Destek vektör makineleri kullanarak gömülü sistem üzerinde yüz tanıma uygulaması
Face recognition application on embedded system using support vector machines
- Tez No: 414160
- Danışmanlar: DOÇ. DR. BURCU ERKMEN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Yüz Tanıma, Özyüzler, Fisher Yüzler, Destek Vektör Makineleri, Yapay Sinir Ağları, k En Yakın Komşu Yöntemi, Face Recognition, Eigenfaces, Fisherfaces, Support Vector Machines, Artificial Neural Network, k Nearest Neighborhood Algorithm
- Yıl: 2015
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektronik Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Yüz tanıma insanların günlük yaşamlarında zorlanmadan ve sıklıkla gerçekleştirdikleri görevlerden biridir. İnsan yüzü oldukça ayırt edici özelliklere sahiptir ve insan beyni yüze ait görsel bilgileri, biyometrik tanımlayıcılar olarak kullanır. Bilgisayarlı görü, insanları tanımlamak için yüz görüntülerini kullanarak beynin bu karmaşık fonksiyonunu taklit etmeyi amaçlar. Yüz tanıma problemi, bir yüz görüntüsü veya yüz görüntüleri içeren bir video kaydı girdi olarak verildiğinde, bilinen kişilerin yüz görüntülerini içeren bir veritabanı kullanılarak girdideki bir ya da daha fazla yüz görüntüsünün tanımlanması veya doğrulanması olarak ifade edilebilir. Sahada Programlanabilir Kapı Dizileri (FPGA); sayısal işaret işleme, biyometrik tanıma, medikal görüntü işleme, uzay ve savunma sistemleri, bilgisayar görüntüsü gibi birçok alanlarında kullanılmaktadır. FPGA programlanabilir mantık elemanlarıdır ve her bir mantık bloğunun işlevi kullanıcı tarafından düzenlenebilmektedir. Bu tez çalışmasında Destek Vektör Makineleri (DVM) kullanılarak FPGA ve GPU üzerinde yüz tanıma uygulaması gerçekleştirilmiştir. Öncelikle MATLAB ortamında, yüz görüntülerinden özyüz (eigenface) ve Fisher yüz (Fisherface) yöntemleri ile çeşitli boyutlarda öznitelikler elde edilmiştir. Çıkarılan öznitelikler; DVM, Yapay Sinir Ağları (YSA) ve k En Yakın Komşuluk Yöntemi (k-NN) kullanılarak eğitilmiş ve sınıflandırma performansları karşılaştırılmıştır. Daha sonra MATLAB ortamında eğitilen DVM sınıflandırıcısı, FPGA ve Grafik İşlem Birimi (GPU) üzerinde gerçekleştirilmiş ve performansları karşılaştırılmıştır. Gerçeklenen sistem, 40 kişi ve her kişiye ait 10 farklı yüz görüntüsünden oluşan ORL yüz veritabanı ile eğitilmiş ve test edilmiştir. Destek Vektör Makinelerinin eğitimi sırasında her bir kişi için o kişiye ait 4 yüz görüntüsü kullanılmış, kalan 6 yüz görüntüsü ile sınıflandırma testi yapılmıştır. DVM sınıflandırıcısının test başarısı özyüzler kullanıldığında %90 seviyesine ulaşırken, Fisher yüzler kullanıldığında %91 seviyesine ulaşmıştır.
Özet (Çeviri)
Face recognition is one of the ordinary tasks of people; they perform it in their daily lives without difficulty. Human face has distinctive characteristic and human mind uses the visual information, which belongs to face, as biometric descriptor. Computer vision aims to identify people by using the face images; it imitates the complex function of the brain. Face recognition problem, uses a database, which contains face images of known people. When an input (face image or video that contains face images) is given to the problem; via this database the input can be defined and verified. FPGA (Field Programmable Gate Array) is frequently used in the fields that are digital signal processing, biometric identification, medical vision processing, space and defense systems, computer vision etc. FPGA is programmable logic units and users can be configured each logic block. In this thesis; FPGA and GPU based face recognition application is developed by using Support Vector Machines (SVM). First of all; Eigenface and Fisherface methods are used to extract features via MATLAB. This extracted features are educated by SVM, Artificial Neural Networks and k-Nearest Neighborhood methods and then their classification performances are compared. The system is educated and tested with ORL database that contains 40 people and each person have 10 different face images. During the education of the SVM 4 face images are used for each person and remaining 6 face images are used for testing. As a result, the success of SVM classifier has been reached 90% when we used eigenfaces and 91% when we used Fisherfaces.
Benzer Tezler
- Gömülü yaya belirleme sistemi tasarımı ve gerçeklemesi
Embedded design and implemetation of pedestrian detection system
AHMET REMZİ ÖZCAN
Yüksek Lisans
Türkçe
2013
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. VEDAT TAVŞANOĞLU
- The Effect of government price support on wheat farming and wheat marketing in Turkey
Başlık çevirisi yok
GÜNEŞ GÜLSEN ÖZEL
Yüksek Lisans
İngilizce
1987
EkonomiOrta Doğu Teknik ÜniversitesiYöneylem Araştırması Ana Bilim Dalı
PROF. DR. HALİM DOĞRUSÖZ
- A Decision support system for planning standby garbage collection trucks
Yedek çöp toplama kamyonlarının planlanması için bir karar destek sistemi
GÜLSER HACISALİHOĞLU
Yüksek Lisans
İngilizce
1987
Endüstri ve Endüstri MühendisliğiOrta Doğu Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. HALİM DOĞRUSÖZ
- Çekirdeksiz kuru üzümde uygulanan politikanın Ege Bölgesinde üretim ve üretici açısından sonuçlarının değerlendirilmesi
Başlık çevirisi yok
GÜVEN ÖZERİN