SISTEM PENGENALAN WAJAH BERBASIS METODA FISHERFACE
TUGAS AKHIR
Oleh
Febrian Ardiyanto NIM : 13203137
PROGRAM STUDI TEKNIK ELEKTRO SEKOLAH TEKNIK ELEKTRO DAN INFORMATIKA INSTITUT TEKNOLOGI BANDUNG 2007
SISTEM PENGENALAN WAJAH BERBASIS METODA FISHERFACE
Oleh : Febrian Ardiyanto
Tugas Akhir ini telah diterima dan disahkan sebagai persyaratan untuk memperoleh gelar SARJANA TEKNIK di PROGRAM STUDI TEKNIK ELEKTRO Jalur Pilihan Teknik Kendali SEKOLAH TEKNIK ELEKTRO DAN INFORMATIKA INSTITUT TEKNOLOGI BANDUNG Bandung, 26 Juni 2007 Disetujui oleh : Pembimbing I
Pembimbing II
Dr.Ir. Eniman Y. Syamsuddin, M.Sc NIP : 131472352
Dr. Ary Setijadi P, ST. MT. NIP : 132162439
KATA PENGANTAR Puji syukur penulis panjatkan ke hadirat Allah SWT, yang atas rahmat dan karunia-Nya penulis dapat menyelesaikan tugas akhir ini. Tugas akhir ini disusun untuk memenuhi persyaratan untuk dapat menyelesaikan perkuliahan di Program S1, jurusan Teknik Elektro, Sekolah Teknik Elektro dan Informatika, Institut Teknologi Bandung. Selama melaksanakan tugas akhir ini, penulis mendapat bantuan dan dukungan dari berbagai pihak. Untuk itu, penulis ingin mengucapkan terima kasih kepada : 1. Orang tua yang senantiasa mendukung dan mendoakan; 2. Dr. Ir. Eniman Y Syamsuddin, selaku pembimbing I, yang telah mencurahkan perhatian dan waktunya dalam penyelesaian tugas akhir ini; 3. Dr. Ary Setijadi P, ST. MT., selaku pembimbing II, yang telah mencurahkan perhatian dan waktunya dalam penyelesaian tugas akhir ini; 4. Fajar dan Aditya yang selalu mendukung dan mendoakan; 5. Robin, sebagai rekan yang baik dalam penulisan tugas akhir ini; 6. Hafidh S, Andri W, M. Imadudin, P Syirfasari, Donni, Ditto, Petra, Erick, Alam, Andy, Narpen dan teman-teman subjur kendali 03, 7.
Teman-teman EL ITB 03 dan semua pihak yang membantu, yang tidak dapat penulis sebutkan satu persatu.
Penulis menyadari bahwa tugas akhir ini bukanlah tanpa kelemahan, untuk itu kritik dan saran sangat diharapkan. Akhir kata, semoga tugas akhir ini dapat bermanfaat bagi para pembacanya.
Bandung, Juni 2007 Penulis
ABSTRAK Sistem Pengenalan wajah merupakan salah satu jenis biometrik yang banyak dikembangkan. Biometrik adalah sistem yang menggunakan karakteristik individu baik berupa karakteristik fisiologi maupun karakter perilaku untuk mengenali atatu identifikasi dari individu yang bersangkutan. Pengenalan wajah banyak dikembangkan karena memiliki tingkat kenyamanan dan penerimaan yang tinggi. Pengenalan wajah merupakan bagian dari pengenalan pola dengan masukan berupa citra wajah. Sistem pengenalan wajah terdiri dari empat tahap yaitu pengolahan citra, deteksi wajah, ekstraksi fitur dan klasifikasi. Tugas akhir ini menitikberatkan pada pengembangan sistem tahap pengenalan (klasifikasi) dengan menggunakan ekstraksi fitur dari citra masukan. Citra masukan merupakan citra wajah dari proses deteksi wajah. Proses ekstraksi fitur dikembangkan penulis dan Robin. Proses esktraksi fitur mengubah fitur wajah menjadi fitur dalam dimensi yang lebih rendaah dengan metoda Fisherface. Fisherface merupakan pengembangan dari PCA (Principal component analysis) dan FLD (Fisher linear discriminant). Fitur yang dihasilkan akan diklasifikasi menjadi orang yang ada dalam database atau tidak dikenali. Pemilah yang digunakan yaitu Jaringan Syaraf Tiruan multilayer dengan algoritma backpropagation. Dari hasil pengujian, sistem pengenalan wajah yang dikembangkan lebih baik dari metode yang pernah dikembangkan sebelumnya yaitu Eigenface. Berdasar hasil pengujian, integrasi sistem deteksi wajah dan sistem pengenalan wajah menggunakan Fisherface memiliki tingkat akurasi 83%. kata kunci : pengenalan pola, ektraksi fitur, PCA, Fisherface, jaringan syaraf tiruan
ABSTRACT
Face recognition is the currently the most developed biometric system. Biometric is a system which uses physiological and behavioural characteristics to recognize the identity or to verify the claimed identity of a person through automated means. Face recognition is developed because it has a high comfortability and acceptability rate. Face recognition is a part of pattern recognition which uses face image as input. Face recognition system is divided into four phases. The phases are image processing, face detection, feature extraction and classification. The focus of this paper is on the extraction and classification phase which extract the image features and classify it. The input is the image from face detection phase that only detects image that contains a face of a person. Extraction feature transforms the image feature to a feature that has smaller dimension (feature space) using Fisherface methods. Fisherface is a combination PCA (principal component analysis) and FLD (Fisher Linear Discriminant). The classifier which is used in this system is a multilayer neural network using backpropagation algorithm. Tests conducted in this system resulted better than previously developed Eigenface method. According to the simulation, the integrated system of both face detection and recognition has resulted in 83% accuracy rate. keywords : pattern recogniton, feature extraction, PCA, Fisherface, classification, neural network
DAFTAR ISI Halaman ABSTRAK ................................................................................................................. i ABSTRACT .............................................................................................................. ii KATA PENGANTAR ............................................................................................... iii DAFTAR ISI ............................................................................................................. iv DAFTAR GAMBAR ................................................................................................. vi DAFTAR TABEL ..................................................................................................... viii DAFTAR LAMPIRAN ............................................................................................. ix BAB 1. PENDAHULUAN .................................................................................... 1 1.1 Latar Belakang ........................................................................................ 1 1.2 Rumusan Masalah .................................................................................... 2 1.3 Tujuan Penelitian ..................................................................................... 2 1.4 Batasan Masalah ..................................................................................... 3 1.5 Metoda Penelitian .................................................................................... 3 1.6 Sistematika Penulisan .............................................................................. 4 BAB 2. PENGENALAN WAJAH ........................................................................... 6 2.1 Sistem Pengenalan Wajah ....................................................................... 6 2.2 Pengolahan Citra dan Deteksi Wajah ...................................................... 9 2.3 Ekstraksi Fitur ......................................................................................... 11 2.4 Principal Component Analysis (PCA) .................................................... 14 2.5 Metode Fisherface ..................................................................................
17
2.6 Klasifikasi dengan JST ........................................................................... 19 2.6.1 Pengertian Jaringan Syaraf Tiruan .............................................
19
2.6.2 Arsitektur Jaringan Syaraf Tiruan ..............................................
20
2.6.3 Algoritma Backpropagation .......................................................
20
2.6.4 Fungsi Aktivasi ..........................................................................
23
BAB 3. PERANCANGAN DAN IMPLEMENTASI SISTEM ..............................
25
3.1 Perancangan Sistem ................................................................................. 25 3.2 Sistem Pelatihan ....................................................................................... 27 3.2.1 Prosedur Pembuatan Database .................................................... 28 3.2.2 Ekstraksi Fitur .............................................................................. 29 3.3 Proses Perancangan JST ........................................................................... 32 3.4 Klasifikasi ................................................................................................. 37 BAB 4. PENGUJIAN DAN ANALISIS ................................................................... 38 4.1 Kriteria Pengujian Sistem ......................................................................... 38 4.2 Pengujian dan Analisis Database .............................................................. 39 4.3 Pengujian dan Analisis Ekstraksi Fitur ..................................................... 44 4.4 Pengujian dan Analisis Sistem Pengenalan Wajah Terintegrasi ............. 45 BAB 5. KESIMPULAN DAN SARAN ................................................................... 52 DAFTAR PUSTAKA ................................................................................................. 54 LAMPIRAN ................................................................................................................ 55
DAFTAR GAMBAR Halaman Gambar 2.1 Prosedur Sistem Pengenalan Wajah ....................................................... 9 Gambar 2.2 Sistem pengenalan wajah menggunakan Fisherface .............................. 14 Gambar 2.3 Contoh PCA dan FLD ........................................................................... 17 Gambar 2.4 Arsitektur JST multilayer backpropagation ………………………….. 21 Gambar 2.5 Fungsi aktivasi sigmoid ………………………………………………. 23 Gambar 2.6 Fungsi aktivasi sigmoid bipolar ………………………………………. 24 Gambar 2.7 Fungsi aktivasi linear …………………………………………………. 24 Gambar 3.1 Diagram Blok Sistem Pengenalan Wajah .............................................. 25 Gambar 3.2 Sistem deteksi wajah …………………………………………………. 26 Gambar 3.3 Sistem Pengenalan Wajah …………………………………………… 27 Gambar 3.4 Contoh citra yang digunakan dalam : (a)database I (b) databaseII ..... 28 Gambar 3.5. Fitur PCA yang menggambarkan variansi database ……………….... 30 Gambar 3.6 Fitur LDA yang menggambarkan variansi database ……………….... 31 Gambar 3.7 Performa JST Arsitektur 40-80-16 ........................................................ 34 Gambar 3.8 Performa JST Arsitektur 70-150-16 ...................................................... 35 Gambar 3.9 Performa JST Arsitektur 200-300-16 ..................................................... 35 Gambar 3.10 Performa JST Arsitektur 250-400-16 ................................................... 36 Gambar 3.11 Performa JST arsitektur 300-450-16 .................................................... 36 Gambar 4.1 Nilai output 41 citra uji .......................................................................... 40 Gambar 4.2 Performa JST database I dengan 3 citra ……………………………… 41 Gambar 4.3 Performa JST database I dengan 8 citra ……………………………… 41
Gambar 4.3 Performa JST database II dengan 3 citra ……………………………… 42 Gambar 4.4 Performa JST database II dengan 8 citra ……………………………… 43 Gambar 4.5 Gambar 4.5.Nilai eigen dari PCA dan LDA …………………………... 44 Gambar 4.6 Citra hasil keluaran deteksi wajah pada citra ke 25 …………………… 49 Gambar 4.7 Citra yang salah dikenali sebagai orang lain .......................................... 49
DAFTAR TABEL Halaman Tabel 2.1 Perbandingan Berbagai Jenis Teknologi Biometrik .................................. 7 Tabel 4.1 Hasil masukan citra sama database........................................................... 46 Tabel 4.2 Hasilmasukan citra dengan Pose beda dengan database ........................... 48 Tabel 4.3 Hasil masukan citra individu tidak ada pada database............................... 50
DAFTAR LAMPIRAN Halaman LAMPIRAN 1 : Database I .....................................................................................
A-1
LAMPIRAN 2 : Database II....................................................................................
B-1
LAMPIRAN 3 : Fisherface Database .....................................................................
C-1
