Devito, Dani (2019) Ekstraksi Ciri Untuk Klasifikasi Gender Berbasis Citra Wajah Menggunakan Metode Histogram of Oriented Gradients. Sarjana thesis, Universitas Brawijaya.
Abstract
Gender manusia dapat dikenali dari wajah seseorang. Pria dan wanita memiliki beragam ciri, seperti bentuk wajah, alis, mulut, dagu, hidung, mata, dan juga bulu rambut wajah. Banyak bidang akan terbantu dengan suatu sistem yang bisa dikembangkan untuk mengenali gender manusia, salah satunya untuk analisis demografi pemerintah Indonesia. Sistem klasifikasi gender akan membantu pihak yang menentukan keputusan dari pengenalan gender secara cepat. Oleh karena itu, suatu model klasifikasi dapat dibangun untuk membedakan pria dan wanita dari ciri-ciri wajahnya dengan mempelajari fitur dari berbagai data citra pria dan wanita. Terdapat salah satu metode ekstraksi ciri bentuk yakni Histogram of Oriented Gradients (HOG). Hasil menunjukkan kemampuan model klasifikasi dapat meningkat dengan mengatur parameter HOG seperti ukuran pembagian citra lokal, ukuran bin histogram orientasi, dan relasi bagian lokal dengan yang lain. Penelitian ini juga membahas kasus efek penggunaan kacamata dan tidak. Dari penelitian ini dijelaskan bagaimana membangun model klasifikasi gender dari HOG berbasis citra wajah. Model yang dibangun mampu mengklasifikasikan pria kembali hingga 97,83% dan wanita hingga 95,92%. Parameter terbaik untuk HOG pada klasifikasi gender adalah dengan menggunakan (8,8) piksel per sel, 9 bin histogram tiap sel, normalisasi setiap (2,2) blok dari citra wajah berukuran (128,128). Dapat disimpulkan juga ada pengaruh bentuk dari kacamata terhadap kemampuan klasifikasi gender.
English Abstract
Human gender could be recognized from his or her face. Males and females have many different features, such as face shape, eyebrows, mouth, chin, nose, eyes, including facial hairs. Many fields aided by such system which could be developed to automatically recognize human gender, especially for demographic analysis by Indonesian Government. Such gender classification system will rapidly help decision maker that need gender recognition ability. A classifier model could be built to distinguish males from females from its facial features by learning a collections of male and female images data. One method for shape feature extraction is Histogram of Oriented Gradients (HOG). Results shows that classifier ability could be improved by tuning HOG parameter like size for dividing to local image regions, orientation histogram bin size and how each histogram relate to another. This research discussing case of subjects wearing glasses and not. This research explains how to build classification model from Histogram of Oriented Gradients based on face images. Built model able to classify men and women up to 97,83% and 95,92% each. Best parameter for Histogram of Oriented Gradients to classify gender is using (8,8) pixels per cell, 9 bin histogram each cell, (2,2) cell per blocks from (128,128) face image. It could be concluded too that glasses shape affects classification model ability.
Other obstract
-
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FILKOM/2019/570/051907762 |
| Uncontrolled Keywords: | pengolahan citra, ekstraksi ciri, gender wajah, Histogram of Oriented Gradients, Support Vector Machine, image processing, feature extraction, face gender, Histogram of Oriented Gradients, Support Vector Machine |
| Subjects: | 000 Computer science, information and general works > 001 Knowledge > 001.012 Classification |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 01 Aug 2020 08:55 |
| Last Modified: | 19 Oct 2021 05:16 |
| URI: | http://repository.ub.ac.id/id/eprint/173899 |
Preview |
Text
Dani Devito .pdf Download (3MB) | Preview |
Actions (login required)
 |
View Item |