teknik pengenalan wajah berbasis fitur local binary...
TRANSCRIPT
![Page 1: Teknik pengenalan wajah berbasis fitur local binary ...digilib.its.ac.id/public/ITS-Undergraduate-16623-2208100629... · Untuk variasi pencahayaan (basis data Yale‐B) pada subset](https://reader031.vdocuments.mx/reader031/viewer/2022013100/60887624aaa6652b1b4a212f/html5/thumbnails/1.jpg)
Teknik pengenalan wajah berbasis fitur local binary pattern (LBP)
Oleh:
Eko WahyudiNRP. 2208 100 629
Dosen Pembimbing:Dr. Ir. Wirawan, DEA
Ir. Hendra Kusuma, M.Eng
![Page 2: Teknik pengenalan wajah berbasis fitur local binary ...digilib.its.ac.id/public/ITS-Undergraduate-16623-2208100629... · Untuk variasi pencahayaan (basis data Yale‐B) pada subset](https://reader031.vdocuments.mx/reader031/viewer/2022013100/60887624aaa6652b1b4a212f/html5/thumbnails/2.jpg)
Latar Belakang( Permasalahan Sistem Pengenalan Wajah )
• Posisi Kepala (Head Pose)• Pencahayaan (Ilumination)• Ekspresi (Expression)
2
![Page 3: Teknik pengenalan wajah berbasis fitur local binary ...digilib.its.ac.id/public/ITS-Undergraduate-16623-2208100629... · Untuk variasi pencahayaan (basis data Yale‐B) pada subset](https://reader031.vdocuments.mx/reader031/viewer/2022013100/60887624aaa6652b1b4a212f/html5/thumbnails/3.jpg)
Latar Belakang• Proses pengenalan wajah dipengaruhi oleh faktor‐faktor variabilitas inter‐personal dan intra‐personal .
• Algoritma pengenalan wajah dapat dibedakanmenjadi 2 bagian yaitu berdasarkan pendekatan fitur(feature‐based) dan pendekatan penampilan(appearance‐based).
3
![Page 4: Teknik pengenalan wajah berbasis fitur local binary ...digilib.its.ac.id/public/ITS-Undergraduate-16623-2208100629... · Untuk variasi pencahayaan (basis data Yale‐B) pada subset](https://reader031.vdocuments.mx/reader031/viewer/2022013100/60887624aaa6652b1b4a212f/html5/thumbnails/4.jpg)
Skenario Pengenalan Wajah
4
![Page 5: Teknik pengenalan wajah berbasis fitur local binary ...digilib.its.ac.id/public/ITS-Undergraduate-16623-2208100629... · Untuk variasi pencahayaan (basis data Yale‐B) pada subset](https://reader031.vdocuments.mx/reader031/viewer/2022013100/60887624aaa6652b1b4a212f/html5/thumbnails/5.jpg)
Permasalahan• Bagaimanakah mengekstrasi fitur wajah denganmenggunakan algoritma LBP?
• Metode manakah yang memberikan tingkatpengenalan yang paling baik dari similarity LBP(Chi Square), supervised PCA dan subspace LDA?
• Berapa besar akurasi pengenalan wajah denganekstraksi fitur LBP terhadap variasi posisi wajah,pencahayaan, dan ekspresi?
• Berapa besar window size LBP yang memberi lajupengenalan paling tinggi untuk tiap‐tiap algoritmapengenalan wajah?
5
![Page 6: Teknik pengenalan wajah berbasis fitur local binary ...digilib.its.ac.id/public/ITS-Undergraduate-16623-2208100629... · Untuk variasi pencahayaan (basis data Yale‐B) pada subset](https://reader031.vdocuments.mx/reader031/viewer/2022013100/60887624aaa6652b1b4a212f/html5/thumbnails/6.jpg)
Tujuan• Mendapatkan Fitur Wajah dengan LBP untukpeningkatan unjuk kerja pengenalan wajah.
• Merancang perangkat lunak sebagai alat bantumelakukan pengekstraksian fitur wajah sertapengenalan wajah.
• Mencari tingkat pengenalan wajah yang paling baikdanmembandingkan hasil pengenalan.
6
![Page 7: Teknik pengenalan wajah berbasis fitur local binary ...digilib.its.ac.id/public/ITS-Undergraduate-16623-2208100629... · Untuk variasi pencahayaan (basis data Yale‐B) pada subset](https://reader031.vdocuments.mx/reader031/viewer/2022013100/60887624aaa6652b1b4a212f/html5/thumbnails/7.jpg)
Batasan Masalah
• Citra input untuk proses pengenalan wajahhanya citra wajah yang ternormalisasi denganukuran piksel :
130 x 150 piksel ‐ Yale‐B92x112 ‐ AT&T
• Besar pemilihan eigenvector yang digunakanpada algoritma supervised PCA dan subspaceLDA sebesar 60%.
7
![Page 8: Teknik pengenalan wajah berbasis fitur local binary ...digilib.its.ac.id/public/ITS-Undergraduate-16623-2208100629... · Untuk variasi pencahayaan (basis data Yale‐B) pada subset](https://reader031.vdocuments.mx/reader031/viewer/2022013100/60887624aaa6652b1b4a212f/html5/thumbnails/8.jpg)
Basis Data• Variasi pencahayaan menggunakan basis data Yale‐B.
• Variasi posisi kepala menggunakan basis dataAT&T.
8
![Page 9: Teknik pengenalan wajah berbasis fitur local binary ...digilib.its.ac.id/public/ITS-Undergraduate-16623-2208100629... · Untuk variasi pencahayaan (basis data Yale‐B) pada subset](https://reader031.vdocuments.mx/reader031/viewer/2022013100/60887624aaa6652b1b4a212f/html5/thumbnails/9.jpg)
Blok Sistem PengenalanWajah
9
![Page 10: Teknik pengenalan wajah berbasis fitur local binary ...digilib.its.ac.id/public/ITS-Undergraduate-16623-2208100629... · Untuk variasi pencahayaan (basis data Yale‐B) pada subset](https://reader031.vdocuments.mx/reader031/viewer/2022013100/60887624aaa6652b1b4a212f/html5/thumbnails/10.jpg)
Histogram EqualizationHistogram Equalization merupakan suatu metodepenyesuaian kontras dengan cara memperlebar puncakdan memperkecil titik minimum histogram supayapenyebaran piksel pada citra merata (uniform).
10
![Page 11: Teknik pengenalan wajah berbasis fitur local binary ...digilib.its.ac.id/public/ITS-Undergraduate-16623-2208100629... · Untuk variasi pencahayaan (basis data Yale‐B) pada subset](https://reader031.vdocuments.mx/reader031/viewer/2022013100/60887624aaa6652b1b4a212f/html5/thumbnails/11.jpg)
Local Binary Pattern (LBP)
• LBP dikenal sebagai suatu teknik yang biasa digunakanuntuk klasifikasi ciri suatu pola.
• LBP adalah deskriptor tekstur yang dapat jugadigunakan untukmewakili pola wajah.
11
![Page 12: Teknik pengenalan wajah berbasis fitur local binary ...digilib.its.ac.id/public/ITS-Undergraduate-16623-2208100629... · Untuk variasi pencahayaan (basis data Yale‐B) pada subset](https://reader031.vdocuments.mx/reader031/viewer/2022013100/60887624aaa6652b1b4a212f/html5/thumbnails/12.jpg)
Operator LBPLBP diperoleh dari proses Binary Derivatives.
Dan fungsi s(x) didefinisikan sebagai berikut:
12
= 10001111= 143
![Page 13: Teknik pengenalan wajah berbasis fitur local binary ...digilib.its.ac.id/public/ITS-Undergraduate-16623-2208100629... · Untuk variasi pencahayaan (basis data Yale‐B) pada subset](https://reader031.vdocuments.mx/reader031/viewer/2022013100/60887624aaa6652b1b4a212f/html5/thumbnails/13.jpg)
Ekstraksi Fitur LBP
13
![Page 14: Teknik pengenalan wajah berbasis fitur local binary ...digilib.its.ac.id/public/ITS-Undergraduate-16623-2208100629... · Untuk variasi pencahayaan (basis data Yale‐B) pada subset](https://reader031.vdocuments.mx/reader031/viewer/2022013100/60887624aaa6652b1b4a212f/html5/thumbnails/14.jpg)
Similarity Chi Square• Pengujian kesamaan statistik chi square digunakansebagai classifier dalam ruang fitur.
• Prinsip dasar chi Square adalah menghitung nilaiminimum rata‐rata dua distribusi.(distribusi histogram citra)
14
![Page 15: Teknik pengenalan wajah berbasis fitur local binary ...digilib.its.ac.id/public/ITS-Undergraduate-16623-2208100629... · Untuk variasi pencahayaan (basis data Yale‐B) pada subset](https://reader031.vdocuments.mx/reader031/viewer/2022013100/60887624aaa6652b1b4a212f/html5/thumbnails/15.jpg)
Algoritma Fitur LBP - PCA
15
![Page 16: Teknik pengenalan wajah berbasis fitur local binary ...digilib.its.ac.id/public/ITS-Undergraduate-16623-2208100629... · Untuk variasi pencahayaan (basis data Yale‐B) pada subset](https://reader031.vdocuments.mx/reader031/viewer/2022013100/60887624aaa6652b1b4a212f/html5/thumbnails/16.jpg)
Algoritma Fitur LBP - LDA
16
![Page 17: Teknik pengenalan wajah berbasis fitur local binary ...digilib.its.ac.id/public/ITS-Undergraduate-16623-2208100629... · Untuk variasi pencahayaan (basis data Yale‐B) pada subset](https://reader031.vdocuments.mx/reader031/viewer/2022013100/60887624aaa6652b1b4a212f/html5/thumbnails/17.jpg)
Euclidean distance• Dalam ruang Euclidean citrawajah direpresentasikansebagai dua titik yang memilikikoordinat.
• Jarak Euclidean antara dua titikadalah panjang sisi miring darisebuah segitiga siku‐siku.
17
![Page 18: Teknik pengenalan wajah berbasis fitur local binary ...digilib.its.ac.id/public/ITS-Undergraduate-16623-2208100629... · Untuk variasi pencahayaan (basis data Yale‐B) pada subset](https://reader031.vdocuments.mx/reader031/viewer/2022013100/60887624aaa6652b1b4a212f/html5/thumbnails/18.jpg)
Hasil Percobaanvariasi Pencahayaan (Subset II) – [Basis data Yale-B]
18
26x30 21x25 18x21 16x18 14x16 13x15 11x13
LBP‐PCA 98.33 97.5 99.17 99.17 99.17 99.17 99.17LBP‐LDA 96.67 99.17 99.17 97.5 97.5 98.33 99.17CHI SQUARE 99.17 99.17 99.17 99.17 100 100 100HE‐LBP‐PCA 97.5 98.33 99.17 99.17 99.17 99.17 99.17HE‐LBP‐LDA 98.33 99.17 98.33 99.17 99.17 98.33 99.17HE‐CHI SQUARE 100 99.17 99.17 100 100 100 100
95
96
97
98
99
100
Ting
kat p
engena
lan (%)
Ukuran Jendela LBP
LBP‐PCA LBP‐LDA CHI SQUARE HE‐LBP‐PCA HE‐LBP‐LDA HE‐CHI SQUARE
![Page 19: Teknik pengenalan wajah berbasis fitur local binary ...digilib.its.ac.id/public/ITS-Undergraduate-16623-2208100629... · Untuk variasi pencahayaan (basis data Yale‐B) pada subset](https://reader031.vdocuments.mx/reader031/viewer/2022013100/60887624aaa6652b1b4a212f/html5/thumbnails/19.jpg)
Hasil Percobaanvariasi Pencahayaan (Subset III) – [Basis data Yale-B]
19
26x30 21x25 18x21 16x18 14x16 13x15 11x13
LBP‐PCA 55 66.67 75.83 77.5 83.33 76.67 80LBP‐LDA 53.33 67.5 69.17 74.17 71.67 65.83 73.33CHI SQUARE 74.17 87.5 87.5 93.33 95.83 95 99.17HE‐LBP‐PCA 60 66.67 75.83 79.17 87.5 80 87.5HE‐LBP‐LDA 67.5 74.17 75 77.5 83.33 74.17 80HE‐CHI SQUARE 75 90 85.83 94.17 97.5 92.5 99.17
50556065707580859095100
Ting
kat p
engena
lan (%)
Ukuran Jendela LBP
LBP‐PCA LBP‐LDA CHI SQUARE HE‐LBP‐PCA HE‐LBP‐LDA HE‐CHI SQUARE
![Page 20: Teknik pengenalan wajah berbasis fitur local binary ...digilib.its.ac.id/public/ITS-Undergraduate-16623-2208100629... · Untuk variasi pencahayaan (basis data Yale‐B) pada subset](https://reader031.vdocuments.mx/reader031/viewer/2022013100/60887624aaa6652b1b4a212f/html5/thumbnails/20.jpg)
Hasil Percobaanvariasi Pencahayaan (Subset IV) – [Basis data Yale-B]
20
26x30 21x25 18x21 16x18 14x16 13x15 11x13
LBP‐PCA 35.83 35.83 48.33 40.83 55.83 42.5 47.5LBP‐LDA 43.33 46.67 42.5 53.33 52.5 45 46.67CHI SQUARE 40 55.83 55 65.83 73.33 74.17 80HE‐LBP‐PCA 45.83 49.17 59.17 50.83 63.33 59.17 55HE‐LBP‐LDA 50 50.83 55 64.17 73.33 50 65HE‐CHI SQUARE 43.33 55.83 59.17 69.17 77.5 70 83.33
30
40
50
60
70
80
90
100
Ting
kat p
engena
lan (%)
Ukuran Jendela LBP
LBP‐PCA LBP‐LDA CHI SQUARE HE‐LBP‐PCA HE‐LBP‐LDA HE‐CHI SQUARE
![Page 21: Teknik pengenalan wajah berbasis fitur local binary ...digilib.its.ac.id/public/ITS-Undergraduate-16623-2208100629... · Untuk variasi pencahayaan (basis data Yale‐B) pada subset](https://reader031.vdocuments.mx/reader031/viewer/2022013100/60887624aaa6652b1b4a212f/html5/thumbnails/21.jpg)
Hasil Percobaanvariasi Pencahayaan (Subset V) – [Basis data Yale-B]
21
26x30 21x25 18x21 16x18 14x16 13x15 11x13
LBP‐PCA 12.5 12.5 15.83 12.5 23.33 14.17 17.5LBP‐LDA 17.5 15 16.67 22.5 24.17 18.33 14.17CHI SQUARE 16.67 21.67 25 35.83 42.5 41.67 61.67HE‐LBP‐PCA 18.33 20 37.5 24.17 43.33 35.83 28.33HE‐LBP‐LDA 24.17 30.83 35 38.33 51.67 31.67 57.5HE‐CHI SQUARE 17.5 19.17 28.33 31.67 44.17 40.83 50
0
10
20
30
40
50
60
70
Ting
kat Pen
gena
lan (%)
Ukuran Jendela LBP
LBP‐PCA LBP‐LDA CHI SQUARE HE‐LBP‐PCA HE‐LBP‐LDA HE‐CHI SQUARE
![Page 22: Teknik pengenalan wajah berbasis fitur local binary ...digilib.its.ac.id/public/ITS-Undergraduate-16623-2208100629... · Untuk variasi pencahayaan (basis data Yale‐B) pada subset](https://reader031.vdocuments.mx/reader031/viewer/2022013100/60887624aaa6652b1b4a212f/html5/thumbnails/22.jpg)
Hasil Percobaanvariasi Headpose – [Basis data AT&T]
22
26x30 21x25 18x21 16x18 14x16 13x15 11x13LBP‐PCA 87.14 85.71 83.93 82.86 80.36 80.36 77.86LBP‐LDA 85.00 87.86 84.64 81.43 80.36 78.93 72.86CHI SQUARE 90.71 89.29 88.93 86.43 85 85 82.14
70
80
90
100Ting
kat P
engena
lan (%
)
Ukuran Jendela LBP
LBP‐PCA LBP‐LDA CHI SQUARE
![Page 23: Teknik pengenalan wajah berbasis fitur local binary ...digilib.its.ac.id/public/ITS-Undergraduate-16623-2208100629... · Untuk variasi pencahayaan (basis data Yale‐B) pada subset](https://reader031.vdocuments.mx/reader031/viewer/2022013100/60887624aaa6652b1b4a212f/html5/thumbnails/23.jpg)
Kesimpulan• Dari ketiga algoritma yang diujikan yaitu Supervised PCA, Subspace LDA, dan
Chi Square, yang memiliki tingkat pengenalan paling besar adalah algoritmaChi Square. Untuk variasi pencahayaan (basis data Yale‐B) pada subset 2sebesar 100%, subset 3 sebesar 99,17%, subset 3 sebesar 83,33%, dan untuksubset 4 sebesar 61% sedangkan untuk variasi posisi kepala (basis dataAT&T) sebesar 90,71%.
• Pada basis data Yale‐B, Tingkat pengenalan terbaik dengan menggunakanalgoritma Supervised PCA dan Subspace LDA terjadi pada window size LBP14x16. Sedangkan untuk algoritma Chi Square tingkat pengenalan terbaikterjadi padawindow size LBP 11x13.
• Pada basis data AT&T, Tingkat pengenalan terbaik dengan menggunakanalgoritma Supervised PCA dan Chi Square terjadi pada window size LBP26x30. Sedangkan pada algoritma Subspace LDA terjadi pada window size21x25.
• Pengenalan wajah dengan menggunakan fitur LBP lebih sesuai digunakanuntuk citra‐citra dengan variasi pencahayaan dari pada variasiheadpose.
23
![Page 24: Teknik pengenalan wajah berbasis fitur local binary ...digilib.its.ac.id/public/ITS-Undergraduate-16623-2208100629... · Untuk variasi pencahayaan (basis data Yale‐B) pada subset](https://reader031.vdocuments.mx/reader031/viewer/2022013100/60887624aaa6652b1b4a212f/html5/thumbnails/24.jpg)
Saran• Metode Local Binary pattern masih dapatdikembangkan dengan beberapa metode lainselain metode LBP standar, seperti uniformLBP, rotation‐invariant LBP atau uniform rotation‐invariant LBP.
• Pengujian dapat dilakukan dengan basis data yang lain seperti FERET.
• Ekstraksi fitur LBP juga dapat digabungkandengan metode pengenalan wajah selain PCA danLDA seperti Canonical Correlation Analysis (CCA) atau Support Vector Machine (SVM).
24
![Page 25: Teknik pengenalan wajah berbasis fitur local binary ...digilib.its.ac.id/public/ITS-Undergraduate-16623-2208100629... · Untuk variasi pencahayaan (basis data Yale‐B) pada subset](https://reader031.vdocuments.mx/reader031/viewer/2022013100/60887624aaa6652b1b4a212f/html5/thumbnails/25.jpg)
25