DETEKSI WAJAH CEPAT DENGAN INDEPENDENT COMPONENT ANALYSIS DAN RECTANGLE FEATURES; QUICK FACE DETECTION USING INDEPENDENT COMPONENT ANALYSIS AND RECTANGLE FEATURES

SATRYO PUJI HASTONO, Agus Harjoko

2011 | Skripsi | PROGRAM STUDI ILMU KOMPUTER

Deteksi wajah merupakan masalah yang terus memperoleh perhatian walau telah dipelajari sekitar satu dekade. Pemanfaatan deteksi wajah sangat luas mencakup berbagai bidang seperti sekuritas, pengintaian, dan verifikasi. Salah satu framework deteksi wajah yang terkenal adalah hasil penelitian Viola dan Jones pada tahun 2001, model deteksi wajah real time pertama. Kecepatan tinggi yang diperoleh pada deteksi wajah menggunakan framework Viola dan Jones terutama bergantung pada fitur yang sederhana (rectangle features) dan seleksi area citra secara bertahap menggunakan cascade classifier. Dan sampai saat ini terus bermunculan berbagai penelitian tentang deteksi wajah dengan modifikasi pada fitur maupun metode pelatihan yang menawarkan akurasi yang lebih baik. Dalam penelitian ini dipilih fitur hasil ekstraksi metode Independent Component Analysis (ICA) untuk meningkatkan akurasi deteksi wajah Viola dan Jones. Fitur hasil metode ICA memiliki informasi penting tentang objek independen sehingga menjanjikan akurasi yang tinggi terhadap perbedaan pencahayaan dan noise, tetapi dengan waktu komputasi lebih lama dibandingkan dengan perhitungan fitur sederhana. Modifikasi ICA pada framework ini bukanlah metode baru. Salah satu penelitian yang mencoba menggabungkan fitur rectangle dan ICA adalah Rapid Face Detection Using Independent Component Analysis (Rajgarhia, 2007). Rajgarhia memilih arsitektur ICA “Statistically Independent Basis Images” dalam penelitian tersebut. Pada penelitian ini dipilih Arsitekstur yang berbeda yaitu ICA “Factorial Face Code” menggunakan Algoritma Fast ICA untuk digabungkan dengan rectangle features. Model deteksi wajah baru yang dihasilkan dibandingkan dengan model deteksi wajah Viola dan Jones dalam akurasi dan kecepatan dengan dataset deteksi wajah standar yang sama.

Kata Kunci : deteksi wajah, independent component analysis, rectangle features, adaboost, computer vision