Teknolojik gelişmeler ile birlikte yüz ve cinsiyet tanıma sistemleri günümüzün popüler çalışmalar konusu haline gelmiştir. İnsan bilgisayar etkileşiminin temel yaklaşımlarından biri olan cinsiyet sınıflandırması, akıllı bina uygulamalarından güvenlik soruşturmalarına kadar pek çok alanda yaygın olarak kullanılmaktadır. Bu çalışmada, görünüm tabanlı cinsiyet sınıflandırma yöntemleri kullanılarak cinsiyet tespiti yapılmıştır. Görünüm tabanlı sistemlerde özellik çıkarmak için yerel ikili örüntü (LBP), Radon ve Gabor dönüşümleri kullanılmıştır. Ortaya çıkan veri matrislerindeki yüksek boyutları azaltmak için ise temel bileşen analizi (PCA) yöntemi tercih edilmiştir. Verileri sınıflandırmak için destek vektör makinesi (SVM) sınıflandırıcısı kullanılmıştır. Veri tabanı olarak FERET veri tabanındaki kişilere ait ön yüz görünümleri kullanılmıştır. Veri tabanındaki resimlerin %70’i eğitim verisi olarak kullanıldığında %89; %90’ı eğitim verisi olarak kullanıldığında ise %96’lara varan doğruluk oranlarına ulaşılmıştır. Ayıca sonuçlardan Radon dönüşümünün mevcut cinsiyet belirleme yöntemlerine dahil edilmesinin sistem doğruluğunu artırdığı görülmüştür.
Today, intensive studies on facial recognition systems have become an important issue. Gender classification, which is one of the basic approaches of human computer interaction, is widely used in many areas, from smart building applications to security investigations. In this study, gender recognition has been made by using appearance based gender classification systems. Local Binary Pattern (LBP), Radon and Gabor transform methods have been used to extract of features in appearance based systems. Principal Component Analysis (PCA) method has been preferred to reduce the high dimension of the resulting data matrices. Support Vector Machine (SVM) classifier is used to classify data. The front face views of the people in the FERET database were used as a database. Accuracy rates of up to 89% were achieved when 70% of the images in the database were used as training data. This value reaches up to 96% were obtained when 90% of the images were used as training data. Additionaly, the results was showed that the inclusion of Radon conversion in current gender recognition methods increases system accuracy.
