Skema estimasi kelompok umur menggunakan fitur tekstur citra wajah manusia

STEPHANUS, Alphin, Prof. Adhi Susanto, M.Sc, Ph. D

2010 | Tesis | S2 Teknik Elektro

Proses penuan merupakan hal yang tidak bisa dihindari dan sifatnya alami pada manusia. Perubahan wajah manusia terjadi secara signifikan seiring dengan bertambahnya usia. Aspek-aspek yang mempengaruhi perubahan ini antara lain: keturunan, psikologis, nutrisi, gaya hidup, ras maupun daerah asal. Manusia memiliki kebutuhan yang berbeda pada setiap kelompok usia. Sebagai konsekuensi perkembangan ilmu pengetahuan, teknologi dan informasi maka dibutuhkan layanan publik yang dapat membantu manusia dalam memenuhi kebutuhan berdasarkan kelompok umur yang sesuai. Dalam penelitian ini digunakan citra skala keabuan (gray scale) sebagai masukan sistem klasifikasi kelompok umur. Terdapat tiga kelompok umur dewasa yang digunakan dalam klasifikasi ini yaitu dewasa muda, setengah baya, dan lanjut usia. Proses dalam sistem yang dibangun terbagi atas dua fase, yaitu ekstraksi fitur tekstur citra wajah dan klasifikasi umur. Untuk dapat mengelompokkan umur dengan baik maka dibutuhkan diskriptor yang tepat sebagai ciri pembeda utama. Berdasarkan lima wilayah keriput pada wajah manusia, lima ciri keriput dapat dihasilkan dengan menggunakan pendekatan analisis keacakan statistis, yaitu entropi. Untuk membentuk sistem klasifikasi ini digunakan Support Vector Machine metode One Agains All. Ciri tekstur yang dihasilkan oleh fase ekstraksi ciri digunakan untuk menjadi penentu klasifikasi citra kedalam tiga kelompok umur dewasa. Penelitian ini telah menggunakan seratus citra wajah pada sistem komputer berprosesor Celeron dan RAM 512MB. Angka keberhasilan identifikasi sistem ini mencapai 100% pada tahap training dan 90% pada tahap pengujian nyata yang hampir mendekati secara kasar penilaian manusia. Selanjutnya aplikasi ini diharapkan dapat menjadi referensi yang dapat diimplementasikan dibidang penelitian lain.

Aging process are natural and can not be avoided especially for human being. Human face changes significantly with the advancing age. Aspects effecting this changes are heredity, psychologies, nutrient, lifestyle, race and geographies. People’s behavior and preference are different at different ages. As consequence of the growing science, technology and information, a public service be needed to support human needs based on age classification. An age group classification system for gray scale facial image is proposed in this research. Three age groups, including young adults, middle-aged adults and old adults were used in the classification. The process of the system is divided into two phases: the texture facial feature extraction and age classification. To yield a good classifier, a good descriptor was needed as a feature distinction. Based on five regions of human face, the respective five wrinkle features from each facial image were obtained through a statistical of randomness (entropy) approach. Finally, the Support Vector Machine with One Against All method were constructed for classifications. The texture features were than used to classify every image into one of the three adult groups. The proposed system was experimented with 100 facial images on a Pentium Celeron processor with 512 MB RAM. Sixty images were used for training and the others for the test. A 100% identification rates were achieved for training images and 90% for the test images, which is roughly close to human’s subjective justification. This estimation scheme can be implemented in other fields of study.

Kata Kunci : Klasifikasi umur,Ekstrak fitur tekstur citra,Wajah manusia,Support vector machine metode one agains all,Age Classifications, Texture Facial Feature Extraction, One Against All Support Vector Machine.