Geri Dön

Counting number of people in digital images using face and people detection algorithms

Yüz ve insan tanıma algoritmaları ile sayısal resimlerde insan sayımı

  1. Tez No: 449330
  2. Yazar: SAMAR ITTAHIR M.A HUSAIN
  3. Danışmanlar: Assoc. Prof. Dr. MURAT KOYUNCU
  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: 2016
  8. Dil: İngilizce
  9. Üniversite: Atılım Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 80

Özet

Sabit görüntülerdeki veya video karelerindeki insanların sayımı, görüntü işleme alanında zorlu bir aktif araştırma sahasıdır. Bu alan, güvenlik, yönetim, eğitim ve ticaret açısından birçok uygulamada önemli bir rol üstlenmektedir. Bu tezde, dijital görüntülerde bulunan insanların sayımı üzerinde çalışılmıştır. İnsanlar görüntülerde farklı şekillerde görünebilmektedirler ve bu durum farklı tekniklerin beraber kullanılmasını gerektirmektedir. Bu bakımdan, bir görüntüdeki insan sayısını tahmin etmek için, yüz tanıma metodu ve insan tanıma metodu olmak üzere, iki tekniği kullanıyoruz. Önerilen bu metot, düşük maliyetle ve basit donanım kullanarak, girilen bir görüntüdeki insan sayısını tahmin ederken performansı artırmak için, yüz tanıma ve insan tanıma metotlarının çıktılarını bir araya getirmektedir. Biz, girilen görüntülerdeki insan sayısını tahmin eden en iyi kombinasyonu belirlemek için, üç yüz tanıma algoritmasını (Skin Color, Viola Jones LBP and Viola Jones CART) ve HOG özelliği ile SVM sınıflandırıcısına dayalı bir insan tanıma metodunu (tüm vücut) test ediyoruz. Önerilen sistemi test etmek ve en iyi kombinasyonu belirlemek için içinde iki farklı veri kümesinden (Groups of Images of People ile INRIA Person) 1,202 insanı barındıran 240 test görüntüsünü kullanıyoruz. Viola Jones CART ile HOG özelliği ile SVM sınıflandırıcısına dayalı insan tanıma metodunu kombine ederek %91'lik en iyi Recall'u ve %93.97'lik en iyi Precision'ı elde ettik, oysa, yüz tanıma metodu ve insan tanıma metodu (tüm vücut) ayrı ayrı uygulayarak, %70.38'lik en iyi Recall'u ve %92.76'lik en iyi Precision'ı Viola Jones CART yöntemi ile elde ettik.

Özet (Çeviri)

Counting the number of people in still images or video frames is an active research area that is a challenge in the computer vision field. It plays an important role in a variety of applications, such as security, management, education, and commerce. In this thesis, we work on counting the number of people in digital images. People can be seen differently in images, which requires the use of different techniques together. Therefore, we use two different techniques, which are Face Detection method and People Detection method, in order to estimate the number of people in an image. The proposed method combines the outputs of the Face Detection and People Detection methods in order to improve the performance of estimating the number of people in an input image with low cost and simple hardware. We test three face detection algorithms (Skin Color, Viola Jones LBP and Viola Jones CART) and a People Detection method (whole body) which is based on the HOG feature and SVM classifier to determine the best combination to estimate the number of people in input images. We use 240 test images including 1,202 people from two different datasets (Groups of Images of People and INRIA Person) to test the proposed system and determine the best combination. We have obtained best Recall of 91% and Precision of 93.97% by combining Viola Jones CART with People Detection method whereas by applying Face Detection and People Detection methods (whole body) separately, we got best Recall of 70.38% and Precision of 92.76% by Viola Jones CART method.

Benzer Tezler

  1. Hücresel nöral ağlar ve uygulamaları

    Cellular neural networks and applications

    SEVİLAY ÖZDEMİR

  2. Dikey bahçe tasarım sürecinde kullanılabilecek örnek tabanlı bir tasarım modeli önerisi

    A case based design system purpose for using in vertical garden design process

    MUHAMMED ALİ ÖRNEK

    Yüksek Lisans

    Türkçe

    Türkçe

    2011

    Mimarlıkİstanbul Teknik Üniversitesi

    Bilişim Ana Bilim Dalı

    PROF. DR. GÜLEN ÇAĞDAŞ

  3. Koloni morfoloji tahmininde yeni yapay öğrenme modelleri geliştirilmesi

    Development of new artificial learning models for colony morphology prediction

    VOLKAN ALTUNTAŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2016

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYalova Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MURAT GÖK

  4. Machine learning approach for predicting severity of obstructive sleep apnea syndrome

    Obstrüktif uyku apnesinin şiddetinin tahminlenmesinde makine öğrenmesi yaklaşımı

    ONURHAN HAMZAOĞLU

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Hesaplamalı Bilimler ve Mühendislik Ana Bilim Dalı

    PROF. DR. FETHİYE AYLİN SUNGUR

  5. Çevrimiçi dijital platform çalışanları: Eğitim sektörü örneği

    Online digital labor platform workers: The case of education sector

    ÇINAR SÖZER

    Doktora

    Türkçe

    Türkçe

    2024

    Çalışma Ekonomisi ve Endüstri İlişkileriDokuz Eylül Üniversitesi

    Çalışma Ekonomisi ve Endüstri İlişkileri Ana Bilim Dalı

    PROF. DR. HAKAN KESER