Identifikasi wajah dalam enam ekspresi utama menggunakan alihragam-singkat dan Learning Vector Quantization (LVQ)

SUTARNO, Prof. Adhi Susanto, M.Sc.,Ph.D

2005 | Tesis | S2 Teknik Elektro

Identifikasi wajah merupakan suatu mekanisme yang sangat kompleks yang dapat digunakan dalam berbagai aplikasi yang luas, seperti pengesahan identitas, kendali pengaksesan, pengawasan lokasi, keamanan, dan robotika. Penelitian ini membahas skema identifikasi wajah. Proses pra-pengolahan citra dilakukan untuk memanipulasi dan mendapatkan citra yang lebih sesuai untuk skema tersebut. Ekstraksi dan reduksi ciri citra wajah menggunakan transformasi gelombang-singkat (wavelet transform). Selanjutnya klasifikasi dan identifikasi ciri citra menggunakan jaringan syaraf tiruan dengan metode pembelajaran learning vector quatization (LVQ). Sistem identifikasi dibangun khususnya, untuk mengelompokkan berbagai ekspresi wajah ke dalam enam pola utama raut (gembira, sedih, benci, marah, terkejut, dan cemas). Hasil pengujian sistem menunjukkan bahwa penggunaan transformasi gelombang-singkat dan jaringan syaraf tiruan LVQ dapat memberikan unjukkerja sistem yang cukup tinggi. Dari berbagai kombinasi proses yang dilaksanakan dapat diperoleh unjukkerja tertinggi 79,17%, sedangkan unjukkerja terendah adalah 52,50%. Penelitian ini juga melibatkan pengaruh penambahan derau, rotasi dan perubahan dimensi citra masukan, serta beberapa alihragam gelombang-singkat (Haar, Daubechies, dan Coiflet).

Face identification is a very complex problem to be solved, since it can be used in wide range applications such as identity authentication, access control, surveillance, security, and as part of a robot vision system. This research investigated a possible face identification scheme, preceded by an image pre-processing stage intended to obtain best fitted face data at hand. The feature extraction and data reduction of face images were based on a wavelet transforms. The final steps utilized the power of artificial neural networks, specifically the so called learning vector quantization (LVQ). The face identification scheme explicitly was to classify face expression into six representations (happiness, sorrow, hate, anger, surprise and worry). The results indicate that the use of wavelet transforms and artificial neural network (LVQ) performed sufficiently well. With various process combinations the highest rate success was 79.17%, while the lowest was 52.50%. Included were the addition of noises, image rotations and zooming, as well as the forms of wavelets used (Haar, Daubechies and Coiflet).

Kata Kunci : Wavelet (Gelombang Singkat),LVQ,Identifikasi Wajah, Face identifications, wavelet transforms, feature extraction, artificial neural network, LVQ.