Yüz ifadelerinin geometrik ve görünüm tabanlı öznitelikler kullanılarak tanınması
Recognition of facial expressions using geometric and appearance-based features
- Tez No: 757810
- Danışmanlar: PROF. DR. MEHMET BİLGİNER GÜLMEZOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Eskişehir Osmangazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Telekomünikasyon - Sinyal İşleme Bilim Dalı
- Sayfa Sayısı: 80
Özet
Yüz ifadesi tanıma ve analiz etme, son yıllarda popüler bir konu haline gelmiştir. Önceden insan-makine etkileşimi, güvenlik, psikolojik analiz ve eğlence amaçlı kullanılırken, son zamanlarda web sitesi ve pazarlama uygulamaları ile sosyal medyada eğlence uygulamaları araştırmacıları bu konu üzerinede çalışmaya yoğunlaştırdı. Literatürdeki çalışmalar artmasına rağmen bu konudaki tanıma hassasiyeti ve zorluğu halen devam etmektedir. Bu konudaki çalışmaları ve tanımaları farklılaştıran en büyük etki insanın doğal yapısı gereği ortaya çıkan farklı ırklardaki farklı yüz tiplerinin oluşması olmuştur. Tek bir tipteki ifade tanıma başarısı çok iyi olmasına rağmen farklı tiplerde ortaya çıkan tanıma zorluğu halen bir yarış olarak devam etmektedir. Gerçekleştirilen bu tez çalışmasında literatürdeki yapılan çalışmalara ek yeni bir öznitelik çıkarımı ve veri kümesi üzerindeki dengeleme ile daha hassas ve daha başarılı bir yöntem önerilmiştir. Bu tez çalışmasında önerilen yöntemler kıyaslanırken, video olarak geçmiş imgelerdeki değişimlere dayalı bir sınıflandırma yerine, tek bir resim üzerinden sınıflandırma gerçekleştirilmeye çalışılmıştır. Çalışmanın ilk aşaması olarak ayırt edici özellik olarak öznitelik türetme ile başlamıştır. Bu aşamada üç farklı yöntem olarak, geometrik öznitelikler, Yönlü Gradyanlar Histogramı (YGH) ve Yerel İkili Örüntüler (YİÖ) kullanılmıştır. Geometrik öznitelik türetme aşamasında, yeni yaklaşımlar önerilmiş ve bu öznitelikler türetilirken noktalar arasındaki mesafe farklarından yararlanılmıştır. Deneysel çalışmalarda genişletilmiş Cohn - Kanade (CK+) veri kümesi kullanılmış ve yüz ifadeleri 10 katlı çapraz doğrulama yöntemi kullanılarak 4 farklı sınıflandırıcı( Destek Vektör Makinesi (DVM), Rassal Orman (RO),Lojistik Regresyon Sınıflandırıcısı (LRS) ve Ortak Vektör Yaklaşımı (OVY)) ile sınıflandırılmıştır. Sınıflandırma başarısını arttırmak için Ardışık İleri Öznitelik Seçimi (AİÖS) , Ardışık Geri Öznitelik Seçimi (AGÖS) ve Temel Bileşen Analizi (TBA) ile öznitelik boyut indirgeme işlemi yapılmıştır.
Özet (Çeviri)
Facial expression recognition and analysis has become a popular topic in recent years. Facial expression recognition was previously used for human-machine interaction, security, psychological analysis, and entertainment. Recently, website marketing applications and entertainment applications in social media have focused researchers on this issue. Although the studies in the literature have increased, the sensitivity and difficulty of recognition on this subject still continues. The biggest effect that differentiated studies and recognitions on this subject was the formation of different face types in different races, which emerged as a result of the natural structure of human beings. Although the success of expression recognition in one type is very good, the recognition difficulty in different types still continues as a race. In this thesis, a more sensitive and more successful method is proposed with a new feature extraction and balancing on the data set in addition to the studies in the literature. When comparing these methods, it is tried to classify on a single image instead of a classification based on the change in the past frames as video. As the first stage of the study, it started with feature extraction as a distinguishing feature. At this stage, three different methods, geometric attributes, Histogram of Oriented Gradients (HOG), Local Binary Pattern (LBP) were used. In the geometric feature generation stage, new approaches have been proposed and the distance differences between the points have been used while deriving these features. In the experimental studies, The Extended Cohn - Kanade (CK+) dataset was used and 4 different classifiers were used for facial expressions using the 10-fold cross validation method; It is classified by Support Vector Machines (SVM), Random Forest (RF), Logistic Regression Classifier (LRC) and Common Vector Approach (CVA). In order to increase the classification success, feature selection was performed with Sequential Forward Feature Selection (SFFS) , Sequential Backward Feature Selection (SBFS) and Principal Components Analysis (PCA).
Benzer Tezler
- Affect recognition from facial expressions for human-computer interaction
İnsan-makine etkileşimi için yüz ifadelerinden duygu tanıma
SEZER ULUKAYA
Yüksek Lisans
İngilizce
2011
Elektrik ve Elektronik MühendisliğiBahçeşehir ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÇİĞDEM EROĞLU ERDEM
- 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
- An embedded design and implementation of a facial expression recognition system
Yüz ifadelerini tanıma sistemi gömülü sistem tasarım ve uygulaması
ÖMER SÜMER
Yüksek Lisans
İngilizce
2014
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. ECE OLCAY GÜNEŞ
- Yüz imgelerinden 2 boyutlu kip ayrışım yöntemleri kullanılarak duygu sezimi
Emotion detection using 2-dimensional mode decomposition methods from facial images
SERKAN TÜZÜN
Doktora
Türkçe
2024
Bilim ve Teknolojiİstanbul Üniversitesi-CerrahpaşaElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. AYDIN AKAN
- Automatic analysis of head and facial gestures in video streams
Video görüntülerinden kafa ve yüz mimiklerinin otomatik analizi
HATİCE ÇINAR AKAKIN
Doktora
İngilizce
2010
Elektrik ve Elektronik MühendisliğiBoğaziçi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. BÜLENT SANKUR