IAESCOREIAESCORE

International Journal of Electrical and Computer Engineering (IJECE)International Journal of Electrical and Computer Engineering (IJECE)

Meskipun beberapa teknik telah diusulkan untuk memprediksi kinerja sistem biometrik menggunakan nilai kualitas, banyak penelitian berbasis pada teknik penilaian tanpa referensi menggunakan atribut kualitas tunggal yang diukur langsung dari data. Teknik-teknik ini terbukti tidak cocok untuk skenario verifikasi wajah dan tidak efisien karena tidak ada atribut kualitas tunggal yang dapat mengukur kualitas gambar wajah dengan cukup. Dalam penelitian ini, kerangka kerja verifikasi gambar wajah dan penilaian kualitas (FaceIVQA) dikembangkan. Berbagai algoritma dan metode diterapkan dalam FaceIVQA untuk mengekstrak atribut kualitas seperti faceness, pose, pencahayaan, kontras, dan kesamaan menggunakan pendekatan penilaian kualitas gambar objek full-reference. Eksperimen terstruktur dilakukan pada basis data kamera pengawasan (SCface) untuk mengumpulkan skor kualitas individu dan skor pencocokan algoritma dari FaceIVQA menggunakan tiga algoritma pengenalan yakni analisis komponen utama (PCA), analisis diskriminan linier (LDA), dan SDK pengenalan komersial. FaceIVQA menghasilkan data penilaian gambar wajah yang akurat dan konsisten. Hasil menunjukkan bahwa sistem ini secara akurat memberikan skor kualitas pada sampel gambar probe. Skor kualitas yang dihasilkan dapat diberikan pada gambar yang diambil untuk pendaftaran atau pengenalan dan dapat digunakan sebagai masukan untuk sistem fusi biometrik berbasis kualitas.

Makalah ini menjelaskan pengembangan dan implementasi berbagai metode untuk mengukur kualitas gambar wajah menggunakan fitur geometris dan statistik wajah melalui sistem verifikasi gambar wajah dan penilaian kualitas (FaceIVQA).Sistem ini menggunakan teknik pengukuran kualitas full-reference untuk mengekstrak atribut kualitas seperti faceness, pose, pencahayaan, kontras, dan kesamaan.Hasil evaluasi FaceIVQA menunjukkan bahwa skor kualitas yang dihasilkan berkorelasi tinggi dengan skor pencocokan algoritma dan dapat digunakan untuk meningkatkan kinerja sistem pengenalan wajah.

Penelitian lanjutan dapat mengembangkan pendekatan berbasis pembelajaran mendalam untuk meningkatkan akurasi penilaian kualitas gambar wajah. Selain itu, perlu dilakukan eksperimen lebih lanjut pada basis data yang lebih besar dan beragam untuk menguji keandalan FaceIVQA dalam berbagai kondisi lingkungan. Terakhir, integrasi model prediksi kinerja sistem biometrik berbasis kualitas dapat dieksplorasi untuk mengurangi efek negatif sampel gambar berkualitas rendah pada kinerja sistem.

  1. #penilaian kualitas#penilaian kualitas
File size409.53 KB
Pages12
DMCAReportReport

ads-block-test