‘bilgisayarla görme’ etiketi için arşiv.
Web kamerası ile gerçek-zamanlı yüz ifadesi (duygu) tanıma
İsmail tarafından Otomatik Yüz İfadesi (Duygu) Tanıma.
Yalın ve altı evrensel ifade (şaşkın, kızgın, mutlu, üzgün, korkan, iğrenen) otomatik olarak tanınmaktadır. Çalışmanın ayrıntıları için alttaki çalışmanın "Vision based Emotion Recognition" bölümüne başvurabilir, nokta takibi sonuçları için ise önceki yazıya bakabilirsiniz.
- C. Keskin, İ. Arı, T. Eren, F. Kıraç, L. Rybok, H. Ekenel, R. Stiefelhagen, ve L. Akarun, "Vision Based Hand Puppet," Proceedings of eNTERFACE 2010, The Summer Workshop on Multimodal Interfaces, 2010, pp. 10-17.
2B Koordinatlardan 3B Koordinatların Yaklaşık Hesabı
Bu yazıdaki formülizasyon Tomasi ve Kanade [1] ve Morita ve Kanade [2] kaynaklarından yapılmıştır. Farklı açıdan örneklenmiş 2B nokta konumlarından 3B bilgisini çıkarmayı hedefler. 2B resimlerden tutarlı nirengi noktaları bulunduğu durumda 3B'lu koordinatların hesabına uygulanabilir.
Elimizde iki farklı açıdan alınmış resim olsun ve üstlerinde karşılıklı referans noktaları işaretlenmiş olsun. Kolaylık olsun diye, bu noktaların iki resimde de önde göründüğünü, resim içindeki nesnelerce örtülmediğini varsayalım. $F$ resim sayısı, $P$ ise o resimdeki nokta sayısı olmak üzere, $ u_{fp}, v_{fp}, \ \ f = 1,\dots,F, \ \ p = 1,\dots,P$ noktaların imge düzlemlerindeki koordinat bilgilerini tutsun. Problemde noktaların 3B bilgileri bilinmemekte ve en yaklaşık olarak hesaplanmak istenmekte.
Diyarbakır yolcusu kalmasın...
Sinyal İşleme ve İletişim Uygulamaları Kurultayı'nın (SİU) bu yılki ev sahibi Dicle Üniversitesi. 22-24 Nisan'da düzenleniyor. Ben de kurultaya katılacağım. 23 Nisan sabahı bayramımızı kutlayıp, öğleden sonra 4 numaralı poster oturumunda "Yüz Nirengi Noktalarının Zamansal Öz-benzerliğine ve Kelime Çantasına Dayalı Yüz İfadesi ve Kafa Hareketi Tanıma" (Facial Expression and Head Gesture Recognition Using Temporal Self-similarity and Bag of Words of Facial Landmarks) adlı çalışmamızı sunacağım.
Bildirinin özetçesi şöyle:
Yüz ifadeleri ve kafa hareketleriyle yapılan jestlerin otomatik tanınması, işaret dili tanıma ve insan bilgisayar etkileşimi gibi birçok alanda önemli bir değere sahiptir. Bu çalışmada, hareket tanımada başarısı gösterilen, takip noktalarının öz-benzerliğine dayalı yöntem, yüz ifadesi ve kafa hareketi jestlerini sınıflandırmak için adapte edilmiştir. Ayrıca, takip edilen yüz nirengi noktalarının histogramına dayalı, daha başarılı yeni bir yöntem önerilmiştir. Sunulan yöntemler Saklı Markov Modeli tabanlı çalışmamızla birleştirilmiş ve sınıflandırma başarısında %15 artış sağlanmıştır.
Gelenlerle Diyarbakır'da görüşmek dileğiyle.
