Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal InComTech: Jurnal Telekomunikasi dan Komputer
Mochamad Miftakhul Huda
Teknik Elektro, Universitas Mercu Buana
Computer Science & IT Electrical & Electronics Engineering Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Illumination Invariant Face Recognition Regina Lionnie; Mochamad Miftakhul Huda; Mudrik Alaydrus
InComTech : Jurnal Telekomunikasi dan Komputer Vol 10, No 3 (2020)
Publisher : Department of Electrical Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22441/incomtech.v10i3.8466

Abstract

Face recognition adalah bidang penelitian yang selalu menjadi topik penelitian dengan peminatan yang sangat besar. Berbagai potensial pengembangan aplikasi, dari sistem keamanan individu hingga untuk sistem control dan sistem surveillance. Algoritma pengenalan wajah telah diusulkan oleh banyak peneliti. Metode pengenalan wajah dengan performa yang baik seperti eigenfaces, fisherfaces, jaringan saraf tiruan, elastic bunch graph matching, laplacian faces, dan lainnya. Performa dari algoritma ini awalnya diuji pada gambar wajah yang dikumpulkan di bawah lingkungan kontrol yang baik pada kondisi studio dan pencahayaan yang diatur, dan karenanya, sebagian besar mengalami kesulitan dalam mengatasi gambar alami, yang dapat ditangkap di bawah kondisi pencahayaan, pose, dan ekspresi wajah yang sangat bervariasi. Situasi menjadi lebih menantang ketika kombinasi variasi ini harus ditangani secara bersamaan. Kondisi pencahayaan berbeda menimbulkan hambatan vital dalam sistem pengenalan karena mereka sangat mempengaruhi penampilan gambar wajah dan meningkatkan variasi antar kelas. Pada penelitian ini, telah dibangun sistem pengenalan wajah menggunakan Local Binary Pattern (LBP) dengan total gambar pada basis data sebanyak 400 gambar yang diambil dari 25 kelas/responden. Menggunakan 2-fold cross validation dan jarak Euclidean, presisi tertinggi yang diraih system adalah sebesar 87,98% dengan variasi ekualisasi histogram tanpa menggunakan LBP.
Co-Authors Mudrik Alaydrus Regina Lionnie