstract

Yüz tanıma sistemleri, kriminoloji, güvenlik sistemleri gibi görüntü içeren alanlarda veriyi işlemek için görüntü işleme, makine öğrenmesi ve derin öğrenme algoritmaları kullanılmaktadır. Yüz tanıma sistemleri kayıp bireylerin bulunması için umut verici biyometrik teknolojilerden biri olabilir; çünkü ebeveynlerin ve akrabalarının kaybolan bir bireyin yüz fotoğrafına sahip olma olasılığı, parmak izi veya iris gibi diğer biyometrik yöntemlerden daha yüksek olabilmektedir. Bu tez çalışmasında, kaybolan, kaçırılan ya da aranan bireylerin bulunması temeline dayanan içerik tabanlı bir görüntü erişim sistemi tasarlanıp, tasarlanan bu sistem ile yüz tahmini yapmak amaçlanmaktadır. Bu kapsamda sistemde kullanılmak üzere uygun makine öğrenmesi tekniğinin bulunabilmesi için FEI ve CelebA veri seti temin edilmiştir. FEI, CelebA ve aile yüz veri seti üzerinde Makine öğrenmesi tekniklerinden; ESA (Evrişimsel Sinir Ağları), YGH-DVM (Yönelimli Gradyan Histogramı-Destek Vektör Makineleri) ve DSA (Derin Sinir Ağları) yöntemleri kullanılmıştır. Bu yöntemlerin analiz sonuçları değerlendirilerek en iyi yüz tanıma özelliğine sahip olan yöntem olarak %98,86 başarı oranı ile ESA belirlenmiştir. Sonrasında, tarafımızca oluşturulan ve hiçbir çalışmada henüz kullanılmamış olan, aile yüz veri setine ESA tekniği uygulanarak aile yüz referans modeli ve bu model baz alınarak robot resim oluşturulmuştur. Aile yüz veri seti içerisinden rastgele seçilen 10 ailenin aile referans modeline ait robot resmi ile aileden seçilen bir birey kıyaslanarak %88,77 ile %93,90 arasında başarı oranı elde edilmiştir. Ayrıca web tabanlı bir robot resim oluşturma programı hazırlanmıştır.

Image processing, machine learning and deep learning algorithms are used to process data in fields such as facial recognition systems, criminology, security systems. Facial recognition systems can be one of the promising biometric technologies for finding missing individuals, as parents and relatives are more likely to have a face photo of missing individual rather than other biometric methods such as fingerprints or iris. In this thesis, a content-based image retrieval system based on finding missing, kidnapped or wanted individuals is designed and it is aimed to make face estimation with this system. In this context, FEI data set has been provided to find the appropriate machine learning technique to be used in the system. Among Machine Learning techniques on FEI, CelebA and family face dataset; ESA (Evrişimsel sinir Ağları), YGH-DVM (Yönelimli Gradyan Histogramı - Destek Vektör Makineleri) and DSA (Derin Sinir Ağları) methods were used. Evaluating the analysis results of these methods, ESA was determined as the method with the best facial recognition feature, with a 98,86% success rate. Afterwards, the family face reference model was applied to the family face data set, which was created by us and has not been used in any study, and a police sketch was created based on this model. A success rate between 88,77% and 93,90% was obtained by comparing the police sketch of the family reference model of 10 families randomly selected from the family face data set and an individual selected from the family. In addition, a web-based robot image creation program has been prepared.