Tarigan, Widyawan (0222062) (2017) Pengenalan Wajah Dengan Menggunakan Metode Discriminative Local Difference Patterns. Undergraduate thesis, Universitas Kristen Maranatha.
|
Text
0222062_Abstract_TOC.pdf - Accepted Version Download (354Kb) | Preview |
|
![[img]](http://repository.maranatha.edu/style/images/fileicons/text.png) |
Text
0222062_Appendices.pdf - Accepted Version Restricted to Repository staff only Download (3466Kb) |
|
|
Text
0222062_Chapter1.pdf - Accepted Version Download (264Kb) | Preview |
|
|
Text
0222062_Chapter2.pdf - Accepted Version Restricted to Repository staff only Download (713Kb) |
|
|
Text
0222062_Chapter3.pdf - Accepted Version Restricted to Repository staff only Download (845Kb) |
|
|
Text
0222062_Chapter4.pdf - Accepted Version Restricted to Repository staff only Download (540Kb) |
|
|
Text
0222062_Conclusion.pdf - Accepted Version Download (210Kb) | Preview |
|
|
Text
0222062_Cover.pdf - Accepted Version Download (170Kb) | Preview |
|
|
Text
0222062_References.pdf - Accepted Version Download (141Kb) | Preview |
Abstract
Pada sistem pengenalan wajah, merancang deskriptor ciri wajah tetap menjadi isu yang penting. Secara umum, deskriptor ciri wajah bisa dikelompokkan menjadi deskriptor ciri lokal seperti local binary pattern (LBP), local gabor binary patterns histogram sequence (LGBPHS), dan deskriptor ciri holistik seperti linear discriminant analysis (LDA). Deskriptor ciri holistik tangguh untuk mengatasi variasi pencahayaan, namun kurang efektif menangani pose dan perubahan ekspresi. Deskriptor ciri lokal lebih diminati dan berkembang saat ini karena mampu mengatasi perubahan tampilan di area tertentu pada wajah, namun pada waktu komputasi yang dibutuhkan pada prosesnya lebih lama. Pada tugas akhir ini digunakan deskriptor ciri wajah yang merupakan kombinasi antara deskriptor ciri local dan holistik yang disebut discriminative local difference patterns (DLDP). Dengan harapan mampu mengatasi variasi pose, pencahayaan, ekspresi dan aksesoris pada citra wajah. Pengujian dilakukan terhadap 3 database yaitu database ORL, GT, dan Yale. Pada database Yale diterapkan 2 skenario pra-pemprosesan yaitu tanpa histogram equalization (HE) dan dengan HE. Pada pengujian diterapkan sejumlah skema simulasi pada masing – masing database. Akurasi pengenalan berdasarkan cosine similarity pada database ORL adalah 87,3%, pada database GT sebesar 55,1%, pada database Yale tanpa HE sebesar 53,1% dan pada database Yale dengan HE sebesar 57,5%
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Uncontrolled Keywords: | Pengenalan wajah, discriminative local difference patterns, cosine similarity. |
| Subjects: | T Technology > TK Electrical engineering. Electronics Nuclear engineering |
| Divisions: | Faculty of Engineering > 22 Electrical Engineering Department |
| Depositing User: | Perpustakaan Maranatha |
| Date Deposited: | 06 Sep 2017 04:09 |
| Last Modified: | 06 Sep 2017 04:09 |
| URI: | http://repository.maranatha.edu/id/eprint/23040 |
Actions (login required)
 |
View Item |
