sistem pengenalan wajah secara real time dengan metode eigenface

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 %