Geri Dön

Automated detection of viewer engagement by head motion analysis

İzleyici ilgi seviyesinin kafa hareketlerinin analizi ile otomatik tespiti

  1. Tez No: 387503
  2. Yazar: UĞUR GÜLER
  3. Danışmanlar: DOÇ. DR. ALPTEKİN TEMİZEL
  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: 2015
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Enformatik Enstitüsü
  11. Ana Bilim Dalı: Bilişim Sistemleri Bölümü
  12. Bilim Dalı: Bilişim Sistemleri Ana Bilim Dalı
  13. Sayfa Sayısı: 62

Özet

İzleyici ilgi seviyesinin tespiti eğitim ve eğlence alanlarında önemli rol oynar. Bu çalışmada video akışındaki kafa hareketlerini analiz ederek izleyicinin ilgi seviyesi otomatik olarak tespit etmek hedeflenmiştir. Bu uygulama için hâlihazırda bir veri seti olmadığından dolayı kendi veri setimizi oluşturduk. Yüz tespit sistemi kullanarak, videodaki izleyici kişinin video boyunca her bir kare için kafa pozisyonları elde edilmiştir. Elde edilen bu pozisyon verilerinden, kafa hareketleri analiz edilmiş ve bazı nitelikler çıkartılmıştır. Verileri sınıflandırabilmek için Rastgele Orman algoritması ve Destek Vektör Makineleri ayrı ayrı çıkartılan bu nitelikler ile çalıştırılmıştır. Model kullanılarak ilgi seviyesi ölçülmüş ve Rastgele Orman algoritması ile %89.4 doğruluk, %90.9 duyarlılık oranında sonuçlar elde edilmiştir.

Özet (Çeviri)

Measuring viewer engagement plays a crucial role in education and entertainment. In this study we analyze head motions of the viewers from video streams to automatically determine their engagement level. Due to unavailability of a dataset for such an application, we have built our own dataset. By using face detection system, the head position of viewer is obtained throughout the video for each frame. Then, using these positions, we analyze and extract some features. In order to classify the data, we employ both Random Forest and Support Vector Machine (SVM) with extracted parameters. User engagement detection is performed using the employed model and the results indicate accuracy of 89.4% and recall of 90.9% on our dataset with Random Forest.

Benzer Tezler

  1. Video analizi ile baş hareketi sınıflandırma

    Head rotation classification via video analysis

    FİLİZ GÜRKAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. BİLGE GÜNSEL KALYONCU

  2. Değişken rezolüzyonlu görüntü örnekleyici

    Multi resolution image sampler

    RIZA CAN TARCAN

    Yüksek Lisans

    Türkçe

    Türkçe

    1991

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Y.DOÇ.DR. M. SAİT TÜRKÖZ

  3. Sayısal hücre görüntülerinin kodlanması ve nicel analizi

    Coding and quantitative analysis of the digital cell images

    NEŞE APAK

    Yüksek Lisans

    Türkçe

    Türkçe

    1993

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Y.DOÇ.DR. MUHİTTİN GÖKMEN

  4. İnşaat firmalarında bilgi yönetimi

    Başlık çevirisi yok

    AHMET ALTUNBAŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    1998

    Mimarlıkİstanbul Teknik Üniversitesi

    Bina Yapım Yönetimi Bilim Dalı

    PROF. DR. YILDIZ SEY

  5. Tracing the colors of clothing in paintings with image analysis

    Tablolardaki kişilerin kıyafet renklerinin imge analizi ile çıkartılması

    CİHAN SARI

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi Üniversitesi

    Sistem ve Kontrol Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ALBERT ALİ SALAH

    DOÇ. DR. ALKIM ALMİLA AKDAĞ SALAH