Date post: | 22-Mar-2017 |
Category: |
Education |
Upload: | bem-fti-universitas-gunadarma |
View: | 266 times |
Download: | 8 times |
KELOMPOK 2
Adhityo N 50413181 Alessandro K 50413632 Aziz Sudrajat 51413571 Burhan Mafazi 51413824
Helmy Zulfiqar 54413010 Martha Dinalova 55413316
Miarinda Yulianti Dewi 55413465 Nugraha Ramadhana 56413574
Rizky Marsaputra 57413983
FACE RECOGNITION
PENGERTIAN
EIGENFACES
JARAK EUCLIDEAN KESIMPULAN
CARA KERJA PROGRAM
MENGURANGI DIMENSI
DAFTAR PUSTAKA
[1]Nathanael, Ryan, Yustus Eko Oktian. 2012. Face Detection dengan Adaptive Threshold dan Grayscale filter. http://uniknown.wordpress.com/ 2012/04/12/face-detection/
[2]http://opencv.willowgarage.com/wiki/FaceRecognition, 2 Juni 2012.
[3]http://www.cognotics.com/opencv/servo_2007_series/part_4/index.html, 2 Juni 2012
[4]http://www.cognotics.com/opencv/servo_2007_series/part_4/page_2.html, 2 Juni 2012
[5]http://www.cognotics.com/opencv/servo_2007_series/part_4/page_3.html, 2 Juni 2012
TERIMA KASIH
PENGERTIAN FACE RECOGNITION
Face Recognition adalah sebuah proses lanjutan dari proses Face Detection. Di dalam Face Detection kita mendeteksi bagian wajah dari seseorang, wajah tersebut bisa didapatkan dari gambar maupun video.
EIGENFACES
Eigenface adalah sebuah algoritma face
detection yang mudah untuk diimplementasikan. BiasanyaEigenface ini digunakan sebagai bahan pembelajaran karena merupakan metode pertama yang digunakan untuk mendeteksi benda sehingga metode ini yang paling sering digunakan.
Jika dimisalkan dalam suatu sistem sudah ada database yang berisi gambar-gambar dari orang
yang dikenali, kemudian sistem diberikan gambar orang yang tidak dikenali maka secara umum berikut adalah
langkah atau prosedur sebuah wajah terdeteksi,
Menghitung jarak dari gambar tersebut dibandingkan dengan gambar-gambar yang ada di dalamdatabase.
Memilih sebuah gambar dari database yang mendekati wajah yang ada di dalam gambar tersebut.
Jika jarak yang telah diukur tersebut hasilnya diatas nilai dari threshold maka gambar
tersebut dikenali oleh sistem, tetapi bila nilai yang dihasilkan lebih kecil maka gambar tersebut termasuk dalam gambar yang tidak dikenali oleh sistem karena sistem hanya mengenali gambar
yang ada di dalam database.
KETERBATASAN DARI EIGENFACE
Gambar 4. Variasi pencahayaan pada sebuah gambar.
Pada gambar 4 ada gambar wajah dari 2 orang yang berbeda yang diambil dengan pencahayaan yang berbeda.
Mungkin kita mengetahui mana orang yang sama tetapi Eigenface tidak bisa membedakannya dan menganggap bahwa itu ada orang yang berbeda. Jadi faktor pencahayaan juga merupakan faktor pembeda di dalam Eigenface. Selain itu juga ada beberapa faktor yang lain yaitu, gambar yang dilakukan proses stretch, blur, ekspresi dari wajah, dan sudut pengambilan gambar.
Jarak Euclidean
Gambar 1. jarak Euclidean 2D
MENGHITUNG JARAK EUCLIDEAN
Gambar 3. Yale Face Database B
MENGURANGI DIMENSI
Dengan menggunakan metode diatas maka akan menghasilkan noise ratio yang besar bila di dalam gambar tersebut terdapat banyak noise. Oleh karena itu, kita akan melakukan pengurangan dimensi sebelum melakukan proses lebih lanjut. Pengurangan dimensi yang dilakukan dengan menggunakan PCA.(lihat gambar 2 ).
Gambar 2. Konversi 2D menjadi 1D
Gambar 5. Persebaran data dalam dua buah gambar.
CARA KERJA PROGRAM
Gambar 6. Blok Diagram dari sistem
Pada gambar 6 kita melihat Blok Diagram dari sistem yang digunakan di dalam paper ini. Setelah melakukan proses Face Detection, proses berikutnya yang dilakukan adalah melakukan cropping atau pemotongan gambar menjadi ukuran tertentu. Proses ini bertujuan untuk menyamakan ukuran dari setiap gambar yang akan diproses. Gambar yang dipotong adalah gambar yang telah dilakukan proses Face Detection, jadi gambar tersebut adalah gambar wajah. Setelah gambar dipotong, gambar akan dilakukan proses Face Recognition dengan menggunakan eigenface.
Gambar yang telah dilakukan proses eigenfaceakan disimpan dalam sebuah database yang ada di dalam sistem, Setelah itu, apabila sistem mendeteksi ada gambar baru yang tidak dikenali oleh sistem sebelumnya maka sistem hanya tinggal membandingkan gambar tersebut dengan database. Apabila gambar ada di dalam database, maka sistem akan menampilkan gambar tersebut beserta dengan nama gambar yang ada di dalam sistem.
Gambar 7. Program Face Recognition yang dilakukan beserta proses training.
Gambar 8. Kode Program untuk proses Face Recognition.
KESIMPULAN
Untuk mendapatkan akurasi yang tinggi untuk menebak wajah orang tersebut, maka dibutuhkan gambar yang banyak dengan ragam sudut pandang, pose wajah, dan pencahayaan. Semakin banyak data yang dapat dikumpulkan untuk seseorang maka akan semakin akurat hasilnya untuk mendeteksi wajah orang tersebut.