FACE RECOGNITION USING EIGENFACES

PENULIS: MATEW A. TURK DAN ALEX P. PENTLAND

JUDUL: FACE RECOGNITION USING EIGENFACES

SUMBER : IEEE  1991.   CH2983-5/91/0000/0586

RESUME:

            Pencitraan wajah  diproyeksikan kedalam sebuah Feature space(“face space”). Yang merupakan encode terbaik diantara pengetahuan pencitraan wajah. Face space didefinisikan oleh Eigenface, yang itu merupakan eigenvektor disesuaikan dengan wajah, mereka tidak membutuhkan coresponden untuk membatasi feature-feature seperti mata hidung dan telinga.

            Kita mengambil keuntungan dari beberapa struktur ini menggunakan scheme yang proporsional untuk pengenalan wajah yang berdasarkan pada pendekatan informasi. Pendekatan tranformasi pengenalan  wajah kedalam sebuah sedikit pengaturan dari karakteristik feature image yang disebut “eigenface”. Pengenalan ditunjukan oleh proyeksi sebuah image baru kedalam subspace spaned oleh eigenface dan kemudian Klasifikasi wajah dengancara  pembandingan posisinya didalam face space dengan posisi yang diketahui.

Perhitungan eigenface, sebuah citra wajah  dimana I(x,y) adalah dua dimensi N oleh N nilai yang intensif atau sebuah dimensi Vektor N² . sebuah tipe gambar ukuran 256 by 256 menggambarkan sebuah vektor dimensi 65, 536-dimensional space. Dimana M adalah vektor orthonormal, eigenvalue λ_k yang menggambarkan distribusi data. Vektor U_k dan scalar λ_k adalah eigenvektor dan eigenvalue ditunjukan dengan rumus dibawah ini: 
                                                            

Dimana matrix A= [ ф₁,ф₂,ф₃,......ф_M]. matrix C, N² by N² dan determinan N² eigenvektor dan eigenvalues adalah sebuah tugas interactable untuk typical image space.

There are four posibilities for an input image and its pattern vektor:

1. near face space and near a face class

2. near face space but not near a known face class

3. distant from face space and near a face class

4. distant from space not near a known face class

Kasus pertama orang dikenali dan diidentifikasi, kasus kedua orang yang tidak dikenali, dua kasus terakhir  mengindikasikan bahwa yang ditangkap merupakan bukan wajah.

KEUNTUNGAN: metode ini cukup sederhana dan efesien dilakukan dan cukup mudah untuk dipelajari oleh orang yang baru belajar pencitraan digital untuk pengenalan objek.

KERUGIAN:

1.         metode ini dianggap sudah kuno dan sudah banyak metode lain yang baru digunakan lebih simple lebih cepat pemrosesan dan lebih akurat.

2.         metode ini membutuhkan waktu yang cukup lama dalam pemrosesan pengenalan satu wajah orang, sedangkan kita sekarang dengan metode yang terbaru dapar memproses dalam hitungan detik.

3.         Akurasi masih kurang sekitar masih 82% dengan percobaan acak sedangkan dengan metode terbaru eror rate sudah mencapai 2.5%.