BAB I
PENDAHULUAN
1.1
Latar Belakang
Dewasa
ini teknologi pengenalan wajah semakin banyak diaplikasikan, antara lain untuk
sistem pengenalan biometrik (yang dapat juga dikombinasikan dengan fitur
biometrik yang lain seperti sidik jari dan suara), sistem pencarian dan
pengindeksan pada database citra digital dan database video digital, sistem
keamanan kontrol akses area terbatas, konferensi video, dan interaksi manusia
dengan komputer.
Dalam
bidang penelitian pemrosesan wajah (face processing), pendeteksian wajah
manusia (face detection) adalah salah satu tahap awal yang sangat penting di
dalam proses pengenalan wajah (face recognition). Sistem pengenalan wajah
digunakan untuk membandingkan satu citra wajah masukan dengan suatu database
wajah dan menghasilkan wajah yang paling cocok dengan citra tersebut jika ada.
Sedangkan autentikasi wajah (face authentication) digunakan untuk menguji
keaslian/kesamaan suatu wajah dengan data wajah yang telah diinputkan
sebelumnya. Bidang penelitian yang juga berkaitan dengan pemrosesan wajah
adalah lokalisasi wajah (face localization) yaitu pendeteksian wajah namun
dengan asumsi hanya ada satu wajah di dalam citra, penjejakan wajah (face
tracking) untuk memperkirakan lokasi suatu wajah dalam video secara real time,
dan pengenalan ekspresi wajah (facial expression recognition) untuk mengenali
kondisi emosi manusia (Yang,2002).
Pada
kasus tertentu seperti pemotretan untuk pembuatan KTP, SIM, dan kartu kredit,
citra yang didapatkan umumnya hanya berisi satu wajah dan memiliki latar
belakang seragam dan kondisi pencahayaan yang telah diatur sebelumnya sehingga
deteksi wajah dapat dilakukan dengan lebih mudah. Namun pada kasus lain sering
didapatkan citra yang berisi lebih dari satu wajah, memiliki latar belakang
yang bervariasi, kondisi pencahayaan yang tidak tentu, dan ukuran wajah yang
bervariasi di dalam citra
Contohnya
adalah citra yang diperoleh di bandara, terminal, pintu masuk gedung, dan pusat
perbelanjaan. Selain itu juga pada citra yang didapatkan dari foto di media massa
atau hasil rekaman video. Pada kasus tersebut pada umumnya wajah yang ada di
dalam citra memiliki bentuk
latar belakang yang sangat bervariasi. Penelitian ini akan difokuskan pada
masalah pendeteksian wajah. Dengan sistem pendeteksi wajah yang akurat, maka
proses selanjutnya yaitu pengenalan wajah dapat dilakukan dengan lebih mudah.
1.2
Rumusan Masalah
Masalah
deteksi wajah dapat dirumuskan sebagai berikut: dengan masukan berupa sebuah
citra digital sembarang, sistem akan mendeteksi apakah ada wajah manusia di
dalam citra tersebut, dan jika ada maka sistem akan memberitahu berapa wajah
yang ditemukan dan di mana saja lokasi wajah tersebut di dalam citra. Keluaran
dari sistem adalah posisi dari subcitra yang berisi wajah yang berhasil
dideteksi.
1.3
Batasan Masalah
Pada sistem
deteksi wajah ini diberikan pembatasan masalah sebagai berikut:
·
Citra masukan yang
digunakan adalah hitam putih dengan 256 tingkat keabuan (grayscale).
·
Wajah yang akan
dideteksi adalah wajah yang menghadap ke depan (frontal), dalam posisi tegak, dan tidak terhalangi
sebagian oleh objek lain.
·
Metode yang dipakai
adalah jaringan syaraf tiruan multi-layer perceptron dengan algoritma pelatihan
back-propagation.
·
Penggunaan wajah
yang ada pada gambar terbatas pada
jumlah, dalam hal ini hanya untuk 1 atau 2 wajah saja dalam tiap gambarnya
·
Ukuran gambar yang
digunakan sebagai data testing tidak
lebih dari 50 x 50 mega pixel karena akan memerlukan waktu ysng lama untuk
proses testing tersebut
·
Hasil deteksi wajah yang didapat berupa lokasi keberadaan
wajah dalm gambar
1.4
Tujuan Penelitian
Penelitian
bertujuan untuk membuat suatu desain dan implementasi sistem deteksi wajah
dengan masukan berupa citra digital sembarang. Sistem ini akan menghasilkan
subcitra yang berisi wajah-wajah yang berhasil dideteksi.
1.5
Manfaat Penelitian
Hasil
penelitian ini diharapkan dapat digunakan sebagai langkah awal untuk membangun
sistem pemrosesan wajah yang menyeluruh, yang bisa diaplikasikan pada sistem
pengenalan wajah atau verifikasi wajah. Program aplikasi yang dibuat juga dapat
dijadikan bahan untuk penelitian lebih lanjut di bidang yang berkaitan.
Dengan penyesuaian tertentu, metode yang digunakan mungkin dapat juga dimanfaatkan untuk sistem deteksi objek secara umum yang tidak hanya terbatas pada wajah, misalnya deteksi kendaraan, pejalan kaki, bahan produksi, dan sebagainya.
Dengan penyesuaian tertentu, metode yang digunakan mungkin dapat juga dimanfaatkan untuk sistem deteksi objek secara umum yang tidak hanya terbatas pada wajah, misalnya deteksi kendaraan, pejalan kaki, bahan produksi, dan sebagainya.
Dari
hasil penelitian ini juga diharapkan dapat diperoleh pemahaman yang lebih baik
terhadap jaringan syaraf tiruan, dan pengaruh berbagai parameter yang digunakan
terhadap unjuk kerja pengklasifikasi jaringan syaraf tiruan.
BAB II
KAJIAN PUSTAKA
2.1 Pengertian Deteksi Wajah
Deteksi wajah adalah salah satu
tahap praproses yang sangat penting di dalam sistem pengenalan wajah. Deteksi
wajah dapat digunakan untuk
pencarian dan pengindeksan citra digital, Deteksi wajah juga dapat digunakan dalam pencarian dan
pengindeksan video. Pemrosesan gambar ini bertujuan untuk mencari wajah
dari gambar obyek bergerak yang telah di capture, kemudian gambar tersebut
diolah dengan memisahkan gambar dengan latar belakangnya, sehingga hanya bagian
yang dianggap kulit yang ditampilkan sedangkan bagian yang bukan kulit akan
dihitamkan. Pemisahan gambar
dengan latar belakang ini bertujuan untuk memudahkan proses pencarian wajah
karena obyek - obyek yang tidak dianggap sebagai kulit telah dieliminasi
sehingga sistem deteksi wajah hanya menscan bagian yang dianggap kulit yang
kemudian akan dicocokkan dengan template wajah. Pembuatan sistem
meliputi perancangan hierarki ,
perancangan proses pengenalan wajah dan implementasi sistem deteksi wajah,
serta perancangan user interface.
Perangkat lunak yang digunakakan adalah Java NetBeans 7.1.
BAB III
METODOLOGI PENELITIAN
3.1 Lokasi Penelitian
Lokasi penelitian ini saya lakukan di Stasiun kereta api
Kalisat, Tempat yang rentan terhadap
serangan teroris atau mafia. Sistem penganalan wajah membantu dalam mengurangi
kejahatan dan serangan utama di daerah tersebut
Gambar Stasiun Kalisat
Sumber : http://2.bp.blogspot.com/-5HnwFzRZYpw/TiezImQ6wpI/AAAAAAAAAKs/vhgWcn1Pcnc/s1600/ifk_peta_jember.png
3.2 Teknik Pengumpulan Data
Pengumpulan data ini menggunakan teksik observasi seperti
melakukan
studi ke perpustakaan terhadap
berbagai referensi yang berkaitan dengan penelitian, topik –
topik yang dikaji antara lain meliputi :
·
pengenalan
pola
·
pengolahan
citra digital
·
pendeteksian
objek secara umum
·
pendeteksian
wajah
·
jaringan
syaraf tiruan
3.3 Tahapan Penelitian (di lengkapi flowchart)
Langkah-langkah atau tahapan penelitian yang akan dilakukan dapat dimulai
dengan mempelajari konsep-konsep matematis yang menunjang penelitian ini.
Secara garis besar langkah-langkah dalam tahap melakukan penelitian ini dapat
dijelaskan dimulai dari proses
·
Studi
literatur tentang permasalah yang ada
·
mengumpulkan
data – data yang dianggap penting dan menunjang
·
Menyusun
hierarki diagram blok
·
Melakukan
perancangan sistem perangkat lunak
·
Membuat
coding progarm
·
Melakukan
training pengujian
·
Analisa
·
Penulisan
laporan akhir
Studi literatur
Dalam
mempelajari image procesing untuk mengolah hasil gambar sehingga bisa digunakan
sebagai input untuk jaringan syaraf tiruan.
Menyusun hierarki diagram blok
Menyusun
suatu hierarki berupa diagram blok yang mempresentasikan dengan lebih terperinci
dan detail hingga dapat diterapkan dalam melakukan pendeteksian wajah.
Melakukan perancangan sistem
perangkat lunak
Pada
tahap ini, proses yang dikerjakan adalah menentukan perancangan sistem
perangkat lunak yang akan digunakan. Jenis perangkat lunak yang dipakai adalah
Java NeatBeans 6.5
Pembuatan coding program
Pembuatan
coding program sesuai rancangan yang telah dibuat, berupa pengambilan input
dari gambar citra ke jaringan syaraf tiruan
Melakukan training, pengujian dan
analisa
Pada
tahap pertama, dilakukan training terhadap bebeapa kumpulan data wajah dan data
non wajah . Akan di gunakan gambar citra yang sesuai kriteria, output untuk
data training ini akan menunjukkan perbedaan pada antara data wajah dan data
nin wajah. Pengaruh apa aja yang ditimbulkan dari data yang berbeda, serta
apakah output pada aplikasi ini sudah sesuai dengan yang ditargetkan. Tahap
kedua akan dilakukan proses pengujian dari data testing yang akan menentukan
output yang di kehendaki. Dan tahap yang terakhir, akan dilakukan uji coba
terhadap tingkat keberhasilan dari program dalam mendeteksi wajah. Selain itu
perlu adanya proses pelatihan fitur deteksi wajah dengan menggunakan principal
componen analisis(PCA).
Gambar
di bawah ini merupakan diagram proses pelatihan deteksi fitur wajah
Deskripsi
model fitur:
Pada bagian
ini menjelaskan tentang fitur-fitur yang dijadikan obyek penelitian dan
juga diambil informasi landmarknya. Pada peneltian ini semua fitur wajah
akan di ambil informasinya dan akan dideteksi pada saat pengujian. Fitur yang
akan dideteksi meliputi alis kanan dan kiri, mata kanan dan kiri, hidung, mulut
dan lengkungan wajah.
·
Fitur alis
mata , Alis mata terletak diatas mata, fitur tersebut akan dipakai sebagai
fitur pertama yang akan diberikan landmark, jumlah landmark yang
diberikan adalah sebanyak empat titik, untuk mencirikan secara geometris dari
fitur alis mata kanan dan kiri.
·
Fitur mata ,
Fitur mata merupakan suatu indera manusia yang sangat unit berbeda antara satu
orang dengan yang lain. Tapi secara bentuk mirip, namun struktur geometrisnya
pasti berbeda. Ilustrasi dari bentuk pose mata dan deformable templatenya.
Untuk mewakili bentuk dari fitur mata maka pada penelitian ini akan diberikan
sejumlah landmark, untuk masing-masing mata akan diberikan enam titik landmark.
·
Fitur hidung,
Lokasi fitur hidung dapat di temukan pada bagian tengah tulang hidung serta
pada bagian kanan dan kiri bagian bawah hidung, pada bagian tersebut akan
diberikan empat titik pada bagian tengah tulang hidung dan lima titik pada
bagian bawah hidung. Ilustrasi dari bentuk pose hidung dan deformable templatenya.
·
Fitur mulut, Mulut
setiap orang juga mempunyai bentuk yang sangat unik, oleh karena itu mulut juga
dapat digunakan sebagai fitur pembeda ciri seseorang. Pada bagian fitur mulut
ini akan diberikan dua puluh landmark pada bagian bibir atas,bawah dan
bagia dalam, Ilustrasi dari bentuk pose mulut dan deformable templatenya.
·
Fitur lengkungan wajah,
Kelengkungan wajah setiap orang juag berbeda, dan kemungkinan sangat kecil
untuk berubah, Pada bagian fitur lengkungan wajah ini akan diberikan 17 landmark,
dimulai dari sisi kanan wajah, dagu dan sisi kiri wajah. Ilustrasi
dari
bentuk pose Lengkungan wajah dan deformable templatenya. Jumlah landmark
yang digunakan tersebut untuk mewakili lengkungan wajah setiap citra dan
dagu merupakan lengkungan terbawah dari wajah menjadi titik simetris wajah.
3.4 Jadwal Penelitian
DAFTAR PUSTAKA
1. Azizah.”Makalah Teknologi Informasi.”
(diakses pada tanggal 18
Juni 2013.)
2. Elka.”Sistem Keamanan
dengan Pengenalan Wajah.”
(diakses pada tanggal 16
Juni 2013.)
Masugiono.”Peranan
Teknologi Informasi dalam Pendidikan.”
(diakses pada tanggal 16 Juni 2013.)
Ophiiciiduduth.”Sistem Pendeteksi Wajah Manusia.”
http://ophiiciiduduth.blogspot.com/2013/04/sistem-pendeteksi-wajah-manusia-pada.html (diakses pada tanggal 16 Juni 2013.)
Umilestari.”Makalah
Dampak Teknologi Informasi dan Komunikasi.”
(diakses pada tanggal 16
Juni 2013.)
Tidak ada komentar:
Posting Komentar