<![CDATA[Pengenalan wajah memiliki keunggulan karena gambar wajah bisa didapat dari kejauhan dengan menggunakan kamera. Namun, ketika tangkapan citra dalam kondisi gelap dan kurang pencahayaan yang sama sekali tidak mungkin dilakukan, maka citra termal sangat memungkinkan untuk digunakan. Metode yang sebelumnya digunakan untuk pengenalan wajah citra termal adalah MultiScale Block Local Binary Pattern (MB-LBP), namun persentase keberhasilannya masih kurang optimal dan masih dapat ditingkatkan. Oleh sebab itu, penelitian ini bertujuan untuk meningkatkan kinerja metode MBLBP sehingga recognition rate dapat menjadi lebih tinggi. Hal itu dilakukan dengan cara mengembangkan framework pengenalan wajah citra termal yang baru yang disebut Waberface Multi Scale Block Local Binary Pattern (W-MBLBP). W-MBLBP diperoleh dengan cara menggabungkan metode Multi Scale Weberface (MSW) dan MB-LBP. Simulasi dilakukan terhadap 1000 citra wajah yang dibagi menjadi 100 subjek dan setiap subjek memiliki 10 citra wajah yang memiliki perbedaan ekspresi, dimana setiap citra memiliki ukuran 180x225 piksel. Hasil simulasi menunjukkan metode W-MBLBP yang diusulkan mengalami peningkatan untuk recognition rate sebesar 6.16 % dan dapat menurunkan error rate sebesar 27 %.]]>
Copyrights © 2022
