Makine öğrenmesi yaklaşımları ile avuç içi tanıma sisteminin geliştirilmesi

Avuç içi tanıma, çok sayıda üstün özellik içeren ve kişisel tanımlamada kullanılan önemli biyometrik tanıma yaklaşımlarından biridir. Avuç içi görüntüsü, öznitelik çıkarım işleminde ön işlemden sonra kullanılabilir. Avuç içi boyutu ve avuç ten rengi gibi özellikler, avuç içi tanımakta öne çıkan nitelikler olarak kullanılmıştır. Bu tanıma sisteminde adaylardan, avuç içi izlerini (sağ veya sol avuç içi fark etmeksizin) vermeleri istenir. Avuç içi görüntüleri genellikle avuç içi sensörü veya kameralar kullanılarak sisteme alınır. Bu tezde, avuç içi görüntüleri, her adayın avuç içi için aynı yön ve konum sağlanacak şekilde, avuç içini tutucu üzerine yerleştirdikten sonra bir kamera kullanılarak oluşturulur. Bazı tanıma sistemlerinde görülen bir diğer özellik de görüntüyü doğru bir şekilde almak için akıllı sensör kullanılmasıdır. Bu tür sensörler, belirlenmiş konfigürasyonlara göre görüntüleri düzeltme (bir ön işleme gerçekleştirme) özelliğine sahip olabilir. Bu projede, çevrimiçi görüntü portalından (PCOE) elde edilen büyük bir avuç içi görüntü veri setine dayalı kişisel doğrulama sistemi uygulandı. Avuç içi veri seti PCOE'den indirildi ve tanıma sisteminin sonraki adımlarında kullanıldı. 112 adayın (kadın ve erkek) sağ avuç içi görüntüsü alındı. Hiçbir yaş kısıtlaması uygulanmadı, bu da çalışmaya tüm yaş kategorilerinin dahil olduğu anlamına gelmektedir. Daha sonra, her adaydan sağ elini bir avuç içi tutucunun içine yerleştirmesi istendi ve avuç içi toplama PCOE'de gerçekleştirildi. Avuç içi verileri, yapay öğrenme ve derin öğrenme paradigmaları kullanılarak ayrıca sınıflandırıldı. Uzun kısa süreli bellek sinir ağı, avuç içi özelliklerinde kimlik tahmin etmede daha iyi performans gösterdi, LSTM %90'a eşit tanıma doğruluğu ile gerçekleştirilmiştir. ANAHTAR KELİMELER:Avuç İçi Tanıma,Derin Öğrenme, Makine Öğrenmesi