Akademik Veri Yönetim Sistemi
Signal Processing and Communications Applications Conference (SIU), 2017 25th, Antalya, Türkiye, 15 - 18 Mayıs 2017, ss.1-4
Cinsiyet tanıma günümüzde biyolojik bir nitelik olarak biyometrik güvenlik sistemleri, insan bilgisayar etkileşimi ve sözlü/sözsüz iletişim gibi başlıca çalışma alanlarında sıklıkla kullanılmaktadır. İnsan yüzünün çok farklı görünüşlere sahip olması ve çevre kaynaklı yüz görüntüleri üzerinde meydana gelen farklılıklar nedeniyle bu alandaki bilgisayarla görme araştırmaları aktif olarak devam etmektedir. Mevcut çalışmalar sıklıkla yüz görüntülerinin geometrik ve dokusal yapıları ile görünüm temelli özellikleri çıkartılarak gerçekleştirilmektedir. Çalışmada iki farklı görünüm temelli yöntemin farklı veri setleri üzerinde cinsiyet tanımadaki başarıları karşılaştırılmıştır. Bu amaçla öncelikle standart bir kamera ile kaydedilen ve farklı kullanıcı ifadeleri de içeren bir veri seti oluşturulmuştur. Görünüm özniteliklerinin çıkartılması Temel Bileşen Analizi (TBA) ve Yerel İkili Örüntü Histogramları (YİÖH) ile öğrenme ve sınıflandırma ise Destek Vektör Makineleri (DVM) yöntemi ile gerçekleştirilmiştir. Kıyaslama işlemleri çalışmada oluşturulan veri seti ve standart FERET veri seti üzerinde gerçekleştirilmiştir. En başarılı sonuçlar, çalışmada oluşturulan veri seti üzerinde YİÖH+DVM yöntem çifti ile %94.53, FERET veri seti üzerinde ise TBA+DVM yöntem çifti ile %92.7 oranında elde edilmiştir. Elde edilen sonuçlar, farklı koşullar altında dahi cinsiyet tanıma problemlerinin görünüm temelli yöntemlerle çözülebileceğini göstermektedir.
Gender recognition has been widely used in research areas like biometric security systems, human computer interaction and verbal/nonverbal communication in recent times. However, due to different appearances of human face and negative environmental effects on face images, gender recognition is still a hot research area in the field of computer vision. And, current gender recognition studies are carried out using geometric, texture and appearance based features of face images. In this study, different appearance based approaches' gender recognition performances on same datasets are investigated and a comparison is made between these methods. For this purpose, firstly, a new dataset which contains different facial expressions is created using a standard camera. Appearance based features are extracted using Principal Component Analysis (PCA) and Local Binary Pattern Histograms (LBPH). Subsequently, learning and classification is performed using Support Vector Machines (SVM). Finally, comparison of these methods' performances on gender recognition is made with our proposed and FERET datasets. The best classification accuracy of 94.53% is obtained when using LBPH+DVM method pair our proposed dataset and accuracy of 91.07% is obtained on FERET dataset when using PCA+SVM method pairs. Consequently, it can be understood that gender recognition problems can be solved under different conditions using appearance based methods.