Yüz Resimlerinden Cinsiyet Tayini

Abstract

Bu tez çalışmasında örüntü tanımanın uygulama alanlarından biri olan cinsiyet sınıflandırma konusu ele alınmıştır. Cinsiyet sınıflandırmada insanlara ait yüz resimleri kullanılmıştır. Bu çalışmada görünüş tabanlı yöntem kullanılarak sınıflandırma yapılmıştır. Sınıflandırma yapılmadan önce PCA (Principal Component Analysis) algoritması ile boyut azaltılmıştır. Boyut azaltma işlemi yapılırken en büyük özdeğerler ve onlara ilişkin özvektörler dikkate alınmıştır. Sonrasında sınıflandırma yapmak amacıyla FLD (Fisher Linear Discriminant) ve KNN (K-Nearest Neighbour) algoritmaları kullanılmıştır. Veri kümesi olarak 200’ü bayan resmi ve 200’ü erkek resmi olmak üzere toplam 400 resim kullanılmıştır. Yapılan testlerin hata oranını belirlemek amacıyla K Katlı Çapraz Geçerlilik yöntemi kullanılmıştır. Bu yöntemle veri kümesi K parçaya bölünmüş, K-1 parça eğitim kümesi olarak kullanılırken, 1 parça test kümesi olarak kullanılmıştır. Yapılan testler sonucunda bu iki sınıflandırıcının başarımları karşılaştırılmıştır. Cinsiyet sınıflandırmada yüzdeki en etkin bölgenin neresi olduğu belirlenmiştir. Literatürde ırkın cinsiyet sınıflandırması üzerine etkisini araştıran bir çalışmaya rastlanmamıştır. Bu nedenle ırkın cinsiyet belirleme üzerindeki etkisi de incelenmiştir. Sonuçlar literatürdeki sonuçlarla karşılaştırıldığında bir kısmına göre daha iyi sonuçlar elde edilmiştir.

In this thesis, gender classification which is one of the application areas of pattern recognition was studied. To classify the gender, pictures of human faces were used. In this study, gender was classified using appearance-based method. Before the classification, dimensions were reduced with PCA (Principal Component Analysis) algorithm. While reducing dimensions, the biggest eigenvalues and eigenvectors related to these eigenvalues were taken account. After this, to classify gender, FLD (Fisher Linear Discriminant ) and KNN (K Nearest Neighbour) algorithms were used. As the face database, total 400 pictures including in 200 male and 200 female photos were used. K-Fold Cross Validation method was used to determine error rate of the tests. With this method, the database was divided into K parts, while K-1 parts were used as training set, 1 part was used as test set. According to tests, performance of these two classifiers was compared. In addition, which part of the face is effective on gender classification was determined. In literature, any study wasn’t seen about effect of race on gender classification. Because of this, effect of race on gender classification was studied. The comparison of the all results with the several examples given in the literature was in a good agreement .