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

YANGIN ve GÜVENL ø K SAYI 184 80 GÜVENL ø K - MAKALE 4. Sisteme Genel Bak × ü Önerilen biyometrik güvenlik sistemi iki a ü amada çal × ü × r. Bu a ü amalar kat × l × m/ yakalama ve alg × lama/do ù rulama a ü a- malar × d × r. Bu çal × ü mada, özellik ç × kart- mak için PCA ve s × n × fland × rma için en yak × n kom ü u yöntemlerini kullanan bir teknik sunuyoruz. PCA gerçek zamanl × al- g × lama için say × lmamaktad × r, ve asl × nda do ù ruluk oran × söz konusu oldu ù unda videolar için de uygun de ù ildir. Bu se- beple PCA’n × n gerçek ya ü am ortam × nda çal × ü mas × n × sa ù lamak için, PCA’n × n alt s × - n × r de ù eri kavram × n × En Yak × n Kom ü u (NN) kavram × ile de ù i ü tirdik ve her bir görüntü için test görüntülerinin galeri görüntüsü- ne olan olas × l × ù × n × tan × mlayan bir güve- nilirlik de ù eri sa ù lad × k. Alt s × n × r de ù erinin kendisi çok geni ü bir ara ü t × rma alan × d × r ve bu sebeple güvenilirlik de ù eri ile en yak × n kom ü u kavram × n × kullanarak bu problemi ortadan kald × rd × k. Bizim sistemimiz farkl × modüllerden meydana gelmektedir ve bunlar görüntü yakalama, kat × l × m, yüz tespiti, alg × lama ve do ù rulamad × r. An- cak PCA algoritmas × n × n zay × fl × ù × , kamera ile izleme alan × nda kullan × ld × ù × nda h × zl × ve do ù ru sonuçlar vermemesidir. Buna ilave olarak, e ù itim süreci ayn × ki ü inin birden fazla görüntüsünü gerektirir. Önerilen yak- la ü × m veri taban × nda ki ü i ba ü × na sadece tek görüntü ile çal × ü maktad × r. Ki ü i ba ü × na tek bir görüntü için, alg × lama ortam × na ba ù l × olarak spesifik bir alt s × n × r de ù eri be- lirlememiz gereklidir. Burada, alg × lama sü- resini k × saltabiliyoruz ve bu sayede daha yüksek do ù ruluk oran × ile gerçek ortamda kamera ile izleme gerçekle ü tirebiliyoruz. 4.1. Kat × l × m A ü amas × ú lk olarak, kat × l × m a ü amas × nda, bir web kameras × vas × tas × ile yüz görüntüsü al × n × r ve ayn × zamanda ön-i ü lem gerçekle ü ti- rilir ve normalizasyon sonras × nda, her bir yüzün tüm detaylar × veri taban × na ( ü üp- heli listesi) kaydedilir. Kat × l × m sürecinde yüz görüntüsü ön i ü leme tabii tutulur. Bu- nun sonras × nda PCA (Temel Komponent Analizi) kullan × larak yüz özellikleri ç × kart × l × r ve bu özellikler ve de beraberinde ki ü inin verileri veri taban × nda saklan × r. 4.2. Alg × lama A ü amas × Sistemimizin bu a ü amas × nda, ki ü inin yüzü tekrar canl × videolardan yakalan × r ve sis- tem ki ü inin kim oldu ù unu tespit eder ve ki ü inin bir ü üpheli listesinde olup olmad × - ù × n × belirler. Bunun ard × ndan kalabal × ù × n içerisinden hedef ki ü iyi do ù rular. Tespit a ü amas × elde edilen biyometrik bilgilerin test görüntüsü ile kar ü × la ü t × rmas × n × içerir. Görüntü Yakalama Bu modülün amac × yüz bölgesini video- da aramak ve ç × kartmak ve sonra alg × la- ma amac × yla sadece yüz ile ilgili bilgileri tespit için yüz tespit teknikleri uygulamak- t × r. Bunun ard × ndan görüntünün boyutlar × de ù i ü tirilir, geometrik düzeltme uygulan × r ve daha iyi alg × lama için yüz ile ba ù lant × l × olmayan her türlü arka plan bilgisi silinir. Yüz Alg × lama / Do ù rulama Yüz alg × lama modülünde amac × m × z bir web kameras × ndan gelen her türlü yüzü alg × lamakt × r ve alg × lama süreci web ka- meras × ve veri taban × görüntüleri aras × n- da gerçekle ü tirilir. Bu, ön-i ü lem, özellik ç × - kartma ve s × n × fland × rma modüllerini içerir. Ön-i ü lem Ön i ü lem süreci yüz alg × lamada çok bü- yük önem ta ü × r çünkü × ü × kland × rma ve do- ù al ortam gürültüsünden kaynaklanan yüz görüntüsü varyasyonlar × n × ortadan kald × rmak ya da azaltmak için uygulan × r. Bu süreç ayr × ca bir normalizasyon süreci de içerir. Ön-i ü lem süreci görüntü k × rp- ma, yeniden boyutland × rma, yüz görün- tüsünün karakter görüntüsüne çevirimini ve histogram e ü itlemesini içerir. Özellik ç × kartma Bu sürecin amac × yüz özelliklerinin ç × kar- t × lmas × d × r ve bu yüz özellikleri özellik vek- törü ü eklinde ç × kart × l × rlar. Burada özellik ç × - kartma tekni ù i olarak Temel Komponent Analizi (PCA) tekni ù ini kulland × k. 5. En Yak × n Kom ü u Tekni ù i ile birlik- te Temel Komponent Analizi Temel Komponent Analizi (PCA) yöntemi iyi bilinen konvansiyonel bir tekniktir. Burada PCA yöntemini e ù itim ve özellik ç × kartma süreçleri için kullan × yoruz ve bu yöntem sa- yesinde verilerimizin boyutsall × ù × n × azaltabi- liyoruz ve alg × lama süreci daha kolay ü ekil- de uygulanabiliyor. PCA genelde kamera ile izleme için iyi bir algoritma olarak kabul edilmemektedir ancak dura ù an görüntü alg × lamas × nda en iyi boyutsall × k azalt- ma yakla ü × mlar × ndan birisi olarak kabul edilmektedir ve PCA’n × n video ile izleme süreçlerinde kullan × lmas × durumunda, di- ù er yakla ü × mlar ile birle ü tirilebilmekte ve ki ü i ba ü × na üçten fazla resim ve hatta on resim için kullan × labilmektedir. Ancak bu- rada d × ü alan aktivitesinde kamera ile al- g × lamada ki ü i ba ü × na sadece bir görüntü kullan × yoruz. PCA yüz görüntüsünden öz- yöneyleri ç × kart × r ve bunlar yüz vektörleri olarak kabul edilirler ve kovaryans matrisi kullan × larak hesaplan × rlar. Bundan sonra PCA’n × n bütün ad × mlar × nda görüntünün alg × lama için iyi olup olmad × ù × n × belirle- û ekil 3. Her bir bireyin ortaya ç × kan özyöney yüzleri. û ekil 2. Önerilen yakla ü × mla hesaplanan ortalama görüntü