Yüz biyometrik sistemlerinde sahteciliklerin tespiti

Bu tez çalışmasında, standart bir görüntüleme aygıtı kullanan yüz biyometrik doğrulama sisteminde, düşük hata oranı ile yüz sahteciliği tespiti yapan modeller önerilmektedir. Çalışma iki başlık altında değerlendirilmiştir. İlk aşamada, geleneksel doku tanımlama yöntemlerinden elde edilen öznitelikler, klasik öğrenme algoritmaları yardımıyla sınıflandırılarak sahtecilik tespiti gerçekleştirilmiştir. Bu aşamada ilk olarak, bir giriş görüntüsünde sahtecilik tespitine en çok etki eden yüz bölgesinin bulunması hedeflenmiştir. Ardından, renk uzaylarının probleme etkileri araştırılmış ve düşük öznitelik vektörü boyutuna sahip bir örüntü kodlayıcı önerilmiştir. İkinci aşamada ise derin öğrenme algoritmalarının yüz sahteciliği tespitine etkisi araştırılmıştır. Bu kısımda, literatürde sıklıkla kullanılan Xception ağının parametre sayısı azaltılarak, indirgenmiş bir versiyonu üretilmiştir. Oluşturulan bu modele dikkat blokları eklenerek, öznitelik kodlayıcılar üzerinde kanallardaki bilginin ağırlıklandırılması sağlanmıştır. Son olarak, klasik öznitelik çıkarma yöntemi ile derin öğrenme modellerini içeren karma girişli bir derin öğrenme ağı önerilmiş ve sistemlerin performansları değerlendirilmiştir. Elde edilen sonuçlar, renk bilgisinin sahtecilik tespitinde etkili olduğunu, önerilen öznitelik kodlayıcının güçlü tanımlama yeteneğinin yanında düşük hesaplama karmaşıklığına sahip olduğunu ve derin öğrenme modellerinin yüz sahteciliği tespitindeki başarımının, klasik yöntemlerden daha iyi olduğunu ortaya koymuştur.