Tez No	İndirme	Tez Künye	Durumu
200087		Biologically motivated 3D face recognition / Biyolojik tabanlı üç boyutlu yüz tanıma Yazar:ALBERT ALİ SALAH Danışman: PROF.DR. LALE AKARUN Yer Bilgisi: Boğaziçi Üniversitesi / Fen Bilimleri Enstitüsü / Bilgisayar Mühendisliği Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control ; Psikoloji = Psychology Dizin:	Onaylandı Doktora İngilizce 2007 238 s.
Yüz tanıma biyometri araştırmalarına konu olmanın yanı sıra insan-bilgisayaru siletişimi bağlamında da şok araştırılmış, uzerinde şok şalışılmış bir problemdir. Bus g c s sü c cs sşalışmada amacımız uş boyutlu yüz tanıma tekniklerini değerlendirmek ve biyolojikcs üc u gtabanlı modeller yoluyla geliştirmektir. Bu amaşla üncelikle insanlarda yüz tanımanıns co unasıl olduğuna baktık. Varolan 3B yüz tanıma sistemlerini değerlendirdikten sonra,g u gbilişsel bilim bulguları ışığında bir yüz tanıma modeli ünerdik. Modelin ilk kısmıs sg u oolan otomatik kayıtlama, ve kayıtlama işin elzem saydığımız otomatik nirengi noktasıc gübulma problemlerine yoğunlaştık. Oncelikle üzniteliklerin üğrenmesini kolaylaştıracakg s o og sgüclü bir güzetimsiz üğrenme algoritması geliştirdik. Bu algoritma bize faktür ana-uş u o og s olizi yaklaşımıyla esnek veri modellemesi sağladı. Ardından yüzlerde tanımladığımızs g u gnirengi noktalarını otomatik olarak bulmak işin bu yaklaşımı kullandık. Sonra, bulunanc snirengi noktalarını yeni bir yapısal düzeltme algoritmasıyla düzelttik. Bu algoritmaylau ueksik ve hatalı imgelerde bile kayıtlama yapmak mümkün oldu. Otomatik nirengiuunoktası bulma metodumuzun başarısını deformasyonlu ve deformasyonsuz kayıtlamasmetodlarıyla ülştük, deformasyonsuz kayıtlamada daha yüksek başarı elde ettik. Li-oc u u steratürde sıkşa kullanılan ?düngülü en yakın nokta? algoritmasının en büyük sorunuu c o uu uukayıtlamanın yüksek maliyetli olmasıdır. Bunu aşmak işin ortalama yüz modeli kul-u s c ulanarak kayıtlama ünerdik. Ayrıca, ?diğer ırk efekti? uzerine yapılan araştırmalardano g ü syola şıkarak, yüzlerin gruplanarak paralel sınıflandırıcılarla değerlendirilmesinin başarı-c u g smı artırabileceği varsayımını denedik. Bir diğer yaklaşımda da şekil uzayında topak-g g s slama yaparak değişik gruplar elde ettik. Ortalama yüz modeli kullandığımız işin derin-gs u g clik değerlerinin eşit aralıklı ürnekleme ile düzenlenmesi de mümkün oldu. Bu yüntemg s o u uu ohem hız, hem de başarımı artırdı. Sonuş olarak tamamen otomatik ve başarılı bir 3Bs c syüz tanıma sistemi elde ettik.u
Face recognition has been an active area of study for both computer vision andimage processing communities, not only for biometrics but also for human-computerinteraction applications. The purpose of the present work is to evaluate the existing 3Dface recognition techniques and seek biologically motivated methods to improve them.We especially look at findings in psychophysics and cognitive science for insights. Wepropose a biologically motivated computational model, and focus on the earlier stagesof the model, whose performance is critical for the later stages. Our emphasis is onautomatic localization of facial features. We first propose a strong unsupervised learn-ing algorithm for flexible and automatic training of Gaussian mixture models and useit in a novel feature-based algorithm for facial fiducial point localization. We also pro-pose a novel structural correction algorithm to evaluate the quality of landmarking andto localize fiducial points under adverse conditions. We test the effects of automaticlandmarking under rigid and non-rigid registration methods. For the rigid registrationapproach, we implement the iterative closest point method (ICP). The most importantdrawback of ICP is the computational cost of registering a test scan to each scan inthe gallery. By using an average face model in rigid registration, we show that thecomputation bottleneck can be eliminated. Following psychophysical arguments onthe ?other race effect?, we reason that organizing faces into different gender and mor-phological groups will help us in designing more discriminative classifiers. We test thisclaim by employing different average face models for dense registration. We propose ashape-based clustering approach that assigns faces into groups with nondescript gen-der and race. Finally, we propose a regular re-sampling step that increases the speedand the accuracy significantly. These components make up a full 3D face recognitionsystem.