Yürüyüş verilerinden makine öğrenmesi yöntemleri ile yaş tahmini
Age estimation from gait data using machine learning
- Tez No: 778571
- Danışmanlar: DR. ÖĞR. ÜYESİ VOLKAN MÜJDAT TİRYAKİ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Derin öğrenme, Makine öğrenmesi, Yürüyüş, Örüntü, Örüntü tanıma, Deep learning, Machine learning, Gait, Pattern, Pattern recognition
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Siirt Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Yürüyüş biyometrisi alanında yapılan araştırmalar son yıllarda otomatik görsel gözetim sistemleri talebinden dolayı ivme kazanmıştır. Geçmişte insan yaş tahmini yüz tanıma tabanlı olarak yapılmıştır. Ancak gözetim sistemleri tarafından toplanan yüz verilerinin çözünürlüğünün az ve yeterli detayı bulundurmamalarından dolayı sistem performansı düşük olabilmektedir. Yürüyüş verilerini kullanarak insan yaşının tahmininin sistemsel olarak avantajları bulunmaktadır. Bu çalışmada, yerel ikili örüntü (YİÖ), geçici ikili örüntü (GİÖ) ve derin öğrenme transferi yöntemleri kullanılarak yürüyüş verilerinden insan yaşının tahmini yapılmıştır. YİÖ yönteminin kullanılma nedeni bu öznitelik çıkarım yönteminin yüz tanıma probleminde başarı göstermesinden dolayıdır. YİÖ farklı çap ve nokta sayısında kullanılarak yürüyüş enerji görüntülerinden yaş tahmini yapılmasında kullanılmıştır. Çıkarılan öznitelikler destek vektör makinesi, en yakın komşu ve rastgele orman sınıflandırıcıları ile ayrılmış ve performans ölçümleri yapılmıştır. GİÖ histogramları bölgesel bloklar halinde gruplandırılmış ve her bir kare blok için bir histogram şeklinde temsil edilmiştir. GİÖ ile iki ve üç bit derinliğinde histogram grafikleri ve 6×6, 8×8 ve 10×10 kare blok ayırma yöntemleri ile öznitelik çıkarımı yapılmış ve aynı sınıflandırıcılar ile doğrulama verisi üzerinde performans ölçümü yapılmıştır. Son olarak Resnet50 derin öğrenme transferi yöntemi ile yaş gruplarına ayırma performansı elde edilmiştir. Üç yöntemin kendi içinde en iyi performans elde edilen durumları ortaya konmuştur. YİÖ, GİÖ ve derin öğrenme transferi sonuçları karşılaştırılmıştır. GİÖ ile elde edilen sınıflandırma doğruluğu YİÖ'den daha yüksektir. Derin öğrenme yöntemiyle elde edilen sınıflandırma doğruluğu ise YİÖ ve GİÖ yöntemlerinden daha yüksek olduğu görülmüştür. Sonuç olarak YİÖ ve GİÖ hesaplama maliyeti açısından ve derin öğrenme transferi ise doğruluk açısından yaş tahmini probleminin çözümünde avantajlı olduğu görülmüştür.
Özet (Çeviri)
Research in the field of gait biometrics has gained momentum in recent years due to the demand for automatic visual surveillance systems. In the past, human age estimation were based on face recognition, but the system performance could be low due to the low resolution and lack of sufficient detail of face images/videos collected by surveillance systems. Human age estimation from gait data has systematic advantages. In this study, local binary pattern (LBP), transient binary pattern (TBP) and deep transfer learning methods were implemented to estimate human age from gait data. The reason for using the LBP method is that this feature extraction method was successful in the face recognition problem. LBP was used to estimate age from gait energy images by implementing different diameters and number of points. Extracted features are separated by support vector machine, k nearest neighbor and random forest classifiers and validation data performance is obtained. TBP histograms are grouped into regional blocks by image tiling and represented as a histogram for each square block. Feature extraction was performed with two- and three-bit depth histogram graphics and 6×6, 8×8 and 10×10 square block separation methods, and performance measurement was made on the validation data with the same classifiers. Finally, age classification performance was obtained with the Resnet50 deep transfer learning method. The best-performing cases of the three methods are explained. The results of LBP, TBP and deep transfer learning were compared. The classification accuracy obtained with the TBP is higher than that of LBP. The classification accuracy obtained by the deep learning method is higher than the LBP and TBP methods. As a result, LBP and TBP are advantageous in terms of the computational cost and the deep learning transfer is advantageous in terms of accuracy performance.
Benzer Tezler
- Gait-based human gender classification using 5/3 lifting based wavelet filters and principal component analysis
5/3 dalgacık kaldırma filtresi ve temel bileşen analizi yöntemleri ile yürüyüşe dayalı insan cinsiyet sınıflandırması
OMER MOHAMMED SALIH HASSAN
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSiirt ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ VOLKAN MÜJDAT TİRYAKİ
PROF. DR. ADNAN MOHSIN ABDULAZEZ
- Hybrid deep learning architectures for early detection and continuous monitoring of parkinson's disease using multimodal sensor data
Çok modlu sensör verileri kullanılarak parkinson hastalığının erken tespiti ve sürekli izlenmesi için hibrit derin öğrenme mimarileri
MARWAH MUWAFAQ KADHIM AL-MOZANI
Doktora
İngilizce
2026
Elektrik ve Elektronik MühendisliğiKarabük ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. HÜSEYİN DEMİREL
- Derin öğrenme yöntemleri ile zaman serisi tahmini
Time series classification with deep learning methods
HAKAN GÜNDÜZ
Doktora
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ZEHRA ÇATALTEPE
- Yapay zekâ teknikleri kullanılarak parkinson hastalığının teşhisi
Diagnosis of parkinson's disease using artificial intelligence techniques
EBRU GİZEM YILMAZ
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiVeri Bilimi ve Büyük Veri Ana Bilim Dalı
PROF. DR. GÜLHAYAT GÖLBAŞI ŞİMŞEK
- Exchange rate disconnect puzzle: A research on forecasting exchange rates with nowcasting of macroeconomic variables
Döviz kuru kopukluğu muamması: Makroekonomik değişkenlerin nowcasting öngörüsü ile döviz kuru tahmini üzerine araştırma
KHATAİ ABBASOV