Bayes sınıflandırıcı kullanarak yüz sezimi
Face detection using bayes classifier
- Tez No: 196484
- Danışmanlar: YRD. DOÇ. DR. SEMİH BİNGÖL
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: görünüm tabanlı nesne sezimi, yüz sezimi, Bayessınıflandırıcı, dalgacık dönüşümü, Adaboost, appearance based object detection, face detection, Bayes classifier, wavelet transform, Adaboost
- Yıl: 2007
- Dil: Türkçe
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 91
Özet
Yüz sezimi, verilen herhangi bir görüntü içerisinde yüz bulunup bulunmadığınakarar vermek, eğer varsa yüzün pozisyonunu ve kapladığı bölgeyi belirlemektir. Buçalışmada, verilen bir görüntü içerisinde herhangi bir boyutta ve herhangi bir yerdebulunan ön cepheden çekilmiş yüzlerin sezimini yapan bir yazılım geliştirilmiştir.Bu yazılım ile geliştirilmiş olan sezici, belli bir karar verme kuralına göre sabitbüyüklükte bir alana bakarak bu alanın merkezinde ve normalize edilmiş boyuttakiyüzü bulmaktadır. Bayes sınıflandırıcı kullanılarak belirlenen karar verme kuralı,hem nesne içeren hem de nesne içermeyen görüntülerin görsel özelliklerine aitistatistiksel dağılımları kullanmaktadır. İstatistiksel dağılımlar bir eğitim setindenelde edilmekte ve çoklu histogramlar kullanılarak modellenmektedir. Her birhistogram farklı bir grup nicemlenmiş dalgacık katsayısı ve bunların görüntüiçerisindeki pozisyonunu gösteren birleşik istatistiksel dağılımı modellemektedir.Bu dalgacık katsayı grupları, farklı uzamsal alanlardaki, farklı frekansaralıklarındaki ve farklı yönelimlerdeki istatistiksel özellikleri göstermektedir.Histogramlar bir eğitme algoritması kullanılarak hazırlanmaktadır. Sezicininyapacağı sınıflandırma hatasını en aza indirebilmek için eğitme algoritması,Adaboost algoritması ile birlikte kullanılmaktadır. Resim içerisinde herhangi biryerdeki yüzün sezilebilmesi için sezici, olası tüm pozisyonlara ve herhangi birboyuttaki yüzün sezilebilmesi için orijinal resmin değişik ölçeklerdeki versiyonlarınauygulanmakta ve elde edilen sonuçlar birleştirilerek işaretlenmektedir.Yazılımın başarım analizleri CMU ve MIT test setlerinden alınan görüntüler ilegerçekleştirilmiştir. Yapılan analizler ile değişen eşik değerleri için doğru tespitoranları, yanlış negatif oranları ve yanlış pozitif oranları hesaplanmış ve sonuçlardiğer yüz sezimi çalışmaları ile karşılaştırılmıştır.
Özet (Çeviri)
Face detection is to determine whether or not there are any faces in a given imageand if present, to specify the location and extent of each face. In this thesis, asoftware is developed for detecting frontal faces at any location and size in a givenimage.The software implements a detector that finds centered and fixed-sized faces in animage window according to some decision rule. The Bayes classifier baseddecision rule uses statistical distributions of both face and nonface visualappearances. Statistical distributions are computed from a training image set andmodelled using multiple histograms. Each histogram represents the joint statisticaldistribution of a group of quantized wavelet coefficients and their position on theimage. These wavelet coefficient groups represent a different attribute ofappearance in terms of spatial extent, frequency range and orientation. A trainingalgorithm is used to compute the histograms. The Adaboost algorithm is used withthe training algorithm to minimize the classification error of the detector. Thedetector is applied at regularly spaced intervals in the image to find faces atarbitrary positions as well as to different scales of the original image to find facesof arbitrary size. Then all results are combined together and marked on the originalimage.Performance of the software is analyzed with images taken from the CMU and MITtest sets. Correct detection rates, miss rates and false positive rates are calculatedfor varying threshold values. The results are compared with similar face detectionstudies.
Benzer Tezler
- Elektrookulografi (EOG) sinyalleri ile uyku evreleme
Sleep staging with electrooculography (EOG) signals
AHMET COŞKUN
Yüksek Lisans
Türkçe
2017
Elektrik ve Elektronik MühendisliğiSelçuk ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. SERAL ÖZŞEN
- Biometric identity verification using on-line & off-line signature verification
Dinamik ve statik imzaları kullanarak biyometrik kimlik doğrulama
ALİSHER KHOLMATOV
Yüksek Lisans
İngilizce
2003
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSabancı ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. AYŞE BERRİN YANIKOĞLU
- Görüntü işleme temelli şizofreni ön tanısı
Schizophrenia pre-diagnosis based on image processing
GÜLCAN ÖZER
Yüksek Lisans
Türkçe
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOndokuz Mayıs ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. GÖKHAN KAYHAN
- Makine öğrenmesi yöntemleri ve derin öğrenme yöntemeleri ile yüz ifadesi tanıma
Facial expression recognition using machine learning techniques and deep learning methods
NIBRAS FAROOQ AKRAM ALKHALEELI
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. YAŞAR BECERİKLİ
- TV ve set üstü cihaz arayüz kullanılabilirlik ölçümü
Usability evaluation of TV and set-top box interfaces
AYCAN PEKPAZAR
Doktora
Türkçe
2021
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÇİĞDEM ALTIN GÜMÜŞSOY