An emotion recognition system based on dual tree complex wavelet transform and artificial neural networks
Çift ağaç karmaşık dalgacık dönüşümü ve yapay sinir ağları tabanlı duygu tanıma sistemi
- Tez No: 444754
- Danışmanlar: YRD. DOÇ. DR. GÖRKEM SERBES
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2016
- Dil: İngilizce
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 65
Özet
Yüz ifadeleri, bir kişinin duygusal durumuna, niyetine ya da sosyal iletişim durumuna göre yüzde oluşan değişikliklerdir. Yüz ifadesi iletişimin hayati bir parçasıdır ve gözlemcilere kişinin duygusal durumu hakkında bilgi verir. Kızgınlık, şaşkınlık, korku, üzüntü, mutluluk ve iğrenme temel altı duygu durumudur. Bu çalışmada yüz ifadelerinden kişilerin duygu durumunun tanınması incelenmiştir. Ayrıca, yüz ifadeleri iletişimde önemli bir kısımdır ve çok değerli bilgiler taşımaktadır. Bu sebepten, yüz görüntülerinden duygu tanıma, yapay zekâ, işaret işleme ve örüntü tanıma konuları ile ilişkili, çok motive edici ve enteresan bir konudur. Öznitelik çıkarma ve sınıflandırma duygu sınıflandırma sisteminde ana iki basamaktır. Bu çalışmada çift ağaç kompleks dalgacık dönüşümü (ÇAKDD) ve lokal ikili örüntü (LİÖ) yöntemleri öznitelik çıkarımında kullanılmıştır. İlk olarak yüz imgeleri ÇAKDD ve LİÖ yöntemleri ile öznitelik çıkarımı için işlenmiştir. Daha sonra Yapay Sinir Ağları (YSA) ve Destek Vektör Makineleri (DVM) duygu tanımada sınıflandırma amacıyla kullanılmıştır. Elde edilen sonuçlar göstermektedir ki farklı ölçeklerde uygulanan ÇAKDD tabanlı öznitelikler LİÖ ile çıkarılmış özniteliklere göre daha iyi sonuç vermektedir. Buna ek olarak, YSA ile DVM'ne oranla daha iyi sınıflandırma doğrulukları elde edilmiştir. ÇAKDD+YSA ile elde edilen doğruluk sonuçları analiz esnasında 3, 4 ve 6 seviye kullanıldığında sırasıyla 96.992%, 96.911% ve 95.488% olarak bulunmuştur. ÇAKDD+DVM ile elde edilen doğruluk sonuçları analiz esnasında 3, 4 ve 6 seviye kullanıldığında sırasıyla 86.466 %, 87.218% ve 84.962% olarak bulunmuştur. LİÖ+YSA ve LİÖ+DVM ile elde edilen ortalama doğruluk sonuçları ise sırasıyla 81.203% ve 64% olarak bulunmuştur. Bu sonuçlar göstermektedir ki; ÇAKDD ile öznitelik çıkarımı LİÖ ile öznitelik çıkarımına göre daha iyi sonuçlar vermekte ve YSA ile sınıflandırma DVM ile sınıflandırmaya göre daha üstün performans göstermektedir.
Özet (Çeviri)
Facial expressions are the facial changes in response to a person's internal emotional states, intentions, or social communications. Facial expression is a vital part of communication and conveys the emotional state of the individual to observers. Anger, surprise, fear, sadness, happiness and disgust are the six basic prototypic emotions. In this study, emotional face recognition in individuals was investigated. Additionally, human facial expressions are an important part in communication and carry valuable information. Therefore, automatic emotional face recognition is a great motivating and interesting topic which is related to artificial intelligence, signal processing and pattern recognition topics. Feature extraction and classification are the two main steps in an emotion recognition system. In the current study, the dual tree complex wavelet transform (DT-CWT), and local binary patterns (LBP) are employed as feature extractors with the aim of emotion recognition. In addition, the support vector machines (SVM) and artificial neural network (ANN) were used as classification methods. First, the facial images were processed with DT-CWT and LBP with the aim of feature extraction. Second, Artificial Neural Networks and Support Vector Machines were used for facial expression classification. The obtained results of emotion recognition were better when using DT-CWT with different scales comparing to the LBP feature extraction based methods. Moreover, the ANN outperforms the SVM classification methods. The results obtained with DT-CWT+ANN are 96.992%, 96.911% and 95.488% at 3, 4 and 6 scales, respectively. The results obtained with DT-CWT+SVM are 86.466 %, 87.218% and 84.962% at 3, 4 and 6 scales, respectively. The average recognition rate results for LBP+ANN was 81.203% while for LBP+SVM was 64%. The results indicate that the DT-CWT is more efficient than LBP as a feature extraction method for emotion recognition problem and the ANN shows better performance than SVM.
Benzer Tezler
- Makine öğrenme algoritmalarını kullanan duygu tahminine dayalı müzik öneri sistemi
Music recommendation system based on emotion prediction using machine learning algorithms
HASAN ALIYEV
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ GÜNEŞ
- Yüz algılama ve tanıma için derin öğrenme
Deep learning for face detection and recognition
TUBA ELMAS ALKHAN
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Sabahattin Zaim ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ALİ HAMİTOĞLU
- Eğitsel videolarda makine öğrenmesi temelli duygu durum analizinin duygu ölçümlenmesi ve başarı açısından incelenmesi
An investigation of machine learning based mood analyses in educational videos in terms of emotion measurement and achievement
ALİ BATUHAN YILDIZ
Yüksek Lisans
Türkçe
2024
Eğitim ve ÖğretimMersin ÜniversitesiBilgisayar ve Öğretim Teknolojileri Eğitimi Ana Bilim Dalı
PROF. DR. SERKAN ŞENDAĞ
DOÇ. DR. SACİP TOKER
- 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
- Multimodal emotion recognition in video
Video içerisinde çok alanlı duygu tanıma
TANER DANIŞMAN
Doktora
İngilizce
2008
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDokuz Eylül ÜniversitesiBilgisayar Mühendisliği Bölümü
YRD. DOÇ. DR. ADİL ALPKOÇAK