| Dersin adı |
Dersin seviyesi |
Dersin kodu |
Dersin tipi |
Dersin dönemi |
Yerel kredi |
AKTS kredisi |
Ders bilgileri |
| BİYOMETRİK SİSTEMLER |
İkinci düzey |
BİM 512 |
|
2 |
7.50 |
7.50 |
Yazdır |
|
Ön koşul dersleri
|
Programlama, veri yapıları ve algoritmalar, Görüntü işleme.
|
|
Eğitimin dili
|
Türkçe
|
|
Koordinatör
|
DR. ÖĞR. ÜYESİ TAYYİP ÖZCAN
|
|
Dersi veren öğretim eleman(lar)ı
|
DR. ÖĞR. ÜYESİ TAYYİP ÖZCAN
|
|
Yardımcı öğretim eleman(lar)ı
|
-
|
|
Dersin veriliş şekli
|
Sınıfta
|
|
Dersin amacı
|
Bu dersin amaçları arasında temel işaret işleme ve görüntü işleme bilgilerinin uygulamalarla takviye edilmesi, öğrencilere temel görüntü işleme bilgilerinin verilmesi, desen tanımaya giriş bilgilerinin verilmesi, işaret işlemenin biyometrik sistemlere uygulanması, öğrencilerin biyometrik sistemlerin tasarımı, gerçekleştirilmesi, sosyal ve etik kuralları konusunda bilgilendirilmesi vardır. Bu dersi alan öğrencilerin problemsiz çalışan tam bir biyometrik sistemi tasarlayıp gerçekleştirmesi beklenmektedir.
|
|
Dersin tanımı
|
İnsana özgü karakteristik özelliklerin işlenerek kişilerin kimliklendirilmesinde kullanıldığı teknolojiler olan biyometrik sistemlere işaret işleme ve görüntü işleme uygulamalarının nasıl yapıldığı konusunda detaylar veren bir derstir. Bu sistemler genellikle güvenlik uygulamaları ve suç ve suçlu tespiti gibi uygulamalarda kullanılmaktadır. Ders, öğrencilere işaret işleme, görüntü işleme gibi lisansta aldıkları konuları uygulamalı olarak görüp pekiştirecekleri bir platform sağlamaktadır. Öğrenciler bu derstegörüntü işleme desen tanıma ve biyometrik sistemin doğruluk analizini gerçekleştirebilecek kadar istatistik göreceklerdir. Öğrenciler bu derste, işaret ve görüntü işlemeyi, özellik seti elde etmeyi, sınıflandırmayı, karşılaştırmayı ve sorunsuz çalışan bir sistem elde etmeyi öğreneceklerdir.
|
|
1- |
Biyometrik özelliklere ve biyometrik sistemlere giriş.
Görüntü işleme bakış açısıyla biyometrik sistem tasarımına giriş.
|
|
2- |
Biyometrik sistemlerin kullanımı, mimarisi. Biyometrik sistemlerin çalışma modları: Enrollment, Verification, Identification, Screening. Biyometrik sistemlerin özellikleri. Bu mimari ve senaryoların görüntü işleme açısından incelenmesi.
|
|
3- |
Biyometrik sistemlerin performans analizi ile ilgili temel bilgiler. hata oranları, doğruluk oranları vs.
|
|
4- |
Biometrik sistemlerin doğruluk analizinin istatistiksel bakış açısıyla değerlendirilmesi.
|
|
5- |
Biyometrik sistemlerde sınıflandırma teorisi. Neyman-Pearson yaklaşımı, komşuluk analizi, Gaussian, Bayesian ve MAP yaklaşımları.
|
|
6- |
Yüz tanımanın temelleri. Görüntü işleme teknikleri kullanılarak yüz tanımanın gerçekleştirilmesi.
|
|
7- |
Yüz tanıma temelli biyometrik sistemler: Görüntünün alınması, kaydı, özellik setlerinin elde edilmesi.
|
|
8- |
Parmak izi temelli biymetrik sistemler: Özellik noktaları temelli yaklaşımlar, Özellik noktaları temelli olmayan yaklaşımlar vebunların gerçekleştirilmeleri.
|
|
9- |
İris tanıma temelli biyometrik sistemler ve bunların görüntü işleme yöntemleri kullanılarak gerçekleştirilmeleri.
|
|
10- |
El temelli Biometric Sistemler: el geometrisi, parmak boğumu, avuç içi tanıma, kan damarlarının tanınması.
|
|
11- |
Çoklu biyometrik sistemler.
|
|
12- |
Öğrenci projelerinin sunulması.
|
|
13- |
Öğrenci projelerinin sunulması.
|
|
14- |
Öğrenci projelerinin değerlendirilmesi.
|
|
15- |
|
|
16- |
|
|
17- |
|
|
18- |
|
|
19- |
|
|
20- |
|
|
1- |
Bu dersi başarıyla tamamlayan öğrenci, kabul edilebilir doğruluklara sahip bir biyometrik sistem tasaralayabilir, kodlayabilier ve gerçekleştirebilir.
|
|
2- |
Bu dersi başarıyla tamamlayan öğrenci biyometrik özellik, biyometrik sistem kavramlarını bilir, görüntü işleme tekniklerini kullanarak bir biyometrik sistem geliştirme adımlarına hakim olur.
|
|
3- |
bu dersi alan öğrencilerin biyometrik özelliklere dayalı tanıma sistemlerini, bu sistem mimarilerini ve görüntülerin alınması, tanınması, biyometrik sistem çalışma modları (Enrolment, Verification, Identification, Screening) ve senaryoları (Cooperative - Uncooperative, Overt - Covert ) gibi biyometrik sistemlere ait kavramaları bilmeleri beklenir.
|
|
4- |
Bu dersi alan öğrenciler biyometrik sistemlerin değerlendirilmesi ve doğruluk analizlerinin apılması konusunda da bilgi sahibi olurlar.
|
|
5- |
Derste istatistiksel bakış açısıyla performans değerlendirilmesi yapıldığından dersi alan öğrencilerin bu konuda da bilgili olmaları beklenir.
|
|
6- |
Dersi başaran öğrencilerin sınıflandırma teorisini, Neyman-Pearson, komşuluk, Gaussian, Bayesian ve MAP yaklaşımlarını bilmeleri beklenir.
|
|
7- |
Dersi başarıyla tamamlayan öğrenciler yüz, parmak izi, iris, el temelli biyometrik tanıma sistemlerinin temellerini bilirler, çoklu biyometrik sistemlere dair bilgilere de vakıf olmaları beklenir.
|
|
8- |
|
|
9- |
|
|
10- |
|
|
*Dersin program yeterliliklerine katkı seviyesi
|
|
1- |
Lisans derecesi yeterlilikleri üzerine kurulan, aynı ya da farklı bir alandaki bilgilerin genişletilmesi ve derinleştirilmesi ile birlikte bilgiyi değerlendirme,yorumlama ve uygulama yapma gibi bilimsel araştırma yöntemlerini kullanarak bilgiye ulaşır
|
|
|
2- |
Biyoloji alanındaki sınırlı ya da eksik verileri kullanarak bilimsel yöntemlerle bilgiyi geliştirir, bilimsel, toplumsal ve etik sorumluluk ile kullanır
|
|
|
3- |
Biyoloji alanındaki bir problemi, bağımsız olarak kurgulayarak, çözüm yöntemi geliştirir, çözer, sonuçları değerlendirerek, gerektiğinde uygular
|
|
|
4- |
Biyoloji alanındaki güncel gelişmeleri ve kendi çalışmalarını, alanındaki ve dışındaki gruplara, yazılı, sözlü ve görsel olarak sistemli bir şekilde aktarır
|
|
|
5- |
Biyoloji alanındaki uygulamalarda karşılaşacağı öngörülmeyen karmaşık durumlarda, yeni stratejik yaklaşımlar geliştirir ve sorumluluk alarak çözüm üretir
|
|
|
6- |
Biyoloji alanı ile ilgili konularda strateji, politika ve uygulama planları geliştirir ve elde edilen sonuçları, kalite süreçleri çerçevesinde değerlendirir
|
|
|
7- |
En az bir yabancı dilde sözlü ve yazılı iletişim yeteneğine sahip olur (Avrupa Dil Portföyü B2 Genel Düzeyi)
|
|
|
8- |
Biyoloji alanının gerektirdiği bilgisayar yazılımı ve donanımı bilgisi ile birlikte bilişim ve iletişim teknolojilerini kullanır ve geliştirir
|
|
|
9- |
Biyoloji alanı ile ilgili verilerin toplanması, yorumlanması, duyurulması aşamalarında bilimsel, sosyal ve etik değerleri gözeterek bu değerleri öğretir ve denetler
|
|
|
10- |
|
|
|
11- |
|
|
|
12- |
|
|
|
13- |
|
|
|
14- |
|
|
|
15- |
|
|
|
16- |
|
|
|
17- |
|
|
|
18- |
|
|
|
19- |
|
|
|
20- |
|
|
|
21- |
|
|
|
22- |
|
|
|
23- |
|
|
|
24- |
|
|
|
25- |
|
|
|
26- |
|
|
|
27- |
|
|
|
28- |
|
|
|
29- |
|
|
|
30- |
|
|
|
31- |
|
|
|
32- |
|
|
|
33- |
|
|
|
34- |
|
|
|
35- |
|
|
|
36- |
|
|
|
37- |
|
|
|
38- |
|
|
|
39- |
|
|
|
40- |
|
|
|
41- |
|
|
|
42- |
|
|
|
43- |
|
|
|
44- |
|
|
|
45- |
|
|
|
Yıldızların sayısı 1’den (en az) 5’e (en fazla) kadar katkı seviyesini ifade eder |
|
Planlanan öğretim faaliyetleri, öğretme metodları ve AKTS iş yükü
|
|
|
Sayısı
|
Süresi (saat)
|
Sayı*Süre (saat)
|
|
Yüz yüze eğitim
|
14
|
3
|
42
|
|
Sınıf dışı ders çalışma süresi (ön çalışma, pekiştirme)
|
10
|
1
|
10
|
|
Ödevler
|
0
|
0
|
0
|
|
Sunum / Seminer hazırlama
|
2
|
2
|
4
|
|
Kısa sınavlar
|
0
|
0
|
0
|
|
Ara sınavlara hazırlık
|
1
|
10
|
10
|
|
Ara sınavlar
|
1
|
1
|
1
|
|
Proje (Yarıyıl ödevi)
|
2
|
30
|
60
|
|
Laboratuvar
|
0
|
0
|
0
|
|
Arazi çalışması
|
2
|
20
|
40
|
|
Yarıyıl sonu sınavına hazırlık
|
1
|
2
|
2
|
|
Yarıyıl sonu sınavı
|
1
|
2
|
2
|
|
Araştırma
|
1
|
10
|
10
|
|
Toplam iş yükü
|
|
|
181
|
|
AKTS
|
|
|
7.00
|
|
Değerlendirme yöntemleri ve kriterler
|
|
Yarıyıl içi değerlendirme
|
Sayısı
|
Katkı Yüzdesi
|
|
Ara sınav
|
1
|
15
|
|
Kısa sınav
|
0
|
0
|
|
Ödev
|
1
|
15
|
|
Yarıyıl içi toplam
|
|
30
|
|
Yarıyıl içi değerlendirmelerin başarıya katkı oranı
|
|
30
|
|
Yarıyıl sonu sınavının başarıya katkı oranı
|
|
70
|
|
Genel toplam
|
|
100
|
|
Önerilen veya zorunlu okuma materyalleri
|
|
Ders kitabı
|
1. R.C. Gonzalez and R.E. Woods, Digital Image Processing, Prentice Hall, 3rd Edition, 2007.
This text will be supplemented with assigned readings on biometrics as detailed in the class schedule online.
2. D. Maltoni, D. Maio, A. K. Jain, and S. Prabhakar, Handbook of Fingerprint Recognition, Springer Verlag, 2003.
3. A. K. Jain, R. Bolle, S. Pankanti (Eds.), BIOMETRICS: Personal Identification in Networked Society, Kluwer Academic Publishers, 1999.
4. J. Wayman, A.K. Jain, D. Maltoni, and D. Maio (Eds.), Biometric Systems: Technology, Design and Performance Evaluation, Springer, 2004.
|
|
Yardımcı Kaynaklar
|
1. S.Y. Kung, M.W. Mak, and S.H. Lin, Biometric Authentication: A Machine Learning Approach, Prentice Hall, 2005.
2. Ruud M. Bolle et al., Guide to Biometrics, Springer, 2004.
3. Paul Reid, Biometrics for Network Security, Prentice Hall PTR, 2004.
4. Samir Nanavati, Michael Thieme, and Raj Nanavati, Biometrics: Identity Verification in a Networked World, John Wiley & Sons, 2002.
5. David Zhang (Ed.), Biometric Solutions for Authentication in an E-World, Kluwer Academic Publishers, 2002.
6. Anil K. Jain, Ruud Bolle, and Sharath Pankanti (Eds.), Biometrics: Personal Identification in Networked Society, Kluwer, 1999.
|
|