3 Boyutlu Vücut ve Yüz Görüntülerinden Yaş ve Cinsiyet Tahmini

dc.contributor.advisor Şengül, Gökhan
dc.contributor.author Çamalan, Seda
dc.contributor.author Şengül, Gökhan
dc.contributor.author Çamalan, Seda
dc.contributor.author Şengül, Gökhan
dc.contributor.author Çamalan, Seda
dc.contributor.other Computer Engineering
dc.contributor.other Information Systems Engineering
dc.contributor.other Information Systems Engineering
dc.contributor.other Computer Engineering
dc.contributor.other Information Systems Engineering
dc.date.accessioned 2024-07-07T12:50:32Z
dc.date.available 2024-07-07T12:50:32Z
dc.date.issued 2018
dc.department Fen Bilimleri Enstitüsü / Yazılım Mühendisliği Ana Bilim Dalı
dc.description.abstract İnsanlardan elde edilen biyometrik veriler, insanlar ve çevre hakkında birçok bilgi sağlar. Bu bilgi ulaşım alanları (otobüs, vapur, demiryolu, vb), alışveriş merkezleri, kamu alanları, spor merkezleri, müzeler, süpermarketler, kütüphaneler, vb. gibi birçok alanda kullanılabilir. Birçok alanda dikkate alınan biyometrik veriler cinsiyet, ırk, boy, kilo, göz ve saç rengidir. Bu tez çalışmasında, insanların biyometrik verilerinden yaş aralığını ve cinsiyetlerini tahmin eden bir görüntü işleme tabanlı kombine sistem geliştirilmiş ve bir yazılım aracı haline getirilmiştir. Yüz görüntülerini elde etmek için standart RGB kamera kullanılırken vücut bilgilerini elde etmek için 3D kamera kullanılmaktadır. İnsanların cinsiyet ve yaşını tahmin etmek için istatistiksel örüntü tanıma algoritmaları, derin öğrenme ve yapay sinir ağı tabanlı yaklaşımlar kullanılmıştır. İstatistiki metotlar olarak, LBP ve HOG metotları, özniteliklerin elde edilmesi için yüz görüntülerine uygulanmakta, daha sonra KNN ve SVM sınıflandırıcılar, cinsiyet ve yaş tahmini için kullanılmaktadır. İnsanların yaşını tahmin etmek için yapay sinir ağı da kullanılmıştır ve istatistiksel yöntemler ile yapay sinir ağları arasındaki karşılaştırmalar yapılmıştır. Yaş aralığı tahmini için yüz görüntülerinden istatistiksel yöntemler ile en iyi doğruluk %40,1 olarak elde edilmiştir. CNN derin öğrenmelerinden elde edilen en iyi doğruluk oranı ise %59.1'dir. Yaş ve cinsiyet tahmini için 3D vücut bilgisi de kullanılmıştır. Yapay sinir ağları ile 3D vücut bilgilerinin sınıflandırılması sonucu cinsiyet tahmini başarımı oranını %99,26'ya ve yaş tahmini % 99.41'e yükseltilmiştir. Üst vücut ve alt vücut kısımlarının da insanların yaşının ve cinsiyetininin tahmini için kullanılabileceği değerlendirilmiş ve deneysel çalışmalar yapılmıştır.
dc.description.abstract The biometric data collected from individuals provide an array of information about any population and their environment which can be used in several areas, including transportation (busses, ferries, railways, etc), shopping malls, public areas, sports centers, museums, supermarkets, libraries, etc., not to mention security applications. In detail, this biometric data is related with identity, gender, race, height, weight, and eye and hair color of the person. In this thesis, an image processing-based system to predict the two major aspects, age range and genders of people is developed and integrated as a software tool. A standard RGB camera is used to acquire face images, while a 3D camera is used for body information. To predict the gender and age of each individual, statistical pattern recognition algorithms, deep learning and neural network-based approaches are utilized. For statistical methods, LBP and HOG methods are applied on face images to extract features, then KNN and SVM classification methods are applied as classifiers. Convolutional neural network is used to predict age range of people and the comparison between statistical methods and convolutional neural networks are presented. For age prediction, from face images, statistical methods results yielding a top accuracy of 40.1%; whereas, the best accuracy obtained from CNN deep learning is 59.1%. In addition, 3D body information is used for gender and age prediction by applying statistical and neural network methods. These methods show to improve the gender prediction rate by up to 99.26% and age prediction by 99.41% for the whole-body information. The upper-body and lower-body parts are also examined separately to predict the age and gender of the each individual. en
dc.identifier.endpage 139
dc.identifier.startpage 0
dc.identifier.uri https://hdl.handle.net/20.500.14411/5628
dc.identifier.yoktezid 503807
dc.institutionauthor Şengül, Gökhan
dc.institutionauthor Çamalan, Seda
dc.language.iso en
dc.subject Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol
dc.subject Grafik desen tanıma
dc.subject Computer Engineering and Computer Science and Control en_US
dc.subject Graphical pattern recognition en_US
dc.subject Yapay sinir ağları
dc.subject Artificial neural networks en_US
dc.title 3 Boyutlu Vücut ve Yüz Görüntülerinden Yaş ve Cinsiyet Tahmini
dc.title Age and Gender Prediction From 3d-Body and Face Images en_US
dc.type Doctoral Thesis
dspace.entity.type Publication
relation.isAuthorOfPublication f291b4ce-c625-4e8e-b2b7-b8cddbac6c7b
relation.isAuthorOfPublication 9305f1ed-9bad-4179-aa9d-dd43f228ae19
relation.isAuthorOfPublication f291b4ce-c625-4e8e-b2b7-b8cddbac6c7b
relation.isAuthorOfPublication 9305f1ed-9bad-4179-aa9d-dd43f228ae19
relation.isAuthorOfPublication f291b4ce-c625-4e8e-b2b7-b8cddbac6c7b
relation.isAuthorOfPublication 9305f1ed-9bad-4179-aa9d-dd43f228ae19
relation.isAuthorOfPublication.latestForDiscovery f291b4ce-c625-4e8e-b2b7-b8cddbac6c7b
relation.isOrgUnitOfPublication e0809e2c-77a7-4f04-9cb0-4bccec9395fa
relation.isOrgUnitOfPublication cf0fb36c-0500-438e-b4cc-ad1d4ef25579
relation.isOrgUnitOfPublication cf0fb36c-0500-438e-b4cc-ad1d4ef25579
relation.isOrgUnitOfPublication.latestForDiscovery e0809e2c-77a7-4f04-9cb0-4bccec9395fa

Files

Original bundle

Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
503807 Age and gender prediction from 3d-body and face images.pdf
Size:
4.28 MB
Format:
Adobe Portable Document Format

Collections