BİYOMETRİK GÜVENLİK SİSTEMLERİNİN PERFORMANS ANALİZİ PERFORMANCE ANALYSIS OF BIOMETRIC SECURITY SYSTEMS ENGİN AVCI *1, SONGÜL KARAKUŞ 2, TÜRKER TUNCER 3, ASAF VAROL 4 ÖZET: Biyometrik sistemler, bireylerin fiziksel ve davranışsal özelliklerini tanıyarak kimlik saptamak için geliştirilmiş bilgisayar kontrollü sistemlerdir. Bu sistemler, kişinin sahip olduğu ayırt edici özelliklerinden faydalanmaktadır. Biyometrik sistemlerin en büyük avantajları kişinin kendini tanıtmak için nüfus kâğıdı gibi tanıtıcıları taşımak mecburiyetinde olmaması ve şifre gibi bilgileri ezberlemek zorunda kalmamasıdır. Biyometrik bilgiler asla kopyalanamaz ve asla başkasına devredilemez. Bu nedenle biyometrik sitemler en yüksek güvenlik seviyesini sağlarlar. Geleneksel kişisel tanıma teknikleri yerine biyometrik kimlik doğrulama sistemlerinin yapısı daha avantajlıdır. Fakat biyometrik bir sistemin tasarımında çok önemli sorunlar mevcuttur. Bu sorunlar genel olarak doğruluk, hesaplama hızı, maliyet, güvenlik, ölçeklenebilirlik ve gerçek zamanlı performans şeklinde sıralanabilir. Ayrıca biyometrik verilerin güvenliği, saklandıkları ortamdaki her türlü değişim ve saldırılara karşı korunması önemli bir sorundur. Saldırılar biyometrik görüntülerin ve şablonların içeriğini değiştirebilir ve sistemin performansını düşürebilir. Bu nedenle bireylerin biyometrik bilgilerinin korunması gereklidir. Bu çalışmada, yüz tanıma, parmak izi tanıma, iris tanıma ve ses tanıma gibi farklı biyometrik özelliklerin ayırt edicilik açısından performans karşılaştırması yapılmıştır. 1 * Sorumlu yazar: Prof. Dr. Engin AVCI, Fırat Üniversitesi Teknoloji Fakültesi Yazılım Mühendisliği Bölümü, Elazığ/ TÜRKİYE, enginavci23@gmail.com 2 Arş. Gör. Songül KARAKUŞ, Fırat Üniversitesi Teknoloji Fakültesi Yazılım Mühendisliği Bölümü, Elazığ/ TÜRKİYE, songul4444@gmail.com 3 Arş. Gör. Türker TUNCER, Fırat Üniversitesi Teknoloji Fakültesi Adli Bilişim Mühendisliği Bölümü, Elazığ/ TÜRKİYE, tuncer.turker@gmail.com 4 Prof. Dr. Asaf VAROL, Fırat Üniversitesi Teknoloji Fakültesi Yazılım Mühendisliği Bölümü, Elazığ/ TÜRKİYE, varol.asaf@gmail.com
ENGİN AVCI, SONGÜL KARAKUŞ, TÜRKER TUNCER, ASAF VAROL Anahtar Kelimeler: Biyometrik güvenlik sistemleri; Yüz tanıma; Parmak izi tanıma; İris tanıma; Ses tanıma; Kimlik doğrulama. ABSTRACT: Biometric systems are computer-controlled systems that improved to detect identity the physical and behavioral characteristics for individuals. These systems benefit from the distinctive features of people. The most important advantage of biometric systems, oneself is not obliged to carry identity cards and to memorize some information such as password. Biometric information will never be copied and never transferable. Therefore, biometric systems are providing the highest level of security. The structure of the biometric authentication systems have more advantageous according to the traditional personal recognition techniques. But, there are many crucial problems in a biometric system design. These problems can be ordered as the accuracy, computation speed, cost, security, scalability and real-time performance. In addition, security of biometric data, protected against any changes in the environment and attack are important problems. Attacks can change the content of the biometric images and templates and can degrade the performance of the system. Therefore, it is necessary to protect the biometric data of individuals. In this study, the performance comparison of many different biometric features such as face recognition, fingerprint recognition, iris recognition and voice recognition methods in terms of distinctiveness is made. Keywords: Biometric security systems; Face recognition; Fingerprint identification; Iris recognition; Voice recognition; Authentication. 1. GİRİŞ Teknolojideki ilerlemeler ve gelişmeler güvenilir ve sağlam bir kimlik tespitini de beraberinde getirmiştir. Daha güvenli ve sağlam kimlik tespiti için biyometrik sistemler ileri çözümler sunmaktadır. Bir biyometrik sistem önceden belirlenen ve depolanan davranışsal ve fizyolojik özelliklerle karşılaştırma yaparak kişi özelliklerini doğrulamakta ve ayırt edici özelliğinden dolayı, kimlik belirleme uygulamalarında sıklıkla tercih edilmektedir. Biyometrik sistemler; klasik şifre kontrolü, kartlı geçiş vb. tekniklerden kavram olarak çok farklıdır. Çünkü biyometrik özellikler, kişinin değiştirmesi veya bir başkasına aktarması mümkün olmayan niteliktedir. Bu noktadan hareketle biyometri, güvenlik seviyesini büyük ölçüde arttıran bir tekniktir. Biyometrik tabanlı sistemler, kimlik belirleme uygulamalarında her ne kadar yüksek güvenlik ve başarı düzeyi vaat etse de, birden
fazla biyometrik özelliğin kullanımı ile bu sistemlerin güçlendirilmesi ve güvenlik düzeylerinin daha da arttırılması için çalışmalar sürdürülmektedir. Bu çalışmada, yüz tanıma, parmak izi tanıma, iris tanıma ve ses tanıma gibi birçok farklı biyometrik özelliğin ayırt edicilik açısından performans karşılaştırması yapılmıştır. 2. BİYOMETRİK GÜVENLİK SİSTEMLERİ Biyometrik sistemler, bireylerin fiziksel ve davranışsal özelliklerini tanıyarak kimlik saptamak için geliştirilmiş bilgisayar kontrollü sistemlerdir. Bu sistemler, kişinin sahip olduğu ayırt edici özelliklerinden faydalanmaktadır. Biyometrik sistemlerin en büyük avantajları kişinin kendini tanıtmak için nüfus kâğıdı gibi tanıtıcıları taşımak mecburiyetinde olmaması ve şifre gibi bilgileri ezberlemek zorunda kalmamasıdır. Biyometrik bilgiler asla kopyalanamaz ve asla başkasına devredilemez. Bu nedenle biyometrik sistemler en yüksek güvenlik seviyesini sağlarlar. Farklı birçok biyometrik özellik kullanılarak, kimlik tespiti yapılabilmektedir. En yaygın kullanılan biyometrik tanıma sistemleri genel olarak aşağıdaki gibi sıralanabilir: İris Tanıma Parmak İzi Tanıma Yüz Tanıma El Geometrisi Tanıma Ses Tanıma Damar Deseni Tanıma Biyometrik sistemlerin basit halleri ile binlerce yıl önceden beri kullanıldığı bilinmektedir 2. Yakın zamanda ise araştırmacıların insanların fiziksel özelliklerinin ve karakteristiklerinin suça eğilimleri ile bir ilgisinin olup olmadığını araştırmaları, biyometri alanına ilgiyi arttırmıştır. Geleneksel kişisel tanıma teknikleri yerine biyometrik kimlik doğrulama sistemlerinin yapısı daha avantajlıdır. Fakat biyometrik bir sistemin tasarımında çok önemli sorunlar mevcuttur. Bu sorunlar genel olarak doğruluk, hesaplama hızı, maliyet, güvenlik, ölçeklenebilirlik ve gerçek zamanlı performans şeklinde sıralanabilir. Ayrıca biyometrik verilerin güvenliği, saklandıkları ortamdaki her türlü 2 H. K. Ekenel, S. Y. Bilgin, İ. Eden, M. Kirişci, H. Erdoğan, A. Erçil, "Video dizilerinden çoğul biyometrik kimlik doğrulama = combining face and voice modalities for person verification from video sequences", SIU 2004, IEEE, 156-159, 2004.
ENGİN AVCI, SONGÜL KARAKUŞ, TÜRKER TUNCER, ASAF VAROL değişim ve saldırılara karşı korunması önemli bir sorundur. Saldırılar biyometrik görüntülerin ve şablonların içeriğini değiştirebilir ve sistemin performansını düşürebilir. Bu nedenle bireylerin biyometrik bilgilerinin korunması gereklidir. Araştırmacılar biyometrik sistemlerin güvenliğinde karşılaştıkları zorluklar için şifreleme gibi farklı algoritmalar önermişlerdir. Biyometrik görüntülerin ve şablonların güvenliğinin bir diğer yolu da damgalama işlemidir. Son yıllarda araştırmacılar biyometrik verileri korumak için görüntü damgalama algoritmaları üzerinde çalışmalar yapmaktadırlar. Biyometrik damgalama da belirli bir bilgi damgalama verisi olarak kullanılıp bir gizli anahtar kullanılarak orijinal imge içine daha sonra istenildiğinde çıkartılabilecek veya tespit edilebilecek bir biçimde yerleştirilir. Damga, damgalanan nesne hakkında kullanıcıya (veya sahibine) ilişkin parmak izi bilgileri, yüz bilgileri, iris kodları, görüntü vs. gibi bilgiler olabilir. Damga olarak kullanılan görüntü görülebilir veya görülemez olarak gömülebilir. 3. BİYOMETRİK GÜVENLİK SİSTEMLERİNİN PERFORMANS KARŞILAŞTIRMASI Günümüzde biyometrik incelemelerin boyutu, çeşitliliği ve kullanım alanları artmıştır. Bu sayede de pek çok yeni biyometrik kimlik doğrulama sistemi yerini almıştır. Biyometrik sistemlerin uygulama alanları günümüzde oldukça çeşitlidir 3. Özellikle havaalanları giriş ve çıkış işlemleri, kredi kartı uygulamaları, kriminal amaçlı teşhis ve tespit uygulamaları, sigorta şirketleri, ağ ve veri güvenliği, sosyal güvenlik, vergi süreçleri gibi kamu hizmetleri, e-ticaret, elektronik imza uygulamaları, internet bankacılığı, ATM ler, çağrı merkezleri, personel takibi, hasta takibi gibi sosyal sistemlerde kullanılmalarının yanında artık, bilgisayarlar, pda olarak adlandırılan el bilgisayarları, cep telefonları ve ev kilit sistemlerinde de kullanılmaktadırlar 456. Örneğin parmak izi, iris veya yüz tanıma sistemini barındıran bir bilgisayar, kimliğini doğrulayamayan kullanıcıların bilgileri açmasına ve işlem yapmasına izin vermemektedir. 3 R. Şamlı, M. E. Yüksel, Biyometrik Güvenlik Sistemleri, Akademik Bilişim 09 - XI. Akademik Bilişim Konferansı Bildirileri, 11-13 Şubat 2009 Harran Üniversitesi, Şanlıurfa, 2009. 4 G. Dede, M. H. Sazlı, Biyometrik Sistemlerin Örüntü Tanıma Perspektifinden İncelenmesi ve Ses Tanıma Modülü Simülasyonu, EEBM Ulusal Kongresi, 2009. 5 A.K. Jain, L. Hong, S. Pankanti, R. Bolle, An Identity-Authentication System Using Fingerprints, Proceedings of the IEEE, 85-9, 1365-1388, 1997. 6 C. N. Kumar, Ravi, A., Bindu, "An Efficient Skin Illumination Compensation Model for Efficient Face Detection", IEEE Industrial Electronics, IECON 2006-32nd Annual Conference on Volume, Issue, Page(s):3444 3449, Nov. 2006.
Biyometrik temelli kimliklendirme sistemlerinde kullanıcı, sisteme kendisine ait olan ve üzerinde her daim taşıdığı parmak izi, iris, ses, el geometrisi, yüz gibi bir fizyolojik özelliğini veya imza atış, yürüyüş gibi bir davranışsal özelliğini kullanarak giriş yapar 7. Kullanıcı bu şekildeki bir sisteme giriş yapmak istediğinde, sistem tarafından kullanıcının uygun biyometrik bilgisi (parmak izi, retina, ses vb.) alınır. Alınan bu bilgi, daha önceden aynı kişiden alınıp veritabanına kaydedilmiş aynı tür biyometrik bilgi ile karşılaştırılır. Karşılaştırma sonucu doğru ise kişinin kimlik doğrulandırılması gerçekleştirilmiş olur. Günümüzde literatürde kullanılan mevcut biyometrik tanıma sistemleri şunlardır: Fizyolojik özellikler 8 : Parmak izi Retina DNA Damar Yüz El Geometrisi Ses Yüz Termogramı İris Davranışsal özellikler: İmza Atımı Yürüyüş Tuş Vuruşu Konuşma 7 J. Dittmann, P. Wohlmacher and K. Nahrstedt, "Using cryptographic and watermarking algorithms", IEEE Multimedia, vol. 8, no. 4, pp. 54-65, Oct-Dec. 2001. 8 B. Günsel, U. Uludağ, A. M. Tekalp, Robust watermarking of fingerprint images, Pattern Recognition 35 (2002) 2739 2747.
ENGİN AVCI, SONGÜL KARAKUŞ, TÜRKER TUNCER, ASAF VAROL Günümüz dünyasının değişen güvenlik gereksinimleri, temellerini bireye has özelliklerden alan ve klasik uygulamalardan daha yüksek güvenlik düzeyi vadeden biyometrik sistemleri ön plana çıkarmaktadır. Diğer taraftan, gelişen sinyal işleme teknikleri ve yapay sinir ağları gibi örüntü tanıma yöntemleri, biyometrik sistemlerin tasarımını olduğu kadar benzetimini de kolaylaştırmaktadır. Tüm bunların neticesinde kullanımı giderek yaygınlaşmakta olan biyometrik sistemler, gerek tasarımcılar gerekse kullanıcılar cephesinde deneyim kazanıldıkça günden güne daha da kabul görmektedir. Biyometrik sistemler son yıllarda hem teorik hem de pratik alanlarda çok büyük ilerlemeler kat etmiş ve geniş uygulama alanları bulmuştur 9,10,11. Ancak yukarıda sayılan biyometrik özelliklerin her birinin tanıma ve güvenlik konusunda kendine has bazı zafiyetleri olduğu ve tek başına kullanıldıklarında bazen yeterli verimlilik seviyesine sahip olmadıkları yapılan çalışmalar neticesinde görülmüştür. Bu zafiyetler ve dezavantajlar aşağıda Tablo 1 de kısaca özetlenmiştir. 12-32 9 U. Uludag, A. Ross, A. Jain, Biometric template selection and update: a case study in fingerprints, Pattern Recognition 37 (2004) 1533 1542. 10 A.K. Jain, L. Hong, S. Pankanti, R. Bolle, An Identity-Authentication System Using Fingerprints, Proceedings of the IEEE, 85-9, 1365-1388, 1997. 11 A. Ross, A.K. Jain, Information Fusion in Biometrics, Pattern Recognit. Lett., 24-13, 2115-2125, 2003. 12 S.M. Matyas, J. Staptelon, A Biometric Standard for Information Management and Security, Computers and Security, 19, 428-441, 2000. 12 B. Son, The Fusion of the Two User-Friendly Bimetric Modalities: Iris and Face, IEICE Trans. Inf. And Syst., E89-D, No.1, 372-376, 2006. 13 C., Marven, G., Ewers, "A simple approach to digital signal processing, NY: Wiley Interscience, 1996. 14 D.F. Specht, Probabilistic Neural Networks for Classification, Mapping or Associative Memory, Proc. IEEE International Conf. on Neural Networks, 1, 525-532, 1988. 15 G. Dede, M.H. Sazlı, Speech Recognition with Artificial Neural Networks, Digital Signal Process., 2009, doi:10.1016/j.dsp.2009.10.004. 16 L.P. Cordella, P. Foggia, C. Sansone, M. Vento, A Real-time Text-independent Speaker Identification System, 12th International Conference on Image Analysis and Processing Proceedings, 17-19, 632 637, 2003. 17 K. Saeed, M.K. Nammous, A Speech and Speaker Identification System: Feature Extraction, Description, and Classification of Speech Signal Image, IEEE Transactions on Industrial Electronics, 54-2, 887-897, 2007. 18 M. S. Bartlett, H. M. Lades and T. J. Sejnowski, Independent Component Representations for Face Recognition, Proc. of Conf. On Human Vision and Electronic Imaging III, San Jose, California, 1998. 19 A. Baykut, Classifier Combination for Pattern Reconition, Ph.D. Tezi, Boğazici Üniversitesi, 2002. 20 P. N. Belhumeur, J. P. Hespanha and D. J. Kriegman, Eigenfaces vs. Fisherfaces: Recognition Using Class Specific Linear Projection, IEEE Trans. on PAMI, Cilt 19, No. 7, s. 711-720, 1997. 21 R. Brunelli, and T. Poggio, Face Recognition: Features versus Templates, IEEE Trans. on PAMI, Cilt 15, No. 10, s. 1042-1052, 1993.
Tablo 1. Tekli model biyometrik sistemlerin dezavantajları. Biyometri Genellik Eşsizlik Kalıcılık Elde Kabul Edilebilirlik Edilebilirlik Performans Sahtecilik Yüz Yüksek Düşük Orta Yüksek Düşük Yüksek Yüksek Parmakizi Orta Yüksek Yüksek Orta Yüksek Orta Yüksek İris Yüksek Yüksek Yüksek Orta Yüksek Düşük Düşük Ses Orta Düşük Düşük Orta Düşük Yüksek Düşük Ayrıca yapılan çalışmalarda tekli biyometrik özelliklerin en önemlilerinin her birinin tanıma ve güvenlik başarımını etkileyen bozucu etkiler aşağıda Tablo 2 de verilmiştir. Tablo 2. Tekli biyometrik özelliklerin en önemlilerinin her birinin tanıma ve güvenlik başarımını etkileyen bozucu etkiler. Yöntem Yöntem İlkeleri Başarım üzerindeki etkileri 22 J. P. Campbell, Speaker recognition: A tutorial, Proc. IEEE, Cilt 85, s. 1436-1462, 1997. 23 B. A. Draper, K. Baek, M. S. Bartlett and J. R. Beveridge, Recognizing Faces with PCA and ICA, Computer Vision and Image Understanding, Cilt 91, No. 1-2, s. 115-137, 2003. 24 H. K. Ekenel, Expression and Illumination Insensitive Independent Components and Wavelet Subbands for Face Recognition, M.S. Tezi, Boğazici Üniversitesi, 2003. 25 A. Hyvärinen, E. Oja, Independent Component Analysis: Algorithms and Applications, Neural Networks, Cilt 13, s. 411-430, 2000. 26 J. Kittler, M. Hatef, R.P. Duin, and J.G.Matas, On combining classifiers, IEEE Trans. on PAMI, s.226-239, 1998. 27 J. Kittler, Combining Classifiers: A Theoretical Framework, Pattern Analysis and Applications, Cilt 1, No. 1, s. 18-28, 1998. 28 A. Ross, A.K. Jain and J. Qian, Information fusion in biometrics, Proc. of Third Intl. Conf. on AVBPA, Halmstad, Sweden, s.354-359, 2001. 29 M. Turk and A. Pentland, Eigenfaces for Recognition, Journal of Cognitive Science, s. 71-86, 1991. 30 P. Verlinde, A contribution to multi-modal identity verification using decision fusion, Ph.D. Tezi, Ecole Nationale Superiore de Telecommunications, 1999. 31 L. Xu, A. Krzyzak and C. Y. Suen, Methods for Combining Multiple Classifiers and Their Application in Handwritten Character Recognition, IEEE Trans. On Systems, Man, and Cybernetics, Cilt 22, s. 418-435, 1992. 32 Y. Yemez, A. Kanak, E. Erzin, and A. M. Tekalp, Multimodal Speaker Identification With Audio-Video Processing, Proc. of the Intl. Conf. on Image Processing, (ICIP 2003), s. 14-17, 2003.
ENGİN AVCI, SONGÜL KARAKUŞ, TÜRKER TUNCER, ASAF VAROL Yüz Yüz şekli, yerleşimi Saç şekli, ışık, gölge vb. özellikler başarımı etkiler. Parmak izi Parmak noktalarının parmak izi özellikleri Parmak izinin vücutta kolay elde edilebilir olmasına rağmen parmağın ıslak veya kuru olması başarı oranını değiştirir. İris Gözün iris örneği Gözün küçüklüğü, katarakt gibi özellikler başarı oranını düşürür. Ses Kişinin ses özellikleri Gürültü ve duyarlılık başarı üzerinde rol oynar. 4. SONUÇ VE ÖNERİLER Bu çalışmada biyometrik sistemlerin performans karşılaştırması yapılmıştır. Bu karşılaştırma sonuçları yukarıda Tablo 1 ve Tablo 2 de kısaca özetlenmiştir. Buradan da anlaşılacağı gibi biyometrik sistemler, bireylerin fiziksel ve davranışsal özelliklerini tanıyarak kimlik saptamak için geliştirilmiş bilgisayar kontrollü sistemlerdir. Bu sistemler, kişinin sahip olduğu ayırt edici özelliklerinden faydalanmaktadır. Biyometrik sistemlerin en büyük avantajları kişinin kendini tanıtmak için nüfus kâğıdı gibi tanıtıcıları taşımak mecburiyetinde olmaması ve şifre gibi bilgileri ezberlemek zorunda kalmamasıdır. Biyometrik bilgiler asla kopyalanamaz ve asla başkasına devredilemez. Bu nedenle biyometrik sistemler en yüksek güvenlik seviyesini sağlarlar.
KAYNAKÇA Bartlett, M. S., Lades, H. M. and Sejnowski, T. J. Independent Component Representations for Face Recognition, Proc. of Conf. On Human Vision and Electronic Imaging III, San Jose, California, 1998. Baykut, A. Classifier Combination for Pattern Reconition, Doktora Tezi, Boğazici Üniversitesi, 2002. Belhumeur, P. N., Hespanha, J. P. and Kriegman, D. J. Eigenfaces vs. Fisherfaces: Recognition Using Class Specific Linear Projection, IEEE Trans. on PAMI, Cilt 19, No. 7, s. 711-720, 1997. Brunelli, R. and Poggio, T. Face Recognition: Features versus Templates, IEEE Trans. on PAMI, Cilt 15, No. 10, s. 1042-1052, 1993. Campbell, J. P., Speaker recognition: A tutorial, Proc. IEEE, Cilt 85, s. 1436-1462, 1997. Cordella, L. P., Foggia, P., Sansone, C. and Vento, M. A Real-time Text-independent Speaker Identification System, 12th International Conference on Image Analysis and Processing Proceedings, 17-19, 632 637, 2003. Dede, G. ve Sazlı, M. H. Biyometrik Sistemlerin Örüntü Tanıma Perspektifinden İncelenmesi ve Ses Tanıma Modülü Simülasyonu, EEBM Ulusal Kongresi, 2009. Dede, G. and Sazlı, M. H. Speech Recognition with Artificial Neural Networks, Digital Signal Process., 2009, doi:10.1016/j.dsp.2009.10.004. Dittmann, J., Wohlmacher, P. and Nahrstedt, K. "Using cryptographic and watermarking algorithms", IEEE Multimedia, vol. 8, no. 4, pp. 54-65, Oct-Dec. 2001. Draper, B. A., Baek, K., Bartlett, M. S. and Beveridge, J. R. Recognizing Faces with PCA and ICA, Computer Vision and Image Understanding, Cilt 91, No. 1-2, s. 115-137, 2003.
ENGİN AVCI, SONGÜL KARAKUŞ, TÜRKER TUNCER, ASAF VAROL Ekenel, H. K. Expression and Illumination Insensitive Independent Components and Wavelet Subbands for Face Recognition, Yüksek Lisans Tezi, Boğazici Üniversitesi, 2003. Ekenel, H. K., Bilgin, S. Y., Eden, İ., Kirişci, M., Erdoğan, H. ve Erçil, A. "Video dizilerinden çoğul biyometrik kimlik doğrulama = combining face and voice modalities for person verification from video sequences", SIU 2004, IEEE, 156-159, 2004. Günsel, B., Uludağ, U. and Tekalp, A. M. Robust watermarking of fingerprint images, Pattern Recognition 35 (2002) 2739 2747. Hyvärinen, A. and Oja, E. Independent Component Analysis: Algorithms and Applications, Neural Networks, Cilt 13, s. 411-430, 2000. Jain, A. K., Hong, L., Pankanti, S. and Bolle, R. An Identity-Authentication System Using Fingerprints, Proceedings of the IEEE, 85-9, 1365-1388, 1997. Kittler, J., Hatef, M., Duin, R. P. and Matas, J. G. On combining classifiers, IEEE Trans. on PAMI, s.226-239, 1998. Kittler, J. Combining Classifiers: A Theoretical Framework, Pattern Analysis and Applications, Cilt 1, No. 1, s. 18-28, 1998. Marven, C. and Ewers, G. A simple approach to digital signal processing, NY: Wiley Interscience, 1996. Matyas, S. M. and Staptelon, J. A Biometric Standard for Information Management and Security, Computers and Security, 19, 428-441, 2000. Ravi Kumar, C. N. And Bindu, A. "An Efficient Skin Illumination Compensation Model for Efficient Face Detection", IEEE Industrial Electronics, IECON 2006-32nd Annual Conference on Volume, Issue, Page(s):3444 3449, Nov. 2006. Ross, A. and Jain, A. K. Information Fusion in Biometrics, Pattern Recognit. Lett., 24-13, 2115-2125, 2003. Ross, A., Jain, A. K. and Qian, J. Information fusion in biometrics, Proc. of Third Intl. Conf. on AVBPA, Halmstad, Sweden, s.354-359, 2001. Saeed, K. and Nammous, M. K. A Speech and Speaker Identification System: Feature Extraction, Description, and Classification of Speech Signal Image, IEEE Transactions on Industrial Electronics, 54-2, 887-897, 2007. Son, B. The Fusion of the Two User-Friendly Biometric Modalities: Iris and Face., IEICE Trans. Inf. And Syst., E89-D, No.1, 372-376, 2006. Specht, D. F. Probabilistic Neural Networks for Classification, Mapping or Associative Memory, Proc. IEEE International Conf. on Neural Networks, 1, 525-532, 1988. Şamlı, R. ve Yüksel, M. E. Biyometrik Güvenlik Sistemleri, Akademik Bilişim 09 - XI. Akademik Bilişim Konferansı Bildirileri, 11-13 Şubat 2009 Harran Üniversitesi, Şanlıurfa, 2009. Turk, M. and Pentland, A. Eigenfaces for Recognition, Journal of Cognitive Science, s. 71-86, 1991.
Uludag, U., Ross, A. and Jain, A. Biometric template selection and update: a case study in fingerprints, Pattern Recognition 37 (2004) 1533 1542. Verlinde, P. A contribution to multi-modal identity verification using decision fusion, Ph.D. Thesis, Ecole Nationale Superiore de Telecommunications, 1999. Xu, L., Krzyzak, A. and Suen, C. Y. Methods for Combining Multiple Classifiers and Their Application in Handwritten Character Recognition, IEEE Trans. On Systems, Man, and Cybernetics, Cilt 22, s. 418-435, 1992. Yemez, Y., Kanak, A., Erzin, E. and Tekalp, A. M. Multimodal Speaker Identification With Audio-Video Processing, Proc. of the Intl. Conf. on Image Processing, (ICIP 2003), s. 14-17, 2003.