Videolara saklanmış 25. kare etkisinin EEG sinyalleri yardımı ile tespit edilmesi
Determination of the 25th frame effect stored in the videos with the EEG signals
- Tez No: 558766
- Danışmanlar: DR. ÖĞR. ÜYESİ AHMET GÖKÇEN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: Türkçe
- Üniversite: İskenderun Teknik Üniversitesi
- Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 71
Özet
Hayatımızın her yerinde karşımıza çıkan videolar, bir dizi resim dosyasının ardışık olarak dizilmesi sonucu ortaya çıkan görüntü kümesidir. Videonun her 1 saniyesinde görüntülenen resim sayısı Frame Per Second (Fps) olarak adlandırılır. 24 tane resim karesinin arka arkaya gelmesi ile videonun bir saniyesi oluşurken, bu karelerin içine gizlenen ve 25. kare efekti olarak adlandırılan resimler, videonun içinde insan gözü tarafından zor görülmektedir. Bu tezin amacı, beynin, insanların bilinçaltını etkilediği düşünülen videolardaki gizli resimleri (25. kare) algılayıp algılamayacağını belirlemektir. Bu amaçla, katılımcılara izletilmek amacıyla saf ve içerilerinde 25. kare efekti bulunan, hayvan, bitki ve doğa temalı 6 farklı video hazırlanmıştır. Bu videolar 50 adet katılımcıya izletilmiştir. Videolar izletilirken katılımcıların kafa derisi üzerine non-invaziv bir şekilde, ikisi referans olmak üzere 16 kanallı Elektroansefalogram (EEG) sinyallerini kaydeden, kablosuz başlık Emotiv EPOC+ cihazı kullanılmıştır. Kaydı alınan EEG sinyalleri, Hızlı Fourier Dönüşümü (HFD) ve Hilbert Huang Dönüşümü (HHD) olmak üzere 2 farklı filtreleme yöntemi ile işlenmiştir. Elde edilen verilere istatiksel öznitelik çıkarma algoritmaları(maksimum ve minimum değerlerin farkı, ortalama, medyan, standart sapma, güç, varyans, enerji, basıklık, çarpıklık, çeyrekler arası aralık) uygulanmıştır. Videoların saf hallerini izlerken oluşan sinyaller ile gizli resim eklenmiş videoları izlerken oluşan sinyalleri kıyaslamak için, K sınıflandırma yöntemlerinden biri en yakın komşu (KNN) sınıflandırıcısı ve doğrusal bir sınıflandırıcı olan Naive Bayes (NB) sınıflandırıcısı kullanılmıştır. K-parçalı çapraz doğrulama yöntemi uygulanarak eğitim sağlanmıştır. Sınıflandırma işlemi EEG sinyallerinin ham, HFD uygulanmış ve HHD uygulanmış halleri olmak üzere 3 farklı yöntem ile yapılmıştır. Elde edilen başarım oranları oldukça yüksektir.
Özet (Çeviri)
The videos that come across every part of our life are a set of images resulting from sequential sequencing of a series of image files. The number of pictures displayed every 1 second of the video is called Frame Per Second (Fps). With 24 consecutive picture frame, one second of the video is formed, and the images that are hidden in these frames and called the 25th frame effect are seen difficult by the human eye in the video. The aim of this thesis is to determine whether the brain will detect hidden pictures (25th frame) in videos that are thought to affect people's subconcious. For this aim, 6 different videos with animal, plant and nature theme which each of them include 25th frame effect, and raw videos are prepared in order to be watched by participants. These videos were shown to 50 participants. While viewing the videos, wireless heading Emotiv EPOC+ device which record 16 channel Elektroansefalogram (EEG) signal, 2 of which are reference, was used with a non invasive way on the scalp of the participants. The recorded EEG signals were processed by Fast Fourier Transform (FFT) and Hilbert Huang Transform (HHT) filtering methods. Statistical features extraction algorithms (maximum and minimum difference, mean, median, standard deviation, power, variance, energy, kurtosis, skewness, interquartile range) was applied to the obtained datas. In order to compare the signals generated while watching the raw picture of the videos and the videos that were recorded with hidden pictures, one of the K classification methods, nearest neighbor (KNN) classifier and the linear classifier Naive Bayes (NB) was used. Training was provided by applying K-part cross validation method. The classification was performed using three different methods: raw, HHT-applied and FFT-applied of EEG signals. Achievement rates which were obtained are very high.
Benzer Tezler
- Fen bilimleri dersinde yedinci sınıf öğrencilerinin e-portfolyo hazırlama sürecinin değerlendirilmesi
The evaluation of e-portfolio preparation process of seventh-grade students in science class
SEZİN EROL
Yüksek Lisans
Türkçe
2022
Eğitim ve ÖğretimTrabzon ÜniversitesiMatematik ve Fen Bilimleri Eğitimi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ CANAN CENGİZ
- Endüstriyel tesislerde alınması gereken aktif yangın güvenlik önlemleri ve bir yangın senaryosu oluşturulması
Active fire safety measures to be taken in industrial facilities and creation of a fire scenario
ÖZKAN AYAN
Yüksek Lisans
Türkçe
2023
Mühendislik BilimleriSakarya ÜniversitesiYangın ve Yangın Güvenliği Anabilim Dalı
PROF. DR. YILMAZ UYAROĞLU
- 2014-2023 yıllarında Akdeniz Üniversitesi hastanesine ateşli silah yaralanması nedeniyle müracaat eden olguların değerlendirilmesi
The evaluation of cases admitted to Akdeniz University Hospital with firearm injuries between the years 2014-2023
ŞEYMA NUR SEMERCİ
- Prediction of personality traits from videos by using machine learning algorithms
Makine öğrenmesi algoritmalarını kullanarak videolardan kişisel özelliklerin tahmin edilmesi
ERTAN TAŞ
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA ERSEL KAMAŞAK
- Target aware visual object tracking
Hedef farkındalığıyla görsel nesne takibi
CANER ÖZER
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. BİLGE GÜNSEL KALYONCU