Örüntü tanıma alanı içerisinde gelişmiş, temel bir araştırma alanı olan otomatik
yüz tanıma, kimlik doğrulama ve tespit amaçlı olarak sivil, askeri ve ticari pek çok
alanda uygulanmaktadır. Tanıma işlemi, iki veya üç boyutlu görüntü kullanılarak, ya da
yüzü temsil eden bir sıcaklık şablonu kullanılarak gerçekleştirilebilir. Yapılan
araştırmalar, maliyet düşüklüğü, mevcut veritabanlarının kullanımı ve kolay adaptasyon
gibi sebeplerden dolayı, tanıma işleminde iki boyutlu görüntü kullanımının
yaygınlaştığını göstermektedir.
İki boyutlu yüz görüntülerini vektöre dönüştürerek tanıma işlemi yapan ilk
çalışmalar, boyut artışı ve yüz görüntüsünde aslına göre bilgi kayıplarının oluşması
problemleri ile karşılaşmışlardır. Son birkaç yıldır, yüz görüntüsünü vektöre
dönüştürmeden iki boyutlu tanıma yapan algoritmalar geliştirilmeye başlanmıştır. Bu
algoritmaların temel aldığı yaklaşım iki boyutlu Ana Bileşenler Analizi’dir. Ana
Bileşenler Analizi temelli algoritmalar, sınıflandırma doğruluğundan ziyade iyi bir yüz
temsili elde etmeyi amaçlandığından, yüz görüntü sınıfları birbirinden uzaklaştırılmakta
ancak sınıflar kendi içinde birbirine yakınlaştırılmamaktadır.
Bu tez çalışmasında geliştirilen iki boyutlu yüz tanıma algoritmaları ile, mevcut
iki boyutlu tanıma algoritmalarına aşağıda verilen katkılar sağlanmıştır:
• Yüz görüntü sınıfları birbirlerinden uzaklaştırılırken, sınıf içindeki görüntüler
birbirlerine yaklaştırılmış böylece sınıflandırma doğruluğu arttırılmıştır;
• Yüzü temsil etmek için kullanılacak matris boyutu veri kaybının olmadığı
orijinal yüz uzayı kullanılarak küçültülmüştür;
• Yüz matrisinin satır ve sütun vektörleri arasındaki değişimlerden yararlanan yeni
bir yaklaşım geliştirilmiştir;
• Tanımadaki küçük örnek boyutu problemi ortadan kaldırılmıştır.
Geliştirilen algoritmalar AR-Face ve ORL veritabanları kullanılarak test
edilmiştir. Karşılaştırma amaçlı olarak, çok bilinen yüz tanıma metodları aynı veri
tabanı kullanılarak test edilmişlerdir. Deneysel sonuçlar göstermiştir ki, geliştirilen
algoritmaların tanıma performansı çok bilinen algoritmalara göre daha yüksek olmuştur.
Automatic face recognition which is developed in pattern recognition is a basic
research area and is used for identification and verification of indiviuals in many fields
such as civil, military and commercial. Recognition can be made by using 2 or 3
dimensional image or an infrared template. But research showed that using 2
dimensional images for recognition is more common, more convenient with existing
databases and easy adaptation.
Initial studies which transform face matrix into a vector for recognition are
crossed with information loss and rise of dimensionality. For several years, algorithms
have been developed for face recognition that doesn’t require transformation of matrix
into a vector are based on 2 dimensional Principal Component Analysis (2DPCA). But
they provide a good representation rather than a good classification as they maximize
the between class scatter only.
With the developed algorithms in this thesis following contributions are made to
the existing algorithms:
• Minimization of the within class scatter is achieved while maximizing the total
scatter;
• Matrix dimension which represents face image is reduced using original face
space;
• A new approach is developed which uses variations between row and column
vectors;
• Proposed algorithms overcomes the small sample size problem.
Proposed algorithms are tested using Ar-Face and ORL face databases. In addition
for the comparision purpose well known algorithms are also tested using same
databases. The experimental studies demonstrated that according to the well known
algorithms, better recognition accuracies are achieved for each method which are
proposed in this thesis.