Abstract
Biyometrik tanıma sistemleri, güvenlik ve kişiye özel kimlik doğrulama gereksinimlerinin artmasıyla birlikte günümüzde yaygın şekilde kullanılmaktadır. Bu çalışmada, iris görüntülerine dayalı biyometrik tanıma sistemlerinin performansı, farklı makine öğrenmesi ve derin öğrenme yöntemleri kullanılarak kapsamlı bir şekilde analiz edilmiştir. Araştırmanın ilk aşamasında, açık kaynaklı bir iris veri seti üzerinde kişi tanıma algoritmalarına uygun olacak şekilde çeşitli ön işleme ve veri artırma teknikleri uygulanmıştır. Bu adımlar, sistemin tanıma başarımını optimize etmeyi ve sınıflandırma algoritmalarının genel doğruluğunu artırmayı hedeflemiştir. Ardından, geleneksel makine öğrenmesi yaklaşımlarından biri olan destek vektör makineleri (Support Vector Machine - SVM) ile derin öğrenme tabanlı VGG16 sinir ağı modeli kullanılarak sınıflandırma işlemleri gerçekleştirilmiştir. Modellerin performansı doğruluk (accuracy) ve sahte red oranı (False Rejection Rate - FRR) metrikleri üzerinden değerlendirilmiştir. VGG16 modeli gauss filtre kullanılarak artırılmış veri seti ile %99 doğruluk ve %1 FRR değeri ile en iyi performansı gösterirken, SVM ile aynı veri seti ve HOG+PCA öznitelik çıkarımı kullanılarak %96.5 doğruluk ve %3.5 FRR oranlarına ulaşmıştır. Çalışma kapsamında geliştirilen model dosyaları ve kodlar, açık erişimli olarak paylaşılmaktadır.