Automated detection of viewer engagement by head motion analysis
İzleyici ilgi seviyesinin kafa hareketlerinin analizi ile otomatik tespiti
- Tez No: 387503
- Danışmanlar: DOÇ. DR. ALPTEKİN TEMİZEL
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2015
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Enformatik Enstitüsü
- Ana Bilim Dalı: Bilişim Sistemleri Bölümü
- Bilim Dalı: Bilişim Sistemleri Ana Bilim Dalı
- 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
- Video analizi ile baş hareketi sınıflandırma
Head rotation classification via video analysis
FİLİZ GÜRKAN
Yüksek Lisans
Türkçe
2015
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. BİLGE GÜNSEL KALYONCU
- Değişken rezolüzyonlu görüntü örnekleyici
Multi resolution image sampler
RIZA CAN TARCAN
Yüksek Lisans
Türkçe
1991
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiY.DOÇ.DR. M. SAİT TÜRKÖZ
- Sayısal hücre görüntülerinin kodlanması ve nicel analizi
Coding and quantitative analysis of the digital cell images
NEŞE APAK
Yüksek Lisans
Türkçe
1993
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiY.DOÇ.DR. MUHİTTİN GÖKMEN
- İnşaat firmalarında bilgi yönetimi
Başlık çevirisi yok
AHMET ALTUNBAŞ
Yüksek Lisans
Türkçe
1998
Mimarlıkİstanbul Teknik ÜniversitesiBina Yapım Yönetimi Bilim Dalı
PROF. DR. YILDIZ SEY
- Tracing the colors of clothing in paintings with image analysis
Tablolardaki kişilerin kıyafet renklerinin imge analizi ile çıkartılması
CİHAN SARI
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiSistem ve Kontrol Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALBERT ALİ SALAH
DOÇ. DR. ALKIM ALMİLA AKDAĞ SALAH