GDL

Face Recognition Application Using Neural Network Backpropagation With Eigenface Feature Extraction

Tugas Akhir, 015 / 2015 / JTK
Undergraduate Theses from JBPTPPOLBAN / 2017-05-31 10:43:35
Oleh : Audia Mahardika - 121511039, Friskania Idris - 121511044, Izal Arizalda - 121511046 (audiamahardika@gmail.com; arizalda.izal@gmail.com)
Dibuat : 2017-05-31, dengan 4 file

Keyword : kecerdasan buatan, jaringan saraf tiruan, pengenalan wajah, eigenface
Subjek : artificial intelligence, neural networks, face recognition, eigenface

Teknologi pengenalan wajah saat ini diantaranya diperlukan pada area keamanan dan deteksi kehadiran. Pada proses pengenalan wajah, banyak aspek yang harus dicakup seperti ciri dari setiap wajah, kualitas citra wajah, ekspresi wajah, bahkan penggunaan atribut pada wajah dapat mempengaruhi proses pengenalan wajah. Pada Tugas Akhir ini dikembangkan suatu aplikasi yang dapat melakukan proses komputasi pengenalan wajah. Metode pengenalan wajah yang digunakan pada aplikasi ini meliputi proses pengenalan pola dengan memanfaatkan jaringan saraf tiruan yang menerapkan metode pembelajaran propagasi balik, dengan masukan berupa ekstraksi ciri dari setiap wajah. Tahapan yang dilakukan pada aplikasi ini yaitu deteksi wajah, pra-proses, ekstraksi ciri wajah, pelatihan jaringan saraf tiruan dan pengenalan. Metode yang digunakan untuk melakukan ekstraksi ciri yaitu eigenface. Aplikasi ini menggunakan webcam untuk menangkap citra wajah kemudian dilakukan tahap pra-proses sehingga didapat citra yang siap untuk diolah menggunakan eigenface. Hasil luaran eigenface berupa numerik yang kemudian diolah dengan jaringan saraf tiruan sehingga dapat dilakukan pembelajaran untuk mendapatkan pola dari setiap ciri wajah yang diinputkan. Proses terakhir pada aplikasi ini yaitu pengenalan wajah yang dilakukan dengan melakukan operasi matematika terhadap nilai bias, bobot dan input dari citra. Dengan lingkungan pengujian yang terbatas pada variasi ekspresi wajah, tingkat kecerahan citra wajah, perbedaan sudut pengambilan citra wajah, aplikasi mampu menghasilkan tingkat ketepatan identifikasi sebesar 95%. Aplikasi ini dapat diadaptasikan dengan melakukan perubahan pada bagian ekstraksi ciri untuk membuat sistem pengenalan sidik jari, pengenalan tanda tangan, pengenalan telapak tangan, dan pengenalan retina. Kata kunci: kecerdasan buatan, jaringan saraf tiruan, pengenalan wajah, eigenface.

Deskripsi Alternatif :

Today, technology to recognize a face is needed in many field, such as security and handling attendance detection. In recognizing a face there are many aspects that need to be concerned of, such as the characteristic of each face, quality of the picture, face expression, even the additional attributes of a face such as glasses could affect the process of recognizing a face. The purpose of this final project is to develop an application that can do for computing process face recognition. Face recognition method used in this application is artificial neural network that handle pattern recognizing process. Using back propagation as its learning method, with the extraction of face characteristic as its input. The phases of this application are face detection, pre-process, face characteristic extraction, artificial neural network training and identification. The method used to do face characteristic extraction is called eigenface. This application used webcam to capture a picture of human face, then proceed to the next phase pre-process, so that image would be ready to be processed by eigenface method. The output of eigenface method was in decimal, this form of decimal output was then processed by artificial neural network in the training phase to get the pattern of the face pattern every characteristic of inputted faces. The last phase of this application was to identify by performing mathematical operation to bias, weight, and the input image. The testing process was conducted with restricted environment, limited data of various of face expression, brightness level of an image, and various of face angle, the aplication was able to achive 95% level of accuracy. This application with some modification in the feature extraction section could be adapted to do fingerprint recognition, signature recognition, palm recognition, and retina recognition. Keywords: artificial intelligence, neural networks, face recognition, eigenface.

Beri Komentar ?#(0) | Bookmark

Properti	Nilai Properti
ID Publisher	JBPTPPOLBAN
Organisasi
Nama Kontak	Erlin Arvelina
Alamat	Jl. Trsn. Gegerkalong Hilir Ds. Ciwaruga
Kota	Bandung
Daerah	Jawa Barat
Negara	Indonesia
Telepon	022 201 3789 ext. 168, 169, 239
Fax	022 201 3889
E-mail Administrator	erlin.arvelina@polban.ac.id
E-mail CKO	erlin.arvelina@polban.ac.id