Many social interactions and services are dependent on gender today, so, gender
classification is appearing as an active research area. Most of the existing studies are
based on face images acquired under controlled conditions. In our work, we used
different databases such as FERET, AR and ORL for controlled conditions and
Labeled Faces in the Wild (LFW) database as real-life faces for uncontrolled
conditions. Local Binary Patterns (LBP) and its variants such as Uniform LBP,
Completed LBP and Rotation - Invariant LBP are employed to describe faces by
extracting features from the region of interests. Manhattan distance measure is used to
compare difference between test and training images for gender recognition. Based on
the results reported as the state-of-the-art, we have achieved satisfactory results.
Keywords: Gender recognition, feature extraction, Local Binary Patterns (LBP)
Öz: Günümüzde birçok sosyal etkileşim ve hizmetler cinsiyete bağlı olduğu için cinsiyet
sınıflandırma aktif bir araştırma alanıdır. Literatürde varolan birçok çalışma, denetimli
durumlardan elde edilen yüz resimlerini kullanmaktadır. Bu çalışmada, denetimli
ortamlarda elde edilen FERET, AR ve ORL yüz veritabanları ve denetimsiz ortamlar
için de doğal yaşamda çekilen yüz resimlerini içeren LFW veritabanı kullanılmıştır.
Yüz resimlerinin özniteliklerini elde etmek için Yerel İkili Örüntü (LBP) yaklaşımı ve
bu yaklaşımın Birbiçimli LBP, Tamamlanmış LBP, Dönme Değişimsiz LBP isimli
değişik varyantları kullanılmıştır. Cinsiyet tanımada, test ve eğitilmiş yüz resimlerinin
farkını karşılaştırmak için Manhattan uzaklık ölçüsü kullanılmıştır. Literatürde
bildirilen cinsiyet sınıflandırma sonuçlarıyla karşılaştırıldığında bu tezde elde edilen
sonuçlar memnuniyet vericidir.
Anahtar Kelimeler: Cinsiyet tanıma, öznitelik çıkarma, Yerel İkili Örüntü (LBP).
