ABSTRAKSI: Sistem pengenalan wajah merupakan satu metode identifikasi personal dalam interaksi manusia – komputer yang digunakan untuk berbagai kepentingan, yaitu: monitor pengawas, hukum kriminal dan sebagainya. Tahapan sistem pengenalan wajah adalah deteksi, ekstraksi fitur dan pengenalan wajah. Tugas akhir ini memfokuskan bagaimana membuat sistem pengenalan wajah pada citra tampak samping (profile image).
Input yang digunakan berupa citra wajah manusia tampak samping. Sebelum diolah, dilakukan tahap pemrosesan awal pada masing-masing citra tersebut. Citra melewati proses resize, diubah dari representasi RGB ke BW, proses labeling dan juga filtering. Setelah itu dilakukan ekstraksi ciri dengan menggunakan Transformasi Wavelet yang kemudian menghasilkan vektor ciri dari masing-masing citra. Karakteristik tersebut dilihat dari kontur wajah dari titik acuan. Selanjutnya vektor ciri dikuantisasi dan dimodelkan dengan Hidden Markov Model (HMM), dan dilakukan pelatihan sehingga dihasilkan sebuah basis data untuk seluruh HMM. Pengenalan dari tiap – tiap citra dilakukan melalui proses testing pada HMM. Output dari sistem ini berupa informasi kepemilikan wajah yang dujikan.
Dalam tugas akhir ini digunakan citra 18 orang dengan 16 variasi wajah yang berbeda ekspresi maupun kemiringan. Hasil pengujian sistem ini mencapai akurasi 85 %.Kata Kunci : sistem pengenalan wajah, profile image, ekstraksi ciri,Transformasi Wavelet, Hidden Markov ModelABSTRACT: Face recognition system is a method of personal identification, in human-computer interaction, which is used for various purposes: security monitor, criminal law, etc. Steps of face recognition are detection, feature extraction and recognition. This final project is focused on how to make face recognition system of profile image.
The input data are images of human face from side view. Before it is processed, each image passes processing stages, such as resizing, converting from RGB representation to BW, labeling and filtering. Then image passed feature extraction using Wavelet Transform which then generates feature vectors from each image. These characteristic seen from the contour of the face from a reference point. Next, feature vectors be quantized and modeled with a Hidden Markov Model (HMM), and be trained to generate a database for entire HMM. The recognition of each images be done through an evaluation of the HMM. The output of this system is information about the owner’s face.
This final project uses the images of 18 people with 16 different variations of facial expression or tilt. The accuracy of system reaches 85%Keyword: Keywords: face recognition system, profile image, feature extraction, Wavelet Transform, Hidden Markov Model