Face recognition by using feature extraction structures
Özellık çıkarımı kullanarak yüz tanıma potansiyeli
- Tez No: 585613
- Danışmanlar: DR. ÖĞR. ÜYESİ Tarkan AYDIN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Face Recognition, Feature Extraction, DWT Algorithm And SURF, PCA, BOW And, Yüz Tanıma, Özellik Çıkarma, DWT Algoritması Ve SURF, PCA, BOW Ve SVM
- Yıl: 2019
- Dil: İngilizce
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 55
Özet
One of the most important technologies for face identification is Facial recognition software. It is utilized to verify or identify a person uniquely via analyzing and comparing patterns grounded upon the facial contours of the person. It is also recognized as face recognition (FR). In general, facial recognition systems are varied. The adaptive regional blend matching technique is the most recognized techniques. The function of the majority of facial recognition systems (FRS) grounded upon the dissimilar nodal points on the face. The measured values against the variable related to points of human face assists in verifying or identifying uniquely the person. In this software, the data are captured from faces and can rapidly and precisely identify target persons. As the proposed research is totally related to face recognition, some approaches and algorithms are used to recognize the faces such as principal component analysis Algorithm (PCA), speeded up robust features (SURF), discrete wavelet transform (DWT), Bag of words (features) and support vector machine (SVM). This proposed work shows how we can recognize faces under a specific situation which are lighting condition, head poses and facial expression. This proposed work has two main parts, which are making a Training set, Database, and the recognition part, test set, or matching part. Moreover, the thesis is made up of four main stages. Of the first stage, the discrete wavelet transform (DWT) would be used as image enhancer so as to reduce noise and speed up the image analyzing. The second stage, we used speed up robust features algorithm (SURF) to feature extraction. Of the third stage, we used principal component analysis (PCA) as a feature selector. At the last stage, we used two models for feature classification and face recognition those are bag of words (BOW) as a feature classifier and support vector machine (SVM) as a face classifier (recognizer). Then we will compare them at the end of thesis.
Özet (Çeviri)
Yüz tanıma için en önemli teknolojilerden biri Yüz tanıma yazılımıdır. Bir kişinin yüz hatlarına dayanan desenleri analiz etmek ve karşılaştırmak suretiyle benzersiz bir kişiyi doğrulamak veya tanımlamak için kullanılır. Ayrıca yüz tanıma (FR) olarak tanınır. Genel olarak, yüz tanıma sistemleri çeşitlidir. Uyarlanabilir bölgesel harman eşleştirme tekniği en bilinen tekniklerdir. Yüz tanıma sistemlerinin (FRS) çoğunluğunun işlevi yüzdeki birbirine benzemeyen düğüm noktalarına dayandırılmıştır. İnsan yüzünün noktaları ile ilgili değişkene karşı ölçülen değerler, kişiyi benzersiz şekilde doğrulamaya veya tanımlamaya yardımcı olur. Bu yazılımda, veriler yüzlerden toplanır ve hedef kişileri hızlı ve hassas bir şekilde tanımlayabilir. Önerilen araştırma tamamen yüz tanıma ile ilgili olduğu için, bazı bileşenlerin ve algoritmalar yüzleri tanımak için de kullanılmaktadır, temel bileşen analizi Algoritması (PCA), hızlandırılmış sağlam özellikler (SURF), ayrık dalgacık dönüşümü (DWT), kelimelerin torbası (özellikler) ve destek vektör makinesi (SVM) gibi.Bu önerilen çalışma, aydınlatma koşulu, kafa pozları ve yüz ifadesi gibi belirli bir durumdaki yüzleri nasıl tanıyabildiğimizi göstermektedir. Bu önerilen çalışmanın bir Eğitim seti, Veri Tabanı ve tanıma bölümü, test seti veya eşleştirme bölümü yapan iki ana bölümü vardır. Ayrıca, tez dört ana aşamadan oluşmaktadır. Birinci aşamada, ayrık dalgacık dönüşümü (DWT), ikinci aşamada görüntü analizini hızlandırmanın yanı sıra gürültüyü azaltmak ve görüntü analizini hızlandırmak için görüntü geliştirici olarak kullanılacaktır; ekstraksiyonu hızlandırmak için sağlam özellikler algoritmasını (SURF) kullandık. Üçüncü aşamada, özellik seçicisi olarak ana bileşen analizi (PCA) kullandık. Sonunda, dördüncü aşamada, yüz tanıma için iki model kullandık bunlar bir kelimelerin torbası (BOW) bir özellik sınıflandırıcısı ve destek vektör makinesi (SVM) olarak bir yüz sınıflandırma (tanıyıcı) her ikisinin de rolü özellik sınıflandırması ve yüz tanıma olup, tez sonunda bunları karşılaştırır.
Benzer Tezler
- Derin öğrenme ile yüz tanıma
Face recognition with deep learning
FATIMA ZEHRA ÜNAL
Yüksek Lisans
Türkçe
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. MEHMET SERDAR GÜZEL
- Yüz parametreleri yardımı ile insanların etnik kökenlerine göre sınıflandırılması
Classification of humans regarding to their ethnical roots with face parameters
UFUK SERDOĞAN
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMaltepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ERDAL GÜVENOĞLU
- Deep learning based three dimensional face expression recognition using geometry images from three dimensional face models
Üç boyutlu yüz modellerinden elde edilen geometri görüntüleri kullanılan derin öğrenme tabanlı üç boyutlu yüz ifadelerini tanıma
NEŞE GÜNEŞ
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ULUĞ BAYAZIT
- 3 boyutlu ayrık kosinüs dönüşümü tabanlı yüz bulma ve tanıma
3D discrete cosine transfrom based face detection and recognition
GÖKSEL GÜNLÜ
Doktora
Türkçe
2010
Elektrik ve Elektronik MühendisliğiGazi ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. HASAN ŞAKİR BİLGE
- Evrişimli sinir ağı kullanılarak yaprak resimlerinin sınıflandırılması
Classification of leaf images using convoluti̇onal neural network
YUNUS CAMGÖZLÜ
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİskenderun Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. YAKUP KUTLU