Bayes sınıflandırıcı kullanarak yüz sezimi
Face detection using bayes classifier
- Tez No: 196484
- Danışmanlar: YRD. DOÇ. DR. SEMİH BİNGÖL
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: görünüm tabanlı nesne sezimi, yüz sezimi, Bayessınıflandırıcı, dalgacık dönüşümü, Adaboost, appearance based object detection, face detection, Bayes classifier, wavelet transform, Adaboost
- Yıl: 2007
- Dil: Türkçe
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Yüz sezimi, verilen herhangi bir görüntü içerisinde yüz bulunup bulunmadığınakarar vermek, eğer varsa yüzün pozisyonunu ve kapladığı bölgeyi belirlemektir. Buçalışmada, verilen bir görüntü içerisinde herhangi bir boyutta ve herhangi bir yerdebulunan ön cepheden çekilmiş yüzlerin sezimini yapan bir yazılım geliştirilmiştir.Bu yazılım ile geliştirilmiş olan sezici, belli bir karar verme kuralına göre sabitbüyüklükte bir alana bakarak bu alanın merkezinde ve normalize edilmiş boyuttakiyüzü bulmaktadır. Bayes sınıflandırıcı kullanılarak belirlenen karar verme kuralı,hem nesne içeren hem de nesne içermeyen görüntülerin görsel özelliklerine aitistatistiksel dağılımları kullanmaktadır. İstatistiksel dağılımlar bir eğitim setindenelde edilmekte ve çoklu histogramlar kullanılarak modellenmektedir. Her birhistogram farklı bir grup nicemlenmiş dalgacık katsayısı ve bunların görüntüiçerisindeki pozisyonunu gösteren birleşik istatistiksel dağılımı modellemektedir.Bu dalgacık katsayı grupları, farklı uzamsal alanlardaki, farklı frekansaralıklarındaki ve farklı yönelimlerdeki istatistiksel özellikleri göstermektedir.Histogramlar bir eğitme algoritması kullanılarak hazırlanmaktadır. Sezicininyapacağı sınıflandırma hatasını en aza indirebilmek için eğitme algoritması,Adaboost algoritması ile birlikte kullanılmaktadır. Resim içerisinde herhangi biryerdeki yüzün sezilebilmesi için sezici, olası tüm pozisyonlara ve herhangi birboyuttaki yüzün sezilebilmesi için orijinal resmin değişik ölçeklerdeki versiyonlarınauygulanmakta ve elde edilen sonuçlar birleştirilerek işaretlenmektedir.Yazılımın başarım analizleri CMU ve MIT test setlerinden alınan görüntüler ilegerçekleştirilmiştir. Yapılan analizler ile değişen eşik değerleri için doğru tespitoranları, yanlış negatif oranları ve yanlış pozitif oranları hesaplanmış ve sonuçlardiğer yüz sezimi çalışmaları ile karşılaştırılmıştır.
Özet (Çeviri)
Face detection is to determine whether or not there are any faces in a given imageand if present, to specify the location and extent of each face. In this thesis, asoftware is developed for detecting frontal faces at any location and size in a givenimage.The software implements a detector that finds centered and fixed-sized faces in animage window according to some decision rule. The Bayes classifier baseddecision rule uses statistical distributions of both face and nonface visualappearances. Statistical distributions are computed from a training image set andmodelled using multiple histograms. Each histogram represents the joint statisticaldistribution of a group of quantized wavelet coefficients and their position on theimage. These wavelet coefficient groups represent a different attribute ofappearance in terms of spatial extent, frequency range and orientation. A trainingalgorithm is used to compute the histograms. The Adaboost algorithm is used withthe training algorithm to minimize the classification error of the detector. Thedetector is applied at regularly spaced intervals in the image to find faces atarbitrary positions as well as to different scales of the original image to find facesof arbitrary size. Then all results are combined together and marked on the originalimage.Performance of the software is analyzed with images taken from the CMU and MITtest sets. Correct detection rates, miss rates and false positive rates are calculatedfor varying threshold values. The results are compared with similar face detectionstudies.
Benzer Tezler
- Biometric identity verification using on-line & off-line signature verification
Dinamik ve statik imzaları kullanarak biyometrik kimlik doğrulama
ALİSHER KHOLMATOV
Yüksek Lisans
İngilizce
2003
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSabancı ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. AYŞE BERRİN YANIKOĞLU
- Türk bankacılık sektöründe risk analizi ve mali bünye bozulmalarına (iflasa) karşı erken uyarı modeli geliştirilmesi
Başlık çevirisi yok
CİHAN TANRIÖVEN
- Finans sektöründe veri madenciliği ile dolandırıcılık tespiti
Fraud detection in a finance association by data mining
ERCAN ÖZBAY
Yüksek Lisans
Türkçe
2007
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET ARSLAN
- Privacy-preserving naïve bayesian classifier-based collaborative filtering
Basit bayes sınıflandırıcı tabanlı gizliliği koruyan işbirlikçi filtreleme
CİHAN KALELİ
Yüksek Lisans
İngilizce
2008
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnadolu ÜniversitesiBilgisayar Mühendisliği Bölümü
YRD. DOÇ. DR. HÜSEYİN POLAT
- Melez yaklaşımlarla Türkçe dokümanlarda yazar tanıma
Author attribution of Turkish documents with hybrid approaches
FİLİZ TÜRKOĞLU
Yüksek Lisans
Türkçe
2006
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. BANU DİRİ