Geri Dön

Ardışıl sınıflandırıcılar kullanılarak profil yüz sezimi

Profile face detection using cascade classifiers

PDF İndir

  1. Tez No: 510155
  2. Yazar: SERCAN BAYKARA
  3. Danışmanlar: DOÇ. DR. HAKAN ÇEVİKALP
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2018
  8. Dil: Türkçe
  9. Üniversite: Eskişehir Osmangazi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 89

Özet

Yüz sezimi, verilen herhangi bir imge içerisinde yüz bulunup bulunmadığına karar vermek, eğer varsa yüzün pozisyonunu ve kapladığı bölgeyi belirlemektir. Bu tezde iki farklı öznitelik çıkarma yöntemi birleştirilmiş ve üç farklı ardışıl sınıflandırıcılar kullanılarak sağ ve sol profil yüz sezimi algoritması tasarlanmıştır. Tez kapsamında profil yüz sezme sistemini eğitmek için internet üzerinden toplanan günlük hayattan çekilmiş imgeler kullanılmış, bu imgelerde bulunan sağ ve sol profil yüzlerine ait öznitelikler Yerel İkili Örüntüler (YİÖ) ve Yönlü Gradyan Histogramları (YGH) betimleme teknikleri yardımıyla ayrı ayrı çıkarılarak öznitelik vektörleri elde edilmiş, elde edilen bu öznitelikler vektörleri birleştirilerek tek bir öznitelik vektörü (YİÖ+YGH) oluşturulmuştur. Çalışmada imgelere ait özniteliklerin çıkarılmasından sonra imgelerdeki yüzlerin konumlarını belirlemede kayan penceler yönteminden yararlanılmış, ardışıl sınıflandırıcı olarak ise sırasıyla Doğrusal Destek Vektör Makineleri (DDVM), Doğrusal Hiper Küre ve Doğrusal Olmayan Hiper Küre kullanılmıştır. Tasarlanan yüz sezimi algoritmasının başarımını ölçmek için PASCAL VOC metriği ve Precision-Recall eğrilerinden elde edilen ortalama kesinlik skorlarından yararlanılmıştır. Yapılan deneysel çalışmalarda internet üzerinden toplanan eğitim setinde kullanılmayan günlük hayattan çekilmiş rastgele imgeler üzerinde algoritma test edilmiş OPENCV ile birlikte gelen Viola&Jones tarafından önerilen ardışıl sınıflandırıcıdan çok daha iyi sonuçlar elde edilmiştir.

Özet (Çeviri)

Face detection is to decide if there is a face in any given image and to determine the position of the face and the area it covers. In this thesis, profile face detection is designed by combining two different feature extracting methods and using a cascade of three different classifiers. Within the scope of thesis, images collected over the internet are used to train the face detection system. The features of right and left profile faces in these images are extracted by using Local Binary Pattern (LBP) and Histogram of Oriented (HOG) methods. Then, these feature vectors are combined to create a single feature vector (LBP+HOG). After creating combined feature vector, the sliding window method is used to determine the positions of the profile faces in the images. To classify the images Linear Support Machine (LSVM), Linear Hypersphere (LHS) and Nonlinear Hypersphere (NHS) methods are used respectively in a cascade structure. To measure the performance of the designed face detection algorithm, the PASCAL VOC metric and Precision-Recall curves are used. The experimental studies have shown that the proposed algorithm gives much better results than Viola & Jones profile face detector, which comes with OPENCV, on test images that are not used in our training set collected over the internet.

Benzer Tezler

  1. Tez No

    559458

    Purchase prediction and item prediction with RNN using different user-item interactions

    Farklı kullanıcı-ürün etkileşim türlerini kullanarak özyineli sinir ağları ile ürün ve satış tahminlemesi

    FULYA ÇELEBİ SARIOĞLU

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ YUSUF YASLAN

  2. Tez No

    198627

    Sayısal imgelerden adli kanıt toplama

    Image forencis

    SEVİNÇ BAYRAM

    Yüksek Lisans

    Türkçe

    Türkçe

    2005

    Elektrik ve Elektronik MühendisliğiUludağ Üniversitesi

    Elektronik Mühendisliği Ana Bilim Dalı

    Y.DOÇ.DR. İSMAİL AVCIBAŞ

  3. Tez No

    765502

    Data-driven prediction and emergency control of transient stability in power systems towards a risk-based optimal power flow operation

    Güç sistemlerinde risk tabanlı optimal güç akışı işletimineyönelik geçici hal kararlılığın veri güdümlü tahmini veacil durum kontrolü

    SEVDA JAFARZADEH

    Doktora

    İngilizce

    İngilizce

    2022

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    PROF. VEYSEL MURAT İSTEMİHAN GENÇ

  4. Tez No

    517473

    Ortofoto haritalardan ağaç türlerinin otomatik olarak bölütlenmesi

    Tree species classification from high resolution digital orthophoto maps

    AKHTAR JAMIL

    Doktora

    Türkçe

    Türkçe

    2018

    Jeodezi ve FotogrametriYıldız Teknik Üniversitesi

    Harita Mühendisliği Ana Bilim Dalı

    PROF. DR. BÜLENT BAYRAM

  5. Tez No

    847190

    Prediction of COVID 19 disease using chest X-ray images based on deep learning

    Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini

    ISMAEL ABDULLAH MOHAMMED AL-RAWE

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ADEM TEKEREK

Geri Dön