Real Time Face Recognition

Nama: Bagus Cipta Pratama
NIM: 23/516539/PA/22097

Deskripsi

Proyek ini mengimplementasikan sistem deteksi dan pengenalan wajah (face detection & recognition) menggunakan metode Eigenface dan Support Vector Machine (SVM). Sistem dapat dijalankan dalam dua mode:

1. Training & Evaluasi: Memuat dataset wajah, melakukan preprocessing (deteksi & cropping, resize, flatten), pelatihan pipeline (mean centering → PCA → SVM), evaluasi pada test set, dan menyimpan model.
2. Real-Time Recognition: Menggunakan webcam untuk mendeteksi dan mengenali wajah secara langsung, menampilkan bounding box, label, dan skor kepercayaan.

Struktur Direktori

face_recognition_project/
├─ images/                    # Dataset: subfolder per individu, minimal 10 gambar tiap folder
│   ├─ George_W_Bush/
│   ├─ Laura_Bush/
│   ├─ New_Person1/
│   └─ Your_Name/
├─ face_recognition.py        # Skrip utama untuk training & real-time recognition
├─ eigenface_pipeline.pkl     # Model pipeline yang disimpan setelah training          
└─ README.md                  # Petunjuk ini

Instalasi

1. Clone repository ini:

   git clone https://github.com/username/face_recognition_project.git
   cd face_recognition_project

2. Buat virtual environment (opsional tetapi direkomendasikan):

   python3 -m venv .venv
   source .venv/bin/activate    # macOS/Linux
   .venv\Scripts\activate     # Windows

Cara Menjalankan

1. Training & Evaluasi

   python face_recognition.py

   • Jika file eigenface_pipeline.pkl belum ada, skrip akan otomatis melatih model pada dataset di folder images/.
   • Setelah selesai, classification report akan ditampilkan, dan model akan disimpan sebagai eigenface_pipeline.pkl.

2. Real-Time Recognition

   • Setelah training selesai atau saat file eigenface_pipeline.pkl sudah ada, skrip akan otomatis memulai mode webcam.
   • Jendela video akan menampilkan bounding box, label, dan skor pengenalan.
   • Tekan q untuk keluar.

Result and Real Test

• Console menampilkan classification report (precision, recall, f1-score).

• Jendela video menampilkan deteksi dan pengenalan wajah secara real-time.