Pengenalan Wajah Dengan Algoritma Canonical Correlation Analysis (CCA)

Abstract

Pada tugas akhir ini akan dilakukan proses pengenalan wajah dengan menggunakan algoritma CCA (Canonical Correlation Analysis). CCA digunakan untuk mengukur hubungan linear yang saling berkorelasi antara dua variable multidimensi. CCA dapat juga digunakan untuk menemukan dua set dari basis vector, satu untuk x dan satu untuk y, sehingga dapat memaksimalkan korelasi antara dua proyeksi dari variabel yang ada di dalam basis vektor secara bersamaan. Sifat lain yang penting dari canonical correlation adalah bahwa metode ini tidak terpengaruh oleh affine transformation dari variabel, affine disini terdiri dari translasi, rotasi, dan dilasi, sehingga metode CCA cocok digunakan untuk pengenalan wajah yang kendala utamanya adalah PIE (Pose, Illumination, Expression). Ini adalah hal terpenting yang membedakan antara CCA dan analisa korelasi biasa yang sangat mengandalkan pada basis di dalam variable yang diuraikan.
Pada tugas akhir ini akan menerapkan algoritma CCA untuk pengenalan wajah, uji coba akan dilakukan dengan menggunakan database Yale-B dan ORL. Metode yang digunakan adalah menggabungkan fitur wajah yang berasal dari dua buah feature extractor yang berbeda, feature extractor disini adalah fitur PCA (Principal Component Analysis) secara global dan PCA (Principal Component Analysis) per bagian atau parts.

CC Licencing

Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).