Face Recognition Pengenalan Wajah Pengantar l Algoritma pengenalan

Face Recognition

Pengenalan Wajah Pengantar l Algoritma pengenalan l 2

Eigenvalues and Eigenvectors Definition • Jika v adalah vektor tidak nol dan λ adalah suatu nilai bilangan sehingga Av = λv, maka v dikatakan eigenvector dari A dengan eigenvalue λ. Example

Principal Component Analysis (PCA) • Contoh 4

Algoritma Pengenalan Wajah l Kita perkenalkan l Eigenfaces 5

Eigenfaces Dikembankan th 1991 olej M. Turk l Didasarkan Principal Component Analysis (PCA) l Relatif sederhana l Cepat l Handal l 6

Eigenfaces l PCA mencari arah yang efisien untuk merepresentasikan data not efficient Class A Class B 7

Eigenfaces l PCA memaksimalan sebaran data scatter Class A Class B 8

Eigenfaces PCA mengurangi dimensi data l Mempercepat waktu komputasi l 9

10

Algoritma Eigenfaces l Asumsi l Citra ukuruan Lebar = Tinggi = N l M adalah jumlah citra dalam database l P jumlah orang dalam database 11

Eigenfaces, the algorithm l The database 12

Eigenfaces, the algorithm l Kita menghitung rata-rata wajah 13

Eigenfaces, the algorithm l Kemudian wajah data training dikurangkan dengam mean wajah 14

Eigenfaces, the algorithm l Kita bangun matrik dengan ukuran N 2 x M l Matrik covariance N 2 x N 2 15

Eigenfaces, the algorithm l Cari eigenvalues dari matrik covariance l Matrik sangat besar l Komputasinya sangat tinggi l Kita perhatikan pada M eigenvalues l Kita dapat mengurangi dimensi matrik 16

Eigenfaces, the algorithm l Menghitung matrik lain dengan ukuran Mx. M l Mencari M eigenvalues dan eigenvectors l Eigenvector dari Cov dan L adalah sama nilainya l Bentuk matrik V dari eigenvector L 17

Eigenfaces, the algorithm l Eigenvector dari Cov adalah kombinasi linear dari ruang wajah dengan eigenvectors dari L V is Matrix of eigenvectors l Eigenvector merepresentasikan variansi dari wajah 18

Eigenfaces, the algorithm A: kumpulan dari wajah data training U: Ruang Wajah / Eigen Space 19

Eigenfaces l Eigenface wajah aslinya 20

Eigenfaces, the algorithm l Menghitung untuk setiap wajah proyeksinya ke ruang wajah l Menghitung threshold 21

Eigenfaces: Prosedur Pengenalan l Untuk mengenali wajah l Kurangkan dengan rata –rata wajah (m) 22

Eigenfaces, the algorithm l Hitung proyeksinya ke ruang wajah ke ruangan U Hitung jarak antaran wajah the face dan semua wajah l 23

Eigenfaces, the algorithm l Rekonstruksi wajah dari eigenfaces l Menghitung jarak antara wajah dan rekonstruksinya ( ) 24

Eigenfaces, the algorithm l Distinguish between l If then it’s not a face; the distance between the face and its reconstruction is larger than threshold l If then it’s a new face l If then it’s a known face because the distance in the face space between the face and all known faces is larger than threshold 25

Eigenfaces, the algorithm l Masalah dengan eigenfaces l Berbagai pencahayaan 26

Eigenfaces, the algorithm l Maslah l Beragam pose wajah l Beragam ekpresi wajah 27