Representasi Fitur Menggunakan Multi-scale Block Modified Local Ternary Pattern pada Pengenalan Wajah Berbasis Video

Zulkarnain, Syavira Tiara (2021) Representasi Fitur Menggunakan Multi-scale Block Modified Local Ternary Pattern pada Pengenalan Wajah Berbasis Video. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 05111950010028-Master_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2023. Download (2MB) | Request a copy

Abstract

Pengenalan wajah merupakan sistem identifikasi personal berdasarkan data
biometrik wajah. Beberapa penelitian telah dieksplorasi untuk menghasilkan sistem
pengenalan wajah yang robust terhadap kriteria tertentu. Eksplorasi tidak hanya
menitikberatkan pada algoritma klasifikasi namun juga algoritma ekstraksi fitur.
Penelitian sebelumnya tentang eksplorasi ekstraksi fitur, menggunakan perhitungan
dari keseluruhan gambar untuk menghasilkan fitur global, atau menggunakan
perhitungan statistik dari sub-region gambar untuk menghasilkan fitur lokal. Selain
pendekatan tersebut, variasi metode dari keduanya juga dieksplorasi untuk
meningkatkan kemampuan representasi fitur dan menyelesaikan tantangan dari
metode sebelumnya. Dengan melihat karakteristik data gambar yang memiliki
variasi pencahayaan dan mengandung Gaussian/Poisson/Quantization noise, maka
sistem pengenalan wajah yang bekerja pada dunia nyata dengan kondisi lingkungan
tidak terkontrol akan memiliki tantangan di dalamnya. Penelitian ini
mengeksplorasi solusi atas masalah tersebut.
Penelitian ini mengusulkan metode representasi fitur bernama Multiscale
Block Modified Local Ternary Pattern (MBMLTP) pada pengenalan wajah berbasis
video. Kontribusi penelitian yaitu representasi fitur baru yang merupakan
kombinasi fitur lokal dari modifikasi threshold yang adaptif pada Local Ternary
Pattern (LTP) dan fitur global dengan konsep multiscale block. Metode LTP, salah
satu metode yang memiliki sifat yang tidak sensitif terhadap noise dengan threshold
yang ditentukan secara manual. Sedangkan konsep multi-scale block memiliki
kemampuan menangkap representasi gambar secara global, sehingga memperkaya
representasi fitur struktur dalam skala besar. Pengenalan wajah ini terdiri dari empat
tahapan, yakni: deteksi ROI wajah, preprocessing, ekstraksi fitur dengan metode
usulan, tahap klasifikasi.
Uji coba menggunakan data video CCTV yang telah disimpan dan berisi
seseorang sedang memasuki ruangan. Hasil pengujian menunjukkan sensitivity
pengenalan wajah berbasis video adalah 100% dan sensitivity berbasis frame
90.28%. Dari hasil tersebut, dapat disimpulkan bahwa metode yang diusulkan
menghasilkan representasi fitur yang lebih tahan terhadap variasi pencahayaan, dan
noise daripada metode yang menghasilkan fitur lokal lainnya.
================================================================================================
Face recognition is personal identification system based on facial biometric
data. Several research has produced facial recognition systems that are robust
against specific criterions. Research has not only emphasizing on classification
algorithm but also feature extraction algorithm. Previous research exploring feature
extraction are using either calculation from the whole image to produce global
feature, or statistical calculation from image’s sub-region to produce local feature.
Beside those approaches, some research explored on variation of those two methods
to increase the feature representation capability and to solve the challenges from
previous methods. By using image data characteristic that has lighting variation and
contains Gaussian/Poisson/Quantization noise, therefore facial recognition system
that works on the real world with uncontrolled lighting environment poses some
challenges. This research is intended to solve those challenges.
This research intends to propose a feature representation method called
“Multi-Scale Block Modified Local Ternary Pattern (MBMLTP)” on video-based
facial recognition. The contribution of this research are new feature representation
method that combines local feature from adaptive threshold modification on Local
Ternary Pattern (LTP) and global feature using multiscale block concept. Local
Ternary Pattern is a method that are insensitive towards noise in video dataset but
require threshold determination, while multi-scale block has the capability to
capture image representation globally, and therefore enriches the structure feature
representation in big scale. This facial recognition consists of four steps, namely:
face ROI detection, preprocessing, feature extraction using proposed method, and
classification.
The testing in this research are using CCTV video that has been store and
consists of someone coming into the room. The testing showed sensitivity based on
video are 100% and sensitivity based on frame are 90.28%. From those result, it
can be concluded that the proposed methods produce a feature representation that
are more robust against lighting variations and noises compared to other methods
that uses other local features only.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	pengenalan wajah, fitur global, Local Ternary Pattern, ambang batas adaptif,face recognition, global feature, Local Ternary Pattern, threshold, adaptive
Subjects:	T Technology > TA Engineering (General). Civil engineering (General) > TA1637 Image processing--Digital techniques T Technology > TA Engineering (General). Civil engineering (General) > TA1650 Face recognition. Optical pattern recognition.
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55101-(S2) Master Thesis
Depositing User:	Syavira Tiara Zulkarnain
Date Deposited:	14 Aug 2021 08:02
Last Modified:	14 Aug 2021 08:02
URI:	http://repository.its.ac.id/id/eprint/86548

Actions (login required)

View Item