Günümüzde görüntü işleme ve tanıma sistemleri yaygın bir çalışma alanıdır. İnsan yüzü tanıma ise bu alanın en önemli konularından biridir. Bu çalışmada kameradan alınan görüntüden önce yüz tespiti yapılmıştır. Tespiti yapılan yüzler için maskeli ise uyarı verilmekte, maskesiz ise tanıma işlemine devam edilmektedir. Tanıma işlemi, kodun eğitim ve test veri kümelerine ait LBP (Local Binary Patterns) histogramlarının karşılaştırılması ve test görüntüsüne en yakın histogram numarasını çıktı olarak vermesiyle gerçekleşmektedir. Çalışmada OPENCV kütüphanesinin Haar Cascades yöntemi ile oluşturulmuş yüz öznitelikleri kullanılmıştır. Geliştirilen modelin eğitimde kullanılan yüz görüntü sayısına göre performansı incelenmiştir ve kişiye ait yüz görüntü sayısı arttıkça tanıma başarısı artmaktadır. Ayrıca yüz görüntüsünün yatay eksende hangi açıya kadar tespit edilebildiği araştırılmıştır ve -30 ile +30 derece arasındaki yüz görüntülerinde %100 başarı ile tespit yapılabildiği görülmüştür. Dolayısıyla veri kümesinde -30 ile +30 derece arasındaki ön yüzlerin kullanılması uygun görülmüştür. Eğitim veri kümesindeki maskeli ve maskesiz yüz görüntülerinin sayısına göre maskeli/maskesiz yüz ayrımındaki başarı araştırılmıştır. Belirli bir sayıya kadar başarının arttığı gözlenmiş, çalışmalar daha ileri seviyeye taşınarak yanlış ayırt edilen test görüntülerinin de eğitim veri kümesine eklenerek oluşturulan modelde başarının en yüksek seviyeye çıktığı tespit edilmiştir. Tüm bunların yanında; tanıma işlemlerinde kullanılan ölçekleme faktörü (scaleFactor) ve her bir aday dikdörtgenin kaç komşusunu tutması gerektiğini belirten (minNeighbors) parametrelerin değişimine bağlı tanıma başarısı da incelenmiştir. Tanıma başarısının en yüksek olduğu seviyeye göre en iyi parametre değerleri belirlenmiştir. Geliştirilen model, kullanılan eğitim veri kümesi ve test kümesine göre -30 ve +30 derece arasındaki açılarda maskesiz yüz görüntülerinde %99,15 tanıma başarısına ulaşmıştır.
Anahtar Kelimeler: Yüz Tespiti, Yüz Tanıma, Maskeli Yüz Tespiti, OPENCV, LBPH (Local Binary Patterns Histograms)
|
