Dewasa ini perkembangan ilmu dan
teknologi yang berkaitan dengan pengukuran dan analisis statistik data biologis
(biometric) berkembang dengan demikian pesatnya. Ini dikarenakan sebuah ciri
biologi dapat memberikan informasi yang unik berkaitan dengan identifikasi
masing-masing individu. Dalam teknolgi informasi, biometrik biasanya merujuk
kepada teknologi untuk mengukur dan menganalisis karakteristik tubuh manusia
seperti sidik jari, retina mata, pola suara dan pola wajah yang terutama sekali
digunakan untuk proses otenfikasi.
Untuk
membaca karakteristik tubuh manusia semisal pola wajah dibutuhkan peralatan
pembaca, sebuah basisdata yang mampu menyimpan pola wajah dan tentu saja
algoritma pengenalan wajah yang baik untuk proses pengenalan pola wajah.
Algoritma Eigenface dapat digunakan untuk proses pengenalan pola wajah
tersebut. Eigenface adalah pendekatan eigenvalue dan eigenvector. Dengan
pendekatan tersebut dilakukan klasifikasi untuk mengenali wajah yang di-training dengan objek yang telah
tersimpan di database. Citra adalah
hasil keseluruhan dari suatu
sistem perekaman data, yang secara teoritis dapat dikelompokkan menjadi 2 (dua)
macam, yaitu citra kontinu dan citra diskrit
(citra digital).
Oke langsung saja, disini saya akan membahas tentang pengenalan wajah dengan menggunakan algoritma eigenface. Prinsip
dasar dari pengenalan wajah adalah dengan mengutip informasi unik wajah
tersebut kemudian di-encode dan dibandingkan dengan hasil decode yang
sebelumnya dilakukan. Dalam metode eigenface, decoding dilakukan
dengan menghitung eigenvector kemudian direpresentasikan dalam sebuah
matriks yang berukuran besar.
Algoritma eigenface secara keseluruhan cukup
sederhana. Image Matriks (I) direpresentasikan
ke dalam sebuah himpunan matriks (Γ1,
Γ2, …..ΓM). Cari nilai rata-rata (Ψ) dan gunakan untuk mengekstraksi eigenvector (v) dan eigenvalue
(λ) dari himpunan matriks. Gunakan nilai eigenvector untuk mendapatkan nilai eigenface dari image.
Apabila ada sebuah image baru atau test face (Γnew), proses yang
sama juga dilakukan untuk image (Γnew),
untuk mengekstraksi eigenvector (v)
dan eigenvalue (λ), kemudian cari
nilai eigenface dari image test face (Γnew).
Setelah itu barulah image baru (Γnew) memasuki tahap
pengenalan dengan menggunakan metode Euclidean
distance.
Untuk lebih jelasnya, Alur
prosesnya dapat dilihat pada gambar berikut sobat.
Algoritma
selengkapnya adalah :
1.
Langkah pertama adalah menyiapkan data
dengan membuat suatu himpunan S yang
terdiri dari seluruh training image (Γ1, Γ2, …..ΓM).
S
=
{Γ1, Γ2, …..ΓM}
2.
Langkah kedua adalah ambil nilai tengah
atau mean (Ψ)
3. Langkah ketiga kemudian cari selisih (Φ) antara Training image (Γi) dengan nilai tengah (Ψ), apabila ditemukan nilainya dibawah
nol ganti nilainya dengan nol
4.
Langkah keempat adalah menghitung nilai
matriks kovarian (C)
5.
Langkah kelima menghitung eigenvalue (λ) dan eigenvector (v)
CVi= λiVi
6.
Langkah keenam, setelah eigenvector (v) diperoleh, maka eigenface
(µ) dapat dicari dengan :
Tahapan
Pengenalan :
1.
Sebuah image wajah baru atau test face (Γnew), akan dicoba
untuk dikenali, pertama terapkan cara pada tahapan pertama perhitungan eigenface untuk mendapatkan nilai eigenface dari image tersebut.
2.
Gunakan metode Euclidean distance untuk
mencari jarak (distance) terpendek antara nilai eigenface dari training image
dalam database dengan eigenface image test face.
Begitu saja Sob cara kerja algoritma eigenface nih, nah nih screenshoot program yang diambil dri skripsi sy sobat.
Sekian dulu pembahasn tentang pengenalan wajah dgn algoritma eigenface ni sobat, klo ada yg perlu ditanyakan silahkan coment yah.
Thanks gan, posting yg sangat bermanfaat
ReplyDeleteok sama2
ReplyDeleteboleh minta penjelasan bari masing-masing variabelnya??
ReplyDeletegan blh ijin minta aplikasinya??buat refrensi matlab???
ReplyDeleteboleh minta source kode program nya gan ??
ReplyDeletegan ,,saya boleh beli source kode agan??
ReplyDeletesaya beli 100 ribu kalaw mau. . .!!!