Pengembangan Metoda Representasi Sparse Untuk Pengenalan Wajah

Peneliti

Susmini Indriani Lestariningati, S.T, M.T

Deskripsi/Abstrak

Pada penelitian ini dibuat suatu metoda pengenalan wajah dengan mengembangkan metoda representasi sparse yang sudah ada. Teknik representasi sparse yang ada ini dikembangkan dari metoda Compressive Sensing atau penginderaan kompresif. Teknik representasi sparse ini sudah dapat menjawab tantangan dari masalah-masalah pada pengenalan wajah yaitu masalah oklusi berupa halangan pada gambar objek seperti penggunaan kacamata pada wajah, termasuk juga misalnya penggunaan masker pada wajah objek. Selain itu teknik ini juga dapat mengatasi tantangan korupsi pada data gambar test sample atau citra uji. Tantangan untuk berbagai macam iluminasi, ekspresi dan bahkan variasi pose, teknik representasi sparse ini mengatasinya dengan cara menambah sampel citra latih terutama dalam hal mengatasi masalah berbagai macam ekspresi dan variasi pose. Penambahan citra latih ini tentu akan memperbesar jumlah dimensi perhitungan. Sementara untuk mengatasi oklusi membuat sampel citra latih dapat dilakukan down-sample atau dapat diperkecil yang dimana dapat mengurangi besarnya perhitungan. Jadi dari kedua tantangan tersebut secara umum menghasilkan perhitungan yang lebih besar selain tentu storage atau memori penyimpanan yang besar untuk menyimpan gambar citra latih. Dari berbagai pengembangan teknik representasi sparse yang sudah ada, dapat dikembangkan beberapa teknik untuk memperkecil jumlah perhitungan tetapi tetap mempunyai kinerja yang sama atau dapat diterima oleh pengguna. Salah satu cara yang diidentifikasi untuk mengurangi perhitungan pada metoda pengenalan wajah representasi sparse ini dengan cara mengurangi dimensi data gambar pada sampel citra latih dengan mengekstraksi data gambar citra latih maupun citra uji tersebut. Teknik ekstraksi yang dipilih adalah menggunakan teknik atau penginderaan kompresif untuk fitur ekstraksi, yang dimana artinya teknik penginderaan kompresif dipergunakan dua kali yaitu pada proses ektraksi citra baik citra latih maupun citra uji dan pada metoda pengenalan wajah representasi sparse yang memang berdasar pada teknik penginderaan kompresif. Kombinasi ini secara matematis kemudian disederhakan untuk memperoleh penyederhanaan perhitungan. Teknik pelatihan intra kelas untuk mengatasi masalah oklusi, ekspresi atau variasi pose dapat dikembangkan juga dengan dilakukan dengan cara mengembangkan model yang general untuk masing-masing variasi oklusi, berbagai ekspresi, dan variasi pose. Dengan pengembangan model general ini adalah untuk melengkapi sampel citra latih yang sudah diekstraksi dengan metoda penginderaan kompresif. Model general yang dikembangkan tetap dengan mengacu pada prinsip paling general atau umum dengan kata lain paling sparse. Dengan pengembangan model general ini dapat menambahkan citra latih untuk sampel yang tidak lengkap meliputi macam-macam oklusi, berbagai ekspresi dan variasi pose, dan juga dapat menghemat penyimpanan citra latih tersebut dengan hanya menyimpan citra latih yang standar dengan model generalnya. Teknik penghitungan citra latih berdasarkan sejumlah jarak (distance) yang terbatas agar tidak perlu semua sampel citra latih yang sudah diekstraksi tersebut dimasukkan dalam perhitungan, hal ini akan sangat dapat menghemat proses perhitungan. Jarak yang dihitung tentu berdasarkan suatu pola statistik jarak dari suatu citra uji kepada keseluruhan citra latih, dapat pula dengan membandingkan jarak dari suatu citra uji dengan suatu model general atau umum. Kombinasi dari teknik ekstraksi penginderaan kompresif dan teknik representasi sparse dengan suatu jarak terhadap model umum dapat diwujudkan dengan penyederhanaan matematis dimana dan bahkan dibuat dalam suatu konstanta jika memungkinkan demi penghematan perhitungan yang signifikan.