Satu minggu ini saya berfikir mengenai bagaimana mengekstraksi ciri alis, yang nantinya ditujukan untuk mengukur indeks similaritas dari tiap alis. Sederhananya, ciri ini digunakan untuk menentukan apakah suatu alis mirip dengan suatu alis lainnya. Metode yang saya tuliskan di bawah ini sebagiannya terinspirasi dari papernya Peter Hillman et al[1], dengan beberapa modifikasi dan inovasi. Kaidah yang saya gunakan dalam inovasi adalah: sama sekali beda, baru, atau modifikasi yang ada.

Satu minggu ini saya berfikir mengenai bagaimana mengekstraksi ciri alis, yang nantinya ditujukan untuk mengukur indeks similaritas dari tiap alis. Sederhananya, ciri ini digunakan untuk menentukan apakah suatu alis mirip dengan suatu alis lainnya. Metode yang saya tuliskan di bawah ini sebagiannya terinspirasi dari papernya Peter Hillman et al[1], dengan beberapa modifikasi dan inovasi. Kaidah yang saya gunakan dalam inovasi adalah: sama sekali beda, baru, atau modifikasi yang ada.

Sebelum melakukan proses ini, saya mencoba untuk menggunakan metode PCA dan eigenface dalam mengukur similaritas dari alis. Cukup berhasil, karena metode ini berhasil memberikan nilai similaritas 1 (satu) atau 100% sama ketika membandingkan alis yang ingin dicari dengan alis yang sama di dalam database. Akan tetapi saya masih memberikan indikator kesuksesan yang fuzzy, yaitu cukup berhasil, karena belum ada penghitungan yang formal dari metode ini.

Berangkat dari hal ini, saya ingin menemukan metode baru yang bisa lebih efektif daripada eigenface. Maka pilihan metode ekstraksi fitur alis yang akan saya gunakan adalah:

Klasifikasi eigenface

1. 5 ver: 5 garis vertikal dari alis

Hillman et al dalam papernya memberikan rekomendasi untuk ekstraksi ciri dari alis dengan metode ini, hasil dari percobaanya disimpulkan dengan kata-kata yang fuzzy: acheived a good performance for feature extraction[2]. Sebetulnya metode ini tidak 100% sama dengan Hillman et al, karena mereka menggunakan k-means clustering setelah rangkaian metode ini.

Ide saya, 5 garis vertikal ini akan digunakan sebagai perwakilan identitas dari tiap alis yang akan direpresentasikan sebagai matriks. Matriks ini berukuran: 5 x n, dengan n adalah lebar dari image. Matriks ini kemudian akan diproses menggunakan PCA dan eigenface, sehingga didapatkan vektor identitas dari tiap alis. Ide ini diperjelas di Gambar 1.

2. 5 ver + 3 hor: 5 garis vertikal dan 3 garis horizontal di image satu alis. Secara ide dasar metode ini mirip dengan 5 ver. Saya melakukan modifikasi dengan menambahkan 3 garis horizontal sebagai identitas dari tiap alis. Hal ini dikarenakan dari berbagai jenis alis, fitur yang subuah alis berbeda dari alis lainnya bukan hanya ketebalan secara vertikal. namun juga 2 hal tambahan, yaitu 1) Ketebalan secara horizontal dan 2) Ujung alis yang menukik ke bawah.

Setelah 8 fitur ini didapatkan, maka akan dibuat bentuk representasi yang sesuai dalam matriks. Setelah itu, matriknya juga akan diproses dengan PCA dan eigenface.

Pada 2 metode ini saya baru menggunakan satu kaidah dalam inovasi: memodifikasi yang sudah ada. Semoga di lain waktu bisa saya ceritakan bentuk penerapan kaidah yang juga sedang saya coba pelajari ini. Kemudian, seri selanjutnya insyaAllah akan saya lanjutkan dengan metode lainnya yang akan saya implementasikan dan komparasi.

Semoga bermanfaat.

---

[1] Improved Facial Feature Extraction for Model-Bsed Multimedia, Paul Kuo, Peter Hillman, John Hannah

[2] Ibid, halaman 7.