AUTOMATIC PALMPRINT RECOGNITION

Abstract

Güvenlik sistemlerinde, özellikle kötü amaçlı erişimlere karşı hassas veri koruma konusunda biyometrik tanımaya olan ilgi artmıştır. Gizlilik içeren kişisel veriler üzerinde yüksek düzeyde kimlik doğrulamayı zorunlu kılmak için büyük ölçüde kullanıldığı görülmektedir. Biyometrik tanıma sistemleri üzerinde yapılan araştırmaların başında; parmak izi, yüz tanıma ve diğer benzeri biyometrik ses tanıma işlemleri gelmektedir. Yukarıda belirtilen sistemlerin çoğunda, biyometrik izler yaş etkilerine daha yatkındır, büyüyen ve yaşlanan bir insanın yüzünde oluşan kırışıklıklar yüz hatlarının değişimine sebep olurlar. Benzer şekilde parmak izi, yaş etkileri nedeniyle kademeli olarak daha az belirgin hale gelebilir veya yaralanmalar veya incinmeler nedeniyle bozulabilir. Avuç içi tanıma, biyometrik tanımanın başka bir alternatifidir. Yaşın avuç içi yapısını gerçekten etkilemediği, zamanla değişmeyen biyometrik iz olarak bilinmektedir. Aynı zamanda sabit kalan ve avuç içi kimliği olarak kullanılabilecek ana hatlar gibi özellikler içermektedir. Bu projede avuç içi tanıma sistemi, kişisel kimlik tanımlama aracı olarak önerilmiştir. Çalışma, avuç içi üzerinde ilgi bölgesini etkin bir şekilde elde etmek için gelişmiş özellikleri ayrıştırma yöntemini içermektedir.Çalışma IIT Delhi el-avuç içi veritabanı kullanılarak gerçekleştirilmiştir. Çalışma sağ avuç içi tanımaya dayanmaktadır. Ġlgili bölge, avuç içi konturu üzerinde birden fazla geometrik noktaya değinilerek mümkün olan daha yüksek hassasiyette kırpılmıştır. Ġlgili kırpılan bölgenin her pikselindeki renk derinliğini analiz etmek için piksel piksel analizi ile ilgilenilen her kırpılmış bölgeden özellikler incelenmiştir. Ayrıca edinilen özellikler derin öğrenme sınıflandırıcıları kullanılarak sınıflandırılmıştır. En Yakın K Komşu, Rassal Orman, Temel Bileşenler Analiz ve Ġleri Beslemeli Sinir Ağı, yukarıda belirtilen özellikleri kullanarak eğitimden geçtikten sonra kişisel kimliği tahmin etmek için kullanılmıştır.Tanıma doğruluğu, her bir sınıflandırıcı ile değerlendirilmiştir ve bununla birlikte, Ġleri Beslemeli Sinir Ağı Sınıflandırıcısı, diğer sınıflandırıcılara kıyasla daha iyi performans göstermiş olup %81,25'lik bir tanıma doğruluğu sağlamıştır.