Yüz tanıma, günümüzde önemini hızla arttırmakta olan bir uygulama konusu halinegelmektedir. Mevcut yüzlerden elde edilecek bir veri tabanı üzerinde otomatik olarakyapılacak tanımaların, suçluların teşhisi sırasında, emniyet görevlilerinin işini nekadar kolaylaştıracağı açıktır.Bu tezde, yüz tanıma problemi üzerinde araştırma yapılarak, kullanılan temelyöntemler incelendi. Yüz tanımada kullanılan yöntemlerden biri olan, özyüz(eigenface) yöntemi ile bir yüz tanıma sistemi geliştirildi.Bu tez aşağıdaki şekilde organize edildi: Birinci bölüm de yüz tanıma sisteminingetireceği kolaylıklar ele alındı. Ayrıca özyüz yönteminden kısaca bahsedildi. İkincibölüm görüntü ve yüz tanımanın temel kavramları ele alındı. Bu bölümde yüz tanımaproblemi için yapılmış olan çalışmalardan ve uygulanan metodlardan bahsedildi.Yüz tanıma problemi için iki ana yaklaşım verildi. Üçüncü bölüm önerilen yüztanıma sistemini olan özyüz tanıma metodunun detayları ele alındı. Bu bölümdeözyüzlerin hesaplanması için gerekli olan tüm işlemler anlatıldı.Dördüncü bölüm, özyüzler yaklaşımını göstermek için geliştirilmiş olan yüz tanımayazılımına ayrıldı. Yüz tanıma programı Visual C# ve Visual Basic ortakkullanılarak geliştirildi. Dördüncü bölümde geliştirilen uygulamanın nasıl kurulacağıve kullanılacağı verildi. Aynı zamanda uygulamada kullanılan önemli bir kaç rutinde verildi.
In this thesis, a research was done to find out the different approaches to the facerecognition problem. It has been observed that these different approaches fall intotwo major categories that are given below:Feature based recognition, which is based on the extraction of the properties ofindividual organs located on a face such as eyes, nose and mouth, as well as theirrelationships with each other. Feature vectors describing the characteristics of faceimages are evaluated by using deformable templates and active contour models,where excessive geometry and the minimization of energy functions are involved.Principal component analysis, based on information theory concepts, seek acomputational model that best describes a face, by extracting the most relevantinformation contained in that face. Goal is to find out the eigenvectors (eigenfaces)of the covariance matrix of the distribution, spanned by a training set of face images.Later, every face image is represented by a linear combination of these eigenvectors.Evaluation of these eigenvectors are quite difficult for typical image sizes but, anapproximation that is suitable for practical purposes is also presented. Recognition isperformed by projecting a new image into the subspace spanned by the eigenfacesand then classifying the face by comparing its position in face space with thepositions of known individuals.A face recognition system, based on the eigenfaces approach is proposed. Eigenfacesapproach seems to be an adequate method to be used in face recognition due to itssimplicity, speed and learning capability.
