Tez No	İndirme	Tez Künye	Durumu
305166		3D face recognition with local shape descriptors / Yerel şekil betimleyiciler ile üç boyutlu yüz tanıma Yazar:TOLGA İNAN Danışman: PROF. DR. UĞUR HALICI Yer Bilgisi: Orta Doğu Teknik Üniversitesi / Fen Bilimleri Enstitüsü / Elektrik ve Elektronik Mühendisliği Bölümü Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control ; Elektrik ve Elektronik Mühendisliği = Electrical and Electronics Engineering Dizin:Yüz tanıma = Face recognition ; Örüntü tanıma = Pattern recognition	Onaylandı Doktora İngilizce 2011 129 s.
Bu tezde, üç boyutlu yüz tanıma için iki ayrı yaklaşım sunulmuştur. Birinci yaklaşımda, jenerik bir yüz modeli insan yüzüne oturtulmuştur. Yerel şekil betimleyicileri, jenerik yüz modelinin düğüm noktalarına yerleştirilmiştir. Düğüm noktalarındaki ayırıcı yerel şekil betimleyiciler seçilmiş ve yüz tanıma sistemine girdi olarak verilmiştir. İkinci yaklaşımda ise; yüz üzerinde düzgün dağılmış noktalarda yerel şekil betimleyicileri hesaplanmıştır. Hesaplanan yerel şekil betimleyiciler arasından tanıma süreci için ayırıcı olan seçilmiş ve üç boyutlu yüz tanıma için kullanılmıştır.İki yaklaşım da genel kabul görmüş FRGCv2.0 veritabanı ve deney protokolü ile test edilmiştir. Raporlanan sonuçlar literatürdeki sonuçlardan daha iyidir. İfadeli ve ifadesiz yüzler için de tanıma performansları raporlanmıştır.
This thesis represents two approaches for three dimensional face recognition. In the first approach, a generic face model is fitted to human face. Local shape descriptors are located on the nodes of generic model mesh. Discriminative local shape descriptors on the nodes are selected and fed as input into the face recognition system. In the second approach, local shape descriptors which are uniformly distributed across the face are calculated. Among the calculated shape descriptors that are discriminative for recognition process are selected and used for three dimensional face recognition.Both approaches are tested with widely accepted FRGCv2.0 database and experiment protocol. Reported results are better than the state-of-the-art systems. Recognition performances for neutral and non-neutral faces are also reported.