YÜZ TANIMA SİSTEMLERİ İÇİN DERİN ÖĞRENME TABANLI 3 BOYUTLU YÜZ SAHTECİLİĞİ ÖNLEME SİSTEMİ GELİŞTİRİLMESİ

Abstract

Biyometri, kişileri fiziksel veya davranışsal özelliklerine göre doğrulamak, tanımak ve tanımlamak için kullanılan süreçleri ifade etmektedir. Biyometrik tanımlayıcılar için veri alınabilecek fizyolojik özellikler parmak izleri, avuç içi damarları, avuç içi izleri, yüz, DNA, iris, retina ve el geometrisini içermektedir. En popüler biyometrik tanımlayıcı olan yüz tanıma sistemleri temel olarak, görüntülerdeki yüz bölgelerinin makine öğrenmesi algoritmaları kullanılarak tespit edilip daha önce sistemde kayıtlı kişiler ile eşleştirme yapılarak otomatik kimlik doğrulama sistemi olarak görev yapmaktadır. Yüz tanıma teknolojileri, iris ve parmak izi tanıma gibi diğer teknolojilere ve biyometrik tanımlayıcılara göre kullanışlı, temassız ve kolay uygulanabilir olmasından dolayı pek çok avantaj sağlamaktadır. Ne yazık ki, bir biyometrik veri çalındığında veya kopyalandığında, biyometrinin avantajları dezavantaja dönüşmektedir. Kayıtlı bir kullanıcının bir veya daha fazla fotoğrafının/videosunun internet üzerinden kolayca ve ucuza elde edilebildiği veya kullanıcının rızası veya fiziksel teması olmadan bile bir kamera kullanarak sadece yüzünün yakalandığı yüz tanıma sistemlerinde bu risk diğer biyometrik verilere göre çok daha yüksektir. Canlılık tespit algoritmaları ile destekli yüz tanıma sistemleri güvenlik sektöründe çok önemli ve kritik bir ihtiyaç olarak görülmektedir. Bu tez çalışmasının amacı, yüz tanıma sistemlerinin güvenirlilik ve doğruluk hassasiyetini en üst düzeye çıkaracak yapay zeka teknolojileri ve derin öğrenme algoritmaları ile yüz sahteciliği tespit algoritmaları geliştirilmesidir. Gerçekleştirilen uygulamaların sonuçları incelendiğinde %99,5 başarı performansı ile yüz tanıma sistemlerini aldatmaya yönelik saldırılardan etkilenmeyen stabil, yüksek performanslı ve yüksek doğruluklu bir model elde edilmiştir.

Biometrics refers to the processes used to verify, recognize and identify people based on their physical or behavioral characteristics. Physiological features that can be obtained for biometric identifiers include fingerprints, palm veins, palm prints, face, DNA, iris, retina and hand geometry. Face recognition systems, which are the most popular biometric identifiers, basically serve as an automatic authentication system by detecting the facial regions in the images using machine learning algorithms and matching them with the people registered in the system before. Face recognition technologies provide many advantages over other technologies such as iris and fingerprint recognition and biometric identifiers as they are convenient, contactless and easy to apply. Unfortunately, the advantages of biometrics turn into disadvantages when a biometric data is stolen or copied. This risk is much higher than other biometric data in face recognition systems where one or more photos/videos of a registered user can be obtained easily and cheaply over the internet or only the face is captured using a camera even without the user's consent or physical contact. Face recognition systems supported by liveness detection algorithms are seen as a very important and critical need in the security sector. The aim of this thesis is to develop artificial intelligence technologies and deep learning algorithms and face fraud detection algorithms that will maximize the reliability and accuracy of face recognition systems. When the results of the applications are examined, a stable, high-performance and high-accuracy model, which is not affected by attacks to deceive face recognition systems, has been obtained with a success performance of 99.5%.