Gerçek zamanlı yüz ifadesi ve duygu tanıma
Real-time facial expression and emotion recognition
- Tez No: 496261
- Danışmanlar: DOÇ. DR. HASAN ŞAKİR BİLGE
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2017
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Bilişim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Bilimleri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 57
Özet
Bu tezde gerçek zamanlı uygulamalarda kullanılabilecek bir yüz ifadesi tanıma sistemi önerilmektedir. Yüz ifadesi tanıma sistemleri temelde 7 adet duyguyu tanıma üzerine kurulmaktadır. Bu yüz ifadelerinin yakalanıp karar mekanizmaları tarafından sınıflandırılmaları esasına dayanmaktadır. Yüz ifadelerinin sınıflandırılmaları için bir duyguyu ifade eden temel öznitelikler çıkarılmalıdır. Bu işlem HOG (Histograms of Oriented Gradients) isimli yöntemle gerçekleştirilmiştir. HOG ile çıkarılan öznitelik sayısı 128 x 128 boyutlarında bir resim için 34020 adet olmaktadır ve gerçek zamanlı olarak çalışmak için fazla işlem maliyeti gerektirmektedir. Önerilen yeni bir yöntemle yüz ifadesinin sadece ağız ve göz bölgelerinin bilgileri çıkarılmıştır ve öznitelik sayısı 4356 'ya indirilmiştir. Bu yöntemin başarım oranı farklı veri tabanlarında ve farklı eğitim verisi miktarlarında değerlendirilmiş ve en fazla artış %4 ile JAFFE veri tabanında SVM sınıflandırıcısı ile yapılan sınıflandırma işleminde %90.91 'den %95.10 'a yükselme şeklinde olmuştur. Karar verme performansı 5 katına kadar hızlanırken en fazla düşüş ise %3 oranında CK+ veri tabanında KNN sınıflandırıcısı ve 123 adet eğitim verisi ile yapılan testte ortaya çıkmıştır.
Özet (Çeviri)
In this thesis, a facial expression recognition system that can be used in realtime applications is proposed. Facial expression recognition systems are supposed to recognize 7 distinct emotions. It is based on the classification of the facial expression by desicion mechanisms, after capturing the facial images. The basic features that define the facial expression must be derived in order to classify a facial expresion. This procedure is carried out by a method named HOG (Histograms of Oriented Gradients). For a 128 x 128 image, the number of features extracted by HOG is 34020 and it requires too much computatinal power to be implemented on a realtime system. With a newly proposed method which takes only the mouth and eyes areas into account, the features count is decreased to 4356. The method is tested on different databases and with different training data amounts. The success rate of the method is increased by %4, from %90.91 to %95.10 in JAFFE database. While the desicion process has become 5 times faster, the biggest drop of success rate is observed with %3 in CK+ database where 123 train data and KNN classification is used.
Benzer Tezler
- Akıllı sistemlerle yüz ifadesi tanıma ve sistem otomasyonu
Facial expression recognition by using intelligent systems and system automation
SERKAN METİN
Yüksek Lisans
Türkçe
2012
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiElektronik-Bilgisayar Eğitimi Ana Bilim Dalı
YRD. DOÇ. DR. CAFER BAL
- Lightweight facial expression recognition systems for social robots
Sosyal robotlar için hafif ağırlıklı yüz ifadesi tanıma sistemleri
ERHAN BİÇER
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HATİCE KÖSE
- 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
- Real-time online education student lecture emotion detection
Gerçek zamanlı çevrimiçi eğitim öğrenci dersi duygu tespiti
MARWAN AL SOKARI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ OKATAN
- Farklı derin evrişimsel sinir ağlarının yüz ifadesi tanıma işlemindeki karşılaştırılması
Comparison of different deep convulational neural networks in facial expression recognition process
MEHMET OSMAN DEVRİM
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMuğla Sıtkı Koçman ÜniversitesiBilişim Sistemleri Mühendisliği Ana Bilim Dalı
DOÇ. DR. HÜSEYİN GÜRÜLER