Tez No	İndirme	Tez Künye	Durumu
503807		Age and gender prediction from 3d-body and face images / 3 boyutlu vücut ve yüz görüntülerinden yaş ve cinsiyet tahmini Yazar:SEDA ÇAMALAN Danışman: DOÇ. GÖKHAN ŞENGÜL Yer Bilgisi: Atılım Üniversitesi / Fen Bilimleri Enstitüsü / Yazılım Mühendisliği Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Dizin:Grafik desen tanıma = Graphical pattern recognition ; Yapay sinir ağları = Artificial neural networks	Onaylandı Doktora İngilizce 2018 139 s.
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.
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.