Yazar "Holat, Recep" seçeneğine göre listele

Listeleniyor 1 - 2 / 2
  • Küçük Resim
    Öğe
    ID Identification by Using Face Detection and Recognition Systems
    (Ieee, 2014) Holat, Recep; Kulaç, Selman
    In recent years, significant achievements have been achieved in the field of face recognition. Face recognition are special pattern recognition which are used in banking for identity approving and the entrance of controlled areas, the places where the security control impending to airports, to control machines,to follow-up of persons. In this study, face recognition applications on the Yale face databases have been performed by using PCA (Principal Component Analysis), LDA (Linear Discriminant Analysis), LBP (Local Binary Patterns). Database consist of right-light, center-light, left-right, no glasses, glasses, normal, wink, sleepy, surprised, happy, sad images. In the face recognition pre-processing steps, HE (Histogram Equalization), HE+ Median Filter, HE+Gaussian filter, He+Laplace Filter was used. It is provided to select the appropriate method from the system depending on state of image. Thus the system recognition rate increases of up to 6% was observed. Application was developed by using Microsoft Visual Studio 2010 C #. EMGU CV library for image processing algorithms and SQL Server 2008 Express for database processing were used
  • Küçük Resim
    Öğe
    Yüz bulma ve tanıma sistemleri kullanarak kimlik tespitinin yapılması
    (Düzce Üniversitesi, 2014) Holat, Recep; Kulaç, Selman
    Son yıllarda yüz tanıma alanında önemli başarılar elde edilmiştir. Yüz tanıma, bankacılıkta kimlik onaylamada, kontrollü alanlara girişte, başta havaalanlarında olmak üzere güvenliğin üst düzey olduğu yerlerde, makineleri kontrol etmede ve kişilerin takibinde kullanılan özel bir örüntü tanımadır. Bu tez çalışmasında bir yüz tanıma sistemi tasarlanmış, PCA (Temel Bileşen Analizi), LDA (Doğrusal Ayraç Analizi) ve LBP (Yerel İkili Örüntü) yüz tanıma yöntemleri kullanılarak Yale ve ORL veritabanları üzerinde test edilmiştir. Yüzün tespit edilmesinde Adaboost algoritması kullanılmıştır. Yale veritabanı, sağdan aydınlanmış, merkezden aydınlanmış, soldan aydınlanmış, gözlüksüz, gözlüklü, normal, göz kırpmış, uykulu, şaşkın, mutlu, üzgün yüz görüntüleri içermektedir. Yüz tanıma ön işleme adımlarında HE (Histogram Eşitleme), HE+Medyan Filtresi, HE+Gaussian Filtesi, HE+Laplace Filtresi kullanılmıştır. Görüntünün poz ve aydınlatma durumuna göre sistemin en uygun yöntemi seçmesi sağlanmıştır. Bu şekilde yüz tanıma oranında %6' ya kadar olan başarım artışları elde edilmiştir. Uygulama Microsoft Visual Studio 2010 C#.Net programı kullanılarak geliştirilmiştir. Görüntü işleme algoritmaları için EMGU CV kütüphanesi, veritabanı işlemleri için SQL Server 2008 Express kullanılmıştır.