3. DAFTAR PUSTAKA
[1]Nathanael, Ryan, Yustus Eko Oktian. 2012. Face
Detection dengan Adaptive Threshold dan Grayscale
filter. http://uniknown.wordpress.com/ 2012/04/12/fa
ce-detection/
[2]http://opencv.willowgarage.com/wiki/FaceRecogniti
on, 2 Juni 2012.
[3]http://www.cognotics.com/opencv/servo_2007_serie
s/part_4/index.html, 2 Juni 2012
[4]http://www.cognotics.com/opencv/servo_2007_serie
s/part_4/page_2.html, 2 Juni 2012
[5]http://www.cognotics.com/opencv/servo_2007_serie
s/part_4/page_3.html, 2 Juni 2012
5. PENGERTIAN FACE
RECOGNITION
Face Recognition adalah sebuah proses lanjutan dari
proses Face Detection. Di dalam Face Detection kita
mendeteksi bagian wajah dari seseorang, wajah tersebut
bisa didapatkan dari gambar maupun video.
6. EIGENFACES
Eigenface adalah sebuah algoritma face detection yang
mudah untuk diimplementasikan. BiasanyaEigenface ini
digunakan sebagai bahan pembelajaran karena
merupakan metode pertama yang digunakan untuk
mendeteksi benda sehingga metode ini yang paling
sering digunakan.
7. Jika dimisalkan dalam suatu sistem sudah ada
database yang berisi gambar-gambar dari orang
yang dikenali, kemudian sistem diberikan gambar orang
yang tidak dikenali maka secara umum berikut adalah
langkah atau prosedur sebuah wajah terdeteksi,
Menghitung jarak dari gambar tersebut dibandingkan
dengan gambar-gambar yang ada di dalamdatabase.
8. Memilih sebuah gambar dari database yang mendekati
wajah yang ada di dalam gambar tersebut.
Jika jarak yang telah diukur tersebut hasilnya
diatas nilai dari threshold maka gambar tersebut dikenali
oleh sistem, tetapi bila nilai yang dihasilkan lebih kecil
maka gambar tersebut termasuk dalam gambar yang tidak
dikenali oleh sistem karena sistem hanya mengenali gambar
yang ada di dalam database.
10. Pada gambar 4 ada gambar wajah dari 2 orang yang berbeda
yang diambil dengan pencahayaan yang berbeda. Mungkin kita
mengetahui mana orang yang sama tetapi Eigenface tidak bisa
membedakannya dan menganggap bahwa itu ada orang yang
berbeda. Jadi faktor pencahayaan juga merupakan faktor
pembeda di dalam Eigenface. Selain itu juga ada beberapa faktor
yang lain yaitu, gambar yang dilakukan proses stretch, blur, ekspresi
dari wajah, dan sudut pengambilan gambar.
13. MENGURANGI DIMENSI
Dengan menggunakan metode diatas maka akan
menghasilkan noise ratio yang besar bila di dalam
gambar tersebut terdapat banyak noise. Oleh karena
itu, kita akan melakukan pengurangan dimensi sebelum
melakukan proses lebih lanjut. Pengurangan dimensi
yang dilakukan dengan menggunakan PCA.(lihat gambar
2 ).
17. Pada gambar 6 kita melihat Blok Diagram dari sistem yang
digunakan di dalam paper ini. Setelah melakukan
proses Face Detection, proses berikutnya yang dilakukan
adalah melakukan cropping atau pemotongan gambar
menjadi ukuran tertentu. Proses ini bertujuan untuk
menyamakan ukuran dari setiap gambar yang akan
diproses. Gambar yang dipotong adalah gambar yang telah
dilakukan proses Face Detection, jadi gambar tersebut
adalah gambar wajah. Setelah gambar dipotong, gambar
akan dilakukan proses Face Recognition dengan
menggunakan eigenface.
18. Gambar yang telah dilakukan proses eigenfaceakan
disimpan dalam sebuah database yang ada di dalam sistem,
Setelah itu, apabila sistem mendeteksi ada gambar baru
yang tidak dikenali oleh sistem sebelumnya maka sistem
hanya tinggal membandingkan gambar tersebut
dengan database. Apabila gambar ada di dalam database,
maka sistem akan menampilkan gambar tersebut beserta
dengan nama gambar yang ada di dalam sistem.
19. Gambar 7. Program Face Recognition yang dilakukan
beserta proses training.
21. KESIMPULAN
Untuk mendapatkan akurasi yang tinggi untuk menebak
wajah orang tersebut, maka dibutuhkan gambar yang
banyak dengan ragam sudut pandang, pose wajah, dan
pencahayaan. Semakin banyak data yang dapat
dikumpulkan untuk seseorang maka akan semakin
akurat hasilnya untuk mendeteksi wajah orang tersebut.