Dergiler / Niğde Ömer Halisdemir Üniversitesi Mühendislik Bilimleri Dergisi / 2018 / Cilt: 7 - Sayı: 1

YEREL İKİLİ ÖRÜNTÜ VE YÖNLÜ GRADYANT HİSTOGRAMI KULLANILARAK YÜZ GÖRÜNTÜLERİNDEN CİNSİYET TAHMİNİ

GENDER PREDICTION FROM FACIAL IMAGES USING LOCAL BINARY PATTERNS AND HISTOGRAMS OF ORIENTED GRADIENTS TRANSFORMATIONS

Sayfa
14–22
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Elde edilen sonuçlar tatmin edici seviyededir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Yüz görüntülerinden cinsiyet tahmini; insan-bilgisayar arayüzü, müşteri bilgilerinin ölçülmesi, erişim kontrolü gibi birçok alanda kullanılmaktadır.
📊
Temel Bulgular & Veri:Bunlara ek olarak cinsiyet tahminin; güvenlik sistemleri, biyometrik kimlik doğrulama, medikal görüntüleme sistemleri, demografik çalışmalar, içerik tabanlı arama, izleme sistemleri gibi alanlarda da uygulanma potansiyeli bulunmaktadır.
💡
Sonuç & Katkı:Elde edilen sonuçlar tatmin edici seviyededir.
🔬Tür:Araştırma Makalesi
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Yüz görüntüleri · cinsiyet tahmini · yerel ikili örüntü

Özet

Yüz görüntülerinden cinsiyet tahmini; insan-bilgisayar arayüzü, müşteri bilgilerinin ölçülmesi, erişim kontrolü gibi birçok alanda kullanılmaktadır. Bunlara ek olarak cinsiyet tahminin; güvenlik sistemleri, biyometrik kimlik doğrulama, medikal görüntüleme sistemleri, demografik çalışmalar, içerik tabanlı arama, izleme sistemleri gibi alanlarda da uygulanma potansiyeli bulunmaktadır. Bu çalışmada yüz görüntülerinden cinsiyet tahmini için yerel ikili örüntü (local binary patterns) ve yönlü gradyant histogramını özellik çıkarıcı ve sınıflandırıcı olarak da k-en Yakın Komşuluk ve Destek Vektör Makinelerini kullanan bir sistem önerilmiştir. Önerilen sistem FERET ve UTD veritabanlarında test edilmiştir. Testler esnasında birini dışarıda bırakma çapraz geçerleme tekniği uygulanmıştır. Elde edilen sonuçlar tatmin edici seviyededir.

Abstract

Gender prediction from facial images can be used in a large number of applications including human-computer interaction, customer information measurement, access control, etc. Furthermore, it can substantially effect on many fields, such as security systems, biometric authentication, medical imaging systems, demographic studies, content based searching, and surveillance system. In this study, we proposed to use Local Binary Patterns (LBP) and Histograms of Oriented Gradients (HOG) as the feature extractor and k-Nearest Neighbor (k-NN) and Support Vector Machine (SVM) as the classifier in order to predict the gender of the people from facial images. We tested the proposed method in FERET and UTD databases. We used leave-one-out approach as the cross validation technique. The results are promising.

🔖

Bu Makaleye Atıf Yap

KHALIFA, T., ŞENGÜL, G. (2018). YEREL İKİLİ ÖRÜNTÜ VE YÖNLÜ GRADYANT HİSTOGRAMI KULLANILARAK YÜZ GÖRÜNTÜLERİNDEN CİNSİYET TAHMİNİ. Niğde Ömer Halisdemir Üniversitesi Mühendislik Bilimleri Dergisi, Cilt: 7 - Sayı: 1, 14–22. https://ajindex.com/articles/290266

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (12)

  1. GUTTA, S., WECHSLER, H., PHILLIPS, P.J., “Gender and Ethnic Classification of Face İmages” Proceedings of Third IEEE International Conference on In Automatic Face and Gesture Recognition, 194-199. New York, USA 1998
  2. SUN, Z., BEBIS, G., YUAN, X., LOUIS, S.J., “Genetic Feature Subset Selection for Gender Classification: A comparison Study”, In Proceedings o Sixth IEEE Workshop on Applications of Computer Vision, 165-170. Orlando, USA, 2002
  3. MOGHADDAM, B., YANG, M.H., “Learning Gender with Support Faces”, IEEE Transactions on Pattern Analysis and Machine Intelligence, 24(5), 707-711, 2010
  4. JAIN, A., HUANG, J., “Integrating Independent Components and Linear Discriminant Analysis for Gender Classification ”, In Proceedings of Sixth IEEE International Conference on Automatic Face and Gesture Recognition, 159-163. Seoul, South Korea, 2004
  5. PHILLIPS, P.J., FERET (face recognition technology) Recognition Algorithm Development and Test Results. Army Research Laboratory, London, UK, 1996
  6. COSTEN, N.P., BROWN, M., AKAMATSU, S., “Sparse Models for Gender Classification”, In Proceedings of Sixth IEEE International Conference on Automatic Face and Gesture Recognition, 201-206. Seoul, South Korea, 2004
  7. SUN, N., ZHENG, W., SUN, C., ZOU, C., ZHAO, L, “Gender Classification Based on Boosting Local Binary Pattern”, Advances in Neural Networks-ISNN,1, 194-201, 2006
  8. LIAN, H.C., LU, B.L., “Multi-view Gender Classification using Local Binary Patterns and Support Vector Machines”, In Advances in Neural Networks-ISNN,1,202-209, 2006
  9. MÄKINEN, E., RAISAMO, R., “An Experimental Comparison of Gender Classification Methods”, Pattern Recognition Letters, 29(10), 1544-1556, 2006
  10. FANG, Y., WANG, Z., “Improving LBP Features for Gender Classification”, In International Conference on Wavelet Analysis and Pattern Recognition, ICWAPR'08, 373-377. Hong Kong, China, 2008. ‏ [11] SCALZO, F., BEBIS, G., NICOLESCU, M., LOSS, L., TAVAKKOLI, A., “Feature fusion Hierarchies for Gender Classification”, In 19th International Conference on Pattern Recognition, 1-4. FL, USA, 2008
  11. ZAFEIRIOU, S., TEFAS, A., PITAS, I., “Gender Determination using a Support Vector Machine Variant”, In 16th European Signal Processing Conference, 1-5. Lausanne, Switzerland, 2008
  12. MESSER, K., MATAS, J., KITTLER, J., LUETTIN, J.,MAITRE, G., “XM2VTSDB: The Extended M2VTS Database”, In Second international conference on audio and video-based biometric person authentication,