Yerel zernike momentleri ve metrik öğrenme yöntemleriyle yüz çifti eşleme

Tarihin ilk zamanlarından beri insanlar iletişim ve etkileşim halinde bulundukları diğer insanları birbirlerinden ayırt edebilmek ve kimliklerini tespit edebilmek için yüzlerini tanımakta ve bu bilgiyi hafızalarında tutmaktadır. İnsan vücudunda kendisinin başkalarından ayırt edilebilmesini sağlayan parmak izi vb. pek çok biyometrik ölçüt bulunmaktadır. Ancak bu ölçütlerin hiçbirisi yüz bilgisi gibi günlük hayatta kolaylıkla kullanılabilecek nitelikte değildir. Günümüzde bilgisayar teknolojisinin gelişmesi ve yaygınlaşması ile dünyadaki ilk insanlardan beri her zaman popüler olan yüz tanıma problemi, akademik ve ticari olarak da önemli araştırma geliştirme konularından birisi haline gelmiştir. Günümüzde ulusal ve özel güvenlikten, hizmet kalitesini arttırmak amaçlı müşteri sadakati sistemlerine kadar pek çok alanda yüz tanıma uygulamaları aktif olarak kullanılmaktadır. Yüz çifti eşleme (YÇE) problemi, yüz tanıma araştırma alanının önemli alt başlıklarından birisidir. Yüz çifti eşlemenin amacı imgelerdeki kişilerin kimlik tespiti değil, imgelerdeki yüzlerin aynı kişiye mi yoksa farklı kişilere mi ait olduğu bilgisini elde etmektir. İki ayrı yüz imgesi, eğer aynı kişiye ait ise eşleşmiş, eğer farklı kişilere ait ise eşleşmemiş olarak nitelendirilir. Bu değerli bilgi kısıtlandırılmış bölgelere giriş/çıkış kontrolü, kriminal vakalardaki kamera kayıtlarının analiz edilmesi gibi pek çok alanda kullanılmaktadır. YÇE alanındaki çalışmalar genellikle üç ana aşamadan oluşmaktadır. İlk adımda imgelerdeki yüzlerin yerleri bulunmakta, bulunan yüzler hizalanmakta ve kesilmektedir. Böylelikle yüzler sonraki işlemlere hazır hale getirilmektedir. İkinci adımda kesilen bu yüzlerin farklı yöntemlerle öznitelik vektörleri çıkartılmaktadır. Son olarak da çıkartılan bu öznitelik vektörleri çeşitli şekillerde yorumlanarak amaca uygun şekilde sınıflandırılmaktadır. Bu çalışmada problemin ikinci ve üçüncü aşaması üzerinde çalışmalar yapılmıştır. Tez çalışmasında öznitelik çıkartma yöntemi olarak Yerel Zernike Momentleri (YZM) kullanılmıştır. Zernike Momentleri (ZM) imgenin bütününde hesaplanmakta ve karakter tanıma gibi konularda başarılı sonuçlar vermektedir. Ancak, ZM yüz tanıma gibi imgenin şekilden çok desen bilgisinin önemli olduğu konularda aynı oranda başarılı değildir. Bu nedenle momentlerin bütün imge üzerinde hesaplanması yerine her gözek ve komşuları etrafında yerel olarak hesaplanması prensibine dayalı yeni bir yüz gösterimi olan YZM yöntemi kullanılmıştır. Daha önce yüz imgelerinden kimlik tespiti alanında Yerel İkili Örüntü ve Gabor gibi yöntemlerden daha başarılı sonuçlar veren YZM yönteminin, yüz çifti eşleme probleminde de başarıyla kullanabileceğini göstermek tezin amaçlarından birisidir. YZM yönteminde giriş imgesinden moment derecesi parametresine göre farklı sayılarda gerçel ve sanal kısımlardan oluşan (karmaşık) imgeler oluşturulur, öznitelik çıkartma işlemi sırasında da bu imgeler kullanılır. Seçilen parametrelere göre öznitelik vektörünün uzunluğu değişebilmekte ve yüksek boyutlara ulaşabilmektedir. İşlem kolaylığı ve gerçek zamanlı uygulamalarda kullanılabilirliği sağlamak için YZM öznitelikleri boyut indirgeme işlemine tabii tutulmaktadır. Temel Bileşenler Analizi (TBA) yöntemi sayesinde vektörler veri çeşitliliğini çok fazla kaybetmeden daha düşük boyutlara indirgenmektedir. Tez çalışmasında boyutları indirgenen YZM vektörleri sınıflandırma işlemi öncesinde daha ayırıcı hale gelebilmeleri için metrik öğrenme yöntemleri kullanılarak yeni bir uzaya taşınmaktadır. Bu yöntemde öncelikle eğitim aşamasında eş ve eş olmayan şeklinde iki ayrı sınıfta etiketlenmiş olan YZM vektör çiftleri kullanılarak istatistiksel çıkarımlar sonucunda dönüşüm matrisleri hesaplanmaktadır. Yöntem sonucunda öğrenilen bu dönüşüm matrisleri test aşamasında YZM vektör çiftleri ile çarpılmakta ve vektörler boyut değiştirmekte ve daha ayırıcı hale gelmektedir. Yapılan çalışmalara göre öznitelik vektörleri metrik öğrenme yöntemleri ile birlikte kullanıldıklarında ortalama %6-8$ başarım artışı sağlanmaktadır. Çalışmada metrik öğrenme yöntemi olarak L2-Norm Metrik öğrenme ve Eşitlik Kısıtları ile Geniş Ölçekte Metrik öğrenme yöntemleri kullanılmaktadır. Tez kapsamında yapılan çalışmaların ve geliştirilen yöntemlerin test edilebilmesi için internetteki haber görüntüleri kullanılarak oluşturulmuş Labeled Faces in the Wild (LFW) veritabanı kullanılmıştır. 5749 farklı kişiye ait toplam 13233 adet görüntüden oluşan bu veritabanı kontrolsüz ortamlardan toparlanmış imgelerden oluşmakta ve farklı poz, açı, yaş ve aydınlatma gibi değişimler içermektedir. LFW veritabanının yüz çifti eşleme problemi için belirlediği bir başarım ölçme protokolü bulunmaktadır. Eş ve eş olmayan 6000 adet yüz çifti belirlenmiş, bunlar 10 grupta toplanmıştır. Çapraz doğrulama yöntemi ile bu 10 grup kullanılarak başarım hesaplanmaktadır. LFW veritabanının YÇE problemlerinde yaygın olarak kullanılması ve başarım hesaplarının sabit bir protokol üzerinden gerçekleştirilmesi, testler sırasında bu veritabanının seçilmesini sağlamıştır. Bu sayede çalışma sonucunda elde edilen başarımlar aynı giriş imgeleri üzerinde ve aynı protokol ile elde edildiğinden karşılaştırma sonuçları daha anlamlı hale gelmektedir. Hesaplanan, boyutları indirgenen ve metrik öğrenme yöntemleri ile dönüştürülen vektörlerin, LFW veritabanının başarım protokolüne uygun şekilde sınıflandırılmasında k-en yakın komşuluk yöntemi kullanılmaktadır. Eş ve eş olmayan şeklinde iki adet sınıf barındıran bu işlemde eğitim aşamasında sabit bir eşik değeri hesaplanmaktadır. Test aşamasında ise birbirlerine bu değerden daha yakın olan yüz çiftleri eş, diğerleri ise eş olmayan şeklinde sınıflandırılmaktadır. Vektörlerin birbirleri ile arasındaki uzaklığın hesabında L1 Norm, L2 Norm, Mahalanobis ve Kosinüs gibi farklı uzaklık ölçüm metrikleri kullanılmıştır.