Yüz ifadelerinden cinsiyet, duygu ve yaş tahmini için yeni yaklaşımlar

Abstract

İmge işleme ile yüz görüntüleri üzerinde yapılmış ve yapılmakta olan birçok çalışma mevcuttur. Günümüzde doku analizi ile ilgili çalışmalar her geçen gün artmakta ve popüler bir çözüm sunma yolunda hızla ilerlemektedir. Bu çalışmada, kişilere ait yüz görüntülerinden yaş, cinsiyet ve duygu tahmini için klasik teşhis yöntemlerine alternatif olarak bilgisayar görü tabanlı dört farklı yeni yöntem önerilmiştir. Duygu, yaş ve cinsiyet sınıflandırma işleminde FEI veritabanına ait yüz resimleri kullanılmıştır. Çalışmada renkli yüz görüntülerinden etkili özellikler çıkarmak için yerel ikili örüntüler (Local Binary Pattern=LBP) tabanlı dört farklı yeni yaklaşım önerilmiştir. Önerilen yöntemler renkli görüntüler için kullanılmaktadır. Yapılan çalışmada verilerden en iyi sınıflandırmayı elde etmek için veriler farklı renk uzaylarına taşınmış ve verilere farklı gürültü metotları uygulanmıştır. Sınıflandırma işlemindeki başarı oranlarının tespiti iki aşamada gerçekleştirilmiştir. Birinci aşamada öznitelikler elde edilmiş, ikinci aşamada ise bu öznitelikler farklı makine öğrenmesi yöntemleri kullanılarak 10-katlı çapraz geçerlilik testi ile sınıflandırma işlemi gerçekleştirilmiştir. Çalışma sonunda cinsiyet sınıflandırmada %99, yaş sınıflandırmada %99,5 ve duygu sınıflandırma da %97,5 gibi yüksek sınıflandırma başarı oranları elde edilmiştir.

There are many studies that are done and made on face images by image processing. Nowadays, studies on tissue analysis are increasing day by day and are progressing rapidly to provide a popular solution. In this study, four different new methods based on computer vision have been proposed as an alternative to the classical diagnostic methods for age, gender and emotion estimation. Emotion, age and gender classification process used face images of the FEI database. Four different new approaches based on Local Binary Pattern (LBP) have been proposed to extract effective features from color facial images. Recommended methods are used for color images. In order to obtain the best classification from the data, data were moved to different color spaces and different noise methods were applied to the data. The determination of the success rates in the classification process was carried out in two stages. In the first stage, the attributes were obtained and in the second stage, these attributes were graded by 10-fold cross validation test using different machine learning methods. At the end of the study, 99% of the gender classification, 99.5% in the age classification and 97.5% in the emotion classification were achieved.