Pengelompokan usia berdasarkan citra wajah menggunakan algoritma neural network dengan fitur face anthropometry dan kedalam kerutan

Nur Hayatin

Abstract


ABSTRAK

Pengelompokan usia (age prediction) merupakan salah satu topik penelitian yang terkait dengan prediksi usia berdasarkan citra wajah. Permasalahan terkait dengan pengelompokan usia berdasarkan citra wajah adalah bagaimana memilih fitur wajah yang tepat, sehingga dapat mempengaruhi hasil akhir pengelompokan. Penelitian ini bertujuan untuk mengelompokan usia berdasarkan citra wajah dengan menggunakan fitur penting yaitu face anthropometry dan kerutan (wrinkle). Di mana fitur kerutan yang digunakan selain memperhitungkan lebar kerutan (wrinkle density) juga digunakan fitur kedalaman kerutan (the dept of wrinkle). Metode penelitian ini terdiri dari 4 tahapan yaitu: Praproses, identifikasi lokasi titik wajah, ekstraksi fitur dan klasifikasi. Lokasi titik wajah diidentifikasi berdasarkan bentuk simetri wajah dan perbedaan nilai intensitas piksel. Sedangkan kerutan didapatkan dari gabungan metode deteksi tepi menggunakan operator Sobel dan histogram equalization. Algoritma yang digunakan untuk proses klasifikasi adalah algoritma Neural Network (NN) yang akan mengelompokan data citra input menjadi 3 kelas yaitu anak, remaja dan tua. Hasil akhir pengujian menunjukkan bahwa metode yang diusulkan telah mampu mengelompokan usia berdasarkan citra wajah dengan cukup baik dengan hasil akurasi pengujian sebesar 65 % dengan epochs = 1000, dan error rate = 0.0095, sebanyak 100 kali iterasi.

Kata kunci: Age prediction, face ratio, Neural Network, wrinkle.

 

ABSTRACT

   Age prediction  is one of the  research topics related to the prediction of age based on facial image. The problems associated with age groupings based on the image of the face is how to choose the right facial features, that will affect the final result grouping.  This study aims to categorize age based on facial image by using the important features, that is face anthropometry and wrinkles. Wherein the wrinkles features that used are wrinkles density and the depth of wrinkles. The research methodology consists of four stages: preprocessing, identification of the face point location , feature extraction and classification. The face point is identified based on facial symmetry and the difference of pixel intensities. While wrinkles was obtained from the combined edge detection method using Sobel operator and histogram equalization. The algorithm used for the classification process is a Neural Network (NN) algorithm that would classify the input image data into three classes, there are children, young and old. The final results of test-ing show that the proposed method was able to categorize age based on facial image fairly well with the results of the test accuracy of 65% with epochs = 1000, and the error rate = 0.0095, 100 iterations.

Keywords: Age prediction, face ratio, Neural Network, wrinkle.




 

Index by:
   

Powered by:


Plagiarism checker:

ISSN:

ISSN (Print): 2087-8893 and ISSN (Online): 2527-3671


Visit:

Free counters!

 

 TEKNOLOGI on Facebook: