Académique Documents
Professionnel Documents
Culture Documents
FACE RECOGNITION
Disusun oleh :
16 INFORMATIKA 11
Fachrurrozy 16.11.0673
Fandi Achmad Nurhadi 16.11.0680
Whisnu Ady Pratama 16.11.0681
Bima Arinto Nugroho 16.11.0695
JURUSAN INFORMATIKA
UNIVERSITAS AMIKOM YOGYAKARTA
YOGYAKARTA
2018
1. Latar belakang
Pengenalan wajah (face recognition) telah menjadi suatu aplikasi khusus di antara banyak
bidang penelitian yang ada pada Computer Vision. Pengenalan wajah yaitu membandingkan
citra wajah masukan dengan suatu database wajah dan menemukan wajah yang paling sesuai
dengan citra masukkan tersebut. Pengenalan wajah merupakan suatu pekerjaan yang kompleks
hal ini disebabkan banyak kemungkinan variasi untuk subyek yang sama pada kondisi yang
berbeda, seperti luminansi dan ekspresi muka (facial expression), dan bentuk kepala secara
tiga-dimensi.
Pengenalan wajah merupakan suatu pengenalan pola (pattern recognition) yang khusus untuk
kasus wajah. Ini dapat dideskripsikan sebagai pengklasifikasian suatu wajah apakah dikenali
(known) atau tidak dikenali (unknown), dimana setelah dibandingkan kemudian disimpan
secara tersendiri. Beberapa pendekatan untuk pengenalan obyek dan grafika komputer
didasarkan secara langsung pada citra-citra tanpa penggunaan model 3D. Banyak dari teknik ini
tergantung pada suatu representasi citra yang membentuk suatu struktur ruang vektor, dan
dalam prinsip ini memerlukan korespondensi yang padat.
2. Pensampelan
Pensampelan bertujuan untuk menyimpan data yang akan di pelajari dan di akses kembali
pada saat proses pengenalan wajah. Procesnya Raw data akan di input melalui optik
kamera dan di simpan pada direktori data set yang nantinya akan menjadi “database”
program face recognising ini.
4. Recognising Face
Program akan menerima gambar digital yang dikirmkan kamera secara real time,
menganalisa gambarnya frame by frame, lalu mendeteksi apakah wajah dalam frame
gambar tersebut terdapat pada direktori database yang telah di sampel sebelumnya
dengan Algoritma Viola Jones. Jika wajah dikenali maka akan di beri nama ID sesuai dengan
penginputan sebelumnya, dan akan diberi Confident Level. Confident Level adalah
persentase keakuratan pengenalan wajah, semakin tinggi Confident Level maka semakin
“tidak asing” wajah bagi program untuk dekenali. Tingkat Confident level bisa berubah-
ubah tergantung intensitas cahaya yang jatuh pada wajah, pose wajah dalam menatap
kamera, jarak wajah dengan lensa, maupun jumlah sampel yang di inputkan.
Percobaan Implementasi Face Recognition
Berikut Implementasi Face Recognition menggunakan bahasa pemrograman phyton
Pada gambar diatas juga muncul nilai confidence dalam persen. Semakin banyak jumlah
dataset yang kita traning, akurasinya akan semakin akurat. Pada percobaan kali hanya
menggunakan 100 data.
4. Haar Wavelet dan Algoritma Viola Jones.
Pipeline
Ini adalah nilai Ideal Haar Feature, dimana nilai paling terang adalah 0, dan paling gelap
bernilai 1. Demi menyederhanakan kalkulasi perhitungan algoritma, nilai tertinggi/ nilai
tergelap yang seharusnya 255 diubah menjadi 1 dan nilai terendah tetap 0.
Gambar diatas merupakan contoh potongan pixel pada gambar yang berpotensi menjadi
haar feature. Setelah itu akan diidentifikasi bagian terang dan gelap, jika mendekati 0
maka menjadi bagian terang, dan jika mendekati nilai tertinggi akan menjadi bagian gelap.
Hitung threshold pada real image, jika mendekati nilai ideal fitur haar (Nilai fitur haar=1)
maka potongan pixel tersebut bisa dikatakan Haar feature.
Rumusnya adalah nilai rata-rata bagian gelap dikurang dengan nilai rata” bagian gelap.
Pada Kasus ini nilai rata-rata gelap = 0.74 dikurangi nilai rata-rata terang = 0.18, kemudian
hasilnya = 0.56 semakin dekat hasilnya dengan nilai ideal fitur haar maka bisa dikatakan
sebagai Haar Feature.
3. Data kemudian di simpan sebanyak dengan nilai yang telah di tentukan pada database
yang setiap datanya telah di training. Artinya setiap citra wajah yang telah di pelajari
sudah teridentifikasi nilai Haar Featuren-nya.
4. Jika Program Face Recognition di jalankan, data wajah baru akan di cari Haar Featurenya
lalu di bandingkan nilai pixelnya secara real time dengan data Haar feature yang tersedia
di database. Jika nilai pixelnya sama /mendekati maka nama pemilik wajah akan muncul
pada layar.
5. REFERENSI
[2] Wu Lifang, Shen Lansun. 2003. Face Recognition from Front-view Face. Journal of
Electronics. Vol. 20(1): 45-50
[4] Sharif M., "Face Recognition using Gabor Filters", Journal of Applied Computer Science &
Mathematics, no. 11, Suceava, May. 2011.
[5] Freund Y. & Schapire R., “A Short Introduction to Boosting”, Journal of Japanese Sociaety
for Artificial Intelegence, 14(5)- 780, September, 1999.