Electronic Theses and Dissertation

Pengenalan wajah citra cross spectral merupakan sistem pengenalan wajah pada citra yang memiliki lintas spektrum berbeda yaitu citra yang terdapat perbedaan modalitas berupa kondisi pencahayaan dan panjang gelombang yang berbeda antar citra seperti visible light (VIS) dan near infrared (NIR). Dalam kasus ini untuk mencocokkan gambar wajah yang memiliki spektrum cahaya yang berbeda masih menjadi masalah yang menantang pada sistem pengenalan wajah, karena sulitnya melakukan pencocokan antar citra yang memiliki lintas spektrum berbeda. Oleh sebab itu penelitian ini mengusulkan perancangan sistem pengenalan wajah pada citra cross spectral berbasis deep learning menggunakan arsitektur ResNet-50 tanpa menerapkan homomorphic filtering dan dengan menerapkan homomorphic filtering pada praproses citra. Cara kerja sistem ini ialah dengan mencocokkan sebuah gambar wajah dengan gambar berbeda modalitas atau spektrum yang berbeda. Berdasarkan pengujian yang telah dilakukan, hasil penelitian sistem pengenalan wajah citra cross spectral menggunakan arsitektur ResNet-50 memperoleh nilai akurasi sebesar 61% untuk jarak 1m, 59% untuk jarak 60m dan 49% untuk jarak 100m. Sedangkan nilai akurasi yang diperoleh dengan menerapkan homomorphic filtering pada praproses citra untuk pengenalan wajah citra cross spectral menggunakan arsitektur ResNet-50 menghasilkan nilai akurasi 82% untuk jarak 1m, 70% untuk jarak 60m, dan 55 % untuk jarak 100m. Dari hasil yang didapat menunjukkan bahwa nilai akurasi yang didapat dengan menerapkan homomorphic filtering pada praproses citra untuk pengenalan wajah citra cross spectral menggunakan arsitektur ResNet-50 dapat meningkatkan tingkat akurasi pengenalan sebesar 21% pada jarak 1m, 11% pada jarak 60m, dan 6% pada jarak 100m.

Kata kunci: Cross Spectral, Residual Network, Face Recognition

Cross spectral image face recognition is a face recognition system on images that have different cross-spectrums, namely images that have different modalities in the form of lighting conditions and different wavelengths between images such as visible light (VIS) and near infrared (NIR). In this case, matching facial images that have different light spectra is still a challenging problem for facial recognition systems, because of the difficulty of matching between images that have different spectrums. Therefore, this study proposes the design of a face recognition system for deep learning-based cross spectral images using the ResNet-50 architecture without applying homomorphic filtering and by applying homomorphic filtering to the pre-processed image. The way this system works is by matching an image of a face with an image of a different modality or spectrum. Based on the tests that have been carried out, the results of the research on a cross spectral image face recognition system using the ResNet-50 architecture obtained an accuracy value of 61% for a distance of 1m, 59% for a distance of 60m and 49% for a distance of 100m. While the accuracy value obtained by applying homomorphic filtering to the pre-processed image for face recognition of cross spectral images using the ResNet-50 architecture produces an accuracy value of 82% for a distance of 1m, 70% for a distance of 60m, and 55% for a distance of 100m. From the results obtained indicate that the accuracy value obtained by applying homomorphic filtering to the image pre-processing for face recognition of cross spectral images using the ResNet-50 architecture can increase the recognition accuracy level by increasing the accuracy by 21% at a distance of 1m, 11% at a distance of 60m, and 6% at 100m. Keywords: Cross Spectral, Residual Network, Face Recognition