Video dosyalarında yüz tespiti, tanıma ve video içerisindeki zamana göre işaretleme
Face detection, recognition and time marking in video files
- Tez No: 759443
- Danışmanlar: DOÇ. DR. OKTAY YILDIZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Bilim ve Teknoloji, Computer Engineering and Computer Science and Control, Science and Technology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Bilişim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Bilimleri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 60
Özet
Akan video görüntülerinde gerçek zamanlı yüz tespiti, tanımlanması, görüntü içerisinde geçtiği zamanın ve konumun bulunması, video içindeki diğer yüzlerle ilişkilendirilmesi günümüzde yüksek öneme sahip bir konudur. Son yıllarda, hızlı bir şekilde gelişen bilgisayar donanımlarının ve yapay zeka, sinir ağları, derin öğrenme, makine öğrenmesi gibi metotların da yardımıyla yüz tanıma problemlerinde daha hızlı ve doğru sonuçlar almak mümkün hale gelmiştir. Fakat video görüntülerinde aynı kare içerisinde yer alan yüzlerin sayısı ve boyutları, yüzlerin doğru bir şekilde tespit edilmesini ve uygulanan modelin yanıt verme süresini olumsuz yönde etkilemektedir. Gerçekleştirilen bu çalışmada, video görüntüleri içerisinde yer alan yüzlerin daha hızlı ve doğru bir şekilde tespit edilmesi ve video görüntüsü içerisinde bulunma ve birliktelik bilgileri ile birlikte etiketlenmesi için derin öğrenme tabanlı yeni bir model önerilmiştir. Gerçekleştirilen deneysel çalışmada önerilen Evrişimli Sinir Ağı tabanlı modelin daha önce önerilen MTCNN (Multitask Cascaded Convolutional Networks), OPENCV-CNN(Open Source Computer Vision Library - Convolutional Neural Network), HOG+SVM(Histogram of Gradient + Support Vector Machine), SSD-CAFFEMODEL(Single Shot MultiBox Detector with Caffemodel) modellerine göre daha yüksek bir performans ve doğruluk oranına sahip olduğu gösterilmiştir. Gerçekleştirilen çalışmada kullanılan farklı çözünürlükteki video dosyalarının ilgili video görüntüsünün gerçek zamanından 1,54 ile 2,61 kat arasında daha hızlı şekilde işlenmiştir. İşlenme sonucunda tanımlanan kişiler veri tabanına başarılı bir şekilde kayıt edilmiştir. Elde edilen sonuçlara göre ortalama 78,36 FPS değerlerine ulaşan hızlarda yüz tespiti ve tanımlaması yapılmıştır.
Özet (Çeviri)
Real-time face detection and identification in videos, finding them according to the time and location in the video, and associating them with other faces in the video is a matter of high importance nowadays. In recent years, the rapidly growing computer hardware and artificial intelligence, neural networks, deep learning, machine learning methods such as with the help of face recognition problems, it is possible to get faster and more accurate results. But the number and sizes of faces located in the same frame in video images affects negatively the correct detection of faces and the response time of the applied model. In this study, it was carried out to identify the faces in the video images more quickly and accurately and a new model based on deep learning has been suggested for being in a video image and tagging it together with association information. In an experimental study, it was shown that the proposed Convolutional Neural Network-based model has a higher performance and accuracy rate than the MTCNN (Multitask Cascaded Convolutional Networks), OPENCV-CNN(Open Source Computer Vision Library - Convolutional Neural Network), HOG+SVM(Histogram of Gradient + Support Vector Machine), SSD-CAFFEMODEL(Single Shot MultiBox Detector with Caffemodel) models as previously proposed. The video files of different resolutions used in the study were processed between 1.54 and 2.61 decker faster than the real-time of the corresponding video. As a result of the processing, the identified persons were successfully registered in the database. According to the results obtained, face recognition and identification were performed at speeds reaching an average of 78.36 FPS in this extent.
Benzer Tezler
- Görüntü verilerinde derin öğrenme tabanlı yüz tanıma ve fiziksel şiddet olaylarının adli bilişim açısından tespiti
Deep learning-based facial recognition in image data and detection of physical violence incidents in terms of forensics
SERKAN KARAKUŞ
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DOÇ. DR. SEDA ARSLAN TUNCER
DR. ÖĞR. ÜYESİ MUSTAFA KAYA
- Ontology-based spatio-temporal video management system
Ontoloji tabanlı uzay-zamansal video bilgi yönetim sistemi
ATAKAN ŞİMŞEK
Yüksek Lisans
İngilizce
2009
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. NİHAN KESİM ÇİÇEKLİ
- Alignment of eye tracker and camera data by using different methods in human computer interaction experiments
İnsan bilgisayar etkileşim deneylerinde göz izleme cihazı ve kamera verisinin farklı yöntemler ile hizalanması
LEYLA GARAYLI
Yüksek Lisans
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ZEHRA ÇATALTEPE
- Yabancı dil eğitimi için geliştirilmiş bir mobil e-kitabın kullanılabilirlik durumunun hedef kitle deneyimi üzerinden incelenmesi
An examination of usability status of a mobile e-book developed for foreign language education through user experience
HAKAN TİLGEL
Yüksek Lisans
Türkçe
2020
Eğitim ve ÖğretimHacettepe ÜniversitesiBilgisayar ve Öğretim Teknolojileri Eğitimi Ana Bilim Dalı
PROF. DR. SÜLEYMAN SADİ SEFEROĞLU
- Veri gömme tabanlı bir kimliklendirme sisteminin tasarımı
A built-in data-based idenification system design
AHMET GÜMÜŞSU
Yüksek Lisans
Türkçe
2013
Elektrik ve Elektronik MühendisliğiDeniz Harp Okulu KomutanlığıElektronik Sistemleri Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. FEYZİ AKAR