Expression-Free Face Recognition Techniques Using the Nearest Feature Line Method with Feature Representations in the Eigen Space
| Main Author: | Mardianto, Is |
|---|---|
| Format: | Article info application/pdf eJournal |
| Bahasa: | ind |
| Terbitan: |
Program Studi Teknik Informatika UMN
, 2020
|
| Online Access: |
http://ejournals.umn.ac.id/index.php/TI/article/view/1562 http://ejournals.umn.ac.id/index.php/TI/article/view/1562/953 |
Daftar Isi:
- Facial recognition with different expressions is one part of the pattern recognition problem which is quite complex when compared to pattern recognition on a normal profile. The expression-free face recognition method using the Nearest Feature Line (NFL) technique works by finding the closest projection distance between feature vectors, assuming that the closer the projection distance of a feature vector (face) to another feature vector (face), the more similar the properties will be physical feature vector (face) which are close together. The NFL distance calculation is performed on the eigen dimensional space with the aim that the calculated feature vector (face) dimension has a much smaller dimension in order to increase the level of recognition accuracy and speed up computational time. The test results obtained indicate the NFL method provides a fairly good level of recognition accuracy in the average value of 76.7% with the advantage of low computational time needed when compared with other intelligent methods such as artificial neural network systems.
- Pengenalan wajah dengan ekspresi berbeda adalah salah satu bagian dari masalah pengenalan pola yang cukup kompleks jika dibandingkan dengan pengenalan pola pada profil normal.Metode pengenalan wajah bebas ekspresi menggunakan teknik Nearest Feature Line (NFL) bekerja dengan menemukan jarak proyeksi terdekat antara vektor ciri, dengan asumsi bahwa semakin dekat jarak proyeksi vektor ciri (wajah) ke vektor ciri (wajah) lainnya, maka lebih mirip sifat akan vektor ciri fisik (wajah) yang berdekatan. Perhitungan jarak NFL dilakukan pada ruang dimensi eigen dengan tujuan agar dimensi ciri vektor (wajah) memiliki dimensi yang jauh lebih kecil untuk meningkatkan tingkat akurasi pengenalan dan mempercepat waktu komputasi.Hasil pengujian yang diperoleh menunjukkan metode NFL memberikan tingkat akurasi pengenalan yang cukup baik pada nilai rata-rata akurasi 76,7% dengan keunggulan waktu komputasi yang rendah jika dibandingkan dengan metode cerdas lainnya seperti sistem jaringan saraf tiruan.