Aging process are natural and can not be avoided especially
for human being. Human face changes significantly with the advancing age.
Aspects effecting this hanges are heredity, psychologies, nutrient, lifestyle,
race and geographies. People’s behavior and preference are different at
different ages. As consequence of the growing science, technology and
information, a public service be needed to support human needs based on age classification.
An age group classification system for gray scale facial image is proposed in
this research. Three age groups,
including young adults, middle-aged adults and old adults were used in the
classification. The process of the system is divided into two phases: the texture facial feature extraction and age
classification. To yield a good classifier, a good descriptor was needed as a
feature distinction. Based on five regions of human face, the respective five wrinkle
features from each facial image were obtained through a statistical of
randomness (entropy) approach. Finally, the Support Vector Machine with One
Against All method were constructed for classifications. The texture features
were than used to classify every image into one of the three adult groups. The
proposed system was experimented with 100 facial images on a Pentium Celeron processor
with 512 MB RAM. Sixty images were used for training and the others for the
test. A 100% identification rates were achieved for training images and 90% for
the test images, which is roughly close to human’s subjective justification.
This estimation scheme can be implemented in other fields of study.
Keywords:
Age Classifications, Texture Facial Feature Extraction, One Against All Support Vector Machine.
INTISARI
Proses penuan merupakan hal yang tidak bisa
dihindari dan sifatnya alami pada manusia. Perubahan wajah manusia terjadi
secara signifikan seiring dengan bertambahnya usia. Aspek-aspek yang
mempengaruhi perubahan ini antara lain: keturunan, psikologis, nutrisi, gaya hidup, ras maupun daerah asal. Manusia memiliki kebutuhan yang berbeda
pada setiap kelompok usia. Sebagai konsekuensi perkembangan ilmu pengetahuan, teknologi
dan informasi maka dibutuhkan layanan publik yang dapat membantu manusia dalam
memenuhi kebutuhan berdasarkan kelompok umur yang sesuai. Dalam penelitian ini
digunakan citra skala keabuan (gray scale) sebagai masukan sistem klasifikasi
kelompok umur. Terdapat tiga kelompok umur dewasa yang digunakan dalam
klasifikasi ini yaitu dewasa muda, setengah baya, dan lanjut usia. Proses dalam sistem yang dibangun
terbagi atas dua fase, yaitu ekstraksi
fitur tekstur citra wajah dan klasifikasi umur.
Untuk dapat mengelompokkan umur dengan baik maka dibutuhkan diskriptor yang tepat sebagai ciri pembeda utama. Berdasarkan
lima wilayah keriput pada wajah manusia, lima ciri keriput dapat dihasilkan
dengan menggunakan pendekatan analisis keacakan statistis, yaitu entropi. Untuk membentuk sistem klasifikasi ini digunakan
Support Vector Machine
metode One Agains All. Ciri
tekstur yang dihasilkan oleh fase ekstraksi ciri digunakan untuk menjadi
penentu klasifikasi citra kedalam tiga kelompok
umur dewasa. Penelitian ini
telah menggunakan seratus citra
wajah pada sistem komputer berprosesor Celeron dan RAM 512MB. Angka
keberhasilan identifikasi sistem ini mencapai 100% pada tahap training dan 90%
pada tahap pengujian nyata yang hampir
mendekati secara kasar penilaian manusia. Selanjutnya aplikasi ini diharapkan dapat menjadi
referensi yang dapat diimplementasikan
dibidang penelitian lain.
Kata kunci :
Klasifikasi umur, ekstrak fitur tekstur citra wajah manusia, Support
Vector Machine metode One Agains All.
