Kinerja Normalisasi Iluminasi Menggunakan Fungsi Imadjust pada Pengenalan Wajah

Abstract

Kinerja pengenalan wajah sangat dipengaruhi oleh variasi iluminasi. Kondisi iluminasi citra wajah terjadi akibat adanya faktor pencahayaan dari sumber cahaya yang mengarah pada obyek wajah pada saat proses akuisi citra. Untuk mengurangi pengaruh faktor pencahayaan ini, proses penyesuaian citra perlu dilakukan pada tahap pra-pemrosesan untuk menormalisasi iluminasi sehingga diharapkan dapat meningkatkan kinerja pengenalan wajah. Pada penelitian ini, teknik penyesuaian kontras citra wajah dilakukan dengan menggunakan fungsi imadjust. Proses pengujian dilakukan terhadap pendekatan ini untuk mengetahui sejauhmana pengaruhnya terhadap pengenalan wajah secara lebih rinci. Melalui uji coba empiris, kinerja teknik tersebut dapat diketahui, apakah bisa digunakan pada semua kondisi pencahayaan citra ataukah tidak. Metode pengenalan wajah yang digunakan adalah Robust Regression, yang memiliki kinerja sangat baik dalam mengenali wajah yang dipengaruhi oleh variasi iluminasi. Dataset AR Face Database digunakan untuk proses uji coba, dimana dipilih citra-citra yang berkaitan dengan faktor pencahayaan, dengan tingkat kondisi pencahayaan rendah, sedang, tinggi, dan sangat tinggi (ekstrim). Skenario uji coba dilakukan dengan cara membandingkan antara hasil pengenalan wajah dengan menggunakan fungsi imadjust pada tahap pra-pemrosesan dan pengenalan wajah tanpa menggunakan teknik penyesuaian kontras citra, pada setiap kondisi pencahayaan. Berdasarkan uji coba yang telah dilakukan, fungsi imadjust menunjukkan hasil yang lebih baik daripada tanpa pra-pemrosesan pada kondisi pencahayaan sedang dan tinggi. Tetapi pada pada kondisi pencahayaan yang rendah dan ekstrim, penggunaan fungsi imadjust untuk penyesuaian kontras citra pada tahap pra-pemrosesan ternyata memberikan efek kinerja pengenalan wajah yang lebih rendah daripada tanpa pra-pemrosesan. Secara keseluruhan, penggunaan fungsi imadjust menghasilkan akurasi rata-rata pengenalan wajah sebesar 84,38% dimana hasil tersebut lebih baik daripada pengenalan wajah tanpa pra-pemrosesan.

Flowgorithm Sebagai Penunjang Pembelajaran Algoritma dan Pemrograman

“…Paper seminar Pengenalan Algoritma Pemrograman Melalui Simulasi Robot di Seminar Nasional Informatika [11], dikatakan dengan menggunakan metode simulasi robot diharapkan dapat menumbuhkan minat programmer terhadap pemrograman. Karena dengan visualisasi secara langsung akan memicu para pengguna untuk bisa selalu mencoba-coba dengan metode yang bermacam-macam.…”

Implementasi Face Recognition Untuk Sistem Presensi Universitas Menggunakan Convolutional Neural Network

“…Penelitian ini menggunakan data video yang kemudian dilakukan proses akuisisi citra dan deteksi pada objek wajah. Hasil dari penelitian ini adalah sistem pengenalan wajah menggunakan metode ekstrasi fitur Viola Jones, eksperimen yang digunakan sistem dapat mengenali wajah dengan akurasi 81% [7]. Penelitian yang dilakukan oleh Fitrahadi Surya Dharma dkk, dengan judul Rekognisi Wajah pada Sistem Smart Class untuk Deteksi Kehadiran Mahasiswa Menggunakan Metode Viola Jones dan Local Binary Patterns Histograms (LBPH) Berbasis Raspberry Pi.…”

Car Vehicle Image Object Detection Using You Only Live Once (Yolo)

“…It simultaneously performs object search and generates bounding boxes and corresponding class labels in a single step. The YOLO approach utilizes the power of CNN in learning important visual features of different objects [5].…”