A Comprehensive Analysis of Face Recognition Algorithm Performance in Dlib and Opencv

Kevin, Kevin (2020) A Comprehensive Analysis of Face Recognition Algorithm Performance in Dlib and Opencv. Undergraduate thesis, Universitas Internasional Batam.

Preview	Text s-1631004-abstract-en.pdf Download (650kB) | Preview
Preview	Text s-1631004-abstract-id.pdf Download (651kB) | Preview
Preview	Text s-1631004-bibliography.pdf Download (1MB) | Preview
Preview	Text s-1631004-chapter1.pdf Download (1MB) | Preview
Preview	Text s-1631004-chapter2.pdf Download (1MB) | Preview
	Text s-1631004-chapter3.pdf Restricted to Repository staff only Download (902kB) | Request a copy
	Text s-1631004-chapter4.pdf Restricted to Repository staff only Download (2MB) | Request a copy
Preview	Text s-1631004-chapter5.pdf Download (884kB) | Preview
Preview	Text s-1631004-cover-id.pdf Download (11kB) | Preview

Abstract

Tujuan penelitian ini adalah untuk menganalisa secara komprehensif empat algoritma pengenalan wajah. Analisa berbagai jenis algoritma pengenalan wajah itu diperlukan sebagai bahan referensi untuk para developer perangkat lunak yang ingin mengimplementasikan fitur pengenalan wajah ke dalam suatu program/aplikasi. Algoritma akan di analisa dari sisi kecepatan dan ketepatan. Dataset gambar akan digunakan untuk menguji kecepatan dan akurasi, disertai juga dengan beberapa gambar aktual/nyata untuk mendapatkan analisis yang lebih umum tentang bagaimana algoritma tersebut akan tampil dalam skenario kehidupan nyata. Bahasa pemograman yang digunakan untuk algoritma pengenalan wajah adalah Python. Dataset gambar akan berasal dari LFW (Labeled Faces in the Wild), dan AT&T, dimana keduanya tersedia dan siap untuk diunduh dari internet. Gambar aktual/nyata adalah gambar orang yang ada di sekitar lingkungan UIB (Universitas Internasional Batam). Algoritma pengenalan wajah yang akan dianalisis akan berasal dari open source library Dlib, dan OpenCV. Dari Dlib algoritma yang akan di analisa adalah DNN dan HOG, dari OpenCV adalah CNN dan HAAR Cascades, secara keseluruhan ada empat algoritma pengenalan wajah yang akan dianalisis. Secara umum tidak ada pemenang yang jelas di antara keempat algoritma, keempat algoritma memiliki kelebihan dan kekurangannya masing-masing. ********************************************************************** The purpose of this research is to create a comprehensive analysis of four face recognition algorithms. This is so that future software developers have a reference to work with when adding a face recognition into their software. The analysis will look into the speed and accuracy of each algorithms. An image dataset would be used to test the speed and accuracy, accompanied with a few real life images to help get a more generalized analysis on how the algorithms will perform in a real life scenario. The programming language used for the face recognition algorithms is Python. The image dataset will be from the LFW (Labelled Faces in the Wild) dataset, and the AT&T dataset, both of which are available for download from the internet. The real life images will be images of people surrounding UIB (Universitas Internasional Batam). The face recognition algorithms that will be analyzed will be from the Dlib and OpenCV open source python libraries. From Dlib it will be DNN and HOG, from OpenCV it will be CNN and HAAR Cascades; so a total of four face recognition algorithms will be analyzed. In general there is no clear winner among the face recognition algorithms, each has their own advantages and disadvantages.

Actions (login required)

View Item