Korelasi Jarak Wajah Terhadap Nilai Akurasi Pada Sistem Pengenalan Wajah Menggunakan Stereo Vision Camera
|
|
- Hendra Lesmono
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Seminar Nasional Teknologi Informasi dan Komunikasi Terapan (SEMANTIK) Korelasi Jarak Wajah Terhadap Nilai Akurasi Pada Sistem Pengenalan Wajah Menggunakan Stereo Vision Camera Edy Winarno *), Wiwien Hadikurniawati **) Teknik Informatika, Universitas Stikubank * edywinarno3@gmail.com, ** hadikurniawati@gmail.com Abstrak Dalam sistem pendeteksian dan pengenalan wajah, penentuan jarak dan lokasi wajah merupakan penelitian yang terus dikembangkan dalam dalam visi komputer seperti robotika dan sistem navigasi. Estimasi jarak obyek wajah dapat ditentukan dengan menggunakan perhitungan yang dapat dilakukan menggunakan stereo vision camera. Penelitian ini mengembangkan sebuah sistem deteksi dan pengenalan wajah yang dibangun menggunakan sebuah sistem face tracking dan distance estimation dengan menggunakan stereo vision camera. Penelitian ini menggunakan sebuah stereo vision camera yang memiliki 2 buah lensa (right-left) yang digunakan untuk mengukur estimasi jarak terhadap obyek wajah. Hasil dari penelitian menunjukkan bahwa ada korelasi jarak wajah terhadap nilai akurasi pengenalan wajah. Pada jarak antara wajah dengan kamera sekitar cm memiliki tingkat akurasi pengenalan wajah antara 90,23% 97,97 %. Untuk jarak antara dari cm dapat dapat menghasilkan tingkat akurasi pengenalan wajah sekitar 36.84% 86.84% Kata kunci: Pengenalan wajah, distance estimation, stereo vision camera, akurasi pengenalan. 1. PENDAHULUAN Diantara bidang ilmu yang menggunakan pengolahan citra dan visi komputer yang saat ini banyak dikembangkan adalah sistem deteksi dan pengenalan wajah manusia. Sistem deteksi wajah merupakan sebuah cara untuk mengenali wajah dari manusia baik pada gambar diam ataupun gambar bergerak seperti video realtime yang diambil dari sebuah kamera atau webcam [1,2,3]. Pendeteksian wajah biasanya menggunakan algoritma yang mampu mengklasifikasikan wajah manusia. Dengan perangkat input image capture seperti kamera dan scanner dapat memungkinkan penelitian di bidang computer vision untuk dijadikan sebagai sistem visual. Salah satu bidang yang saat ini banyak dikembangkan adalah sistem deteksi wajah manusia. Dalam sistem pendeteksian dan pengenalan wajah, penentuan jarak dan lokasi wajah merupakan sebuah penelitian tersendiri yang merupakan pengembangan untuk dapat digunakan selanjutnya dalam kemajuan visi komputer seperti robotika dan sistem navigasi [5,6]. Estimasi jarak obyek wajah dapat ditentukan dengan menggunakan perhitungan yang dapat dilakukan menggunakan stereo vision camera [7]. Untuk mengukur estimasi jarak obyek wajah dapat dilakukan menggunakan perhitungan jarak proyeksi dari gambar 2 dimensi menjadi gambar 3 dimensi menggunakan 2 buah titik lensa pada stereo vision camera. Pada penelitian ini dikembangkan sebuah sistem deteksi dan pengenalan wajah yang dibangun menggunakan sebuah sistem face tracking dan distance estimation dengan menggunakan stereo vision camera yang berfungsi sebagai alat tracking wajah manusia sekaligus sebagai alat deteksi secara realtime untuk mengetahui lokasi atau jarak obyek terhadap kamera [8]. Pada penelitian ini digunakan sebuah stereo vision camera yang memiliki 2 buah lensa (right-left) yang dapat digunakan untuk mengukur estimasi jarak terhadap obyek wajah. Hasil perhitungan jarak merupakan titik 3D (3Dimension) yang merupakan rekonstruksi atau perhitungan proyeksi 2D (2Dimension)
2 8 Seminar Nasional Teknologi Informasi dan Komunikasi Terapan (SEMANTIK) 2015 menggunakan 2 titik lensa (kiri dan kanan) terhadap obyek wajah. Pada langkah selanjutnya dilakukan penambahan sebuah sistem pengenalan wajah (face recognition) seseorang untuk mengetahui identitas seseorang secara tepat dan memiliki akurasi yang tinggi sehingga dapat digunakan untuk menentukan identitas seseorang tersebut. Sistem pengenalan wajah yang dikembangkan dilakukan dengan membandingkan database wajah yang telah disimpan dan dilakukan pelatihan kemudian dilakukan komparasi dengan data wajah pengujian sehingga akan ditemukan kecocokan dan kemiripan yang akan menentukan identitas seseorang tersebut. Pada bagian ekstraksi fitur menggunakan Principal Component Analysis (PCA), sedangkan pada bagian klasifikasi menggunakan metode Euclidean distance. 2. USULAN METODE Model secara umum dari penelitian ini dapat ditunjukkan pada Gambar 1. Gambar 1. Gambaran Umum Sistem Penelitian ini merupakan sebuah sistem deteksi wajah dan pengenalan wajah yang dilengkapi dengan estimasi jarak wajah antara wajah yang terdeteksi dengan kamera. Pengenalan wajah dilakukan dengan menggunakan Principal Component Analysis (PCA) pada bagian ekstraksi, dan menggunakan Euclidean distance pada bagian klasifikasi. Pengenalan wajah dilakukan dengan membandingkan data pelatihan citra wajah yang disimpan dalam basis data citra wajah dibandingkan dengan data uji citra wajah Face tracking Penelitian ini menggunakan model Haar Cascade Classifier [9] untuk melokalisir posisi wajah yang tertangkap oleh stereo vision camera seperti yang ditunjukkan pada Gambar 2. Gambar 2. Stereo vision camera Pada proses ini dilakukan pelacakan citra wajah dengan menandai area wajah dengan ukuran yang berlainan berdasarkan titik pusat posisi wajah yang ditemukan oleh classifier. Pada proses ini dilakukan preprocessing menggunakan proses cropping, RGB-Gray, resizing, dan contrastbrightness adjustment menggunakan histogram equalization[10]. Metode preprocessing ini digunakan untuk meningkatkan ketajaman gambar supaya dapat mengantisipasi adanya variasi iluminansi cahaya yang digunakan Distance estimation Citra wajah yang telah diproses pada bagian face tracking kemudian diproses pada bagian distance estimation untuk menentukan jarak antara wajah dengan kamera secara realtime. Pemrosesan pada bagian ini menggunakan sebuah stereo vision camera dengan dua buah lensa yang berfungsi sebagai penangkap citra wajah dan untuk menentukan titik 3D hasil proyeksi pada kedua lensa kameranya. Metode yang digunakan untuk menentukan jarak wajah dengan kamera menggunakan metode stereo triangulation [11,12]. Penelitian ini menggunakan metode pengambilan gambar yang dilakukan oleh 2 buah titik lensa untuk mengetahui proyeksi gambar dari 2 sudut yang berbeda, sehingga bisa ditentukan perhitungan untuk mengetahui estimasi jarak obyek yang dicari. Model pengambilan gambar pada stereo vision camera yang digunakan pada penelitian ini ditunjukkan pada Gambar 3. Gambar 3. Penentuan jarak pada distance estimation [8]
3 Seminar Nasional Teknologi Informasi dan Komunikasi Terapan (SEMANTIK) Distance estimation merupakan pengukuran estimasi jarak antara obyek wajah yang telah terdeteksi menggunakan stereo vision camera yang digunakan. Jika pada kamera stereo vision memiliki 2 buah lensa camera (C, C ) untuk menangkap gambar obyek pada titik yang sama yaitu pada titik S, sedangkan lokasi titik pada 2 posisi yaitu titik A dan A pada frame gambar adalah proyeksi dari titik S pada frame camera, F adalah panjang fokus lensa (focal length) stereo vision camera yang digunakan, a merupakan jarak antara titik tengah dengan masing-masing kamera atau a=t/2, dan selisih jarak antara garis A dan A dengan garis sumbu normal kamera dinyatakan dengan disparitas U dan U, maka untuk menentukan jarak Z yang merupakan jarak antara kamera dengan obyek wajah yang ditangkap dapat dijelaskan seperti pada persamaan (1) [8]. (1) 2.3 Face recognition Tiga tahap utama dalam proses pengenalan wajah adalah preprocessing, feature extraction dan classification. Tiga bagian ini dapat dijelaskan pada Gambar 4. Gambar 4. Blok diagram face recognition Preprocessing Pada bagian preprocessing ini meliputi resizing ukuran citra wajah yang telah dideteksi menjadi ukuran piksel 160x160, proses resizing ini digunakan untuk membuang daerah selain wajah sehingga hanya bagian wajah saja yang akan diproses. Kemudian dilakukan proses perubahan dari gambar RGB ke grayscale, dan digunakan proses histogram equalization untuk memperbaiki kualitas citra input agar memudahkan proses pengenalan tanpa menghilangkan informasi utamanya. Pada bagian akhir dari preprocessing ini dilakukan proses contrast-brightness adjustment dan beberapa model pengolahan citra yang lain untuk meningkatkan ketajaman gambar dan untuk mengantisipasi adanya variasi iluminansi yang akan muncul pada saat penangkapan citra wajah Feature Extraction Pada bagian ekstraksi fitur pada sistem pengenalan wajah ini akan digunakan metode PCA. PCA digunakan sebagai metode untuk ekstraksi ciri dan representasi data yang banyak diterapkan dalam teknik pengenalan pola. Informasi yang relevan dari data yang disimpan selanjutnya dilakukan tahap penghitungan eigenvalue dan eigenvector dari citra wajah keseluruhan maupun dari elemen wajah Classification Pada bagian Classification digunakan metode Euclidean Distance untuk menentukan tingkat kemiripan antar fitur untuk menghasilkan pengenalan wajah yang lebih optimal. Hipotesa awal dari penelitian ini akan menghasilkan sebuah model Face Recognition yang handal karena didukung dengan penggunaan Euclidean Distance sebagai klasifikasi yang akan mempengaruhi terhadap kualitas identifikasi wajah. 2.4 Output Output yang dihasilkan dalam penelitian ini adalah sebuah model pengembangan dan penggabungan dari beberapa model framework baru dari face tracking, distance estimation dan face tracking, yang memiliki kecepatan tinggi dalam pendeteksian wajah, mampu mengenali atau mengidentifikasi obyek wajah yang terdeteksi menggunakan stereo vision camera. 3. HASIL DAN PEMBAHASAN 3.1 Pembahasan pada face tracking Pada bagian face tracking dilakukan beberapa proses pendeteksian wajah yang diawali dengan proses image acquisition menggunakan stereo vision camera, kemudian dilakukan pencarian terhadap citra wajah yang telah ditangkap menggunakan metode Haar cascade classifier, dan selanjutnya dilakukan pengolahan citra wajah yang telah terdeteksi menggunakan metode preprocessing sehingga akan menghasilkan informasi citra wajah yang siap digunakan untuk diproses pada bagian face recognition. Proses akuisisi citra wajah dilakukan menggunakan stereo vision camera dan menghasilkan 2 buah citra yaitu pada bagian
4 10 Seminar Nasional Teknologi Informasi dan Komunikasi Terapan (SEMANTIK) 2015 kiri dan kanan. Kedua citra wajah hasil penangkapan pada bagian kiri dan kanan menggunakan stereo vision camera ini selanjutnya akan diproses pada bagian preprocessing. Hasil dari pemrosesan kedua citra wajah pada bagian kiri dan kanan ini nanti selanjutnya yang akan digunakan untuk mengetahui wajah siapa saja yang dikenali pada bagian face recognition dan untuk menentukan jarak antara wajah dengan kamera pada bagian distance estimation. Contoh hasil akuisisi citra wajah pada bagian face tracking menggunakan stereo vision camera dapat dilihat pada Gambar 5. Gambar 5. Hasil deteksi pada bagian face tracking 3.2 Pembahasan pada distance estimation Distance estimation merupakan pengukuran jarak antara wajah dengan kamera menggunakan rumus yang telah dijelaskan pada persamaan (1). Percobaan dilakukan dengan melakukan pengukuran jarak wajah antara cm. Hasil percobaan diperoleh dari perbandingan jarak yang diukur secara manual dan hasil perhitungan yang dihasilkan oleh bagian distance estimation ini. Hasil dari pengukuran jarak wajah dapat dilihat pada Tabel 1. Tabel 1. Hasil pengukuran pada distance estimation Distance (cm) Estimated Distance (cm) Pembahasan pada feature extraction Metode PCA yang digunakan pada penelitian ini dapat menghasilkan hasil ekstraksi ciri dari citra wajah yang sebelumnya diproses pada tahap preprocessing. Contoh citra wajah yang diambil dari preprocessing dengan ukuran 160x160 piksel dapat ditunjukkan pada Gambar 6. Gambar 6. Citra hasil preprocessing Dalam proses PCA yang dilakukan pada penelitian ini, sekumpulan citra wajah yang telah diproses pada bagian wavelet direpresentasikan dalam sebuah vektor ciri yang merupakan matriks berukuran m x n. Vektor ciri dari beberapa citra wajah diperoleh dengan cara merangkaikan kolomkolom pada setiap citra wajah menjadi sebuah vektor kolom. Kolom kedua dirangkaikan setelah kolom pertama, dilanjutkan dengan kolom ketiga dan seterusnya hingga hanya terdapat satu kolom. Kolom tersebut merupakan sebuah kolom panjang yang memiliki panjang sesuai dengan jumlah piksel pada sebuah citra wajah tersebut ( i x j ). Setiap kolom panjang yang merupakan representasi dari sebuah citra wajah kemudian diatur bersebelahan dengan citra wajah citra wajah lainnya yang telah tersusun menjadi vektor kolom juga. Banyaknya kolom yang berjajar merupakan jumlah citra wajah yang digunakan pada penelitian ini. Matriks baru yang telah dihasilkan dari proses tersebut tersusun menjadi sebuah matriks m x n. Pada pemrosesan menggunakan PCA, citra wajah diproses menggunakan tahapantahapan yang dilakukan pada PCA dan selanjutnya dilakukan proses pembelajaran atau training pengenalan wajah. Citra wajah yang telah disimpan selanjutnya dilakukan tahap penghitungan eigenvalue dan eigenvector dari citra wajah keseluruhan maupun dari elemen wajah. Pada tahap ini dilakukan proses lokalisasi elemen wajah. Sifat simetri wajah dapat digunakan membantu proses PCA ini. Setiap eigenvector memiliki nilai yang sama seperti
5 Seminar Nasional Teknologi Informasi dan Komunikasi Terapan (SEMANTIK) citra asli dan dapat dilihat sebagai sebuah gambar. Eigenvector ini merupakan covariance matriks dan disebut sebagai eigenface. Nilai dari eigenvector semua citraakan disimpan sebagai gambar eigenfaces. 3.4 Pembahasan pada classification Metode klasifikasi yang digunakan pada sistem pengenalan wajah pada penelitian ini menggunakan Euclidean distance. Pada identifikasi wajah, Euclidean distance digunakan untuk membandingkan citra wajah yang diambil oleh kamera dengan citra wajah yang telah diproses dan disimpan dalam database. Euclidean distance digunakan untuk menguji dan mengetahui perbedaan terkecil antara citra pengujian dan citra hasil training, sehingga pada tahap ini dapat dilakukan pengenalan wajah dengan menguji citra wajah yang digunakan. Hasil perbedaan terkecil dari perbandingan antara fitur pengujian dan fitur hasil pelatihan akan menentukan identitas wajah. 3.5 Pengujian akurasi pengenalan wajah Pengujian akurasi pengenalan wajah dilakukan untuk mengetahui tingkat akurasi pengenalan wajah dalam mengenali wajah orang. Pengujian ini dilakukan dengan menggunakan ekstraksi fitur PCA. Pada bagian klasifikasi digunakan metode Euclidean distance. Pengujian dilakukan terhadap 36 orang yang berbeda dengan pengambilan pose untuk disimpan dalam database wajah tiap orang adalah antara 10 pengambilan citra wajah untuk masing-masing orang sebagai data trainingnya. Pengujian dilakukan pada masing-masing wajah dilakukan sebanyak 10 kali berdasarkan pose pengambilan yang berbeda-beda. Pengujian dilakukan dengan membandingkan tingkat akurasi pengenalan wajah (recognition rate). Pengujian akurasi pengenalan wajah pada citra dilakukan untuk mengetahui hasil akurasi pengenalan wajah. Berikut ini adalah tabel hasil pengujian akurasi pengenalan wajah untuk masing-masing orang seperti ditunjukkan pada Tabel 2. Tabel 2. Hasil pengukuran akurasi wajah pada 36 orang dengan masing-masing 10 pose pengujian (dalam %) No Pose Akurasi 1 Normal Miring kiri Miring kanan Putar kiri Putar kanan Menunduk Mendongak Ekspresi senang Ekspresi sedih Ekspresi terkejut Rerata Berdasarkan hasil penelitian yang telah dilakukan dapat diketahui bahwa tingkat akurasi pengenalan wajah pada citra wajah akan menghasilkan tingkat akurasi yang berbeda-beda tergantung dari masing-masing ekspresi wajah. Citra wajah yang diproses menggunakan Euclidean distance memiliki tingkat akurasi pengenalan wajah tertinggi sekitar 96,11%. 3.6 Korelasi antara jarak wajah dengan akurasi pengenalan wajah Dari hasil pengujian pada akurasi pengenalan wajah dan pengukuran jarak wajah dapat dibuat sebuah korelasi hubungan antara keduanya. Korelasi ini menjelaskan tentang tingkat akurasi pengenalan wajah pada sistem pengenalan wajah menggunakan metode PCA-Euclidean terhadap estimasi jarak wajah (distance estimation) yang dilakukan pada penelitian ini. Hasil pengujian yang telah dilakukan pada penelitian dapat menghasilkan sebuah tabel yang menjelaskan hubungan antara jarak wajah dengan akurasi pengenalan wajah seperti yang ditunjukkan pada Tabel 3. Tabel 3. Korelasi antara estimasi jarak (wajah-kamera) dengan akurasi pengenalan wajah Distance (meter) Recognition Rate (%)
6 12 Seminar Nasional Teknologi Informasi dan Komunikasi Terapan (SEMANTIK) 2015 Dari di atas dapat diketahui jika pada jarak yang relatif dekat antara meter akan menghasilkan rata-rata akurasi pengenalan wajah yang cukup tinggi yaitu sekitar 99%. Pada jarak antara wajah dengan kamera sekitar meter memiliki tingkat akurasi pengenalan wajah antara 90.23% %. Untuk jarak lebih dari meter dapat diketahui tingkat akurasi pengenalan wajah antara 36.84% 86.84%. 4. KESIMPULAN Penelitian yang telah dilakukan ini menghasilkan sebuah model tentang sistem deteksi wajah, pengenalan wajah dan pengukuran jarak wajah yang dapat bekerja dengan baik dan mampu menghasilkan akurasi pengenalan wajah yang tinggi serta estimasi jarak wajah yang maksimal. Jarak ideal untuk menghasilkan sebuah pengenalan wajah yang akurat adalah antara cm. Pada jarak yang relatif dekat antara cm dapat menghasilkan rata-rata akurasi pengenalan wajah sekitar 99%. Pada jarak antara wajah dengan kamera sekitar cm memiliki tingkat akurasi pengenalan wajah antara 90,23% 97,97 %. Untuk jarak lebih dari 2,0 5,0 meter dapat dapat menghasilkan tingkat akurasi pengenalan wajah sekitar 36.84% 86.84%. 5. REFERENSI [1] Yang, M., 2002, Detecting faces images: A survey, IEEE Transactions on Pattern Analysis and Machine Inteligence, vol. 24 no. 1, pp.34 [2] Zhao, X., Hui, Y., 2009, Face Tracking Based on Fusion Skin Color Model and Optical Flow Algorithm, International Conference on Wireless Networks and Information Systems Issue Date:December 2009 pp [3] Martinez-Gonzalez, A. N., & Ayala- Ramirez, V., 2011, Real Time Face Detection Using Neural Networks. In Artificial Intelligence (MICAI), th Mexican International Conference on (pp ). IEEE. [4] Wei, W., Zhang, Y., Lin, Z., 2009, Illumination Invariant Multi-pose Face Tracking, Fifth International Conference on Image and Graphics. [5] Lamża, A., Wróbel, Z., Dziech, A., 2013, Depth Estimation in Image Sequences in Single-Camera Video Surveillance Systems, Multimedia Communications, Services and Security Communications in Computer and Information Science, Vol. 368, pp [6] Joglekar, A., Joshi, D., Khemani, R., Nair, S., Sahare, S., 2011, Depth Estimation Using Monocular Camera, (IJCSIT) International Journal of Computer Science and Information Technologies, Vol. 2 (4), [7] Saxena, A., Schulte, J., Andrew, Y., 2007, Depth Estimation using Monocular and Stereo Cues, International Joint Conferences on Artificial Intelligence (IJCAI). [8] Winarno, E., Harjoko, A., Arymurthy, A., M., Winarko, E., 2014, Development of Face Recognition System and Face Distance Estimation Using Stereo Vision Camera, Journal of Theoretical and Applied Information Technology, Vol. 67 No.3, ISSN: , pp [9] Viola and Jones, 2001, "Rapid object detection using a boosted cascade of simple features", Computer Vision and Pattern Recognition. [10] Winarno, E., Harjoko, A., Arymurthy, A., M., Winarko, E., 2014, Improved Real-time Face Recognition Based On Three Level Wavelet Decomposition Principal Component Analysis, Journal of Computer Science 10 (5): , 2014, [11] Holzmann, C., & Hochgatterer, M., 2012, Measuring distance with mobile phones using single-camera stereo vision. In Distributed Computing Systems Workshops (ICDCSW), 32nd International Conference on (pp ). IEEE. [12] Budiharto, W., Santoso, A., Purwanto, D., & Jazidie, A. (2011). Multiple moving obstacles avoidance of service robot using stereo vision. TELKOMNIKA (Telecommunication Computing Electronics and Control), 9(3),
FACE TRACKING DAN DISTANCE ESTIMATION PADA REALTIME VIDEO MENGGUNAKAN 3D STEREO VISION CAMERA
FACE TRACKING DAN DISTANCE ESTIMATION PADA REALTIME VIDEO MENGGUNAKAN 3D STEREO VISION CAMERA Edy Winarno¹, Agus Harjoko² ¹ Program Studi Teknik Informatika FTI Universitas Stikubank (UNISBANK) Semarang
Lebih terperinciAPLIKASI PENGENALAN WAJAH MENGGUNAKAN METODE EIGENFACE DENGAN BAHASA PEMROGRAMAN JAVA
APLIKASI PENGENALAN WAJAH MENGGUNAKAN METODE EIGENFACE DENGAN BAHASA PEMROGRAMAN JAVA Anita T. Kurniawati dan Afrilyan Ruli Dwi Rama Teknik Informatika-ITATS, Jl. Arief Rahman Hakim 100 Surabaya Email:
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Citra Berikut adalah beberapa definisi dari citra, antara lain: rupa; gambar; gambaran (Kamus Besar Bahasa Indonesia). Sebuah fungsi dua dimensi, f(x, y), di mana x dan y adalah
Lebih terperinciBAB IV IMPLEMENTASI DAN EVALUASI. implementasi dan evaluasi yang dilakukan terhadap perangkat keras dan
BAB IV IMPLEMENTASI DAN EVALUASI Implementasi dan Evaluasi yang dilakukan penulis merupakan implementasi dan evaluasi yang dilakukan terhadap perangkat keras dan perangkat lunak dari sistem secara keseluruhan
Lebih terperinciBAB 3 PERANCANGAN SISTEM
BAB 3 PERANCANGAN SISTEM 3.1 Rancangan Perangkat Keras 3.1.1 Diagram Blok Sistem Rancangan perangkat keras dari aplikasi pengenalan wajah ini dapat dilihat pada diagram blok Gambar 3.1 sebagai berikut
Lebih terperinciPENGENALAN WAJAH MENGGUNAKAN ALGORITMA EIGENFACE DAN EUCLIDEAN DISTANCE
PENGENALAN WAJAH MENGGUNAKAN ALGORITMA EIGENFACE DAN EUCLIDEAN DISTANCE Widodo Muda Saputra, Helmie Arif Wibawa, S.Si, M.Cs, dan Nurdin Bahtiar, S.Si, M.T Fakultas Sains dan Matematika, Jurusan Ilmu Komputer
Lebih terperinciBAB II LANDASAN TEORI. Kamera web (singkatan dari web dan camera) merupakan sebuah media
BAB II LANDASAN TEORI 2.1 Webcam Kamera web (singkatan dari web dan camera) merupakan sebuah media yang berorientasi pada image dan video dengan resolusi tertentu. Umumnya webcam adalah sebuah perngkat
Lebih terperinciSISTEM PELACAKAN WAJAH METODE HAAR
SISTEM PELACAKAN WAJAH METODE HAAR Endah Sudarmilah Jurusan Teknik Informatika, Fakultas Komunikasi dan Informatika, Universitas Muhammadiyah Surakarta Email : endah_te@yahoo.com Abstrak. Penelitian deteksi
Lebih terperinciBAB II TINJAUAN PUSTAKA. menggunakan PCA, kemudian penelitian yang menggunakan algoritma Fuzzy C-
8 BAB II TINJAUAN PUSTAKA 2.1 Studi Pendahuluan Sebelumnya telah ada penelitian tentang sistem pengenalan wajah 2D menggunakan PCA, kemudian penelitian yang menggunakan algoritma Fuzzy C- Means dan jaringan
Lebih terperinciRancang Bangun Prototipe Aplikasi Pengenalan Wajah untuk Sistem Absensi Alternatif dengan Metode Haar Like Feature dan Eigenface
Rancang Bangun Prototipe Aplikasi Pengenalan Wajah untuk Sistem Absensi Alternatif dengan Metode Haar Like Feature dan Eigenface Wahyu Sulistiyo, Budi Suyanto, Idhawati Hestiningsih, Mardiyono, Sukamto
Lebih terperinciPENGENALAN GENDER MEMANFAATKAN WAJAH MANUSIA DENGAN MENGGUNAKAN METODE KLASIFIKASI NEAREST NEIGHBOR
PENGENALAN GENDER MEMANFAATKAN WAJAH MANUSIA DENGAN MENGGUNAKAN METODE KLASIFIKASI NEAREST NEIGHBOR Ardilla Ayu Dewanti Ridwan, Ivanna K. Timotius, Iwan Setyawan PENGENALAN GENDER MEMANFAATKAN WAJAH MANUSIA
Lebih terperinciPEMANFAATAAN BIOMETRIKA WAJAH PADA SISTEM PRESENSI MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK
PEMANFAATAAN BIOMETRIKA WAJAH PADA SISTEM PRESENSI MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK Program Studi Matematika FMIPA Universitas Negeri Semarang Abstrak. Saat ini, banyak sekali alternatif dalam
Lebih terperinciPrincipal Component Analysis
Perbandingan Ukuran Jarak pada Proses Pengenalan Wajah Berbasis Principal Component Analysis (PCA) Pembimbing: Dr.Ir.Wirawan, DEA (Ir. Hendra Kusuma, M.Eng) Nimas Setya Yaniar 2208.100.616 POSE (posisi
Lebih terperinciPengembangan Program Simulator Frame Kacamata Secara Real-Time 3D Face Tracking dengan Menggunakan Augmented Reality
Pengembangan Program Simulator Frame Kacamata Secara Real-Time 3D Face Tracking dengan Menggunakan Augmented Reality Endang Setyati Information Technology Department Sekolah Tinggi Teknik Surabaya endang@stts.edu,
Lebih terperinciKonsep Penambahan High Pass Filter pada Pengenalan Pola Metode SIFT
Konsep Penambahan High Pass Filter pada Pengenalan Pola Metode SIFT Argo Wibowo 1 1 Universitas Atma Jaya Yogyakarta,Yogyakarta 55281 ABSTRAK Salah satu tools pengenalan obyek yang sedang banyak dikembangkan
Lebih terperinciSISTEM PENGENALAN WAJAH MENGGUNAKAN WEBCAM UNTUK ABSENSI DENGAN METODE TEMPLATE MATCHING
SISTEM PENGENALAN WAJAH MENGGUNAKAN WEBCAM UNTUK ABSENSI DENGAN METODE TEMPLATE MATCHING Mohamad Aditya Rahman, Ir. Sigit Wasista, M.Kom Jurusan Teknik Elektronika, Politeknik Elektronika Negeri Surabaya
Lebih terperinciPrototype Pendeteksi Jumlah Orang Dalam Ruangan
e-issn: 2528-4053 36 Prototype Pendeteksi Jumlah Orang Dalam Ruangan Nesi Syafitri 1, Adri 2 1,2 Jurusan Teknik Informatika, Fakultas Teknik, Universitas Islam Riau E-mail: nesisyafitri@uir.ac.id, adrisaputra91@gmail.com
Lebih terperinciANALISIS DAN SIMULASI SISTEM PENGENALAN WAJAH DENGAN METODE FISHERFACE BERBASIS OUTDOORVIDEO.
ANALISIS DAN SIMULASI SISTEM PENGENALAN WAJAH DENGAN METODE FISHERFACE BERBASIS OUTDOORVIDEO Nurani Fitriyah 1),Dr. Ir. BambangHidayat 2),SuciAulia, ST,MT 3) 1 FakultasTeknikElektro, Telkom University
Lebih terperinciPENGAMAN RUMAH DENGAN SISTEM FACE RECOGNITION SECARA REAL TIME MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS
PENGAMAN RUMAH DENGAN SISTEM FACE RECOGNITION SECARA REAL TIME MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS Sinar Monika 1, Abdul Rakhman 1, Lindawati 1 1 Program Studi Teknik Telekomunikasi, Jurusan
Lebih terperinciESTIMASI FUNGSI SPASIAL PADA IDENTIFIKASI FITUR WAJAH
ESTIMASI FUNGSI SPASIAL PADA IDENTIFIKASI FITUR WAJAH Akhyar 1*, Risanuri Hidayat 1, Bimo Sunarfri Hantono 1 1 Department of Electrical Engineering and Information Technology, Universitas Gadjah Mada *
Lebih terperinciSISTEM PENDETEKSI WAJAH MANUSIA PADA CITRA DIGITAL (PROPOSAL SKRIPSI) diajukan oleh. NamaMhs NIM: XX.YY.ZZZ. Kepada
SISTEM PENDETEKSI WAJAH MANUSIA PADA CITRA DIGITAL (PROPOSAL SKRIPSI) diajukan oleh NamaMhs NIM: XX.YY.ZZZ Kepada JURUSAN TEKNIK INFORMATIKA STMIK STIKOM BALIKPAPAN LEMBAR PERSETUJUAN Proposal Skripsi
Lebih terperinciEKSTRAKSI CIRI GEOMETRIS UNTUK APLIKASI IDENTIFIKASI WAJAH. Oleh: Kholistianingsih
EKSTRAKSI CIRI GEOMETRIS UNTUK APLIKASI IDENTIFIKASI WAJAH Oleh: Kholistianingsih Abstract Face recognition is a non-contact biometric identification that tries to verify individuals automatically based
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. 4.1 Pengembangan Sistem Pengenalan Wajah 2D
30 BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Pengembangan Sistem Pengenalan Wajah 2D Penelitian ini mengembangkan model sistem pengenalan wajah dua dimensi pada citra wajah yang telah disiapkan dalam
Lebih terperinciDETEKSI DAN REPRESENTASI FITUR MATA PADA SEBUAH CITRA WAJAH MENGGUNAKAN HAAR CASCADE DAN CHAIN CODE
DETEKSI DAN REPRESENTASI FITUR MATA PADA SEBUAH CITRA WAJAH MENGGUNAKAN HAAR CASCADE DAN CHAIN CODE Riandika Lumaris dan Endang Setyati Teknologi Informasi Sekolah Tinggi Teknik Surabaya riandika.lumaris@gmail.com
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan pemrosesan data untuk sistem pengenalan gender pada skripsi ini, meliputi cropping dan resizing ukuran citra, konversi citra
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Sistem pengenalan wajah adalah aplikasi dari pengolahan citra yang dapat mengidentifikasi seseorang melalui citra digital atau frame video. Sistem pengenalan wajah
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN
BAB 3 ANALISIS DAN PERANCANGAN 3.1 Kerangka Pikir Pengenalan wajah merupakan suatu teknologi dalam dunia kecerdasan buatan agar komputer dapat meniru kemampuan otak manusia dalam mendeteksi dan mengenali
Lebih terperinciPENDETEKSI DOCKING STATION MENGGUNAKAN ROTATION INVARIANT LOCAL BINARY PATTERN PADA VISUAL BASED SERVICE ROBOT
PENDETEKSI DOCKING STATION MENGGUNAKAN ROTATION INVARIANT LOCAL BINARY PATTERN PADA VISUAL BASED SERVICE ROBOT Riza Agung Firmansyah 1), Djoko Purwanto 2), Ronny Mardiyanto 3) 1), 2),3) Teknik Elektro
Lebih terperinciPENDETEKSI DOCKING STATION MENGGUNAKAN ROTATION INVARIANT LOCAL BINARY PATTERN PADA VISUAL BASED SERVICE ROBOT
PENDETEKSI DOCKING STATION MENGGUNAKAN ROTATION INVARIANT LOCAL BINARY PATTERN PADA VISUAL BASED SERVICE ROBOT Riza Agung Firmansyah1) Djoko Purwanto2) Ronny Mardiyanto3) 1) 2)3) Teknik Elektro Institut
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
1 BAB I PENDAHULUAN 1.1 Latar Belakang Home security saat ini sudah menjadi kebutuhan setiap pemilik rumah yang menginginkan tingkat keamanan yang baik. Salah satu sistem keamanan konvensional yang masih
Lebih terperinciTRACKING ARAH GERAKAN TELUNJUK JARI BERBASIS WEBCAM MENGGUNAKAN METODE OPTICAL FLOW
TRACKING ARAH GERAKAN TELUNJUK JARI BERBASIS WEBCAM MENGGUNAKAN METODE OPTICAL FLOW Ubaidillah Umar, Reni Soelistijorini, B. Eng, MT, Haryadi Amran Darwito, S.ST Jurusan Teknik Telekomunkasi - Politeknik
Lebih terperinciKlasifikasi kelompok usia berdasarkan citra wajah menggunakan algoritma neural network dengan fitur face anthropometry dan kedalam kerutan
Klasifikasi kelompok usia berdasarkan citra wajah menggunakan algoritma neural network dengan fitur face anthropometry dan kedalam kerutan Nur Hayatin Teknik Informatika, Universitas Muhammadiyah Malang
Lebih terperinciPengenalan Bahasa Isyarat Tangan Menggunakan Metode PCA dan Haar-Like Feature
Pengenalan Bahasa Isyarat Tangan Menggunakan Metode PCA dan Haar-Like Feature Dosen Pembimbing : 1) Prof.Dr.Ir. Mauridhi Hery Purnomo M.Eng. 2) Dr. I Ketut Eddy Purnama ST., MT. Oleh : ATIK MARDIYANI (2207100529)
Lebih terperinciBAB III PERANCANGAN SISTEM
BAB III PERANCANGAN SISTEM 3.1 Definisi Masalah Dalam beberapa tahun terakhir perkembangan Computer Vision terutama dalam bidang pengenalan wajah berkembang pesat, hal ini tidak terlepas dari pesatnya
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
68 BAB 4 HASIL DAN PEMBAHASAN 4.1. Uji Algoritma Pengujian dilakukan untuk mendapatkan algoritma yang paling optimal dari segi kecepatan dan tingkat akurasi yang dapat berjalan secara real time pada smartphone
Lebih terperinciSISTEM PENGENALAN WAJAH DENGAN METODE EIGENFACE DAN JARINGAN SYARAF TIRUAN (JST)
Berkala Fisika ISSN : 1410-9662 Vol. 15, No. 1, Januari 2012, hal 15-20 SISTEM PENGENALAN WAJAH DENGAN METODE EIGENFACE DAN JARINGAN SYARAF TIRUAN (JST) Tri Mulyono, Kusworo Adi dan Rahmat Gernowo Jurusan
Lebih terperinciHasil Ekstraksi Algoritma Principal Component Analysis (PCA) untuk Pengenalan Wajah dengan Bahasa Pemograman Java Eclipse IDE
Hasil Ekstraksi Algoritma Principal Component Analysis (PCA) untuk Pengenalan dengan Bahasa Pemograman Java Eclipse IDE Fiqih Ismawan Dosen Program Studi Teknik Informatika, FMIPA Universitas Indraprasta
Lebih terperinciBAB II LANDASAN TEORI. Pengolahan Citra adalah pemrosesan citra, khususnya dengan menggunakan
BAB II LANDASAN TEORI 2.1. Citra Citra adalah gambar pada bidang dwimatra (dua dimensi). Ditinjau dari sudut pandang matematis, citra merupakan fungsi menerus dan intensitas cahaya pada bidang dwimatra
Lebih terperinciBAB I PENDAHULUAN. telinga, wajah, infrared, gaya berjalan, geometri tangan, telapak tangan, retina,
BAB I PENDAHULUAN 1.1 Latar Belakang Sistem biometrika merupakan teknologi pengenalan diri dengan menggunakan bagian tubuh atau perilaku manusia. Sidik jari, tanda tangan, DNA, telinga, wajah, infrared,
Lebih terperinciIMPLEMENTASI PENGENALAN WAJAH MENGGUNAKAN ALGORITMA PRINCIPAL COMPONENT ANALYSIS(PCA) DAN IMPROVED BACKPROPAGATION
J~ICON, Vol. 3 No. 2, Oktober 2015, pp. 89 ~ 95 89 IMPLEMENTASI PENGENALAN WAJAH MENGGUNAKAN ALGORITMA PRINCIPAL COMPONENT ANALYSIS(PCA) DAN IMPROVED BACKPROPAGATION Rini Miyanti Maubara 1, Adriana Fanggidae
Lebih terperinciTEKNIK PENGENALAN WAJAH DENGAN ALGORITMA PCA BERBASIS SELEKSI EIGENVECTOR
TEKNIK PENGENALAN WAJAH DENGAN ALGORITMA PCA BERBASIS SELEKSI EIGENVECTOR DWI ACHTI NOVIATUR R. 2208100656 Dosen Pembimbing : Dr. Ir. Wirawan, DEA (Ir. Hendra Kusuma, M.Eng) PIE Problem Representasi Citra
Lebih terperinciLAPORAN PENELITIAN DOSEN MUDA. Sistem Identifikasi Teroris Dengan Pelacakan Dan Pengenalan Wajah
LAPORAN PENELITIAN DOSEN MUDA Sistem Identifikasi Teroris Dengan Pelacakan Dan Pengenalan Wajah Oleh : Endah Sudarmilah, S.T, M.Eng Umi Fadlillah, S.T Dibiayai oleh Koordinasi Perguruan Tinggi Swasta Wilayah
Lebih terperinciBAB I PENDAHULUAN. memposisikan diri pada suatu lingkungan baru, sedangkan mapping merupakan
BAB I PENDAHULUAN 1. 1.1 Latar Belakang Localisation merupakan proses yang dilakukan oleh robot untuk memposisikan diri pada suatu lingkungan baru, sedangkan mapping merupakan proses untuk membangun peta
Lebih terperinciDETEKSI WAJAH UNTUK OBJEK 3D MENGGUNAKAN ANDROID
DETEKSI WAJAH UNTUK OBJEK 3D MENGGUNAKAN ANDROID Afdhol Dzikri 1, Dwi Ely Kurniawan 2, Handry Elsharry Adriyanto 3 1,2,3 Jurusan Teknik Informatika, Prodi Teknik Multimedia dan Jaringan, Politeknik Negeri
Lebih terperinciBAB 3 PROSEDUR DAN METODOLOGI
BAB 3 PROSEDUR DAN METODOLOGI 3.1 Analisa Masalah Kemajuan teknologi di bidang multimedia, menuntut kemampuan sistem yang lebih baik dan lebih maju dari sebelumnya, sesuai dengan perkembangan teknologi.
Lebih terperinciSistem Pengenal Wajah Manusia untuk Personalisasi Perintah pada Robot
Sistem Pengenal Wajah Manusia untuk Personalisasi Perintah pada Robot Mara Nugraha Teknik Informatika Universitas Gunadarma Jl. Margonda Raya 100, Depok maranugraha@sta.gunadarma.ac.id Abstrak Pengenalan
Lebih terperinciVerifikasi Citra Wajah Menggunakan Metode Discrete Cosine Transform Untuk Aplikasi Login
The 13 th Industrial Electronics Seminar 011 (IES 011) Electronic Engineering Polytechnic Institute of Surabaya (EEPIS), Indonesia, October 6, 011 Verifikasi Citra Wajah Menggunakan Metode Discrete Cosine
Lebih terperinciSistem Pengenalan Wajah Pada Mesin Absensi Mahasiswa Menggunakan Metode PCA Dan DTW
The 13 th Industrial Electronics Seminar 2011 (IES 2011) Electronic Engineering Polytechnic Institute of Surabaya (EEPIS), Indonesia, October 26, 2011 Sistem Pengenalan Wajah Pada Mesin Absensi Mahasiswa
Lebih terperinciPENGENALAN CITRA WAJAH DENGAN MENGGUNAKAN TRANSFORMASI WAVELET DISKRIT DAN JARINGAN SARAF TIRUAN BACK-PROPAGATION
PENGENALAN CITRA WAJAH DENGAN MENGGUNAKAN TRANSFORMASI WAVELET DISKRIT DAN JARINGAN SARAF TIRUAN BACK-PROPAGATION Suhendry Effendy Jurusan Teknik Informatika, Fakultas Ilmu Komputer, Bina Nusantara University
Lebih terperinciPENGENALAN WAJAH MENGGUNAKAN METODE LINEAR DISCRIMINANT ANALYSIS DAN K NEAREST NEIGHBOR
PENGENALAN WAJAH MENGGUNAKAN METODE LINEAR DISCRIMINANT ANALYSIS DAN K NEAREST NEIGHBOR 1 Fandiansyah, 2 Jayanti Yusmah Sari, 3 Ika Purwanti Ningrum Jurusan Teknik Informatika, Fakultas Teknik Universitas
Lebih terperinciSISTEM KONTROL AKSES BERBASIS REAL TIME FACE RECOGNITION DAN GENDER INFORMATION
SISTEM KONTROL AKSES BERBASIS REAL TIME FACE RECOGNITION DAN GENDER INFORMATION Putri Nurmala 1 ; Wikaria Gazali 2 ; Widodo Budiharto 3 1, 2 Mathematics and Statistics Department, School of Computer Science,
Lebih terperinciPENGENALAN WAJAH MANUSIA DENGAN METODE PRINCIPLE COMPONENT ANALYSIS (PCA)
ISSN: 1693-6930 177 PENGENALAN WAJAH MANUSIA DENGAN MEODE PRINCIPLE COMPONEN ANALYSIS (PCA) Murinto Program Studi eknik Informatika Universitas Ahmad Dahlan Yogyakarta Kampus III UAD Jl Prof Dr. Supomo,
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi komputer sekarang sangat pesat, ini ditandai dengan hampir semua pengolahan data dan informasi telah dilakukan dengan komputer. Hal ini diakibatkan
Lebih terperinciBAB 1 PENDAHULUAN. Sistem Pakar (Expert System), Jaringan Saraf Tiruan (Artificial Neural Network), Visi
BAB 1 PENDAHULUAN 1.1 Latar Belakang Di era yang semakin maju ini, teknologi telah memegang peranan penting dalam kehidupan manusia sehari-hari, sehingga kemajuannya sangat dinantikan dan dinikmati para
Lebih terperinciPELACAKAN DAN DETEKSI WAJAH MENGGUNAKAN VIDEO LANGSUNG PADA WEBCAM ABSTRAK ABSTRACT
PELACAKAN DAN DETEKSI WAJAH MENGGUNAKAN VIDEO LANGSUNG PADA WEBCAM Dhanar Intan Surya Saputra 1, Wahyu Septi Anjar 2, Kurnia Aswin Nuzul Ramadhan 3, Riki Aji Pamungkas 4 1234 Program Studi Teknik Informatika
Lebih terperinciPengenalan Wajah dengan Metode Subspace LDA (Linear Discriminant Analysis)
Pengenalan Wajah dengan Metode Subspace LDA (Linear Discriminant Analysis) Ratna Nur Azizah Jurusan Teknik Elektro FTI, Institut Teknologi Sepuluh Nopember Kampus ITS, Keputih-Sukolilo, Surabaya-60111
Lebih terperinciPERBANDINGAN DTCWT DAN NMF PADA FACE RECOGNITION MENGGUNAKAN EUCLIDEAN DISTANCE
PERBANDINGAN DTCWT DAN NMF PADA FACE RECOGNITION MENGGUNAKAN EUCLIDEAN DISTANCE David; Ferdinand Ariandy Luwinda Computer Science Department, School of Computer Science, Binus University Jl. K.H. Syahdan
Lebih terperinciBAB 1 PENDAHULUAN. keakuratan dari penglihatan mesin membuka bagian baru dari aplikasi komputer.
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Melihat perkembangan teknologi sekarang ini, penggunaan komputer sudah hampir menjadi sebuah bagian dari kehidupan harian kita. Semakin banyak muncul peralatan-peralatan
Lebih terperinciPEMANFAATAN REAL-TIME FACE TRACKING DALAM APLIKASI AUGMENTED REALITY FRAME KACAMATA ABSTRAK
PEMANFAATAN REAL-TIME FACE TRACKING DALAM APLIKASI AUGMENTED REALITY FRAME KACAMATA 1 Endang Setyati, 2 David Alexandre Teknik Informatika Sekolah Tinggi Teknik Surabaya 1 endang@stts.edu, 2 v.davidalexandre@gmail.com
Lebih terperinciBAB I PENDAHULUAN. dengan memanfaatkan ciri wajah yang telah tersimpan pada database atau wajah
BAB I 1. asd PENDAHULUAN 1.1. Latar Belakang Masalah Dewasa ini perkembangan teknologi di bidang informasi khususnya dengan menggunakan komputer telah berkembang, hal ini menyebabkan banyak aplikasi baru
Lebih terperinciBAB III METODOLOGI PENELITIAN. Desain penelitian ini mengacu pada tahapan proses yang ada pada sistem
21 BAB III METODOLOGI PENELITIAN 3.1 Desain Penelitian Desain penelitian ini mengacu pada tahapan proses yang ada pada sistem pengenalan wajah ini yaitu input, proses dan output. Dengan input bahan penelitian
Lebih terperinciANALISA HASIL PERBANDINGAN IDENTIFIKASI CORE POINT PADA SIDIK JARI MENGGUNAKAN METODE DIRECTION OF CURVATURE DAN POINCARE INDEX
ANALISA HASIL PERBANDINGAN IDENTIFIKASI CORE POINT PADA SIDIK JARI MENGGUNAKAN METODE DIRECTION OF CURVATURE DAN POINCARE INDEX Mohammad imron (1), Yuliana Melita (2), Megister Teknologi Informasi Institusi
Lebih terperinciAnalisis Perbandingan Algoritma Optical Flow dan Background Estimation untuk Pendeteksian Objek pada Video
Analisis Perbandingan Algoritma Optical Flow dan Background Estimation untuk Pendeteksian Objek pada Video Ety Sutanty dan Ari Rosemala Jurusan Sistem Informasi, Universitas Gunadarma Depok, Indonesia
Lebih terperinciFace Identification For Presence Applications Using Violajones and Eigenface Algorithm
Face Identification For Presence Applications Using Violajones and Eigenface Algorithm Chandra Kirana Jurusan Teknik Informatika, STMIK Atma Luhur Pangkalpinang Jl. Jend. Sudirman Pangkalpinang (0717)
Lebih terperinciSistem Pengenalan Wajah Secara Real-Time dengan Adaboost, Eigenface PCA & MySQL
179 Sistem Pengenalan Secara Real-Time dengan Adaboost, Eigenface PCA & MySQL Dodit Suprianto, Rini Nur Hasanah, Purnomo Budi Santosa Abstrak Aplikasi sistem pengenalan wajah secara real time dapat ditemukan
Lebih terperinciPENGENALAN OBJEK PADA CITRA BERDASARKAN SIMILARITAS KARAKTERISTIK KURVA SEDERHANA
PENGENALAN OBJEK PADA CITRA BERDASARKAN SIMILARITAS KARAKTERISTIK KURVA SEDERHANA Dina Indarti Pusat Studi Komputasi Matematika, Universitas Gunadarma Jl. Margonda Raya no. 100, Depok 16424, Jawa Barat
Lebih terperinciImplementasi Pengenalan Citra Wajah dengan Algoritma Eigenface pada Metode Principal Component Analysis (PCA)
46 Implementasi Pengenalan Citra Wajah dengan Algoritma Eigenface pada Metode Principal Component Analysis (PCA) Iwan Setiawan setiawanise@yahoo.com, Welly Iskand welly.iskand@gmail.com, Fauzi Nur Iman
Lebih terperinciPENGENALAN WAJAH SECARA REAL TIME DENGAN SMARTPHONE ANDROID
PENGENALAN WAJAH SECARA REAL TIME DENGAN SMARTPHONE ANDROID Yulius Harjoseputro, Suyoto, B.Yudi Dwiandiyanta Universitas Atmajaya Yogyakarta, Yogyakarta 55281 yuliusharjoseputro@yahoo.com, suyoto@mail.uajy.ac.id,
Lebih terperinciAPLIKASI PENGENALAN WAJAH UNTUK VALIDASI PESERTA UJIAN ONLINE MENGGUNAKAN METODE HAAR CASCADE DAN EIGEN FACE VECTOR
APLIKASI PENGENALAN WAJAH UNTUK VALIDASI PESERTA UJIAN ONLINE MENGGUNAKAN METODE HAAR CASCADE DAN EIGEN FACE VECTOR Mika Tandililing Program Studi Teknik Komputer, STMIK Profesional ladabarra@gmail.com
Lebih terperinciPENGENALAN WAJAH MENGGUNAKAN METODE VIOLA JONES PADA INTELLIGENT HOME SECURITY SKRIPSI
PENGENALAN WAJAH MENGGUNAKAN METODE VIOLA JONES PADA INTELLIGENT HOME SECURITY SKRIPSI Diajukan untuk memenuhi persyaratan guna meraih gelar Sarjana Strata I Teknik Elektro Universitas Muhammadiyah Malang
Lebih terperinciBAB III PERANCANGAN DAN IMPLEMENTASI SISTEM
BAB III PERANCANGAN DAN IMPLEMENTASI SISTEM Pada bab ini akan dijelaskan mengenai tahapan dan algoritma yang akan digunakan pada sistem pengenalan wajah. Bagian yang menjadi titik berat dari tugas akhir
Lebih terperinciBAB III ANALISA DAN PERANCANGAN
BAB III ANALISA DAN PERANCANGAN 3.1 Analisa Sistem Tahapan analisa merupakan tahapan awal dalam perekayasaan perangkat lunak. Pada tahapan ini menjelaskan apa yang dilakukan sistem, siapa yang menggunakannya
Lebih terperinciANALISA PENGUKURAN SIMILARITAS BERDASARKAN JARAK MINIMUM PADA PENGENALAN WAJAH 2D MENGGUNAKAN DIAGONAL PRINCIPAL COMPONENT ANALYSIS
ANALISA PENGUKURAN SIMILARITAS BERDASARKAN JARAK MINIMUM PADA PENGENALAN WAJAH 2D MENGGUNAKAN DIAGONAL PRINCIPAL COMPONENT ANALYSIS Fetty Tri Anggraeny, Wahyu J.S Saputra Jurusan Teknik Informatika, Universitas
Lebih terperinciFitur Matriks Populasi Piksel Untuk Membedakan Frame-frame Dalam Deteksi Gerakan
Fitur Matriks Populasi Piksel Untuk Membedakan Frame-frame Dalam Deteksi Gerakan Teady Matius Surya Mulyana tmulyana@bundamulia.ac.id, teadymatius@yahoo.com Teknik Informatika Universitas Bunda Mulia Abstrak
Lebih terperinciSISTEM IDENTIFIKASI WAJAH MANUSIA BERDASARKAN GENDER DAN USIA
SISTEM IDENTIFIKASI WAJAH MANUSIA BERDASARKAN GENDER DAN USIA Bayu Tri Wibowo 1 Karmilasari 2 1,2 Teknik Informatika Universitas Gunadarma, 1 bayu.tigundar@gmail.com 2 karmila@staff.gunadarma.ac.id Abstrak
Lebih terperinciPENGARUH PROSES DOWNSAMPLE PADA KINERJA PENGENALAN WAJAH DENGAN PENDEKATAN ROBUST REGRESSION
PENGARUH PROSES DOWNSAMPLE PADA KINERJA PENGENALAN WAJAH DENGAN PENDEKATAN ROBUST REGRESSION Budi Nugroho 1), Intan Yuniar Purbasari 2) 1) Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas
Lebih terperinciImplementasi Deteksi Copy-move Forgery pada Citra menggunakan Metode Histogram of Oriented Gradients (HOG)
JURNAL TEKNIK ITS Vol. 6, No. 2, (2017) ISSN: 2337-3539 (2301-9271 Print) 1 Implementasi Deteksi Copy-move Forgery pada Citra menggunakan Metode Histogram of Oriented Gradients (HOG) Ni Luh Made Asri Mulyasari,
Lebih terperinciBAB III METODE PENELITIAN. melacak badan manusia. Dimana hasil dari deteksi atau melacak manusia itu akan
BAB III METODE PENELITIAN 3.1. Model Pengembangan Tujuan dari tugas akhir ini adalah untuk membuat sebuah aplikasi untuk mengatur kontras pada gambar secara otomatis. Dan dapat meningkatkan kualitas citra
Lebih terperinciBAB 3 PERANCANGAN SISTEM
BAB 3 PERANCANGAN SISTEM Sistem vision yang akan diimplementasikan terdiri dari 2 bagian, yaitu sistem perangkat keras dan perangkat lunak. Perangkat lunak yang digunakan dalam sistem vision ini adalah
Lebih terperinciIMPLEMENTASI FACE IDENTIFICATION DAN FACE RECOGNITION PADA KAMERA PENGAWAS SEBAGAI PENDETEKSI BAHAYA
IMPLEMENTASI FACE IDENTIFICATION DAN FACE RECOGNITION PADA KAMERA PENGAWAS SEBAGAI PENDETEKSI BAHAYA IMPLEMENTATION OF FACE IDENTIFICATION AND FACE RECOGNITION ON SECURITY CAMERA AS THREAT DETECTOR Panji
Lebih terperinciUJI KINERJA FACE RECOGNITION MENGGUNAKAN EIGENFACES
1 Uji Kinerja Face Recognition Menggunakan Eigenfaces UJI KINERJA FACE RECOGNITION MENGGUNAKAN EIGENFACES ABDUL AZIS ABDILLAH 1 1STKIP Surya, Tangerang, Banten, abdillah.azul@gmail.com Abstrak. Pada paper
Lebih terperinciSistem Deteksi Wajah Dengan Modifikasi Metode Viola Jones
Jurnal Emitor Vol.17 No. 01 ISSN 1411-8890 Sistem Deteksi Wajah Dengan Modifikasi Metode Viola Jones Adinda Rizkita Syafira Program Studi Informatika Universitas Muhammadiyah Surakarta (UMS) Surakarta,
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PENERIMAAN KARYAWAN MELALUI PENGENALAN CITRA WAJAH MENGGUNAKAN ALGORITMA EIGENFACE
Konferensi Nasional Ilmu Sosial & Teknologi (KNiST) Maret 2017, pp. 355~360 355 SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN KARYAWAN MELALUI PENGENALAN CITRA WAJAH MENGGUNAKAN ALGORITMA EIGENFACE Abdul Hamid
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Seiring dengan perkembangan teknologi informasi, kemajuan di bidang pengembangan aplikasi sedang mendapatkan perhatian penting bagi perkembangan teknologi informasi.
Lebih terperinciBAB 3 METODOLOGI. seseorang. Hal inilah yang mendorong adanya perkembangan teknologi
BAB 3 METODOLOGI 3.1. Kerangka Berpikir Pengenalan ekspresi wajah adalah salah satu bentuk representasi kecerdasan manusia yang dapat digunakan untuk mendeteksi kondisi emosi seseorang. Hal inilah yang
Lebih terperinciPERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDETEKSI UANG LOGAM DENGAN METODE EUCLIDEAN
Jurnal Teknik Informatika Vol. 1 September 2012 1 PERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDETEKSI UANG LOGAM DENGAN METODE EUCLIDEAN Wahyu Saputra Wibawa 1, Juni Nurma Sari 2, Ananda 3 Program Studi
Lebih terperinciDETEKSI DAN SEGMENTASI OTOMATIS DERET PADA CITRA METERAN AIR
DETEKSI DAN SEGMENTASI OTOMATIS DERET PADA CITRA METERAN AIR Naser Jawas STIKOM Bali Jl. Raya Puputan, No.86, Renon, Denpasar, Bali Email: naser.jawas@gmail.com ABSTRAK Meter air adalah sebuah alat yang
Lebih terperinci1BAB I. 2PENDAHULUAN
1BAB I. 2PENDAHULUAN 2.1. Latar Belakang Pelacak objek (object tracking) pada saat ini merupakan penelitian yang menarik dalam bidang computer vision. Pelacak objek merupakan langkah awal dari berbagai
Lebih terperinciBAB I PENDAHULUAN. pengetahuan yang sangat populer saat ini. Dengan ilmu pengetahuan ini, teknologi di
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Teknologi Informasi dan Komunikasi (TIK) merupakan suatu cabang ilmu pengetahuan yang sangat populer saat ini. Dengan ilmu pengetahuan ini, teknologi di dunia
Lebih terperinciPengenalan Wajah Dengan Algoritma Canonical Correlation Analysis (CCA)
JURNAL EKNIK IS ol 1, (Sept, 212) ISSN: 231-9271 A-439 Pengenalan Wajah Dengan Algoritma Canonical Correlation Analysis (CCA) Ratna Dwi Kartika Rini, Wirawan dan Hendra Kusuma Jurusan eknik Elektro-FI,
Lebih terperinciIdentifikasi Wajah Manusia untuk Sistem Monitoring Kehadiran Perkuliahan menggunakan Ekstraksi Fitur Principal Component Analysis (PCA)
Identifikasi Wajah Manusia untuk Sistem Monitoring Kehadiran Perkuliahan menggunakan Ekstraksi Fitur Principal Component Analysis (PCA) Cucu Suhery #1, Ikhwan Ruslianto *2 # Prodi Sistem Komputer Fakultas
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Definisi Citra, Pengolahan Citra, dan Pengenalan Pola Citra dapat dijelaskan sebagai dua dimensi dari fungsi f(x,y) dimana x dan y tersebut adalah sebuah koordinat pada bidang
Lebih terperinciPERANCANGAN PENDETEKSI WAJAH DENGAN ALGORITMA LBP (LOCAL BINARY PATTERN) BERBASIS RASPBERRY PI
PERANCANGAN PENDETEKSI WAJAH DENGAN ALGORITMA LBP (LOCAL BINARY PATTERN) BERBASIS RASPBERRY PI Nadia R.W (0822084) Email: neko882neko@yahoo.co.id Jurusan Teknik Elektro, Fakultas Teknik,, Jl. Prof. Drg.
Lebih terperinciBAB I PENDAHULUAN. individu dapat dibedakan dengan individu yang lain.
BAB I PENDAHULUAN 1 Latar Belakang Masalah Pemeriksaan identitas adalah pemeriksaan jati diri yang dimiliki oleh seseorang yang ia dapat sejak ia lahir, dimana setiap identitas yang dimiliki seseorang
Lebih terperinciPERBAIKAN CITRA UNTUK PENGENALAN WAJAH PADA CITRA WAJAH DENGAN PENCAHAYAAN TIDAK MERATA
PERBAIKAN CITRA UNTUK PENGENALAN WAJAH PADA CITRA WAJAH DENGAN PENCAHAYAAN TIDAK MERATA Naser Jawas STMIK STIKOM Bali Jl Raya Puputan no.86, Renon, Denpasar 80226 Email : naser.jawas@stikom-bali.ac.id1)
Lebih terperinciPENGENALAN WAJAH DENGAN METODE ADJACENT PIXEL INTENSITY DIFFERENCE QUANTIZATION TERMODIFIKASI
PENGENALAN WAJAH DENGAN METODE ADJACENT PIXEL INTENSITY DIFFERENCE QUANTIZATION TERMODIFIKASI Nama Mahasiswa : Yuliono NRP : 1206 100 720 Jurusan : Matematika Dosen Pembimbing : Drs. Soetrisno, M.IKomp
Lebih terperinciTRANSLASI BAHASA ISYARAT
TRANSLASI BAHASA ISYARAT Juniar Prima Rakhman), Nana Ramadijanti, S.Kom, M.Kom), Edi Satriyanto S.Si, M.Si) Jurusan Teknik Informatika, PENS ITS Surabaya Kampus ITS Sukolilo, Surabaya 60 08050 E-mail :
Lebih terperinciPENERAPAN ALGORITMA PRINCIPLE COMPONENT ANALYSIS (PCA) DAN FITUR RGB UNTUK PELACAKAN JENIS DAN WARNA BUAH
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 PENERAPAN ALGORITMA PRINCIPLE COMPONENT ANALYSIS (PCA) DAN FITUR RGB UNTUK PELACAKAN JENIS DAN WARNA BUAH 1 Suta Wijaya, 2 Hendri, 3 Gasim Jurusan
Lebih terperinciAnalisis dan Simulasi Sistem Penilaian Kualitas Gaya Berjalan untuk Sekolah Model Berbasis Video Processing dengan Metode Variable Module Graph
Analisis dan Simulasi Sistem Penilaian Kualitas Gaya Berjalan untuk Sekolah Model Berbasis Video Processing dengan Metode Variable Module Graph Ines Visyeri Yuliani 1,*, Bambang Hidayat 1, Suci Aulia 2
Lebih terperinciSistem Pendeteksi Gambar Termanipulasi Menggunakan Metode SIFT
Sistem Pendeteksi Gambar Termanipulasi Menggunakan Metode SIFT Regina Lionnie 1, Mudrik Alaydrus 2 Program Studi Magister Teknik Elektro, Universitas Mercu Buana, Jakarta 1 regina.lionnie.id@ieee.org,
Lebih terperinci