Güvenlik kameralarındaki yüz görüntülerinin süper çözünürlüklenetleştirilmesi

Günümüzde güvenlik kameraları kamu ve askeri alanlardan endüstriyel tesislere, iş yerlerinden trafik denetimine kadar geniş bir kullanım yelpazesine sahiptir. Bu sistemler genel olarak güvenliğin ve asayişin sağlanması, suçların önlenmesi ve delillerin toplanması gibi kritik amaçların yanı sıra endüstriyel iş takibi ve üretim hatlarının kontrolü gibi çok çeşitli alanlarda kullanılmaktadır. Bununla birlikte mevcut birçok güvenlik kamerasının düşük çözünürlükte ve detayda kayıt yapması, özellikle uzak mesafelerde ve düşük ışık koşullarında görüntü kalitesini olumsuz yönde etkilemektedir. Mevcut güvenlik sistemlerinin yeni nesil yüksek çözünürlükte kayıt yapabilen sensörlere sahip kameralarla güncellenmesi ise hem maliyetli hem de zamana yayılmış bir süreçtir. Günümüzde görüntü işleme alanında, kamera görüntülerinin iyileştirilmesinde derin öğrenme tabanlı süper çözünürlük mimarilerinin kullanımı gittikçe yaygınlaşmaktadır. Düşük çözünürlük ve detaydaki görüntülerin, görüntü detayları ve keskinliği korunarak daha yüksek çözünürlüklere üst örneklenmesi, dijital görüntü işleme alanında süper çözünürlük adı altında incelenmektedir. Görüntü işleme alanında süper çözünürlük teknikleri genel olarak fotoğraf ve video görüntülerinde, medikal görüntülemede, güvenlik sistemlerinde, uzaktan tespit yapan cihazlarda ve uydudan görüntüleme gibi birçok alanda görüntünün restorasyonu ve çözünürlüğünün artırılması amaçlarıyla yaygın olarak kullanılmaktadır. Bu çalışma, güvenlik sistemlerinden alınan görüntülerdeki şahısların görünürlüğünü süper çözünürlük yöntemleri ile artırarak, normal şartlarda insan gözü veya yüz tanıma sistemleri ile tespitin mümkün olmadığı durumlarda yazılımsal bir iyileştirme sunmayı amaçlamaktadır. Tez kapsamında önerilen VNet mimarisi, düşük çözünürlükteki yüz görüntülerini süper çözünürlük ile yüksek çözünürlük ve detaydaki görüntülere dönüştürmek amacıyla derin öğrenme tabanlı bir konvolüsyon ağı ve şahısların yüz biyometrisini korumak için önceden eğitilmiş bir FaceNet modelinden oluşmaktadır. Geliştirilen ağda kodlayıcı-çözücü mimarisinin avantajları kullanılarak hem görüntü detayları korunurken hem de kayıp bölgeler restore edilmektedir. Yüz görüntülerinin süper çözünürlükle restore edilmesi veya üst örneklenmesi konusunda yapılan çalışmalarda, elde edilen görüntünün kalitesi, yüksek metrik başarımları ve görsel iyileştirmeler çoğu zaman ön planda tutulmakta, biyometrik açıdan aslına uygunluk ikinci planda kalmaktadır. Yapılan çalışmada önceden eğitilmiş FaceNet modelinin biyometrik hata beslemesi sayesinde üretilen çıktı görüntüsü, asıl görüntüye olan kalıtsal benzerliğinden koparılmadan, bir yandan görsel iyileştirmeler yapılırken diğer yandan da yüksek doğrulukta çıktılar alınabilmektedir. VNet mimarisi, çeşitli yüz görüntü veri setleri ve gerçek dünya senaryosuna uygun güvenlik kamera görüntüleri kullanılarak yapılan testlerde yüksek metrik başarımlar elde etmiş ve düşük çözünürlüklü yüz görüntülerinden, referans görüntüye uygun bir biçimde, yüksek çözünürlüklü görüntüler elde edilmesi konusunda etkili olduğu görülmüştür.