Teori Eigenface
Pengenalan eigenface berasal dari prefiks bahasa Jerrnan “eigen”, yang berarti “sendiri/individual”. Metode eigenface dianggap sebagai teknologi pengenalan wajah otomatis pertama yang pernah diciptakan. Teori ini dikembangkan oleh Turk dan Petland.
Teori ini dikembangkan dengan membagi sebuah citra wajah menjadi data set fitur karakteristik yang disebut eigenface. Fitur karakteristik ini merupakan komponen utama (principal component) dari training set awal dari citra wajah. Penelitian yang dilakukan oleh Carey dan Diamond menunjukkan bahwa fitur wajah sebuah individu dan hubungan langsung antar fitur tersebut tidak dapat menyamai kemampuan manusia dalam memperhatikan dan mengenal wajah.
Eigenface adalah sekumpulan standardize face ingredient yang diambil dari analisis statistik dari banyak gambar wajah (Layman dalam Al Fatta, Hanif, 2009).
Untuk menghasilkan eigenface, sekumpulan citra digital dari wajah manusia diambil pada kondisi pencahayaan yang sama kemudian dinormalisasikan dan diproses pada resolusi yang sama (misal m x n), kemudian citra tadi diperlakukan sebagai vektor dimensi m x n dimana komponennya diambil dari nilai piksel citra.
Eigenvalue dan Eigenvector
Transformasi ruangan seperti translasi, rotasi, refleksi, stretchting dan kompresi, atau kombinasi dari transformasi ini, dapat divisualisasikan dengan efek yang dihasilkan pada vector. Vektor dapat divisualisasikan sebagai panah yang menunjuk 1 (satu) titik ke titik yang lain.
- Eigenvector dari suatu transformasi adalah vektor vektor yang tidak mengalami perubahan atau hanya dikalikan dengan scale factor setelah transformasi.
- Eigenvalue dari suatu eigenvector adalah scale factor dimana eigenvector dikalikan.