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: 63
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
- Voice recognition system with score level fusion methods and embedded system design
Skor seviyesi füzyon metotları ile ses tanıma sistemi ve gömülü sistem tasarımı
CİHAN AKIN
Yüksek Lisans
İngilizce
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. MÜRVET KIRCI
- Ortam kontrol uygulamasına yönelik p300 tabanlı asenkron beyin bilgisayar arayüzü tasarımı ve uygulaması
Design and implementation of p300 based asyncronous brain computer interface for environment control applications
EDA AKMAN AYDIN
Doktora
Türkçe
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiElektronik-Bilgisayar Eğitimi Ana Bilim Dalı
PROF. DR. İNAN GÜLER
- A hardware based gunshot sound detection system
Donanım tabanlı silah sesi tespit sistemi
MUSTAFA KORAY AKÇOCUK
Yüksek Lisans
İngilizce
2020
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. ECE OLCAY GÜNEŞ
- Çok modlu yaşam alanı gözetleme sistemleri
Multi-modal living area surveillance systems
FATİH ERDEN
Doktora
Türkçe
2015
Elektrik ve Elektronik MühendisliğiHacettepe ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALİ ZİYA ALKAR
- An experimental analysis of feature selection algorithms in hyperspectral image classification
Hiperspektral görüntülerın sınıflamasında öznitelik seçim algoritmalarının deneysel analizi
HAMED GHOLAMI VIJOUYEH
Yüksek Lisans
İngilizce
2017
İletişim Bilimleriİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
YRD. DOÇ. DR. GÜLŞEN TAŞKIN KAYA