Pengenalan Manusia Berbasis Pada Single-gait Menggunakan Metode Modifikasi Latent Conditional Random Field (l-crf)

Abstract

Abstrak Pengenalan gait merupakan salah satu bagian dari computer vision yang berfungsi untuk mengenali subjek (manusia) dengan jarak tertentu tanpa memperhatikan aspek biometrik seperti iris, wajah, dan sidik jari. Latent Conditional Random Field (L-CRF) merupakan salah satu algoritma pengenalan single-gait dengan hasil yang lebih baik. Walaupun hasil performansi akurasi subjek dengan kondisi berjalan normal (#NM) yang lebih baik, tapi masih terdapat masalah performansi akurasi terhadap kondisi berjalan lain seperti membawa tas (#BG) dan memakai jas (#CL). Modifikasi Latent Conditional Random Field (mL-CRF) merupakan salah satu metode yang masih berkaitan dengan L-CRF, tapi memiliki perbedaan pada parameter pairwise. Keunggulannya adalah hasil yang lebih baik dalam melatih dan menguji data dari domain yang identik. Penelitian ini menggunakan silhouette frames pada data set CASIA gait database B yang berisi 124 subjek dengan 110 sequence tiap subjek. Proses pengolahan data mL- CRF dilakukan berdasarkan sampel training (LT74 & MT62) dan 11 sudut pengamatan yang akan dibandingkan dengan L-CRF tanpa modifikasi, serta penelitian-penelitian sebelumnya. Pada penelitian ini, LT74 pada mL-CRF merupakan sampel training yang paling baik yang menghasilkan peningkatan akurasi sebesar 0,89% (#NM), 1,32% (#BG), 1,54% (#CL) terhadap L- CRF tanpa modifikasi. Kata Kunci: Gait, CASIA-B, L-CRF, silhouette frames. Abstract Gait recognition is a part of computer vision that serves to recognize a subject (human) with a certain distance without regard to biometric aspects such as iris, face, and fingerprint. Latent Conditional Random Field (L-CRF) is one of the single-gait recognition algorithms with better results. Although the results of the accuracy of the subject's performance with normal running conditions (#NM) are better, but there are still problems in the accuracy of performance with other running conditions such as carrying a bag (#BG) and wearing a coat (#CL). Latent Conditional Random Field (mL-CRF) modification is one method that is still related to L-CRF, but has differences in pairwise parameters. Its advantages are better results in training and testing data from identical domains. This study uses the silhouette frames in the CASIA data set linked to the B database containing 124 subjects with 110 sequences per subject. The processing of mL- CRF data is done based on training samples (LT74 & MT62) and 11 observation angles that will be compared with L-CRF without modification, as well as previous studies. In this study, the LT74 on mL-CRF was the best training sample which resulted in an increase in accuracy of 0.89% (#NM), 1.32% (#BG), 1.54% (#CL) against L-CRF without modification. Keyword : Gait, CASIA-B, L-CRF, silhouette frames.