Geri Dön

Understanding facial emotions in video images

Video görüntülerinden yüz ifade tanıma

  1. Tez No: 382753
  2. Yazar: HELTON SILVA GUDO MALAMBANE
  3. Danışmanlar: YRD. DOÇ. DR. NAHİT EMANET
  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: 2014
  8. Dil: İngilizce
  9. Üniversite: Fatih Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 49

Özet

Bu araştırma optik akış hesaplama ve destek vektör makinelerine dayalı, imge dizileri için bir yüz ifadesi tanıma yöntemi önermektedir. Öncelikle, yüz ifadeleri ve problem tanımlarının alanında arka plan sunulmaktadır. Ardından, yüz ifadelerinin oluşumu ve doğası hakkında bilgiler verilmiştir. Detaylı bir literatür araştırması bu alandaki ana işleri ve teknolojik eğilimleri işaret eder. Son olarak, önerilen sistemin yapısı ve uygulaması sağlanmıştır. Optik akış, görüntü dizilerinden özellikleri çıkartmak için kullanılır. Gauss dağılımları kullanılarak özellikler ayrıklanabilir hale getirildikten sonra bir destek vektör makinesi modeli sınıflandırma için eğitilmiştir. Train ve Test işlemleri yapılmış Cohn-Kanade (CK +) görüntü veritabanı kullanılarak, sistemin ortalama doğruluğu cross-validation doğrulaması kullanılarak% 78.7, leave-one-out cross-validation yöntemi ile doğruluk oranı % 86.7 bulunmuştur.

Özet (Çeviri)

This research proposes a facial expression recognition method for image sequences based on optical flow computation and support vector machines (SVMs). Firstly, background on the field of facial expressions and the problem definition are presented. Then, information about the occurrence and nature of facial expressions are given. A detailed literature survey points the main works and technological trends on the field. Finally, the structure and implementation of the proposed system are provided. Optical flow is used to extract features from image sequences. After the features have been discretized using Gaussian distributions a support vector machine model is trained for classification. Trained and tested using the extended Cohn-Kanade (CK+) image database, the system's average accuracy is of 86.7% with a cross-validation accuracy of 78.7% using the leave-one-out cross-validation.

Benzer Tezler

  1. Emotion recognition in children: Single and multimodal approaches with facial and physiological data

    Çocuklarda duygu tanima: Yüz ve fizyolojik verilerle tekli ve çoklu modalite yaklaşimlari

    ŞEYMA TAKIR

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. HATİCE KÖSE

  2. Emotion aware artificial intelligence for cognitive systems

    Bilişsel sistemler için duygu farkındalıklı yapay zeka

    DEĞER AYATA

    Doktora

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. YUSUF YASLAN

    PROF. DR. MUSTAFA ERSEL KAMAŞAK

  3. An embedded design and implementation of a facial expression recognition system

    Yüz ifadelerini tanıma sistemi gömülü sistem tasarım ve uygulaması

    ÖMER SÜMER

    Yüksek Lisans

    İngilizce

    İngilizce

    2014

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. ECE OLCAY GÜNEŞ

  4. Modlar arası transfer öğrenimi ile ses sinyallerinden duygu tanıma

    Emotion recognition from audio signals with cross-modal transfer learning

    FAHREDDİN RAŞİT KILIÇ

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Kültür Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. FATMA PATLAR AKBULUT

  5. Classification of music emotions with pre-trained models

    Önceden eğitilmiş modellerle müzik duygularının sınıflandırılması

    ZAINAB YASEEN TAHA TAQA

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilim ve TeknolojiÇankaya Üniversitesi

    Enformatik Ana Bilim Dalı

    Assist. Prof. Dr. ABDÜL KADİR GÖRÜR