Geri Dön

Aktif görünüm modeli kullanarak yüz tanıma

Face recognition using active appearance model

  1. Tez No: 243752
  2. Yazar: ÇAĞLAR TIRKAZ
  3. Danışmanlar: YRD. DOÇ. DR. SONGÜL ALBAYRAK
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2008
  8. Dil: Türkçe
  9. Üniversite: Yıldız Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 84

Özet

Bu tezin yazım amacı istatistiksel şekil ve doku modellerini inceleyerek bunlar hakkında detaylı bilgi vermek, bu modelleri kullanarak kompakt bir model oluşturan Cootes vs. tarafından geliştirilen Aktif Görünüm Modelini (AGM) incelemek ve son olarak da oluşturulan model yardımıyla yüz tanıma performansını değerlendirmektir.AGM'nin teorik arka planını detaylı olarak açıklanmış ve AGM üzerine yapılabilecek olan uzantılar hakkında bilgi verilmiştir. AGM'nin temel avantajı deneyler sırasında doku ve şekle ait bilginin önceden öğrenilmesidir. Bu bilginin kullanılmasıyla oluşturulan model, başarılı bir şekilde görüntüler içinde bir objeyi tespit edebilmektedir.AGM kullanılarak yapılan yüz tanıma işleminde değişik poz ve ışık koşulları altında cesaret verici sonuçlara ulaşılmıştır ve bu sonuçlar detaylı olarak açıklanmıştır.

Özet (Çeviri)

This thesis gives a detailed explanation of the statistical models of shape and texture, the Active Appearance Models (AAM) developed by Cootes et. al, supplies several extensions to basic AAM for better performance and finally uses AAM for face recognition.The primary advantage of AAM is that it uses a priori knowledge of shape and texture and combines this knowledge to form a compact model. This compact model then can be used for various purposes including image segmentation and object detection.The details of face recognition and the results obtained using AAM are given. The recognition accuracy is encouraging in images under various lighting and pose variations.

Benzer Tezler

  1. Statistical facial feature extraction and lip segmentation

    İstatistiksel yüz öznitelik çıkarımı ve dudak bölümlemesi

    MUSTAFA BERKAY YILMAZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2009

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSabancı Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MUSTAFA ÜNEL

    YRD. DOÇ. DR. HAKAN ERDOĞAN

  2. Near-infrared image based face recognition

    Yakın kızılötesi görüntü tabanlı yüz tanıma

    NİL SERİ

    Yüksek Lisans

    İngilizce

    İngilizce

    2012

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. MUHİTTİN GÖKMEN

  3. Yüzdeki nirengi noktalarının koşullu regresyon ormanları ile saptanması

    Facial feature detection using conditional regression forests

    GENCER VURAL

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. MUHİTTİN GÖKMEN

  4. Televizyon üzerinden dindar/mütedeyyin kadınları anlamak: Dindar kadınların televizyonu alımlama ve kullanım biçimleri

    Understanding religious/pious women through television: Religious women's reception and usage of television

    ERGEN DEVRİM KARAGÖZ

    Doktora

    Türkçe

    Türkçe

    2022

    Radyo-TelevizyonGalatasaray Üniversitesi

    Radyo Televizyon ve Sinema Ana Bilim Dalı

    DOÇ. DR. ÖZLEM DANACI YÜCE

  5. Automatic caricature recognition

    Otomatik karikatür tanıma

    BAHRİ ABACI

    Yüksek Lisans

    İngilizce

    İngilizce

    2015

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. TAYFUN AKGÜL