METODE EKSTRAKSI CIRI 2DPCA PADA PENGENALAN CITRA WAJAH DENGAN MATLAB
Keywords:
Pengenalan Wajah, ekstraksi ciri, 2DPCA, jarak euclidAbstract
Penelitian mengenai pengenalan wajah telah banyak dilakukan dan dengan berbagai metode. Namun penelitian ini masih menarik dilakukan seiring perkembangan teknologi dan metode yang digunakan dalam pengolahan citra. Metode ekstraksi ciri pada pengenalan wajahpun cukup banyak yaitu dengan mengidentifikasi citra wajah secara spesifik dengan menggunakan karakteristik terukur. Pada penelitian ini peneliti menggunakan ekstraksi ciri 2 Dimensional Principal Component Analysis (2DPCA) dan menggunakan aplikasi Matlab. Data diambil terlebih dahulu dari digital image kemudian dilakukan cropping untuk mendapatnya citra wajah. Proses selanjutnya citra wajah dibaca sebagai matrik dan dibuat berukuran sama 112x96 pixel, kemudian dilakukan konversi ke bentuk grayscale. Setelah ekstraksi ciri 2DPCA dilakukan pengujian citra wajah dilakukan dengan metode jarak euclid. Metode euclid adalah metode dengan membandingkan jarak citra pengujian dengan basis data citra pelatihan yang memiliki jarak minimal. Pengelompokan data latih dan data uji menggunakan 5 fold cross validation. Hasil akurasi yang diperoleh saat dilakukan percobaan pada 10 wajah dengan prosentase nilai eigen 80%, 85%, 90% dan 95% , hasilnya mencapai rata-rata diatas 96,5%.
Kata kunci : , , ,
Downloads
References
Kadir,A dan Susanto,A. (2013). Teori dan Aplikasi Pengolahan Citra, Yogyakarta, Penerbit Andi
Licesio J ,et all.(2005). Face Verification Advances Using Spatial Dimension Reduction Methods: 2DPCA & SVM, Universidad Rey Juan Carlos, F. Roli and S. Vitulano (Eds.): ICIAP 2005, LNCS 3617, pp. 978–985,.Springer-Verlag Berlin Heidelberg 2005.
Linsday S. (2002), A Tutorial on Principal Component Analysis, Chapter 2-3.
McAndrew A. (2004) An Introduction to Digital Image Processing with Matlab ,Notes for SCM2511 Image Processing 1, School of Computer Science and Mathematics Victoria University of Technology.
Pratiwi. (2010), Face Recognition Model Development with Euclidean Distance On Eigen Space with 2DPCA, Tesis S2 Ilmu Komputer IPB Bogor.
Sudarmilah, Endah. (2009). Pengenalan Wajah dengan Perbandingan Histogram, Seminar Nasional Aplikasi Teknologi Informasi 2009.
Soelaiman R, Kusumoputro B. (2002). Sistem Pengenalan Wajah dengan Penerapan Algoritma Genetika pada Optimasi Basis Proyeksi Metoda Eigenface dan Fisherface, Prosiding Ilmu Komputer dan Teknologi Informasi III, 391, 266-270.
Turk M. and Pentland A. (1991). Eigenfaces for Recognition, J Cognitive Neuroscience, vol. 3 no 1 , pp 71-86,
Woodward JD., et all. (2003). BiometricsA Look at Facial Recognition. Virginia State Crime Commission.
Yang and Zhang. (2004). Two-Dimensional PCA: A New Approach to Appearance-Based Face Representation and Recognation. IEEE Transaction on Pattern Analysis and Machine Intelligence, Vol 26 no 1
