Vektor ciri dari blok dapat dibentuk dengan nilai rata-rata ataupun standar deviasi dari setiap blok. Nilai standar deviasi dapat dihitung dengan rumus berikut ini:
� =
−
∑ − �
� =
2.23 dimana :
μ = nilai rata-rata, yang dapat dihitung dengan rumus sebagai berikut : � =
−
∑
� =
2.24 M = jumlah seluruh piksel dalam setiap blok.
x = nilai piksel. Vektor fitur sidik jari dapat dibentuk dengan cara berikut :
V=σ
1
, σ
2
, σ
3
... σ
N
dimana : σ
1
= nilai standar deviasi blok ke-i. N = jumlah dari keseluruhan blok.
2.7. Konsep Pengenalan Wajah
Pengenalan wajah adalah suatu metoda pengenalan yang berorientasi pada wajah. Pengenalan ini dapat dibagi menjadi dua bagian yaitu: dikenali atau tidak dikenali,
setelah dilakukan perbandingan dengan pola yang sebelumnya disimpan di dalam database. Metoda ini juga harus mampu mengenali objek bukan wajah. Perhitungan
model pengenalan wajah memiliki beberapa masalah. Kesulitan muncul ketika wajah direpresentasikan dalam suatu pola yang berisi informasi unik yang membedakan
dengan wajah yang lain Robin, 2007. Metoda pendeteksian wajah memakai dua prosedur, yaitu :
a. Pengenalan kontur wajah dengan mengenali bentuk hidung, mata dan mulut dan
bentuk korelasi diantara keduanya. Karakteristik organ tersebut kemudian dinyatakan dalam bentuk vektor.
b. Analisis komponen yang prinsipil, berdasarkan informasi dari konsep ini, mencari
perhitungan model terbaik yang menjelaskan bentuk wajah dengan mengutip informasi yang paling relevan yang terkandung di dalam wajah tersebut.
Dibalik kemudahan mengenali wajah, ada beberapa masalah yang mungkin timbul dalam proses pengenalan wajah disebut dengan robust, yaitu:
Universitas Sumatera Utara
a. Perubahan Skala
Citra seseorang dapat direpresentasikan berbeda diakibatkan perbedaan jarak antara wajah dengan kamera. Semakin dekat jarak maka citra akan semakin besar.
Contoh Gambar 2.16 b. b.
Perubahan Posisi Citra seseorang dapat direpresentasikan berbeda diakibatkan perubahan posisi
seseorang ataupun perubahan sudut pengambilan wajah. Contoh Gambar c. c.
Perubahan Cahaya Citra seseorang dapat direpresentasikan berbeda diakibatkan perubahan intensitas
cahaya yang terjadi ketika pengambilan citra. Contoh Gambar d. d.
Perubahan detail dan ekspresi Citra seseorang dapat direpresentasikan berbeda diakibatkan perubahan detail
seperti adanya janggut, kumis, pemakaian kacamata atau perubahan gaya rambut selain itu perubahan ekspresi wajah menjadi tertawa, tersenyum, muram,
menangis juga dapat mengakibatkan pada citra yang dapat dilihat pada Gambar 2.16 e.
Atribut detail citra wajah yang diakibatkan oleh perubahan posisi, cahaya serta detail dapat dilihat pada Gambar 2.16.
Gambar 2.16. Citra Wajah Robin, 2007
Gambar a Citra asli, b Citra akibat perubahan skala, c Citra akibat perubahan posisi, d Citra akibat perubahan cahaya, e Citra akibat penambahan detail atau
atribut dalam hal ini adalah kaca mata, topi dan lainnya Robin, 2007.
Universitas Sumatera Utara
2.7.1. Proses Umum Pengenalan Wajah
Proses pengenalan wajah secara umum Robin, 2007 adalah terdiri dari : a.
Acquisition module, merupakan blok input dari proses pengenalan wajah, sumbernya dapat berasal dari kamera ataupun file citra.
b. Pre-processing module, merupakan proses penyesuaian citra input yang
meliputi, normalisasi ukuran citra, histogram equalization untuk memperbaiki kualitas citra input agar memudahkan proses pengenalan tanpa menghilangkan
informasi utamanya, median filtering untuk menghilangkan noise akibat kamera atau pergeseran frame, high pass filtering untuk menunjukan bagian tepi dari
citra, background removal untuk menghilangkan background sehingga hanya bagian wajah saja yang diproses dan normalisasi pencahayaan ketika mengambil
citra input. Bagian pre-processing ini untuk menghilangkan masalah yang akan timbul pada proses pengenalan wajah seperti yang dijelaskan sebelumnya.
c. Feature Extraction module, module ini digunakan untuk mengutip bagian
terpenting sebagai suatu vektor yang merepresentasikan wajah dan bersifat unik. d.
Classification module, pada modul ini, dengan bantuan pemisahan pola, fitur wajah yang dibandingkan dengan fitur yang telah tersimpan di database
sehingga dapat diketahui apakah citra wajah tersebut dikenali. e.
Training set, modul ini digunakan selama proses pembelajaran proses pengenalan, semakin kompleks dan sering maka proses pengenalan wajah akan
semakin baik. f.
Database : Berisi kumpulan citra wajah.
Universitas Sumatera Utara
2.8. Penelitian Terdahulu
