Yapay sinir ağı sonuçlarının oylanarak gerçek zamanlı göz bebeği merkezinin tespiti
Real time estimation of the eye pupil center by voting over neural network results
- Tez No: 604307
- Danışmanlar: PROF. DR. YUSUF SİNAN AKGÜL
- 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: Gebze Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 71
Özet
Teknolojinin hızlı bir şekilde gelişmesi ile beraber göz bebeği merkezinin kestirimi, son yıllarda bilgisayarla görme alanında üzerinde sıklıkla çalışılan konulardan biri haline gelmiştir. Göz bebeği merkezi tespit sistemleri günlük yaşantıda pek çok insan-bilgisayar etkileşimi uygulamalarında kullanılabilmektedir. Sürücü dikkat takip sistemleri, engelli insanların göz ile kontrol edebildiği sistemler, göz bakış açısı tespit sistemleri, yorgunluk tespit sistemleri ve uyku tespit sistemleri bu tür uygulamalara örnek olarak gösterilebilir. Ticari amaçlı geliştirilen göz bebeği merkezi tespit sistemleri genellikle bir özel donanıma ihtiyaç duyarlar. Literatürde bu alanda özel donanım gerektiren sistemlere alternatif olarak geliştirilen çalışmalar yaygınlaşmaktadır. Bu çalışmada hiçbir özel donanıma ihtiyaç duyulmadan göz bebeği merkezi gerçek zamanlı olarak tespit edilmiştir. Çalışmada önerilen yöntemde derin öğrenme algoritmalarından KSA kullanılmaktadır. Göz bölgesinden dört farklı ölçekte elde edilen görüntüler birleştirilerek AlexNet ağ yapısı ile eğitilmiştir. Eğitim aşamasında göz bölgesinden elde edilen görüntü parçaları için gerekli olan etiket bilgileri ilgili parçalardaki göz bebeği merkez noktalarına göre belirlenmiştir. Sistemin test aşamasında ağırlıklı ortalama, kaba kuvvet araması tabanlı rastgele nokta, optimizasyon tabanlı rastgele nokta ve iki aşamalı optimizasyon tabanlı rastgele nokta olmak üzere dört farklı yöntem uygulanmıştır. Gerçekleştirilen deney sonuçlara göre sistem BioID veri kümesi üzerinde optimizasyon tabanlı rastgele nokta yöntemi ile ortalama 12,1 FPS hızına ulaşmıştır. Ayrıca sistem literatürdeki alternatif yöntemlere göre daha yüksek başarı oranları elde etmiştir. En yüksek başarı oranı ise ağırlıklı ortalama yöntemi ile elde edilmiştir.
Özet (Çeviri)
With the rapid development of technology, estimation of the eye pupil center has become one of the most frequently studied subjects in the field of computer vision in recent years. Systems working on detecting human eye pupil center can be used in many human-computer interaction applications in our daily life. Examples of such applications include driver attention tracking systems, eye-controllable systems for disabled people, human gaze estimation systems, fatigue detection systems and sleep detection systems. Commercially available systems that detect eye pupil center generally require a specialized hardware. In the literature, studies developed as an alternative to these systems that require a specialized hardware are getting more popular. In this work, eye pupil center was estimated in real time without any need of a specialized hardware. The proposed method in this work uses CNN from deep learning algorithms. Four different scale image patches gathered from the eye region were combined and fed into AlexNet neural network in order to train the model. Class label information required for image patches obtained from the eye region in the training phase was determined according to the eye pupil center locations. In the test phase of the system, four different methods including weighted average, brute force search based random point, optimization based random point and two stage optimization based random point were applied. According to the experiment results, the system reached an average rate of 12,1 FPS on the BioID dataset with optimization based random point method. Our results achieved more success then similar state of the art methods. The highest success rate was obtained by weighted average method.
Benzer Tezler
- Üç fazlı kafesli asenkron motorlarda toplam harmonik distorsiyonunun yapay sinir ağları yöntemi kullanılarak saptanması
Estimation of total harmonic distortion in three phase squirrel cage induction motors using artificial neural network method
HIDIR SELÇUK NOĞAY
Doktora
Türkçe
2008
Elektrik ve Elektronik MühendisliğiMarmara ÜniversitesiElektrik Eğitimi Ana Bilim Dalı
YRD. DOÇ. DR. YAŞAR BİRBİR
- FPGA based artificial neural network motor control of PM assisted synchronous reluctance motor in washers
Çamaşır makinalarında kullanılan mıknatıs destekli senkron relüktans motorların FPGA temelli YSA ile kontrolü
TURAN ALP SARIKAYA
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. LALE TÜKENMEZ ERGENE
- Modeling of pressure fluctuation beneath hydraulic jump
Hidrolik sıçrama altında oluşan basınç çalkantılarının modellemesi
ÖMER FARUK ALTAN
Yüksek Lisans
İngilizce
2007
İnşaat MühendisliğiGaziantep Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ.DR. MUSTAFA GÜNAL
- Araklı ilçesi (Trabzon) sahil bölgesinde yer alan zeminlerinsıvılaşma potansiyelinin belirlenmesi
Determination of liquefaction potential of soils in Arakli district (Trabzon) coast region
SİNEM CEYLAN
Yüksek Lisans
Türkçe
2018
Jeofizik MühendisliğiKaradeniz Teknik ÜniversitesiJeofizik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ALİ ERDEN BABACAN
- Meteorolojik parametreler kullanılarak yapay sinir ağları ile toprak sıcaklığının tahmini
Estimating soil temperature with artificial neural networks using meteorological parameters
FULYA ASLAY