Yangın ve Güvenlik Dergisi 184. Sayı (Temmuz-Ağustos 2016)

YANGIN ve GÜVENL ø K SAYI 184 79 GÜVENL ø K - MAKALE bir modüle uygulam × ü t × r ve bu yakla ü × m, yüz ifadelerinde ve × ü × kland × rmada büyük varyasyonlar × n oldu ù u ko ü ullar alt × nda konvansiyonel PCA’ya k × yasla daha yük- sek alg × lama oran × sa ù lamaktad × r. An- cak ara ü t × rmac × n × n tespit etmi ü oldu ù u bir olumsuz yönü ise, poz varyans × ko ü ul- lar × alt × nda iyi performans göstermemi ü olmas × d × r. Bu çal × ü mada, alg × lama için hiç bir alt s × n × r de ù eri kullan × lmam × ü t × r. Parsi ve ark., biyometrik güvenlik sistemi ile ilgili yeni bir yakla ü × m sunmu ü tur ve bura- da ara ü t × rmac × yüzü bir biyometrik özellik olarak kullanmaktad × r ve ara ü t × rmac × ka- labal × k içerisinde insanlar × alg × lamak için insan alg × lamas × ile motive olmu ü tur ve bu amaca yönelik olarak kendi s × n × fland × - r × c × s × n × kullanm × ü t × r. Bu yakla ü × mda, ara ü t × r- mac × sadece bir ü üpheli listesinde mev- cut olan ki ü ileri alg × lamaktad × r. Ara ü t × rmac × alg × lama için görüntü biçim de ù i ü tirme tekni ù i önermi ü tir ve bu iki a ü amadan meydana gelmektedir. Ilk olarak kaynak görüntü özellikleri hedef görüntüye do ù ru ilerler ve ikinci olarak kaynak görüntünün gri seviyesi hedef görüntüye ayarlan × r. Ara ü t × rmac × bir yüz görüntüsünde özellik noktalar × n × n yerini belirlemek için Aktif û ekil Modeli (ASM) kullanm × ü t × r. Lee ve arkada ü lar × video sekanslar × nda insan yüzlerini alg × lamaya yönelik olarak yeni bir model önermi ü tir. Bu yakla ü × mda, her bir kat × l × mc × bir dizi poz varyant × gö- rüntüsü sergiler ve bu bir dü ü ük boyutsal kopya ile temsil edilebilmektedir. Farkl × görü ü aç × lar × na sahip olan görüntüler görüntü alan × nda dü ü ük boyutsal kopya olarak dü ü ünülebilirler. Farkl × pozlara sa- hip (önden görüntü de ù il) bir videodan bir ki ü iyi alg × lamak zor bir süreçtir. Ara ü t × r- mac × görüntü ve onun kopyas × aras × nda Hausdorff mesafesini kullanmaktad × r. Burada geçici bilgiler yakla ü × k olarak tah- min edilebilmektedir. Bir poz içerisinde fazla varyasyona sahip görüntüler gö- rüntünün tamam × na spesifik olan kopya- n × n birle ü imi al × narak tahmin edilebilmek- tedir. Ara ü t × rmac × video çerçevesinden yakla ü × m tahmin yapabilmek amac × yla bir dizi olas × l × k e ü itli ù i kullanmaktad × r, böy- lece alg × lamadaki k × smi oklüzyon proble- mi çözülebilir. Ara ü t × rmac × ayn × zamanda bir geçi ü matrisi yard × m × ile geçici bilgileri kullanabilmektedir ve bu da k × smi oklüz- yona sahip bir ki ü inin alg × lanmas × na yar- d × mc × olmaktad × r. Bu çal × ü mada Ara ü t × r- mac × n × n tespit etmi ü oldu ù u bir s × n × rlama ise yüz görüntülerinin dikkatli ü ekilde veri setinin kontrolü ile hizalanmas × gerekti ù i ve büyük × ü × kland × rma de ù i ü imlerine du- yarl × oldu ù udur. Fan ve arkada ü lar × hem geçici hem de uzaysal bilgiyi ayn × anda kullanan bir vi- deo temelli yüz alg × lama yöntemi için yeni bir yöntem önermi ü lerdir. Video te- melli yüz alg × lamada ara ü t × rmac × lar × n tespit etti ù i en önemli zorluklardan birisi yüz konfigürasyonu ve geçici dinamikle- rin alg × lama görevi için nas × l etkin ü ekilde birle ü tirilebilece ù idir. Önerilen yöntem bu probleme çözüm aramaktad × r ve çö- züm iki a ü amadan meydana gelmek- tedir. ú lk olarak, görüntü spesifik kopyan × n video karesinden ö ù renilmesi gereklidir ve bu Yerel Do ù rusal Yerle ü tirme (LLE) va- s × tas × ile yap × l × r. Bunun ard × ndan alg × lama a ü amas × nda genel Bayes teorisi infe- rans modeli uygulan × r. Baz × görüntülerin alt-kopyalar × n × n ö ù renilmesi gereklidir. Ara ü t × rmac × bunun için LLE ile K-ortalama kümelendirmesi kullanmaktad × r. Bu, hem uzaysal hem de geçici bilgiyi ayn × anda kullanan yeni bir video temelli yüz alg × - lama yöntemidir. Bu makalenin avan- tajlar × görüntü kopyas × ö ù renmesi ve Bayes temelli inferans × n birle ü tirilmesi ve s × n × fland × rma performans × n × iyile ü tirmek için önceki bilgiler ile gözlem verilerinin entegre edilmesini sa ù layan bir yöntem sunmas × d × r. Ara ü t × rmac × lar × n tespit etti ù i bir s × n × rlama da görüntü-spesifik kopya- n × n ö ù renilmesi gerekmesidir. 3. Yüz Alg × lama Süreci Güvenlik kameras × videolar × nda yüzün alg × lanmas × daha zor bir süreçtir çünkü örne ù in görüntü arka plan × , × ü × kland × rma, poz vs. gibi baz × zorluklar × n üstesinden gelmesi gereklidir. Yüz alg × lama sürecini ü u üç bölüme ay × rabiliriz: • Yüz tespit • Özellik ç × kartma • Yüz alg × lama û ekil 1. Yüz alg × lama sistemlerinin önerilen ak × ü ü emas × Bir web kameras × n × n önündeki ki ü i Güvenlik kameras × nda alg × lanan yüz Güvenlik kameras × nda alg × lanan yüz Yüz tespiti Yüz yakalama Alg × lama Ön i ü lem Ön i ü lem Özellik ç × kartma Özellik ç × kartma Depolanan ü ablon S × n × fland × rma NN (En Yak × n Kom ü u)& Güvenilirlik Sonuçlar