Pendeteksi Wajah Secara Realtime Menggunakan Metode Eigenface

Oki Victoria, Indra Permana Solihin

Abstract


Wajah dapat menjadi identitas pribadi, yang digunakan untuk berbagai macam kepentingan dalam interaksi manusia dan komputer serta untuk menentukan dan mengkonfirmasi seseorang. Oleh sebab itu komputer memerlukan metode khusus, karena komputer tidak memiliki cara berpikir seperti manusia. Pada penelitian ini digunakan metode Eigenface yang akan diimplementasikan dalam bahasa pemrograman C # dengan modul CV dan CXCORE dari library OpenCV. Library ini kemudian diimpor ke dalam Visual Studio IDE yang diharapkan dapat mendukung pengembangan aplikasi deteksi wajah secara Realtime. Hasil pengembangan aplikasi ini menunjukkan bahwa deteksi luar ruangan memiliki hasil yang lebih baik di dalam kecepatan dan keakurasian dalam mendeteksi wajah daripada di dalam ruangan sehingga memenuhi aspek Realtime yang cukup tinggi, sebagaimana dibuktikan oleh perbandingan persentase outdoor daripada di dalam ruangan. Ini menunjukkan bahwa pencahayaan normal memiliki hasil yang lebih baik dalam ekstraksi pola wajah.

Full Text:

PDF

References


A.S, Rosa., Shalahudin, M. 2011. Modul Pembelajaran Rekayasa Perangkat Lunak (Terstruktur dan

Berorientasi Objek), Modula, Bandung.

Bambang Haryanto, 2011:2,Esensi-esensi Bahasa Pemrograman Java. Yogyakarta: Andi.

Indra. 2012. Sistem Pengenalan Wajah dengan Metode Eigenface Untuk Absensi Pada PT Florida

Lestari. Jakarta: Universitas Budi Luhur

K. Barklay and J. Savage. (2004). Object Oriented Design With UMl and JAVA (First Edition ).

L. Kevin. 2009. UML Semantics and Applications.

M. H. Purnomo and A. Muntasa, Konsep Pengolahan Citra Digital dan Ekstraksi Fitur. Yogyakarta:

Graha Ilmu, 2010.

P. B. Grassles, Henriette. Boumann, Philippe. 2005. UML 2.0 in Action.

Patil, Rakibe. 2014. Human Motion Detection using Background Subtraction Algorithm.

International Journal of Advanced Research in Computer Science and Software Engineering.

Peter N. Belhumeur, Joao P. Hespanha, and David J. Kriegman. 1997. Eigenfaces vs Fsherfaces:

Recognition Using Class Specific Linear Projection.

Puri, F.T. 2011. Analisis algoritma eigenface (Pengenalan wajah) pada aplikasi kehadiran pengajar

dosen.

R. M. Alhaqqi, N. Ramadijanti and Setiawardhana. 2011. "Finger Tracking

untuk Interaksi pada Virtual Keyboard," JUTI.

Rosa A.S dan M.Shalahuddin, 2014:103, Rekaya Perangkat Lunak. Jakarta: PT Elex Media

Komputindo

S. Soo. 2009 "Object detection using Haar-cascade Classifier," Institute of

Computer Science, University of Tartu.

Shapiro, L.G. & Stockman G.C. 2001. Computer Vision. Prentice-Hall : Upper Saddle River.

Yang, M.H, Kriegman D.J., Ahuja N., 2002. “Detecting Faces in Images : A Survey”, IEEE Pattern

Analysis and Machine Intellegence, Vol. 24 No.I, pp 34 – 58.

Zhao W., Chellapa R., Phillips PJ., Rosenfeld A. 2003. “Face Recognition : A Literature Survey”,

ACM Computing Survey, Vol. 35 No. 4, pp 399 – 458.


Refbacks

  • There are currently no refbacks.