eksperimen dan Analisis
Gambar 4.3 Sampel hasil deteksi lokasi posisi mata tanpa grid
Gambar 4.4 Sampel hasil deteksi lokasi posisi mata tanpa grid
Eksperimen dan Analisis
Hasil eksperimen dan analisis
Gambar 47 (atas) Template matching 2 derajat kanan tanpa grid Gambar 48 (bawah) Template matching 2 derajat kanan dengan grid
Gambar 4.9. ROC deteksi fitur dua mata tanpa grid
TPRate(TPR)
Positives correctly classification/ total positives TP/ P= TP/ (TP + FN) FPRate(FPR) = Negatives incorrectly classified/ total negatives = FP/N = FP/ (FP +TN) TPRate(TPR) Positives correctly classification/ total positives 0.86 TP/ P=TP/ 50 TP = 50 x 0.86 = 43 TPR = TP/(TP + FN) 0.86 = 43/(43+FN) FN = 7 FPRate(FPR) = Negatives incorrectly classified/ total negatives 0.44 = FP/N = FP/50 FP = 50 x 0.44= 0.44= 22 22 Accuracy = TP + TN / total positives + total negatives = 43 +28/100 = 0.71 = 71 %
Gambar 4.10 ROC hasil deteksi fitur dua mata menggunakan grid
TPRate(TPR)
Positives correctly classification/ total positives 0.88 TP/ 50= TP = 50 x 0.88 = 44 TPR = TP/(TP + FN) TPR == 44/(44+FN) 44/(44+FN) FN = 6 FPRate(FPR) = Negatives incorrectly classified/ total negatives 0.34 == FP/N FP/N==FP/50 FP/50 FP = 50 x 0.34= 17 Accuracy = TP + TN / total positives + total negatives = 44 +33/100 = 0.77 0.77 ==77 77%%
feature detection stage (tracking)
Input sketsa wajah 110x150 piksel,296x401piksel
Sketsa wajah dalam Grayscale
Lokasi posisi mata
Template matching
Tentukan titik tengah mata
template mata
Bentuk persamaan elips untuk inisialisasi kontur
Ubah dalam grayscale
Ekstraksi kontur mata menggunakan GVF Snake
Akuisisi data frontal non grid, frontal grid miring 2 derajat kiri miring 2 derajat kanan evaluasi ROC
System Overview
Kontur mata
Menentukan titik tengah mata
Titik tengah Titik tengah mata(CP) mata(CP) = 1/6=x panjang 1/6 x panjang bidang template bidangmata template (180) mata (180) Diperoleh titik tengah = 30, radius sb x (rx ) = 30, radius sb y (ry ) =17 Persamaan ellips: Elips = (X-X 1 )/a2 +(Y-Y 1 )/b2 Dalam bentuk Polar persamaan dinyatakan dengan: X= a+ r x c o s ( ) Y = b +r y s i n ( )
Gambar 4.13 Bidang template mata
Input image Edge Map
HitHitung edge map Edge Map
Hitung GVF edge map edge map Normalisasi GVF external force
Lakukan snake deformation
Inisialisasi area ekstraksi
Tampilkan hasil ekstraksi
Gambar 4.14 Proses internal ekstraksi kontur mata dengan gvf snake
(a) Original image
(c) Edge map gradient
(b) Binary image
Concave object boundary
(d) Gradient vector field
Normal to the edges
(e) GVF snakes result
Initialize snakes
Deforming snakes The true of object boundary
Vectors pointing
Gambar 4.15 Proses GVF Snake (dari Video Object Extraction Using Multiple Visual Features)
Hasil eksperimen dan Analisis
Gambar 4.16 Contoh hasil ekstraksi kontur mata kiri dan kanan
Berdasarkan uji coba dan analisis hasil deteksi lokasi posisi matar dengan menggunakan template matching dan ekstraksi kontur mata menggunakan GVF snake, dapat disimpulkan sebagai berikut : Saat Template Matching dilakukan tanpa grid terdapat lebih banyak lokasi posisi mata pada sketsa wajah yang tidak dikenali. Penggunaan Grid padaproses Template Matching membantu akurasi penentuan lokasi posisis mata dengan melokalisir area pencarian deteksi mata dan mengurangi waktu proses pencarian Untuk posisi miring 2 0 kiri dan 20 kanan lokasi posisi mata tidak jauh berbeda dengan posisi frontal sketsa wajah Analisis grafis ROC menunjukkan hasil yang dianggap benar dapat sangat dipengaruhi nilai threshold berimplikasi pada nilai true positif dan false positif dan akurasi sistem Ekstraksi kontur mata yang dilakukan dengan GVF snake sangat dipengaruhi hasil penentuan lokasi posisi mata dari proses template matching guna mendapatkan inisialisasi kontur mata Hasil ekstraksi kontur mata pada sketsa wajah juga dipengaruhi oleh noise yang berasal dari sketsa wajah itu sendiri karena sketsa wajah yang terbentuk dari coretan -coretan atau goresan-goresan memiliki noise yang cukup tinggi sehingga hasilnya tidak smooth.
[1] Mark S.Nixon, Alberto S. Aguado, 2002, Feature Extraction and Image Processing Processing [2] Rafel C. Gonzalez, Richard E. Woods. 2002. Digital Image Processing (Second Edition). Prentice-Hall. New Jersey. [3] R. Brunelli and T. Poggio, Face Recognition: Features versus Templates, IEEE Trans on PAMI,1993, 15(10), pp 1042-1052 . [4] Arif Muntasa, Mochamad Hariadi , Mauridhi Hery Purnomo, Kondo Kunio,The Extraction of the Lip Edge Features Based On Extended Adaptive Deformable Contour for Face Skecthes Images [5] Liming Zhang, Patrick Lenders, Knowledge-Based Eye Detection for Human Face Recognition,Fourth International Conference on Knowledge based in Intelligent Engineering system & Allied Technologies,30thAug-1st Sept 2000,Brighton UK
[6]
Vladimir Vezhnevets and Anna Degtiareva, Robust and Accurate Eye Contour Extraction, Graphics and Media Laboratory , Faculty of Computational Mathematics and Cybernetics Moscow State University [7] Stefano Arca, Paola Campadelli, Rafaella Lanzarotti, A Face Recognition System Based on Local Feature Analysis, Face Recognition, Book edited by: Kresimir Delac and Mislav Grgic, ISBN 978-3-902613-03-5, 2007 [8] Nobuo Funabiki, Megumi Isogai Teruo Higashino, Masashi Oda, An Eye-Contour Extraction Algorithm from Face Image using Deformable Template Matching,2006 [9] S. T. Gandhe, K. T. Talele, and A.G.Keskar, Face Recognition Using Contour Matching
[10]Tom Fawcett, An Introduction to ROC analysis, Elsevier on Pattern Recognition. 2005 [11] Chenyang Xu and Jerry L.Prince, Snakes, Shapes And Gradient Vector Flow, IEEE Trans. On Image Processing, Vol 7, No 3, March,1998 [12]Chenyang Xu and Jerry L.Prince, Gradient Vector Flow: A New External Force for Snakes, IEEE Trans. on Image Proc [13]Chenyang Xu and Jerry L. Prince, Gradient Vector Flow Deformable Models, Published in Handbook of Medical Imaging, Editor: Isaac Bankman, Academic Press, September2000 [14]Jinyong Cheng and Caixia Liu, Image Segmentation with GVF Snake and Corner Detection, 2008 [15] Lei He, Zhigang Peng, Bryan Everding, Xun Wang, Chia Y. Han, Kenneth L. Weiss, William G.Wee, A Comparative study of Deformable contour methods on medical image segmentation, Elsevier on Image and Vision Computing 26 pp141-163,2008
END OF SLIDE
TERIMA KASIH
back
