Perbandingan Akurasi Sistem Pengenalan Wajah Pada Kamera Kinect Terhadap Kamera Rgb Dalam Beberapa Kondisi Pencahayaan Berbeda

Ristya, Octgi Ristya Perdana (2021) Perbandingan Akurasi Sistem Pengenalan Wajah Pada Kamera Kinect Terhadap Kamera Rgb Dalam Beberapa Kondisi Pencahayaan Berbeda. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 05211750010002-Master_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 April 2023. Download (7MB) | Request a copy

Abstract

Perkembangan kecerdasan buatan sangat pesat pada tahun 2018. Terlebih perkembangan kecerdasan buatan pada sistem keamanan rumah pada area pengolahan citra digital sebagai sistem keamanan pintu rumah. Pada penelitian kali ini akan dilakukan percobaan mengenai sistem pendeteksi wajah. Dimana sistem tersebut menangkap data wajah menggunakan dua kamera yang berbeda fungsi, yakni kamera Kinect-rgb dan fungsi kamera Kinect lainnya (inframerah, depth, dan 3D). Dengan adanya penambahan fungsi tersebut model akan dapat lebih mudah dalam melakukan klasifikasi terhadap data testing yang ada dengan tingkat penambahan akurasi yakni 20% dari akurasi kamera RGB standar.
Penambahan akurasi yang ada dikarenakan penelitian dilakukan dengan menggunakan 24 skenario pencahayaan yang berbeda. Dengan tujuan hasil citra yang didapatkan oleh kamera RGB akan berbeda. Akantetapi citra hasil dari kamera Kinect tidak terpengaruh dengan adanya perbedaan intensitas cahaya yang masuk pada kamera. Dikarenakan kamera Kinect difasilitasi dengan adanya sensor jarak yang menghasilkan gambar Depth dan 3D, dan juga fitur inframerah yang menghasilkan gambar RGB menjadi gambar inframerah.
Fitur jarak yang terdapat pada kamera Kinect dapat mengurangi terjadinya kecurangan dalam klasifikasi objek yang diterima. Dikarenakan kebanyakan kamera RGB masih dapat dicurangi dengan adanya objek 2D yang memiliki tingkat kemiripan pola dan warna yang tinggi dengan kelas yang terdapat pada sistem. Sehingga dengan adanya penambahan fitur kamera yang terdapat pada Kinect. Sistem tidak akan terpengaruh dengan adanya perbedaan intensitas cahaya, maupun pengguna yang mencoba untuk mencurangi sistem menggunakan objek 2D.
===================================================================================================

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	pengolahan citra digital, multi kamera, sistem keamanan rumah
Subjects:	Q Science > Q Science (General) > Q325.5 Machine learning. Support vector machines. Q Science > QA Mathematics > QA336 Artificial Intelligence R Medicine > R Medicine (General) > R858 Deep Learning T Technology > TA Engineering (General). Civil engineering (General) > TA1650 Face recognition. Optical pattern recognition.
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Information System > 59101-(S2) Master Thesis
Depositing User:	Octgi Ristya Perdana
Date Deposited:	09 Mar 2021 04:18
Last Modified:	09 Mar 2021 04:18
URI:	http://repository.its.ac.id/id/eprint/83871

Actions (login required)

View Item