A new approach to facial recognition using 3D face reconstruction
Başlık çevirisi mevcut değil.
- Tez No: 672354
- Danışmanlar: DR. ÖĞR. ÜYESİ SEFER KURNAZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Derin öğrenme, sinirsel bilgisayarlar, Evrişimli zeka, evrişimli sinir ağ, 3B süper çözünürlüklü görüntüleme, Deep learning, neural computers, Convolutional intelligence, convolutional neural network, 3D super-resolution imaging
- Yıl: 2020
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilişim Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 77
Özet
Bu tezin amacı, derinliği kullanarak yeni bir 3B yüz rekonstrüksiyonu yaklaşımı geliştirmektir. python'da öğrenme teknikleri. Son yıllarda 2D yüz alanında önemli gelişmeler oldu derin sinir ağlarını kullanarak tanıma. Sonraki potansiyel adımlardan biri, optimize edilmiş 3D yüz tanıma. 2B'den 3B'ye geçiş, verilere başka bir boyut ekleyerek sorunun karmaşıklığını artırır ve olası çözümleri daha fazla kaynağa aç hale getirir. Bu tezde biz farklı derinlik kamerası tabanlı yüz tanıma tekniklerini araştırın ve performanslarını test edin bunları yerleşik bir işlemciye dağıtarak. Gömülü sistemler için uygulamalara odaklanıyoruz ve genel sistemi korumak için sistemimizle birlikte küçük bir düşük çözünürlüklü uçuş süresi (ToF) kamerası kullanın taşınabilir ve kompakt. Tüm yüz görüntüleri daha sonra özellik alanına (“yüz alanı”) yansıtılır. ilgili koordinatörleri bulun. Yüz alanı“Özyüzler”veya“Balık Yüzleri”nden oluşur bunlar aslında bir matris bileşimi yaptıktan sonra bulunan özvektörlerdir - Öz ayrıştırma. Şurada: Eigenface yönteminin kalbi Ana Bileşen Analizidir (PCA) - en çok popüler denetimsiz öğrenme algoritmaları - Fisherface öncekinin daha iyi bir sürümü iken Hem Ana Bileşen Analizi hem de Doğrusal Ayrımcılık Analizini kullanan (LDA) daha güvenilir sonuçlar elde etmek için. Her iki yöntem de çalışmalarında derinlemesine incelenecektir. ilkeler ve bunların gerçekte potansiyel uygulamaları hakkında sonuca varmadan önce her birinin avantajı ve dezavantajı. Geliştirilen aracın performansını değerlendirmek için teknikleriyle, düşük çözünürlüklü derinlik kamerası ile yakalanan 10 kimlikten oluşan bir veri kümesi oluşturduk ve hem eğitim hem de test için kullanın. Algoritmalar Anaconda'da Python tarafından gerçekleştirildi. Verilen Veritabanındaki ilk görüntüler, program, içindeki insan yüzlerini algılayabilir ve tanıyabilir. hesaplama doğruluğunu iyileştirmek için veritabanına kaydetmeden önce resimler sağladı. gelecek. Değerlendirmeden sonra, tanıma genel sonuçları, ayrıntılarla birlikte ekrana aktarılır. metin dosyalarına dahildir. Yüzde 92.20 doğruluk oranına ulaşıyoruz.
Özet (Çeviri)
The aim of this thesis is to develop a new approach of 3D face reconstruction using the deep learning techniques in python. In the recent years there have been significant advances in 2D face recognition by using deep neural networks. One of the potential next steps is to develop optimized 3D facial recognition. Shifting from 2D to 3D increases complexity of the problem by adding another dimension to data, making possible solutions more resource hungry. In this thesis we investigate different depth camera based facial recognition techniques and test their performance by deploying them on an embedded processor. We focus on applications for embedded systems and use a small low-resolution time of flight (ToF) camera with our system to keep overall system portable and compact. All faces images are then projected on the feature space (“face space”) to find the corresponding coordinators. The face space is composed of“Eigenfaces”or“Fisherfaces”which are actually eigenvectors found after doing a matrix composition - Eigen decomposition. At the heart of Eigenface method is the Principal Component Analysis (PCA) - one of the most popular unsupervised learning algorithms - while Fisherface is a better version of the previous one which makes use of both Principal Component Analysis and Linear Discrimination Analysis (LDA) to get more reliable results. Both methods would be examined deeply in their working principles as well as their potential applications in reality before coming to conclusion about the advantage and drawback of each one. In order to evaluate the performance of the developed techniques, we created a dataset of 10 identities captured with a low-resolution depth camera and use it for both training and testing. The algorithms were realized by Python in Anaconda. Given initial images in the database, the program can detect and recognize the human faces in the provided pictures before saving them in the database to improve the calculation accuracy in the future. After evaluation, the recognition general results are exported on the screen with details included in the text files. We achieve the accuracy rate of 92.20 percent.
Benzer Tezler
- Yüz tanıma için 2 boyutlu görüntülerden 3 boyutlu yüz modelinin oluşturulması
3D face reconstruction from 2D images for face recognition
VOLKAN SALMA
Yüksek Lisans
Türkçe
2012
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. HASAN ŞAKİR BİLGE
- The statistical learning methods in image processing and facial recognition
Başlık çevirisi yok
SARBAZ OMAR RAFEEQ
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Ana Bilim Dalı
PROF. DR. OĞUZ BAYAT
DR. ÖĞR. ÜYESİ TAREQ ABED MOHAMMED
- 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
- Yerel görünüm ve derin modeller kullanarak hibrit bir yüz tanıma yaklaşımı
A hybrid face recognition approach using local appearance and deep models
MERT ARI
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HAZIM KEMAL EKENEL
- A new approach for facial expression recognition with an adaptive classification
Uyarlanabilir sınıflandırma ile yüz ifade tanıma için yeni bir yaklaşım
ABUBAKAR MUHAMMAD ASHIR
Doktora
İngilizce
2018
Elektrik ve Elektronik MühendisliğiSelçuk ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. BAYRAM AKDEMİR