Understanding facial emotions in video images
Video görüntülerinden yüz ifade tanıma
- Tez No: 382753
- Danışmanlar: YRD. DOÇ. DR. NAHİT EMANET
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2014
- Dil: İngilizce
- Üniversite: Fatih Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- 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
- 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
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HATİCE KÖSE
- Emotion aware artificial intelligence for cognitive systems
Bilişsel sistemler için duygu farkındalıklı yapay zeka
DEĞER AYATA
Doktora
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. YUSUF YASLAN
PROF. DR. MUSTAFA ERSEL KAMAŞAK
- 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
2014
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. ECE OLCAY GÜNEŞ
- 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
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Kültür ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. FATMA PATLAR AKBULUT
- Classification of music emotions with pre-trained models
Önceden eğitilmiş modellerle müzik duygularının sınıflandırılması
ZAINAB YASEEN TAHA TAQA
Yüksek Lisans
İngilizce
2023
Bilim ve TeknolojiÇankaya ÜniversitesiEnformatik Ana Bilim Dalı
Assist. Prof. Dr. ABDÜL KADİR GÖRÜR