Penerapan algoritma photometric normalization untuk meningkatkan keakuratan sistem pengenalan wajah berbasisi principal component analysis

Sistem pengenalan wajah adalah suatu sistem yang membuat mesin dapat mengenali wajah seseorang. Sebelumnya adapula riset yang bertujuan memanfaatkan metode Principal Component Analysis terhadap pengenalan wajah. Pada penelitian ini didapatkan data untuk rata-rata keakuratan pengenalan citra pada kondisi normal, miring, dan gelap terhadap 5 citra latih sebesar 73,33%, untuk 10 citra latih sebesar 86,67% dan untuk 20 citra latih sebesar 80% (Gunawan, 2013). Sehingga dapat diketahui bahwa dalam sistem pengenalan wajah masih terdapat kesalahan dalam mengenali wajah, adapun permasalah yang lain berupa pencahayaan yang terlalu gelap pada citra uji sehingga sistem tidak dapat melakukan pengenalan bahkan pendeteksian wajah. Pada penelitian kali ini solusi untuk permasalahan keakuratan pengenalan tersebut akan diatasi dengan cara menerapkan Algoritma Photometric Normalization sebagai algoritma pendukung yang berfungsi untuk mengolah citra gambar pada sistem, dimana metode yang terkandung didalamnya akan memproses dan menormalisasikan citra gambar yang akan digunakan dan diujikan kedalam sistem pengenalan wajah, dengan tujuan bahwa algoritma tersebut dapat meningkatkan tingkat keakurasian pengenalan wajah. Pada penelitian ini maka diperoleh hasil pengenalan dari perbandingan antara citra latih dengan citra uji yang memiliki keadaan tertentu yakni, posisi wajah dalam keadaan menghadap miring, serta keadaan pencahayaan yang bervariasi. Pengenalan yang didapatkan dari proses pengolahan gambar dengan menggunakan metode yang terkandung didalam Algoritma Photometric Normalization yaitu metode Isotrophic Smoothing dapat meningkatan keakurasian pengenalan wajah sebesar 8.333%, sedangkan untuk metode Multiscale Retinex dapat meningkatkan keakurasian sebesar 38.462% pada citra uji dengan pencahayaan yang gelap. Sehingga Algoritma Photometric Normalization dapat membantu sistem dalam meningkatkan keakuratan pengenalan wajah.

Face recognition system is a system that makes the machine can recognize the face of a person. In previously theres a research that have a purpose to using the Principal Component Analysis method for face recognition. In this research, the data for the average accuracy of image recognition in normal conditions, more to side, and dark against 5 trained images is 73.33%, for 10 trained images is 86.67% and for 20 trained images is 80% (Gunawan , 2013). So it can be seen that the face recognition system is still had a mistake in recognizing faces, while other problems such as the condition of the lighting is too dark on the test image so that the system can not do the recognition or even face detection. In this study the solution for the problem of the accuracy would be solved by applying the algorithm Photometric Normalization as a support algorithm for image processing function on the system, where the method contained in the algorithm will process and normalize the image that will be used and tested into the face recognition system, with the aim that the algorithm can improve the accuracy of face recognition rate. In this study, the obtained results of the comparison between the trained images with the test images that have a particular condition that is, the position of the face in a state facing side, and varying lighting conditions. Recognition results obtained from the processing of images by using the method contained in Photometric Normalization Algorithm specifically Isotrophic Smoothing method can improve the accuracy of face recognition by 8.333%, while for the Multiscale Retinex method can improve the accuracy by 38.462% on the test images with dark lighting condition. So Photometric Normalization Algorithm can help the system to improve the accuracy of face recognition.