Analisa Sistem Deteksi Wajah Menggunakan Segmentasi, Eigenface dan Template Matching

ABSTRAKSI: Deteksi wajah merupakan langkah awal pengenalan wajah manusia (Human Recognition Face). Warna merupakan ciri yang menonjol dari wajah manusia. Dengan menggunakan warna kulit sebagai ciri primitif untuk deteksi region wajah memiliki beberapa keuntungan antara lain dalam pemrosesan warna kebanyakan lebih cepat daripada pemrosesan ciri wajah yang lain. Untuk merepresentasikan wajah manusia dilakukan segmentasi kulit berdasarkan warna kulit untuk mensegmentasi skin region dan non-skin region dalam citra berwarna (Color Image). Hasil dari segmentasi kemudian akan dianalisa dengan Connected Component Analysis untuk menganalisa hubungan skin region dan mengidentifikasikan kandidat wajah. Selanjutnya dilakukan tahap Eigenface untuk mendefinisikan ciri-ciri penting yang merepresentasikan sekumpulan pola wajah, untuk digunakan dalam meminimasi non-skin region. Tahap akhir dari proses deteksi wajah ini adalah deteksi wajah dengan menggunakan metoda Template Matching untuk membandingkan citra kandidat wajah dengan template wajah, lalu meyakinkan tingkat kemiripan dengan menghitung nilai korelasinya dan menyimpulkan apakah wajah atau bukan wajah. Hasil dari proses ini adalah gambar yang berupa bagian wajah manusia dan informasi lain seperti jumlah wajah yang terdeteksi pada citra inputan, waktu proses, jumlah skin region. Pada tugas akhir ini, pengujian dilakukan terhadap 113 citra input masing-masing 73 citra dengan photo single dan 40 citra dengan photo group. Dari data hasil uji bahwa deteksi dengan penerapan ketiga teknik di atas di peroleh tingkat keberhasilan deteksi sebesar 98,6% untuk photo single dan 57,5% untuk photo group .Kata Kunci : Deteksi Wajah, Eigenface, Connected Component Analysis, Segmentasi, Template Matching, Warna kulitABSTRACT: Face detection is the first phase of human face recognition. Color is a feature appearing from human face. By using skin color as primitive feature to detect face region has some advantage for example in most of color processing are faster than other face feature processing. To represent human face, it is done by skin segmentation phase based on skin color to segment skin region and non- skin region in color images. The result of segmentation phase will be analyzed by Connected Component Analysis phase to analyze relationship of skin region and to identificate face candidate. Furthermore, Eigenface is applied to define the significant features that represent a set of face pattern to be used to minimize non – skin region. The final phase is face detection phase using Template Matching method to compare image of face candidate with face template, then to convince the similarity level by computing the correlation value and to summarize whether face or non-face. The result is an image of human face and other information as number of detected face in input image, processing time, number of skin region. In this final project, the testing is applied on 113 input images each of them, 73 for image with single photo and 40 for image with group photo. From the result data, the detection with three method gave 98,6% of success in detection for single photo and 57,5% for group photo.Keyword: Face Detection, Eigenface, Connected Component Analysis, Segmentation, Template Matching, Skin Colo