Identifikasi Wajah Individu Tunanetra dan Non-Tunanetra dengan menggunakan Fitur Wavelet dan PCA

Perbawa, Antonius Kusuma Agung (2024) Identifikasi Wajah Individu Tunanetra dan Non-Tunanetra dengan menggunakan Fitur Wavelet dan PCA. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 07111640000087-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 July 2026. Download (1MB) | Request a copy

Abstract

Penyandang tunanetra mengalami keterbatasan dalam berinteraksi atau beraktivitas, sehingga membutuhkan alat bantu (asistive technology). Alat bantu yang seringkali dibutuhkan tunanetra adalah alat bantu berbasis computer vision yang mengandalkan kamera untuk menggantikan indera penglihatan mereka yang hilang. Sebagai contoh, adalah papan pengumuman yang bisa menyuarakan informasi pada papan tersebut atau sistem peringatan bagi penyandang tunanetra jika memasuki daerah terlarang. Untuk itu alat bantu tersebut harus bisa mendeteksi perbedaan antara yang tunanetra dan yang normal. Misalkan, papan pengumuman akan bersuara jika yang mendekat adalah tunanetra. Maka diperlukan suatu sistem atau metodologi untuk bisa membedakan wajah tunanetra dan normal. Pada Tugas Akhir ini akan dikembangkan sistem pendeteksi wajah tunanetra melalui algoritma PCA (Principal Component Analysis) dan Fitur Wavelet. Dimana citra – citra wajah akan dideteksi melalui algoritma Face Detection dengan menggunakan Haar-Cascade Classifier, kemudian diekstrak dengan menggunakan Wavelet Daubechies tingkat dua. Kemudian fitur wavelet ini akan di learning dengan menggunakan PCA yang juga sekaligus merupakan reduksi dimensi dari citra wajah. Algoritma tersebut kemudian akan di deploy pada komputer desktop yang dilengkapi dengan webcam. Uji coba keakuratan klasifikasi wajah tunanetra dan wajah non-tuanentra ini dilakukan dengan data wajah tunanetra sebanyak 980 dan wajah normal sebanyak 700, dimana setiap individu akan diambil citranya sebanyak 20. Hasil klasifikasi dengan PCA mendapatkan keakuratan sebesar 100%. Dimana dalam hal ini wajah individu akan di capture dengan pencahayaan yang cukup dan posisi kepala menghadap kamera dengan deviasi (menoleh ke kiri atau kanan) maksimum sebesar 150 (derajat)
====================================================================================================================================
Blind people experience limitations in interacting or doing activities, so they need assistive technology. The tools that are often needed by the blind are computer vision-based tools that rely on cameras to replace their lost sense of sight. For example, there is a notice board that can broadcast information on the board or a warning system for blind people if they enter a prohibited area. For this reason, the tool must be able to detect the difference between the blind and the normal. For example, a notice board will sound if the person approaching is blind. So a system or methodology is needed to be able to differentiate between blind and normal faces. In this final project, a face detection system for the blind will be developed using the PCA (Principal Component Analysis) algorithm and Wavelet Features. Where facial images will be detected through the Face Detection algorithm using the Haar-Cascade Classifier, then extracted using second level Daubechies Wavelets. Then this wavelet feature will be learned using PCA which is also a dimension reduction of the facial image. The algorithm will then be deployed on a desktop computer equipped with a webcam. This trial of the accuracy of classification of blind faces and non-blind faces was carried out with data on 980 blind faces and 700 normal faces, where 20 images were taken of each individual. The classification results using PCA obtained an accuracy of 100%. Where in this case the individual's face will be captured with sufficient lighting and the head position facing the camera with a maximum deviation (turning to the left or right) of 150 (degrees)

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Tunanetra, Deteksi Wajah, Transformasi Wavelet, PCA; Visually Impaired, Face Recognition, Wavelet Transform, PCA
Subjects:	Q Science > QA Mathematics > QA403.3 Wavelets (Mathematics) Q Science > QA Mathematics > QA76.9.I52 Information visualization T Technology > T Technology (General)
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Electrical Engineering > 20201-(S1) Undergraduate Thesis
Depositing User:	Antonius Kusuma Agung Perbawa
Date Deposited:	01 Feb 2024 02:18
Last Modified:	01 Feb 2024 02:18
URI:	http://repository.its.ac.id/id/eprint/105856

Actions (login required)

View Item