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.

[img] 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: https://repository.its.ac.id/id/eprint/86548

Actions (login required)

View Item View Item