terlalu kompleks, sehingga untuk mengembangkan suatu perhitungan yang ideal adalah hal yang sulit.
Banyak peneliti yang sudah menggunakan metode-metode berbeda, dan tentu saja dari tiap metode-metode itu ada kelebihan dan juga kekurangannya, bahkan
metode tersebut banyak yang digabungkan, dengan hasil yang lebih baik tetapi masih belum dapat dikatakan sempurna. Dapat dikatakan bahwa dari sekian banyak
pengembangan dan implementasi aplikasi pengenalan wajah, belum suatu aplikasi yang mengkombinasikan kecepatan, keakuratan, dan ketahanan terhadap variasi citra
wajah. Kesulitan utama yang dihadapi dalam analisa dan pengenalan wajah adalah karena variasi dalam satu wajah bisa sangat besar, sedangkan variasi antara wajah
yang berbeda sangat kecil.
Di dalam setiap penelitian tentang pengenalan pola, pasti akan kita temukan sesuatu yang berhubungan dengan image processing dan computer vision. Image
Processing adalah salah satu jenis teknologi untuk menyelesaikan masalah mengenai pemrosesan gambar. Dalam Image Processing, gambar yang ada diolah sedemikian
rupa sehingga gambar tersebut lebih mudah diproses, sedangkan Computer Vision mempunyai tujuan utama yaitu untuk membuat suatu keputusan yang berguna tentang
obyek fisik nyata yang didapat dari perangkat atau sensor.
Dari sekian banyak metode pengenalan wajah yang telah digunakan, kami menggunakan metode principal component analysis untuk memecahkan masalah yang
dihadapi. Hal ini didasari oleh kelebihan-kelebihan pada metode ini antara lain dapat merepresentasi image wajah dengan sangat rapi, proses yang cepat, tingkat
keakurasian yang tinggi.
3.2 Analisis Proses Pengenalan Wajah
Cara yang paling umum digunakan oleh seseorang untuk menentukan mengenali orang lain adalah dengan pengenalan terhadap wajah seseorang tersebut. Pengenalan
tersebut dilakukan dengan melihat pola dan ciri-ciri wajah orang yang akan dikenali. Fakta-fakta yang dijadikan dasar seseorang untuk mengenali orang lain harus
Universitas Sumatera Utara
diperoleh terlebih dahulu dan terutama didapatkan dari orang yang akan dan ingin dikenali.
Secara garis besar, tahap pada pengenalan wajah dengan metode eigenfaces dan deteksi muka dengan color thresholding akan mempunyai proses yang dilakukan
sebagai berikut:
1. Melakukan pencarian wajah dari beberapa image input dan menyiapkannya sebagai inputan untuk pelatihan citra.
Kegunaan utama dari proses pencarian wajah ini adalah untuk mendukung dalam pengenalan wajah, dengan menyiapkan terlebih dahulu sebelum diinputkan ke
dalam pengenalan wajah. Proses ini akan diharapkan akan membantu dalam memberikan inputan yang lebih baik dan konsisten kepada proses pelatihan wajah,
sehingga hasil dari pelatihan akan menjadi lebih akurat. Terutama apabila citra yang digunakan sebagai input memiliki ukuran yang berbeda-beda dan posisi wajah
pada citra tidak tetap posisi dan jarak wajah pada masing-masing citra tidak sama.
Citra yang akan digunakan sebagai input pencarian wajah diharuskan menggunakan gambar berwarna karena metode color thresholding yang digunakan
dalam deteksi wajah memerlukan input nilai warna. Untuk ukuran dari citra akan dibuat bisa menerima variasi yang berbeda. Namun jenis file yang akan digunakan
akan bertipe jpeg. Citra yang berbeda-beda ukuran ini, nanti akan diproses untuk menghasilkan citra baru dengan menggunakan feature classification dan candidate
generation, sehingga citra yang akan dijadikan input dalam face recognition nantinya diharapkan memiliki ciri yang serupa yaitu daerah muka.
Ciri citra yang baik untuk digunakan adalah: - Keseluruhan wajah terdapat di dalam citra.
- Warna latar belakang, baju dan rambut tidak menyerupai warna kulit lebih baik jika berwarna kontras seperti merah, hijau, atau biru
- Pencahayaan yang baik dan normal lampu bercahaya putih.
Universitas Sumatera Utara
2. Pelatihan citra dengan menggunakan input dari hasil deteksi wajah dan melakukan perhitungan pelatihan dengan eigenface
Pada tahap pelatihan, kumpulan citra yang menjadi hasil face detection akan diproses dengan melakukan perhitungan PCA dengan tujuan untuk mendapatkan
nilai eigenface. Nilai eigenface ini akan diproyeksikan dengan semua citra yang ada yang sudah dikurangi dengan rata-rata seluruh wajah. Hasil proyeksi ini akan
berupa nilai eigenspace.
3. Pengenalan citra wajah Pada tahap pengenalan citra wajah, nilai dari citra yang akan dikenali akan
diproyeksikan terhadap nilai eigenface yang telah didapat sebelum dari tahap pelatihan, sehingga akan didapatkan nilai space untuk citra input. Nilai ini nantinya
akan digunakan untuk mengenali citra wajah tersebut. Dengan mencari jarak yang paling minimal dengan eucledian distance, maka akan didapatkan citra yang paling
mendekati wajah yang diinputkan.
3.3 Flowchart Proses Pelatihan
