OPEN CV :: Pengenalan Wajah Adaptive Hidden Markov Model

Hidden Markov Model (HMM)

Hidden Markov Model (HMM) adalah merupakan sebuah kakas statistik yg sudah banyak diimpementasikan di bidang signal processing, dan speech processing. HMM juga sukses diimpementasikan unt menangani masalah – masalah yg ada pd NLP seperti part-of-speech tagging, phrase chunking, dan mengambil informasi dari sekumpulan dokumen. Andrei Markov memberikan namanya ke sebuah teori matematika yaitu Markov Chain pd awal abad ke 20[3], akan tetapi yg mengembangkan teori HMM adalah Baum dan para koleganya pd tahun 1960

Model Markov Tersembunyi atau lebih dikenal sebagaiHidden Markov Model (HMM) adalah sebuah model statistik dari sebuah sistem yg diasumsikan sebuah Proses Markov dng parameter yg tak diketahui, dan tantangannya adalah menentukan parameter-parameter tersembunyi (state) dari parameter-parameter yg dpt diamati (observer). Parameter-parameter yg ditentukan kemudian dpt dipakai unt analisis yg lebih jauh, misalnya unt aplikasi Pattern Recognition. Sebuah HMM dpt ditentukan sebagai sebuah Bayesian Network dinamis yg paling sederhana.

Pengenalan Wajah Adaptive Hidden Markov Model

Pada model Markov umum (Vanilla/Visible Markov Model), state-nya langsung dpt diamati, oleh karena itu probabilitas transisi state menjadi satu-satunya parameter. Di dalam Model Markov yg tersembunyi, state-nya tidak dpt diamati secara langsung, akan tetapi yg dpt diamati adalah variabel-variabel yg terpengaruh oleh state. Setiap state memiliki distribusi probabilitas atas token-token output yg mungkin muncul. Oleh karena itu rangkaian token yg dihasilkan oleh HMM memberikan sebagian informasi tentang sekuens state-state.

Hidden Markov Model sangat populer diaplikasikan di bidang speech recognition dan bioinformatics.

Pengenalan Wajah Adaptive Hidden Markov Model

Proses pengenalan wajah dng memakai metodeHidden Markov Model sangat erat berhubungan dng parameter Hidden Markov Model yg terkalkulasi. Seberapa baik proses pengenalan dilakukan tergantung pd parameter-parameter tersebut. Pembuatan tugas akhir ini mempunyai tujuan unt merancang aplikasi dng algoritma berbasis Hidden Markov Model dng metode pembaharuan
parameternya.

Dalam perancangan aplikasi Adaptive Hidden Markov Model ini, software terdiri atas pendeteksian wajah dan juga pengenalan wajah. Pendeteksian wajah memakai metode Haar yg diadaptasi dari Haar wavelet transform, sedangkan unt pengenalan memakai metode Hidden Markov Model. Aplikasi dikembangkan memakai Microsoft Visual C++ 6.0 ? , memakai library dari Intel Image Processing Library (IPL) dan Intel Open Source Computer Vision (OpenCV).

Pada pengujian sistem akan nampak bahwa dng memakai proses adaptive pd Hidden Markov Model, tingkat kesalahan akan berkurang pd waktu melakukan pengenalan secara terus-menerus. dng memakai database individu berjumlah 26 orang dng rata-rata jumlah gambar pd database sebanyak 5 didapatkan hasil pengenalan sebesar 68.5 prosen. Peningkatan pd hasil pengenalan setelah dilakukan proses adaptive bervariasi tergantung dari selisih likelihood yg dipakai, nilai selisih likelihood yg optimal adalah 0.3 yg menghasilkan prosentase kebenaran sebesar 77.14%.

Download Source Code : DOWNLOAD

Tweet