Bu çalışma, Eigenface yöntemi kullanılarak yapılan yüz tanıma işlemlerinde döndürülmüş olarak elde edilen test yüzlerinin tanınma başarı oranını artırmak için uygulanan yeni bir tekniği içermektedir. Yüz tanıma, günümüzde güvenlikten kimlik doğrulamaya kadar birçok alanda kritik bir rol oynamakta ve doğruluğu artırmaya yönelik çözümler aranmaktadır. Çalışmamızda, yüz tanıma işlemlerinde yaygın olarak kullanılan Eigenface yöntemi ile yüzlerin matematiksel bir çerçevede temsil edilmesi sağlanmıştır. Projede, öncelikle bir veri tabanı olarak kullanılan yüz görüntüleri matris formunda temsil edilmiştir. Ardından, bu matrislerin ortalaması alınarak ortalama yüz matrisi elde edilmiştir. Her bir yüz görüntüsünden ortalama yüz çıkarılarak yüzler arasındaki farklılıkların belirlenmesi sağlanmıştır. Elde edilen fark matrisleri ile kovaryans matrisi hesaplanmış ve bu matris kullanılarak özdeğer ve özvektör analizi yapılmıştır. Bu analizler sonucunda elde edilen özvektörler yardımıyla yüzleri temsil eden Eigenface’ler (özyüzler) tanımlanmıştır. Döndürülmüş matrislerin benzerliği, benzer matrislerin özdeğerlerinin aynı olması ve ortonormal dönme matrislerinin Euclid normunu koruması ilkeleri kullanılarak döndürülmüş test yüzlerinin tanınma oranının, normal test yüzüyle aynı olması sağlanmıştır. En son olarak çalışma boyunca değinilen her bölümün tüm hesaplamalarını yapan ve bunların görsel olarak ne ifade ettiğini adım adım göstererek yüz tanıma işlemini tam olarak gerçekleştiren Python tabanlı çok başarılı bir uygulama geliştirilmiştir. Böylece hem teoride hem de pratikte Eigenface yüz tanıma yönteminin doğruluğunu artırmaya farklı bir bakış açısıyla katkıda bulunulmuştur.
