Publisher

IJARLITIJARLIT

Journal International Journal Artificial Intelligent and InformaticsInternational Journal Artificial Intelligent and Informatics Abstract

Pengenal wajah adalah salah satu masalah terpenting dalam tugas pengolahan gambar. Hal ini penting karena digunakan untuk berbagai tujuan di dunia nyata, seperti deteksi kriminal atau mendeteksi penipuan dalam pemeriksaan paspor dan visa di bandara. Facebook adalah contoh bagus dari aplikasi pengenal wajah, ketika mengirim notifikasi ke teman-teman pengguna yang dikenali melalui gambar yang diunggah di halaman Facebook. Untuk menyelesaikan masalah pengenal wajah, berbagai metode diperkenalkan, seperti Analisis Komponen Utama (PCA), Analisis Komponen Independen (ICA), Mesin Vektor Dukungan (SVM), Analisis Diskriminan Linear (LDA), dan Model Markov Tersembunyi (HMM) yang dijelaskan dan dianalisis. Selain itu, algoritma seperti Eigen face, Fisher face, dan Histogram Pola Biner Lokal (LBPH) yang merupakan metode paling sederhana dan akurat diimplementasikan dalam proyek ini untuk dataset AT&T untuk mengenali wajah yang paling mirip dengan wajah lainnya dalam dataset ini. Untuk tujuan ini, algoritma-algoritma tersebut dijelaskan dan kelebihan dan kekurangan masing-masing dianalisis. Akibatnya, metode terbaik dipilih dengan membandingkan hasil rekonstruksi wajah oleh metode Engine face, Fisher face, dan Local binary pattern histogram. Dalam proyek ini, metode Eigen face memiliki hasil terbaik.

Conclusion

Pada kesimpulan, tugas pengenalan wajah terkait dengan gambar dataset dan dengan demikian memilih algoritma yang sesuai untuk menerapkan aplikasi.Dalam pekerjaan ini dengan mempertimbangkan dataset AT&T, metode yang paling umum dipilih dan diimplementasikan seperti.Metode Eigen Face, Metode Fisher Face, Metode LBPH.Selain itu, hasil terbaik dalam kasus ini sesuai dengan Metode Eigen Face dengan akurasi lebih dari 96%.Hasil Metode Eigen Face ditunjukkan dalam Gambar 3 dan hasil Metode Fisher Face diilustrasikan dalam Gambar 5 yang menunjukkan bahwa Metode Eigen Face lebih akurat untuk pengenalan wajah daripada Metode Fisher Face dalam proyek ini.Perlu dicatat bahwa HSV color-map dalam Gambar 4 lebih akurat daripada Rainbow color-map dalam Gambar 2 dalam hal pengenalan diskriminasi fitur wajah.Selain itu, metode LBPH dalam proyek ini tidak dapat memberikan hasil yang sangat baik karena kurangnya gambar yang sesuai dalam dataset untuk metode ini.

Future Research

Berdasarkan penelitian ini, beberapa saran penelitian lanjutan yang dapat dipertimbangkan adalah: Pertama, perlu dilakukan penelitian lebih lanjut untuk mengeksplorasi metode-metode pengenalan wajah yang lebih canggih dan kompleks, seperti jaringan saraf konvolusi (CNN) atau model pengenalan wajah berbasis deep learning. Kedua, penelitian dapat dilakukan untuk mengembangkan algoritma yang lebih tahan terhadap variasi pencahayaan dan ekspresi wajah, yang merupakan tantangan umum dalam pengenalan wajah. Ketiga, penelitian dapat dilakukan untuk meningkatkan akurasi pengenalan wajah dengan menggabungkan berbagai metode, seperti Eigen Face, Fisher Face, dan LBPH, serta mengoptimalkan parameter-parameter mereka. Selain itu, penelitian dapat dilakukan untuk mengeksplorasi penggunaan data yang lebih besar dan beragam, seperti dataset wajah yang lebih luas atau dataset yang mencakup berbagai kondisi pencahayaan dan ekspresi wajah. Dengan demikian, penelitian lanjutan dapat berfokus pada pengembangan metode pengenalan wajah yang lebih akurat, andal, dan tahan terhadap variasi kondisi.

Metadata

File size	441.63 KB
Pages	12
DMCA	Report