Gizli parmak izlerinin sentetik üretimi

Abstract

154614.34 Öz: Parmak izi tanıma sistemleri sınır geçişleri, kişisel bilgilerin korunumu ve güvenliği ve adli incelemeler gibi bir çok alanda önemli bir yer tutmaktadır. Parmak izi, pasaportlardan, cep telefonlarına kadar gündelik hayata nüfus etmiş olması bir yana, kriminal vaka çözümlemelerinde de halen en çok kullanılan araçların başında gelmektedir. Bu önem, dünya nüfusundaki ve nüfus hareketliliğindeki artış ile birleşince otomatik parmak izi eşleştirme ve tanıma araştırmaları hız kazanmıştır. Ancak kişisel ve/veya adli veri olması, elde edilmesindeki güçlükler ve uzmanlık gereksinimi nedeni ile gizli parmak izlerinin araştırma amaçlı toplanmaları ve erişime açık hale getirilmeleri diğer araştırma alanlarına kıyasla güç olabilmektedir. Öte yandan çok sayıda parmak izi örneğine sahip olmak iki açıdan önem arz etmektedir: 1. Gerçek olay çözümlemelerinde ve kimlik tespitinde, parmak izi taraması büyük oranda milyonlarca kayıtlı parmak izi görüntüsü üstünde yapılmaktadır. Laboratuvar ortamında gerçekçi performans değerleri elde etmek için benzer büyüklükte veri kümeleri gerekmektedir. 2. Son yıllarda çok geniş bir uygulama alanı bulan ve bunların birçoğunda elde edilen başarım oranlarını çok daha ileri seviyelere taşıyan derin öğrenme yaklaşımlarının performansları ile eğitim veri kümesinin büyüklüğü arasında olumlu bir bağıntı mevcuttur. Yapay derin sinir ağlarının eğitimi için geniş veri kümelerine ihtiyaç vardır. Bu projede, yukarıda bahsedilen etkenlerden ikincisine odaklanılmış ve sentetik gizli parmak izi görüntülerinin parmak izi işleme ve tanıma sistemlerinin eğitimi ve testlerinde kullanılmak üzere üretilmesi hedeflenmiştir. Gerçek parmak izi eşleştirme senaryolarında tarama yapılan veri kümelerinin büyüklüğü ve derin öğrenme yaklaşımları ile elde edilen başarımların veri büyüklüğüne olan bağımlılığı sebebi ile sentetik ve gerçeğine yakın veri üretme beraberinde büyük avantajlar getirecektir. Proje kapsamında üretilen parmak izlerinin ne kadar gerçeğe yakın oldukları, derin öğrenme sistemlerinin başarım oranlarını ne kadar arttırdıkları ölçüsüne göre değerlendirilmektedir. Bu doğrultuda, parmak izi tanıma ve eşleştirme alt adımlarından sınıflandırma, özellik noktası tespiti ve papil çizgisi yönelimi kestirimi görevleri için derin yapay sinir ağları geliştirilmiş ve eğitim için kullanılan sentetik parmak izi verilerinin bu ağların performanslarına olan etkileri ölçülmüştür. Örnek sayısının az olduğu sınıflandırma görevinde dikkate değer bir artış gözlemlenirken, yama-tabanlı geliştirilen ve bu sebeple az örnek sayısı probleminin bertaraf edildiği özellik noktası tespiti ve papil çizgisi yönelimi kestirimi görevlerinde benzer bir etki gözlemlenmemiştir. Parmak izi üretimi için biri model, biri de istatistik tabanlı olmak üzere iki yaklaşım denenmiştir. Model tabanlı sistemde parmak izlerinin sınıfı, özellik noktaları, papil çizgisi yönelim ve frekansı gibi tüm faktörler kontrol/tespit edilebildiği için bu yöntemler üretilen parmak izleri için performans testleri yapılmıştır. Ancak, istatistik tabanlı sistemde çekişmeli üretici ağlar eğitilmiş, ancak imgelerin parmak izi sınıfı dışında bir meta veriye bağlı olarak üretilmeleri sağlanamamıştır.