Perpustakaan judul masih dalam tahap pengembangan, admin siap menampung kritik dan saran
Analisis Pengenalan Citra Wajah Manusia dengan Non-Frontal Pose Menggunakan Ekstraksi Fitur Global dan Lokal
Alya Nurulita Rusnandar (2021) | Skripsi | Teknik Informatika , Teknik Komputer
Bagikan
Ringkasan
Sekarang ini, banyak data biometrik yang dapat digunakan untuk keperluan penelitian. Di antara banyaknya data tersebut, yang paling umum digunakan adalah data wajah. Data wajah memiliki karakteristik unik yang dapat digunakan untuk mengidentifikasi seseorang dengan efisien. Sementara itu, dari banyaknya sistem pengenalan wajah yang sudah dikembangkan masih memiliki kendala. Hal ini dikarenakan data wajah memiliki karakteristik yang kompleks, sehingga menghasilkan variabilitas wajah seperti pose wajah. Namun, posisi wajah yang didapat tidak selalu menghadap ke kamera (non-frontal pose). Kendala tersebut berdampak terhadap akurasi pada sistem pengenalan wajah. Pada sistem pengenalan wajah, ekstraksi fitur merupakan salah satu langkah utama dimana prosesnya dapat mempengaruhi akurasi pengenalan wajah. Pada penelitian ini metode yang digunakan adalah ekstraksi fitur global dan lokal untuk wajah dengan non-frontal pose. Awalnya citra akan melewati proses ekstraksi fitur global meggunakan Gabor filter dan Zernike moments dengan menggunakan 5 frekuensi dan 8 orientasi yang menghasilkan 40 fitur. Lalu, proses selanjutnya adalah ekstraksi fitur lokal menggunakan Histogram of Oriented (HOG) menghasilkan 81 fitur. Untuk proses pencocokan akan menggunakan metode pengukuran jarak yaitu Euclidean Distance dengan nilai ambang sebesar 4.002830629. Sistem ini telah diuji dengan menggunakan dataset Head Pose Image, dimana sudut pose yang digunakan adalah 0o, +15o, +30o, +45o, -15o, -30o, -45o. Jumlah data latih 280 citra dan data uji sebanyak 280 citra dari 8 subjek wajah manusia. Hasil eksperimen ini mendapatkan nilai akurasi sebesar 88,57%. Kata Kunci: Ekstraksi fitur lokal, ekstraksi fitur global, gabor filter, Zernike moments, Histogram of oriented (HOG), Euclidean distance.
Ringkasan Alternatif
Nowdays, there are a lot of biometric data that can be used for researchs. Among the large amounts of data, the most commonly used is facial data. Facial data has unique characteristics that can be used to identify a person efficiently. Meanwhile, of the many facial recognition systems that have been developed, they still have problems. This is because the facial data has complex characteristics, resulting in facial variability such as facial poses. However, the obtained face position is not always facing the camera (non-frontal pose). These constraints have an impact on the accuracy of facial recognition system. In facial recognition systems, feature extraction is one of the main steps in which the process can affect facial recognition accuracy. In this study, the method used is global and local feature extraction for faces with non-frontal poses. Initially, the image will go through a global feature extraction process using Gabor filters and Zernike moments using 5 frequencies and 8 orientations that produce 40 features. Then, the next process is the extraction of local features using the Histogram of Oriented (HOG) to produce 81 features. The matching process will use the distance measurement method, namely Euclidean Distance with a threshold value of 4.002830629. This system has been tested using the Head Pose Image dataset, where the pose angles are 0o, +15o, +30o, +45o, -15o, -30o, and -45o. Number of training data are 280 images and test data are as many as 280 images from 8 human face subjects. The experiment obtains an accuracy value of 88.57%. Keywords: local feature extraction, global feature extraction, gabor filter, Zernike moments, Histogram of oriented (HOG), Euclidean distance.