Makine öğrenmesi ile gerçek zamanlı videodan yüz ifadesi analizi
Facial expression recognition with machine learning in real-time video
- Tez No: 523069
- Danışmanlar: DR. ÖĞR. ÜYESİ TOLGA BERBER
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Yüz İfadesi Analizi, Görüntü İşleme, Yerel İkili Örüntüler, Makine Öğrenmesi, Facial Expression Analysis, Image Processing, Local Binary Patterns, Machine Learning
- Yıl: 2018
- Dil: Türkçe
- Üniversite: Karadeniz Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik ve Bilgisayar Bilimleri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 73
Özet
Bu çalışmada, altı temel ifadeden oluşan, mutluluk, üzüntü, korku, tiksinme, şaşırma ve öfke ifadelerinin, makine öğrenmesi yardımıyla, kişiden bağımsız olarak gerçek zamanlı videodan tanınması amaçlanmıştır. Yüz ifadesi tanımanın üç hayati adımı bulunmaktadır. Bunların ilki, görüntüden yüz görüntüsü elde etmek, ikincisi ifadeleri iyi temsil edecek öznitelikler elde etmek ve son adım ise başarılı bir makine öğrenme yöntemi ile birlikte ifade tanımanın gerçekleştirilmesidir. Çalışmada görüntüden yüz görüntüsü elde etmek için“Haar Basamaklı Sınıflandırıcıları Yöntemi”kullanılmıştır. Elde edilen yüz görüntülerinden ifadeleri temsil etmek için İkili Yerel Örüntüler (Local Binary Pattern - LBP) öznitelik olarak kullanılmış ve son olarak bu öznitelikler çeşitli makine öğrenmesi yöntemleri ile sistematik olarak Cohn-Canadian veritabanından alınan görüntülerden çeşitli verisetleri oluşturularak incelenmiştir. Yapılan kapsamlı analizlerde Yerel İkili Örüntülerin yüz ifadesi tanımada etkili olduğu gözlemlenmiştir. Deneylerden sonra, yüz ifadesi tanımada en başarılı bulunan yöntem ve veri seti, gerçek zamanlı videodan alınan görüntüler üzerinde denenmiş ve sonuçlar çalışma içerisinde sunulmuştur. Elde edilen sonuçlara göre, dört sınıftan (ifadesiz, mutluluk, şaşırma ve üzüntü) oluşan veri seti, Destek Vektör Makineleri sınıflandırıcı kullanılarak en yüksek tanıma oranı olan %85,37 tanıma doğruluğuna ulaşılmıştır. İncelenen temel altı yüz ifadesi içerisinde diğer sınıflarla en az karıştırılan iki duygu ise şaşırma ve mutluluk olarak gözlemlenmiştir.
Özet (Çeviri)
The purpose of this work is to recognize six basic expressions such as happiness, sadness, fear, disgust, surprise and anger streamed from a real-time video, using machine learning methods. There are three vital steps in recognition of a facial expression. The first step is to obtain a face from the image, the second is to obtain the feature that will best represent the facial expression and the final step is to recognize facial expression with a successful machine learning method. In this work, to retrieve the facial image,“Haar Cascade Method”was used as well as Local Binary Patterns (LBP) for features to represent facial expressions. Finally, these attributes were systematically analyzed by using various machine learning methods and by generating various datasets from the images extracted from the John-Canadian Database. Local Binary Patterns (LBP) were observed to be effective to recognize the facial expression as a result of a comprehensive analysis. The most successful method and dataset in recognition of facial expressions were selected and tested on a real-time video stream followed by the results being presented in the study. According to these results, which consist of four class datasets (neutral, happiness, surprise and sadness) reached the highest recognition rate of 85,37% using the Support Vector Machine classifier and among the six basic facial expressions, happiness and surprise have highest recognition rate.
Benzer Tezler
- Deep learning based dynamic turkish sign language recognition with leap motion
Derin öğrenme tabanlı leap motıon ile dinamik türk işaret dili tanıma
BURÇAK DEMİRCİOĞLU KAM
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HATİCE KÖSE
- Investigation of microstructure movement under flow by using image processing and deep learning
Akış altındaki mikroyapı deformasyonunun görüntü işleme ve derin öğrenme kullanılarak incelenmesi
SAEED SARBAZZADEH KHOSROSHAHI
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AHMET CAN ERTEN
- Ray kusurlarının makine öğrenmesi ile gerçek zamanlı tespiti
Real-time detection of rail defects by machine learning
İBRAHİM UÇAR
Yüksek Lisans
Türkçe
2024
Mühendislik BilimleriEskişehir Teknik ÜniversitesiRaylı Sistemler Ana Bilim Dalı
DR. ÖĞR. ÜYESİ UTKU KAYA
- İklimlendirme sistemleri üzerinde makine öğrenmesi ile anomali tespiti
Anomaly detection with machine learning on air conditioning systems
REFİK KİBAR
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUHAMMED FATİH ADAK
DR. ÖĞR. ÜYESİ KEVSER OVAZ AKPINAR
- Real time fraud detection using machine learning
Makine öğrenmesi yöntemleri ile gerçek zamanlı suistimal tahminleme
HÜSEYİN ONUR ÖZCAN
Yüksek Lisans
İngilizce
2024
SigortacılıkYeditepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞEBNEM BAYDERE