Pengenalan Wajah Menggunakan Metode Fisherface

Abstract

This paper describes human identification using fisherface method to identify someone. The output is whether recognized or not an input image as an individual in the database. There are four main stages for this method, mainly face detection, PCA (Principal Component Analysis) calculation, FLD (Fisher's Linear Analysis) calculation and classification stage. In face detection stage, color thresholding is used to segment pixels that contain skin color. PCA calculation and FLD calculation stages are used to form a set of fisherfaces from a training set or database that will be used. All face images can be reconstructed from the combination of fisherfaces with different weights for each face image. The last stage, classification stage, is to identify the input image by comparing the weight of fisherface required to reconstruct the input face towards face images in the training set. The weight calculation is done by using Euclidian distance method. The simulations are done for 66 input images and the successful recognition rate is about 81.82%.\r\r\rAbstract in Bahasa Indonesia : \r\rTulisan ini menjelaskan tentang pengenalan wajah manusia dengan metode fisherface untuk mengidentifikasikan seseorang. Keluarannya adalah dikenali atau tidaknya sebuah gambar masukan sebagai salah satu individu pada database. Terdapat empat langkah utama dalam metode pengenalan wajah ini, yaitu deteksi wajah, perhitungan PCA (Principal Component Analysis), perhitungan FLD (Fisher's Linear Discriminant), dan klasifikasi. Dalam modul deteksi wajah, segmentasi warna dilakukan untuk mendapatkan bagian dari gambar masukan yang memiliki warna kulit. Modul perhitungan PCA dan modul perhitungan FLD digunakan untuk membentuk satu set fisherface dari suatu training set yang digunakan. Seluruh gambar wajah dapat direkonstuksi dari kombinasi fisherface dengan bobot yang berbeda-beda. Pada modul terakhir, dilakukan proses pengenalan identitas dengan cara membandingkan bobot fisherface yang dibutuhkan untuk merekonstruksi gambar masukan terhadap gambar pada training set. Perhitungan bobot dilakukan dengan metode jarak Euclidian. Pengujian dilakukan terhadap 66 gambar masukan dan tingkat keberhasilan pengenalan wajah sebesar 81,82%.\r\rKata kunci : fisherface, deteksi wajah, PCA, FLD, klasifikasi, jarak Euclidian.\r