Erciyes University - Info Package

Dersin Adı	Dersin Seviyesi	Dersin Kodu	Dersin Tipi	Dersin Dönemi	Yerel Kredi	AKTS Kredisi	Ders Bilgileri
BİYOMETRİK SİSTEMLER	İkinci Düzey	BİM 512	Seçmeli	2	7.50	7.50	Yazdır

Dersin Tanımı

Ön Koşul Dersleri	Programlama, veri yapıları ve algoritmalar, Görüntü işleme.
Eğitimin Dili	Türkçe
Koordinatör
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.

Dersin İçeriği

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

Dersin Öğrenme Çıktıları

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	Matematik, fen ve Mühendislik bilgilerini uygulama becerisi
2	Deney tasarlama ve yapma ile deney sonuçlarını yorumlama becerisi
3	İstenen gereksinimleri karşılayacak biçimde bir sistemi, parçayı veya süreci tasarımlama
4	Disiplinler arası takımlarda çalışabilme becerisi
5	Mühendislik problemleri tanımlama, formüle etme ve çözme becerisi
6	Mesleki ve etik sorumluluk bilinci
7	Mühendislik çözümlerinin evrensel ve toplumsal boyutlarda etkinliklerini anlamak için gerekli genişlikte eğitim
8	Yaşam boyu öğrenmenin gerekliliği bilinci
9	Mühendislik problemlerini tanımlayabilme, çözüm yöntemi geliştirme ve çözümlerde yenilikçi yöntemler uygulama ve geliştirebilme becerisi
10	Çalışmalarını ulusal ve uluslararası ortamlarda yazılı ya da sözlü olarak aktarabilme becerisi
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 İş 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.

Ders İle İlgili Dosyalar

DBP Hakkında

Ders Hakkında

Bölüm Hakkında