Identification Analysis and Reporting System on People with Covid-19 Diagnosis with Local Binary Patterns Histograms

Yıl 2020, Cilt: 6 Sayı: 3, 172 - 183, 27.12.2020

Nuray Karadağ Ali Çetinkaya Hakan Aydın

Öz

Today, it is aimed to develop a system different from other facial recognition systems by adding functionality to facial recognition systems used in many areas. Recently, with the Covid-19 pandemic, curfews and difficulties in controlling these bans have been taken into consideration and this system has been developed to reduce. In the system, a study has been carried out in which the person diagnosed with Covid-19 registered in the data set can be e-mailed to the authorized person or persons upon visualization by the camera. The designed software first detects the face with the Haar-Cascades classifier and then uses LBPH (Local Binary Patterns Histograms) to perform facial recognition. This is done by tagging each pixel of the introduced image by mapping it to the other pixels around it. The result of this labeling is converted to a binary number system and stored. It tries to recognize the face by comparing the images it receives from the camera in real time with this number. In the classification process, if the person has already been registered in the data set, he / she will be placed in the “red” colored frame. The classification is also enclosed in “green” coloured frames if not registered. The aim of this is to distinguish between the person with Covid-19 diagnosis and the healthy person. The success of the applications performed on the software was measured as %90 and the error was measured as %10.

Anahtar Kelimeler

Facial Recognition, Identity Analysis, Covid-19, LBPH

Yerel İkili Desenler Histogramları ile Covid-19 Tanılı Kişiler Üzerinde Kimlik Analizi ve Bildiri Sistemi

Öz

Günümüzde birçok alanda kullanılan yüz tanıma sistemlerine işlevsellik katılarak diğer yüz tanıma sistemlerinden farklı bir sistem geliştirilmesi amaç edinilmiştir. Son zamanlarda Covid-19 pandemisiyle birlikte sokağa çıkma yasakları ve bu yasakların kontrolünde çekilen zorluklar göz önüne alınmış ve azaltılması amacıyla bu sistem geliştirilmiştir. Sistemde veri setinde kayıtlı Covid-19 tanılı kişinin sokağa çıkmasıyla kamera tarafından görüntülenmesi üzerine yetkili kişi veya kişilere e-posta atılabildiği bir çalışma gerçekleştirilmiştir. Tasarlanan yazılımda ilk önce Haar-Cascades sınıflandırıcısı ile yüzü algılayıp sonra LBPH (Yerel İkili Desenler Histogramları) kullanılarak yüz tanıma işlemi gerçekleştirilmektedir. Bu işlem tanıtılan görüntünün her pikselini etrafındaki diğer piksellerle eşleyerek etiketleme yapılması ile gerçekleşir. Bu etiketleme sonucu ikili sayı sistemine dönüştürülerek saklanır. Gerçek zamanlı olarak kameradan aldığı görüntüleri bu sayı ile karşılaştırarak yüzü tanımaya çalışır. Sınıflandırırma işleminde eğer kişi veri setinde daha önce kayıtlı ise “kırmızı” renkli çerçeveye alınır. Sınıflandırma da kayıtlı değil ise “yeşil” renkli çerçeveler içine alınır. Bunun amacı Covid-19 tanılı kişi ve sağlıklı kişi arasında ayrım yapabilmektir. Yazılım üzerinde gerçekleştirilen uygulamaların başarısı %90 ve hatası %10 olarak ölçülmüştür.

Anahtar Kelimeler

Yüz Tanıma, Kimlik Analizi, Covid-19, LBPH

Kaynakça

• V. V. Nabiyev and A. Günay, "LBP yardımıyla görüntüdeki kişinin yaşının bulunması." Çankaya Üniversitesi Bilim ve Mühendislik Dergisi 8.1 (2010).
• A. Şeker, B. Diri, and H. H. Balık, "Derin öğrenme yöntemleri ve uygulamaları hakkında bir inceleme." Gazi Mühendislik Bilimleri Dergisi 3.3 (2017): 47-64.
• V. Vansh, K. Chandrasekhar, C. R. Anil and S. S. Sahu, "Improved Face Detection Using YCbCr and Adaboost." Computational Intelligence in Data Mining. Springer, Singapore, 2020. 689-699. Doi: 10.1007/978-981-13-8676-3_58
• D. Terzopoulos and K. Waters, "Analysis of facial images using physical and anatomical models." Proceedings Third International Conference on Computer Vision. IEEE Computer Society, 1990. Doi: 10.1109/ICCV.1990.139628
• Y. Rodriguez and S. Marcel, "Face authentication using adapted local binary pattern histograms." European Conference on Computer Vision. Springer, Berlin, Heidelberg, 2006. Doi: 10.1007/11744085_25
• R. Daş, B. Polat and G. Tuna. "Derin Öğrenme ile Resim ve Videolarda Nesnelerin Tanınması ve Takibi." Fırat Üniversitesi Mühendislik Bilimleri Dergisi 31.2: 571-581. Doi: 10.35234/fumbd.608778
• F. Bayram, "Derin öğrenme tabanlı otomatik plaka tanıma." Politeknik Dergisi (2020). Doi: 10.2339/politeknik.515830
• N. Yalçın and F. Gürbüz, "Biyometrik Güvenlik Sistemlerinin İncelenmesi." Düzce Üniversitesi Bilim ve Teknoloji Dergisi 3.2 (2015): 398-413.
• G. Gündüz and İ. H. Cedimoğlu, "Derin Öğrenme Algoritmalarını Kullanarak Görüntüden Cinsiyet Tahmini." Sakarya University Journal of Computer and Information Sciences 2.1 (2019): 9-17.
• H. Kekül, H. Bircan and H. Arslan. "Yüz Tanima Uygulamalarinda Özyüzler Ve Yapay Sinir Ağlarinin Karşilaştirilmasi." Uluslararası Yönetim Bilişim Sistemleri Ve Bilgisayar Bilimleri Dergisi 2.1 (2018): 51-59.
• U. Mamak, M. Z. Konyar, S. Solak, M. H. B. Uçar, "Gerçek Zamanlı Yüz Tanıma Tabanlı Personel Kontrol ve Takip Sistemi Tasarımı." Avrupa Bilim ve Teknoloji Dergisi 19 (2020): 497-504. Doi: 10.31590/ejosat.727768
• F. Doğan and İ. Türkoğlu, "Derin Öğrenme Modelleri ve Uygulama Alanlarına İlişkin Bir Derleme." Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi 10.2: 409-445. Doi: 10.24012/dumf.411130
• M. Toğaçar, B. Ergen, and M. E. Sertkaya. "Zatürre Hastalığının Derin Öğrenme Modeli ile Tespiti." Fırat Üniversitesi Mühendislik Bilimleri Dergisi 31 (2019): 223-230
• N. Aalami, "Derin öğrenme yöntemlerini kullanarak görüntülerin analizi." Eskişehir Türk Dünyası Uygulama ve Araştırma Merkezi Bilişim Dergisi 1.1 (2020): 17-20.
• H. Üzen and K. Hanbay, "Yaya özellik tanıma için LM filtre temelli derin evrişimsel sinir ağı." Politeknik Dergisi 23 (2020): 605-613 Doi: 10.2339/politeknik.525600
• N. A. Atasoy and D. Tabak, "Destek Vektör Makineleri Kullanarak Yüz Tanima Uygulamasi Geliştirilmesi." Engineering Sciences 13.2: 119-127.
• M. M. Yapıcı, A. Tekerek and N. Topaloğlu, "Literature Review of Deep Learning Research Areas." Gazi Mühendislik Bilimleri Dergisi (Gmbd) 5.3: 188-215. Doi: 10.30855/gmbd.2019.03.01
• E. Dandıl, M. Turkan, M. Boğa and K. K. Çevik, "Daha Hızlı Bölgesel-Evrişimsel Sinir Ağları ile Sığır Yüzlerinin Tanınması." Bilecik Şeyh Edebali Üniversitesi Fen Bilimleri Dergisi 6: 177-189. Doi: 10.35193/bseufbd.592099
• S. Toraman, "Derin Öğrenme ile İnsansız Hava Aracı Görüntülerinden Yaya Tespiti." Journal of Aviation 2.2: 64-69. Doi: 10.30518/jav.450913
• R. Özdemir and M. Koç, "Yeni Bir Veri Kümesi (RidNet) Kullanarak Kontrolsüz Ortamda Yüz İfadesi Tanımanın Derin Öğrenme Yöntemleri ile İyileştirilmesi." Bilecik Şeyh Edebali Üniversitesi Fen Bilimleri Dergisi 6.2: 384-396. Doi: 10.35193/bseufbd.645138
• C.-H. Chan, J. Kittler, K. Messer, "Multi-scale local binary pattern histograms for face recognition." International conference on biometrics. Springer, Berlin, Heidelberg, 2007. Doi: 10.1007/978-3-540-74549-5_85
• T. Ahonen, J. Matas, C. He, M. Pietikäinen, "Rotation invariant image description with local binary pattern histogram fourier features." Scandinavian conference on image analysis. Springer, Berlin, Heidelberg, 2009. Doi: 10.1007/978-3-642-02230-2_7
• M. Kirby and L. Sirovich, "Application of the Karhunen-Loeve procedure for the characterization of human faces." IEEE Transactions on Pattern analysis and Machine intelligence 12.1 (1990): 103-108.
• M. Toğaçar, B. Ergen, and F. Özyurt, "Evrişimsel Sinir Ağı Modellerinde Özellik Seçim Yöntemlerini Kullanarak Çiçek Görüntülerinin Sınıflandırılması." Fırat Üniversitesi Mühendislik Bilimleri Dergisi 32.1: 47-56.
• I. Fasel, B. Fortenberry and J. Movellan, "A generative framework for real time object detection and classification." Computer Vision and Image Understanding 98.1 (2005): 182-210. Doi: 10.1016/j.cviu.2004.07.014
• A. Arı and M. E. Berberler, "Yapay sinir ağları ile tahmin ve sınıflandırma problemlerinin çözümü için arayüz tasarımı." Acta Infologica 1.2 (2017): 55-73.
• O. Langner, R. Dotsch, G. Bijlstra, D. H. J. Wigboldus, S. T. Hawk and A. V. Knippenberg, "Presentation and validation of the Radboud Faces Database." Cognition and emotion 24.8 (2010): 1377-1388. Doi: 10.1080/02699930903485076
• S. Çam And S. Bilgin Kiliç. "Altin Fiyati Günlük Getirilerinin Yapay Sinir Ağlari Algoritmasi Ve Markov Zincirleri Modelleri İle Tahmini." Uluslararası İktisadi Ve İdari İncelemeler Dergisi: 681-694. Doi: 10.18092/ulikidince.347048
• H. T. Ngo, R. N. Rakvic, R. P. Broussard and R. W. Ives, "An FPGA-based design of a modular approach for integral images in a real-time face detection system." Mobile Multimedia/Image Processing, Security, and Applications 2009. Vol. 7351. International Society for Optics and Photonics, 2009. Doi: 10.1117/12.820248
• H. Söyler and O. Kizilkaya, "Para Krizlerinin Yapay Zeka Yöntemleri İle Tahmini: Türkiye Örneği." Uluslararası İktisadi Ve İdari İncelemeler Dergisi: 649-666. Doi: 10.18092/ulikidince.347202
• Ö. Çelik and U. Ö. Osmanoğlu, "Prediction of The Prices of Second-Hand Cars." Avrupa Bilim ve Teknoloji Dergisi 16 (2019): 77-83. Doi: 10.31590/ejosat.542884
• D. Onocak and S. Koç, "Yapay Sinir Ağlari İle Emeklilik Yatirim Fonu Hisse Senedi Fiyatlarinin Tahmini." Finans Ekonomi Ve Sosyal Araştırmalar Dergisi (Fesa) 3.3: 590-600. Doi: 10.29106/fesa.450623
• M. Roser, H. Ritchie, E. Ortiz-Ospina and J. Hasel "Coronavirus disease (COVID-19)–Statistics and research." Our World in data (2020). https://ourworldindata.org/covid-cases#what-is-the-total-number-of-confirmed-cases, [Accessed: July. 01, 2020].
• F. Özyurt and E. Avcı, "İmge Sınıflandırması için Yeni Öznitelik Çıkarım Yöntemi: Add-Tda Algısal Özet Fonksiyonu Tabanlı Evrişimsel Sinir Ağ (Add-Tda-Esa)." Türkiye Bilişim Vakfı Bilgisayar Bilimleri ve Mühendisliği Dergisi 12.1 (2019): 30-38.
• T.C. Sağlık Bakanlığı, “COVID-19 (Yeni Koronavirüs Hastalığı) Nedir?”, 2020, [Online]. Available: https://covid19bilgi.saglik.gov.tr/tr/covid-19-yeni-koronavirus-hastaligi-nedir.html [Accessed: July. 08, 2020].
• T.C. Sağlık Bakanlığı Halk Sağlığı Genel Müdürlüğü, “Covid-19 (Sars-Cov-2 Enfeksiyonu) Genel Bilgiler, Epidemioloji ve Tani”, 29 Haziran 2020, [Online]. Available: https://covid19bilgi.saglik.gov.tr/depo/rehberler/covid-19-rehberi/COVID-19_REHBERI_GENEL_BILGILER_EPIDEMIYOLOJI_VE_TANI.pdf [Accessed: July. 08, 2020].
• T.C. Sağlık Bakanlığı Halk Sağlığı Genel Müdürlüğü, “Temasli Takibi, Salgin Yönetimi, Evde Hasta İzlemi Ve Filyasyon”, 1 Haziran 2020, [Online]. Available: https://covid19bilgi.saglik.gov.tr/depo/rehberler/covid-19-rehberi/COVID-19_REHBERI_TEMASLI_TAKIBI_EVDE_HASTA_IZLEMI_VE_FILYASYON.pdf [Accessed: July. 07, 2020].