Perpustakaan judul masih dalam tahap pengembangan, admin siap menampung kritik dan saran
Deteksi wajah menggunakan metode speed-up robust features (SURF)
Febry Yansyah NIM. (2014) | Skripsi | Teknik Komputer , Sistem Komputer , Teknik Komputer
Bagikan
Ringkasan
Aplikasi deteksi wajah mengalami pengembangan yang sangat cepat dan semakin banyak digunakan, contohnya untuk sistem keamanan, absensi dan lainnya. Deteksi wajah (face detection) merupakan salah satu tahap awal yang sangat penting sebelum dilakukan proses pengenalan wajah (face recognition)[1]. Maksud dari pembuatan tugas akhir ini adalah membuat suatu sistem deteksi area wajah yang telah mengalami transformasi rotasi, skala dan 3 dimensi menggunakan metode Speed-Up Robust Features (SURF). Metoda SURF merupakan sebuah metode deteksi fitur yang menggunakan keypoint dari sebuah gambar, keypoint itu sendiri adalah bagian-bagian dari sebuah gambar yang nilainya tetap ketika mengalami perubahan skala, rotasi, blurring, transformasi 3dimensi dan pencahayaan. Ekstraksi menggunakan metode SURF dapat dijalankan dengan baik. Pada proses matching interest point menggunakan metoda Fast Library Approximated Nearest Neighbor (FLANN), untuk hasil pengujian citra perubahan rotasi dan skala nilai interest point yang didapatkan sangat kuat terhadap perubahan. Sementara untuk pengujian citra hasil perubahan 3 dimensi tedapat nilai interest point posisinya tidak sama, hal ini dapat diakibatkan karena jumlah sample yang sedikit.
Ringkasan Alternatif
Face Detection application experiencing growth quickly and widely used in various scopes such as security systems , attendance and more. Face detection is one of important stages for face recognition system[1]. The purpose of this final project is to make a face detection system area that has undergone a change by rotation , scale and 3 dimensions transformation using Speed-Up Robust Features ( SURF ) methods. SURF is a method of detection that use the keypoint features of an image, keypoint is the parts of an image whose value remains when changing the scale, rotation, blurring, 3dimensi transformation and lighting. The extraction using SURF method can run well on the process of interest points matching using Fast Library Approximated Nearest Neighbor (FLANN), the result, this methods appropriate for face detection which have rotation and scale transformation, but not suitable for face detection which have 3D ransformation.