sistem pengenalan wajah secara real time dengan metode eigenface
TRANSCRIPT
Sistem Pengenalan Wajah Secara Real Time dengan Metode Eigenface
Meet Our Team
DeisnaRahmaningtyas
IndahMaulidia T.
M. MiftahAl Rasyid
O.Ginanjar
RivaFarabi
ZahraSolihah
PENDAHULUAN FACE RECOGNATION SOFTWARE HARDWARE
Meet Our Team
Dr. Setiawan Hadi, M.Sc.CS.
PENDAHULUAN FACE RECOGNATION SOFTWARE HARDWARE
Latar BelakangPENDAHULUAN FACE RECOGNITION SOFTWARE HARDWARE
Wajah merupakan fitur pembeda yang sering digunakan sebagai kunci untuk mengenal identitas seseorang [1]
[1] Prakash N, Kalavdekar. 2010. Face Detection Using Neural Network. International Journal of Computer Applications (0975 - 8887) Volume 1 . No. 16 2010.
Latar BelakangPENDAHULUAN FACE RECOGNITION SOFTWARE HARDWARE
Berbagai aplikasi di bidang biometrics, penegakan hukum, sistem keamanan dan pengawasan atau pemantauan (Surveillance), mesin absensi, kontrol akses, interaksi manusia dan mesin, smart card dan pengawasan sistem.
Face RecognitionPENDAHULUAN FACE RECOGNITION SOFTWARE HARDWARE
Pada proses pengenalan citra wajah ada beberapa metode yang dikembangkan. Metode yang paling sederhana mengenai pengenalan
wajah adalah mengubah citra wajah menjadi vektor matriks
Face RecognitionPENDAHULUAN FACE RECOGNITION SOFTWARE HARDWARE
Secara umum proses pengenalan wajah terdiri dari dua proses utama yaitu, proses pelatihan citra dan proses pengenalan citra.
Pelatihan Citra Pengenalan Citra
Face RecognitionPENDAHULUAN FACE RECOGNITION SOFTWARE HARDWARE
Pelatihan Citra
Face RecognitionPENDAHULUAN FACE RECOGNITION SOFTWARE HARDWARE
Pengenalan Citra
EigenfacePENDAHULUAN FACE RECOGNITION SOFTWARE HARDWARE
EigenfacePENDAHULUAN FACE RECOGNITION SOFTWARE HARDWARE
1. Tahap 1: Penyusunan Flatvector matriks citra
Menyusun seluruh training image menjadi 1 matrix tunggal
EigenfacePENDAHULUAN FACE RECOGNITION SOFTWARE HARDWARE
Contoh dibawah ini mengunakan empat wajah citra yang telah diubah menjadi matrix, lalu matrix tersebut diubah kedalam bentuk rataan FlatVector.
EigenfacePENDAHULUAN FACE RECOGNITION SOFTWARE HARDWARE
2. Tahap 2: Hitung Rataan FlatVectorDari FlatVector yang diperoleh, jumlahkan seluruh barisnya sehingga kita peroleh matrix berukuran 1 x (H x W).
EigenfacePENDAHULUAN FACE RECOGNITION SOFTWARE HARDWARE
3. Tahap 3: Hitung Rataan FlatVectorDari FlatVector yang diperoleh, jumlahkan seluruh barisnya sehingga kita peroleh matrix berukuran 1 x (H x W).
EigenfacePENDAHULUAN FACE RECOGNITION SOFTWARE HARDWARE
4. Tahap 4: Tentukan Nilai Eigenface
EigenfacePENDAHULUAN FACE RECOGNITION SOFTWARE HARDWARE
5. Proses Identifikasi
EigenfacePENDAHULUAN FACE RECOGNITION SOFTWARE HARDWARE
5. Proses Identifikasi (cont.)
ProgramPENDAHULUAN FACE RECOGNITION SOFTWARE HARDWARE
ProgramPENDAHULUAN FACE RECOGNITION SOFTWARE HARDWARE
ProgramPENDAHULUAN FACE RECOGNITION SOFTWARE HARDWARE
ProgramPENDAHULUAN FACE RECOGNITION SOFTWARE HARDWARE
ProgramPENDAHULUAN FACE RECOGNITION SOFTWARE HARDWARE
Hasil PengujianPENDAHULUAN FACE RECOGNITION SOFTWARE HARDWARE
Pengujian dilakukan menggunakan webcam logitech dengan resolusi 2.0 megapixel yang dihubungkan dengan ultrabook i5 dengan RAM sebesar 2GB RAM dan OS windows 8
TerdeteksiPerson 1 Person 2 Unknown
Person 1 74 8 18Person 2 45 55 0Unknown 14 70 16
Kebeneran Person 1 : 74%Kebenaran Person 2 : 55 %Kebenaran Unknown : 16 %
Kebenaran Rataan:48, 33 %
KesimpulanPENDAHULUAN FACE RECOGNITION SOFTWARE HARDWARE
Dari hasil perancangan sampai dengan pengujian didapatkan kesimpulan bahwa :• Tinggi rendahnya unsur pencahayaan yang berada di sekitar obyek
sangat mempengaruhi proses pendeteksian.• Jarak antara wajah dengan webcam sangat berpengaruh dalam proses
pendeteksian wajah.• Menurut hasil pengujian program tingkat keberhasilan pengenalan
wajah menggunakan metode ini sudah cukup baik dengan mencapai rata-rata kebenaran 48,33 %