Metode ini menggunakan Gabor-based Kernel Principal Component Analysis untuk identifikasi citra wajah. Penelitian ini mengimplementasikan metode tersebut dengan mengekstrak fitur citra menggunakan filter Gabor dan melakukan pencocokan citra dengan mengukur jarak Euclidean antara fitur-fitur citra. Uji coba pada 200 sampel citra wajah menghasilkan tingkat akurasi rata-rata sebesar 90%.
1. Identifikasi Citra Wajah
Menggunakan Gabor-based Kernel
Principal Component Analysis
Presented by;
Dwi Ely Kurniawan, M.Kom
KKT Software Development
Teknik Informatika
Politeknik Negeri Batam
2. Pencarian identitas
personal
Kasus; mudahnya Gayus ke luar
negeri dengan paspor palsu?
Absensi dan akses
pintu/ autentifikasi
Identifikasi bertujuan untuk mencari jawaban
wajah siapa orang tersebut. .?
Kasus; Mengungkap kriminalitas
wajah, teoris, dll.
3. Permasalahan Penelitian;
1. Penelitian mencoba mengimplementasikan dari metode pengenalan citra wajah
menggunakan Gabor-based Kernel PCA
2. Berfokus pada detector ciri citra
3. Penelitian sebelumnya terkait pengenalan tersebut seperti; Elastis Buch Graph
Map, dengan menghitung kedekatan jarak menggunakan Euclidean Distance,
penghitungan kedekatan jarak PCA , gabor wavelet,LDA, neural network, dll
Implementasi dari metode pengenalan identifikasi
4. Bahan penelitian
1. diperoleh dengan sensor webcam
2. sampel citra wajah siswa-siswi SMK Bina Nusantara Ungaran, Kabupaten
Semarang sebanyak 20 orang. Citra wajah tersebut diambil tiap individu, 10
posisi wajah yang berbeda berdasarkan posisi, pencahyaan dan ekspresi
wajah.
5. 1
𝐶 =
𝑛
𝑛
∅
∅
𝑋 𝑖 ∅(𝑋 𝑖 ) 𝑇
𝑖=1
Feature space digantikan dengan
fungsi kernel
k xi , xi = ∅ xi (xi )T
Filter Gabor (8x5) yakni 8 orientasi;
π
2π 3π 4π 5π 6π 7π
θ ε 0, 8 , 8 , 8 , 8 , 8 , 8 , 8 dan
5 frekuensi spasial (0,1,2,3,4).
𝜓 𝑓,𝜃(𝑥,𝑦)
2
𝑦2 𝑛
1 𝑥𝜃𝑛
𝜃
= 𝑒𝑥𝑝 −
2 + 2
2 𝜎𝑥
𝜎𝑦
𝑒𝑥𝑝 2𝜋𝑓𝑥 𝜃 𝑛
6. Proses Pencocokan Ciri Citra
Pengukuran kemiripan dengan
mengukur kedekatan ciri dengan
Euclidean Distance
𝑑 𝑖𝑗 =
𝑛
𝑘=1
𝑥 𝑖𝑘 − 𝑥 𝑗𝑘
2
9. Kesimpulan;
1. Ukuran citra disesuaikan dengan ukuran yang sejenis pada semua citra dalam
basisdata. Pose wajah setiap individu disesuaikan dengan ekspresi yang
didaftarkan dalam basisdata. Pengambilan gambar dilakukan pada tingkat
pencahaayan yang baik dan menggunkan latar belakang yang tidak terlalu rumit,
misalnya latar belakang tembok dengan satu warna atau yang lainnya bila perlu
menghilangkan noise pada citra sampel.
2. Ekstraksi fitur bertujuan untuk menentukan ciri-ciri dari suatu citra wajah yang
mampu membedakan antara citra wajah yang satu dengan yang lain.
3. Proses pencocokan dilakukan dengan membandingkan fitur citra pengujian
dengan fitur citra dalam basisdata. Hasil pembandingan ini berupa nilai
kesamaan. Semakin tinggi nilai kesamaan, semakin tinggi pula keabsahan
pengguna.