PENGOLAHAN CITRA dan DETEKSI WAJAH PADA SISTEM PENGENALAN WAJAH

Anda pastinya suka menonton film-film hollywood kan??? Sejak tahun 2000an Amerika sebagai kiblat dari industri perfilman internasional atau yang biasa disebut hollywood telah memperkenalkan kita kepada teknik teknologi untuk mempercantik adegan-adegan dari sebuah film. Seperti satu bahasan ini Pengolahan Citra dan Deteksi Wajah Pada Sistem Pengenalan Wajah. Dalam sebuah film yang bergenre action biasanya hollywood memamerkan kecanggihan teknologinya, seperti deteksi verifikasi password dan sandi menggunakan wajah, sidik jari, bahkan kornea mata. Jika sistem seperti ini tidak hanya diterapkan pada sebuah film melainkan juga diterapkan pada kehidupan sehari-hari, tentunya tingkat kedisiplinan pada seseorang akan semakin terlatihkan? Khususnya jika diterapkan di Indonesia. Dan, sekarang yang akan kita bahas adalah deteksi pada wajah.

Pengenalan wajah atau Face Recognition merupakan sebuah sistem identifikasi pribadi yang menggunakan karakteristik pribadi seseorang (dalam hal ini wajah orang tersebut) untuk mengidentifikasikan identitas orang tersebut. Sistem yang dikembangkan dalam penelitian ini adalah sebuah sistem pengenalan wajah yang menggunakan ekstraksi fitur berbasis FLD (Fisher Linear Discriminant). Proses perancangan sistem ini terbagi menjadi 2 (dua) tahap: tahap pengolahan citra dan deteksi wajah serta tahap pengenalan wajah.

Citra adalah masukan berupa sebuah citra digital yang kemudian diolah dengan cara melakukan normalisasi cahaya dan ukuran agar kinerja pengklasifikasi (classifier) dapat ditingkatkan. Setelah citra tersebut dinormalisasi, sistem kemudian diharapakan mampu mendeteksi bagian citra tersebut yang merupakan wajah. Pengklasifikasi yang digunakan pada tugas akhir ini untuk mengklasifikasi wajah atau bukan wajah adalah SVM ( Support Vector Machine).

Dengan menggabungkan metode seleksi fitur berbasis FLD dengan SVM sebagai pengklasifikasi. FLD (Fisher Linear Discriminant) merupakan kombinasi dari PCA (Principle Component Analysis) dan LDA (Linear Discriminant Analysis). Metode ini memaksimalkan jarak pemisah pola antar kelas dan juga memaksimalkan penyebaran pola di dalam kelas. Dengan menggunakan FLD, maka jumlah fitur yang dapat digunakan untuk membedakan jenis citra menjadi lebih sedikit bila dibandingkan pengambilan fitur yang hanya menggunakan PCA. Citra mula-mula diubah ke dalam bentuk vector, dalam hal ini matrix citra yang tadinya berukuran 112 x 92 diubah menjadi matrix vector dengan ukuran 1030×1. Setelah semua citra diubah menjadi vector, kemudian dilakukan ekstraksi fitur.
Dengan menggabungkan metode seleksi fitur berbasis FLD dengan SVM sebagai pengklasifikasi. FLD (Fisher Linear Discriminant) merupakan kombinasi dari PCA (Principle Component Analysis) dan LDA (Linear Discriminant Analysis). Metode ini memaksimalkan jarak pemisah pola antar kelas dan juga memaksimalkan penyebaran pola di dalam kelas. Dengan menggunakan FLD, maka jumlah fitur yang dapat digunakan untuk membedakan jenis citra menjadi lebih sedikit bila dibandingkan pengambilan fitur yang hanya menggunakan PCA.

Tahapan dalam ekstrasi fitur yang digunakan pada sistem adalah sebagai berikut:

• Ekstraksi fitur PCA
• Ekstraksi fitur FLD

DETEKSI WAJAH

Citra kulit akan diklarifikasi ke dalam dua golongan, yaitu wajah dan bukan wajah. Sebelumnya, dilakukan pengolahan pada normalisasi cahaya, cross correlation, normalisasi dimensi dan penghitungan bobot. Setelah bobot citra didapat classifier yang telah dilatih sebelumnya, dalam hal ini SVM siap mengelompokkan citra tersebut ke dalam golongan wajah atau bukan wajah. Dari pengujian yang dilakukan, tingkat keberhasilan sistem keseluruhan sebagai sistem pengenalan wajah adalah 83% (83 citra berhasil dideteksi dan dikenenali dari 100 citra uji). Tingkat keberhasilan ini cukup tinggi mengingat sistem ini mampu mengenali individu dari basis data dengan variasi ekspresi atau pose.

Sumber: Author = Robin