Face Recognition dengan Metode Principal component analysis (PCA)

Di zaman yang serba digital ini banyak sekali teknologi teknologi baru bermunculan. Dampak yang ditimbulkan dari kemunculan berbagai teknologi digital ini tentu sangat menguntungkan dan memudahkan pekerjaan manusia. Namun tentu saja daru kemunculan teknologi ini juga memberikan beberapa kekurangan, contoh nya yaitu dalam hal keamanan (security system). Ya Keamanan menjadi hal confidential apalagi bila berkaitan dengan data diri suatu individu. Untuk mengatasi permasalahan tersebut muncul lah suatu teknologi untuk membantu meningkatkan security system. Pada artikel ini kita akan membahas mengenai bagaimana kerja image processing dalam membantu meningkatkan security system.

Pengertian Face Recognition

Face recognition merupakan sistem pengenalan wajah manusia untuk membedakan individu satu dengan individu lain. Cara kerja dari Face Rocognition yaitu mengumpulkan suatu sample data wajah yang di simpan dalam suatu database, untuk nanti nya ketika system mengambil gambar wajah inputan secara otomatis data wajah kita akan di bandingkan dengan data wajah yang tersimpan di dalam database. Face Recognition sendiri biasanya akan dipelajari pada bidang keilmuan Computer Vision atau Image Processing.

Metode dalam Face Recognition

Dalam penerapannya untuk membantu mencocokan gambar suatu individu satu dengan lain nya, sistem face recognition membutuhkan suatu algoritma atau metode pengenalan wajah tertentu. Ada banyak sekali metode atau algoritma pengenalan wajah seperti SVM, PCA, Eigenfaces dll.
Pada artikel kali ini kita akan lebih fokus membahas bagaimana metode Principal component analysis (PCA) yang dapat membantu untuk mengenali suatu individu tertentu.

Mengenal Metode Principal component analysis (PCA) pada Sistem Pengenalan Wajah

Metode Principal component analysis (PCA) meruapkan suatu metode face recognition yang menghitung suatu nilai matriks gambar untuk nantinya nilai matriks ini akan di analogikan sebagai suatu titik. Titik antara citra yang ada di dalam database akan dibandingkan dengan citra inputan untuk selanjutnya di hitung nilai Euclidean Distance. Euclidean Distance merupakan perhitungan jarak pada data di dalam database dengan data inputan dimana Semakin kecil nilai jarak yang dihasilkan maka data
tersebut dapat diklasifikasikan menjadi 1 kelompok atau disebut mirip. Perhitungan Nilai Euclidean mirip seperti perhitungan rumu puhtagoras suatu segitiga dimana kita mencari suatu jarak minumum/terpendek dari 2 titik antara nilai matriks citra database dengan citra inputan.

Setelah jarak minimum ditemukan maka jarak tersebut akan dibandingka dengan nilai threshold (?) sebagai indikasi apakah citra uji dikenali atau tidak. Threshold merupakan nilai batas atau jarak minimum yang harus dilewati oleh data testing, untuk membuktikan bahwa data testing merupakan data yang dikenali atau berada dalam database, jika gambar wajah testing mempunyai nilai yang lebih bear dari batas atau jarak minimum yang sudah ditentukan, maka gambar wajah testing tersebut tidak dikenali atau tidak berada dalam database. Nilai Threshold ditentukan berdasarkan percobaan yang dilakukan serta persentase nilai keberhasian pengenalan wajah. Namun untuk menemukan nilai threshold yang terbaik tentu tidak mudah karena banyak sekali faktor yang dalat mempengaruhi sistem face recognition contoh seperti jarak pengambilan citra wajah, perbedaan intensitas cahaya, posisi atau sudut hadap suatu citra wajah. Oleh karena itu dalam proses nya sebelum masuk ke tahapan membandingkan suatu individu ada baik nya dilakukan proses proses seperti cropping, face detection, dan perubahan warna RGB ke Greyscale atau Black and White. Proses proses ini dilakukan agar suatu gambaran citra wajah menjadi lebih sederhana dan mudah di proses ke tahap pengenalan.

Kesimpulan Face Recognition berfungsi dalam membantu meningkatkan security system, banyak sekalai cara untuk mengaplikasikan sustem ini ada yang bersifat real time maupun non realtime. Face recognition juga memiliki beberapa metode pengenalan wajah yang berbeda namun dengan cara kerja yang sama yaitu membandingkan nilai citra wajah inputan dengan cutra di dalam database. Salah satu laboratorium di Telkom University yang mempelajari mengenai image processing dan computer vision ini berada di Fakultas Teknik Elektro yaitu bernama Laboratorium SVM.