PENGARUH PERUBAHAN UKURAN CITRA TERHADAP KINERJA METODE ROBUST REGRESSION PADA PENGENALAN WAJAH
DOI:
https://doi.org/10.33005/santika.v2i0.138Keywords:
Pengenalan Wajah, Faktor Iluminasi, Robust Regression, AR Face Database, Ukuran CitraAbstract
Penelitian ini membahas tentang pengenalan wajah yang dipengaruhi oleh faktor iluminasi, yang merupakan salah satu faktor utama yang mempengaruhi kinerja pengenalan wajah. Faktor iluminasi citra disebabkan oleh kondisi pencahayaan pada saat proses akuisisi citra. Kondisi pencahayaan citra berkaitan erat dengan kekontrasan citra, yang dapat berubah ketika citra mengalami perubahaan ukuran. Secara teoritis, perubahan ukuran citra akan mengubah tingkat kekontrasannya, sehingga akan mempengaruhi kinerja pengenalan wajah. Pada penelitian ini, pengaruh perubahan ukuran citra terhadap kinerja pengenalan wajah akan diuji secara empiris. Proses pengenalan wajah menggunakan metode Robust Regression. Metode ini memiliki kinerja yang sangat baik pada pengenalan wajah yang dipengaruhi oleh variasi iluminasi. Proses pengujian menggunakan salah satu basisdata citra wajah standar, yaitu AR Face Database, dengan memilih citra wajah yang berkaitan dengan faktor pencahayaan. Kumpulan citra wajah terbagi menjadi 4 kondisi pencahayaan yaitu rendah, sedang, tinggi, dan ekstrim (sangat tinggi). Proses pengujian dilakukan untuk menentukan kinerja pengenalan wajah menggunakan metode Robust Regression dengan ukuran citra latih yang berbeda (100x100 piksel dan 50x50 piksel) pada setiap kondisi pencahayaan. Hasil uji coba menunjukkan bahwa kinerja pengenalan wajah mengalami penurunan ketika ukuran citra diperkecil dari 100x100 piksel menjadi 50x50 piksel pada kondisi pencahayaan rendah, sedang, dan tinggi. Tetapi, pada kondisi pencahayaan ekstrim, kinerja pengenalan wajah justru mengalami kenaikan. Secara keseluruhan, dengan menggunakan ukuran citra 100x100 piksel, rata-rata akurasi pengenalan wajah sebesar 81,71%. Sedangkan dengan menggunakan ukuran citra 50x50 piksel, rata-rata akurasi pengenalan wajah sebesar 80,88%. Rata-rata penurunan akurasi yang disebabkan oleh perubahan ukuran citra dari 100x100 piksel menjadi 50x50 piksel adalah 0,84%. Hasil penelitian ini memberikan informasi penting bahwa perubahan ukuran citra mengakibatkan perubahan kinerja pengenalan wajah, dimana ukuran citra yang diperkecil akan menyebabkan penurunan kinerja pengenalan wajah.
References
[2] W. Zhao, R. Chellappa, P.J. Phillips, A. Rosenfeld, Face recognition: a literature survey, ACM Comput. Surv. vol. 35, pp. 399–458, 2003.
[3] M. Singha and A.S. Arora, Varying Illumination and Pose Conditions in Face Recognition, Procedia Computer Science, 2016.
[4] Andrea F. Abate, Michele Nappi, Daniel Riccio, Gabriele Sabatino, 2D and 3D face recognition: A survey, Journal of Pattern Recognition, 2007.
[5] Haifeng Hu, Multiscale illumination normalization for face recognition using dual-tree complex wavelet transform in logarithm domain, Journal of Computer Vision and Image Understanding, 2011.
[6] H. Kusuma, Wirawan, and A. Soeprijanto, Face Recognition Against Varying Lighting Conditions Using Oriented Phase Congruency Image Features, Journal of Theoretical and Applied Information Technology, 2016.
[7] J. Yi, X. Mao, L. Chen, Y. Xue, A. Rovetta, and C.D. Caleanu, Illumination Normalization of Face Image Based on Illuminant Direction Estimation and Improved Retinex, PLoS One, 2015.
[8] I. Naseem, R. Togneri, M. Bennamoun, Robust Regression For Face Recognition, Journal of Pattern Recognition, 2012.
[9] A. Martinez and R. Benavente, The AR face database, Technical Report 24, CVC, 1998.
[10] Athinodoros S. Georghiades, Peter N. Belhumeur, David J. Kriegman, From Few to Many: Illumination Cone Models for Face Recognition under Variable Lighting and Pose, IEEE Transactions on Pattern Analysis and Machine Intelligence, 2001.
[11] Xiaoyue Jiang, Yinglei Cheng, Rong Xiao, Ying Li, Rongchun Zhao, Spherical harmonic based linear face de-lighting and compensation, Applied Mathematics and Computation, 2007.
[12] Al-Amin Bhuiyan, Chang Hong Liu, On Face Recognition using Gabor Filters, World Academy of Science, Engineering and Technology, 2007.
[13] Timo Ahonen, Abdenour Hadid, Matti Pietikainen, Face Recognition with Local Binary Patterns, Machine Vision Group, Infotech Oulu, Finland, 2004
