pengenalan wajah menggunakan metode adjacent...

PENGENALAN WAJAH MENGGUNAKAN

METODE ADJACENT PIXEL INTENSITY

DIFFERENCE QUANTIZATION

TERMODIFIKASI

Jurusan Matematika

Fakultas Matematika dan Ilmu Pengetahuan Alam

Institut Teknologi Sepuluh Nopember

Surabaya

Oleh :Yuliono1206 100 720

Dosen Pembimbing:

Drs. Sutrisno, MIKomp

Drs. Daryono Budi Utomo, M.Si

Latar Belakang

Seminar Tugas Akhir - 2011 2

Biometrik

Pemanfaatkan wajah

Metode yang digunakan untuk

mengenali wajah.

Rumusan masalah

Seminar Tugas Akhir - 2011 3

Bagaimana menentukan ciri wajah

seseorang,membuat basis data,

membandingkan dan menentukan

ukuran kemiripan pada citra wajah.

Bagaimana mengimplementasikan

metode Adjacent Pixel Intensity

ifference Quantization Termodifikasi

untuk pengenalan wajah

menggunakan software Matlab 2009a.

1

2

Permasalahan yang dihadapi dalam penelitian

Tugas Akhir ini antara lain:

Batasan Masalah

Seminar Tugas Akhir - 2011 4

Dalam penelitian Tugas Akhir ini, permasalahan

yang akan dibahas akan dibatasi ruang lingkup

pembahasannya antara lain :

Pengambilan citra wajah menggunakan

Webcam dengan Resolusi sama.

Jarak user/ pengguna dari Webcam

relatif sama.

Pencahayaan pada citra wajah relatif

sama.

Background pada citra wajah relatif

sama.

1

2

3

4

Seminar Tugas Akhir - 2011 5

Membuat sistem pengenalan wajah

dengan menggunakan Metode Adjacent Pixel

Intensity Difference Quantization

Termodifikasi.

Memberikan informasi pada pihak yang

ingin mengembangkan teknik pengenalan

wajah dengan menggunakan Metode

Adjacent Pixel Intensity Difference

Quantization Termodifikasi.

Dapat digunakan sebagai referensi

untuk penelitian pada sistem

pengenalan wajah selanjutnya.2

1

Kajian Terdahulu

Seminar Tugas Akhir - 2011 6

Andik (2010)

Mengenali wajah dengan menggunakan

Metode APIDQ Histogram Generation

Kemudian ditingkatkan performanya

dalam Metode APIDQ Termodifikasi

Tahap preprocessing

Seminar Tugas Akhir - 2011 7

Valid input

capture

Proses Normalisasi

webcam

Model

Citra Wajah

Tinjauan Pustaka

Normalisasi digunakan untuk mengubah data agar

tetap berada dalam batas yang diinginkan. Jika data

melebihi batas yang diinginkan, maka proses

normalisasi akan memampatkan data kedalam batas

yang dinginkan. Sebaliknya, jika data lebih kecil dari

batas yang diinginkan, maka proses normalisasi akan

memulurkan data ke batas yang diinginkan.

Untuk melakukan normalisasi pada ukuran sebuah

gambar, maka yang perlu dilakukan adalah

normalisasi pada sisi horizontal dan normalisasi pada

sisi vertikalnya [1].

Tahap Pengolahan citra Digital

Seminar Tugas Akhir - 2011 9

Citra Hasil

Valid input

Proses Grayscaling

Proses Lowpass Filter

Tinjauan Pustaka (Lanj)

Pengolahan Citra

Grayscaling adalah teknik yang digunakan untuk

mengubah citra berwana menjadi bentuk grayscale.

Tujuan dari proses grayscaling adalah untuk

mereduksi matriks penyusun citra dari 3 matrik

menjadi 1 matrik untuk mempermudah pemrosesan

selanjutnya.

Low-pass filtering sangat penting untuk mereduksi

gangguan frekuensi tinggi dan mengekstrak

komponen frekuensi rendah yang paling efektif

untuk pengenalan.

( , ) ( , ) ( , )( , )

3

R i j G i j B i jI i j

Tahap Pengenalan Ciri Citra Wajah

Seminar Tugas Akhir - 2011 11

Proses APID

Proses Kuantisasi

Proses Generate Histogram

Citra Wajah dikenali

Citra Hasil

APIDQDalam APIDQ, untuk setiap pixel dari sebuah

citra masukan, akan dicari perbedaan intensitas

piksel horizontal yang berdekatan dan

perbedaan intensitas piksel vertikal berdekatan

yang akan dihitung dengan rumus di bawah ini

APIDQ (Lanj)

Jarak Euclid

Jarak Euclid adalah suatu nilai yang

didapatkan ketika mengukur seberapa jauhnya

titik dengan titik yang lainnya.Terdapat dua

buah titik dalam ruang Euclid yaitu dan Jarak

Euclid antara x dan y dapat dihitung dengan

persamaan :

Flow Chart Metode Adjacent Pixel

Intensity Difference Quantization

Termodifikasi

Seminar Tugas Akhir - 2011

Lingkungan Implementasi

Seminar Tugas Akhir - 2011 15

Perangkat Keras

Prosesor : AMD TURION II Dual Core 2,20

GHz with ATI RADEON 4200

Memory : RAM 2.00 GB

Sistem Operasi : Microsoft Windows 7

Ultimate 32 bit

Tools pembangun : MATLAB 2010a

Perangkat Lunak

Pengujian

Seminar Tugas Akhir - 2008 16

Citra Hasil

Valid Citra Input

Uji Coba Program

Tabel Hasil Pengujian database wajah dan citra input dari

AT&T Laboratories Cambridge

17

Uji Coba Program(Lanj)

18

Keterangan:

= Memenuhi

= Tidak Memenuhi

Y = Ya

T = Tidak

Hasil Uji Program

Berdasarkan hasil Uji Program, dengan

Uji Program Pertama

Uji Program Kedua

Uji Program Ketiga

Maka persentase akurasi pengenalan wajah total:

19

Uji Coba Program

20

Keterangan:

= Memenuhi

= Tidak Memenuhi

Y = Ya

T = Tidak

Tabel Hasil Pengujian database wajah dan citra input

Mahasiswa Matematika

Hasil Uji Program

Berdasarkan hasil Uji Program, dengan

Uji Program Pertama

Uji Program Kedua

Uji Program Pertama

Maka persentase akurasi pengenalan wajah total:

21

Seminar Tugas Akhir - 2011 22

Flow Chart Program Preprosesing

Valid Input Citra wajah

Mulai

Capture/ menangkap citra wajah

Selesai

Proses Normalisasi

Citra Wajah

Model / User

Seminar Tugas Akhir - 2011 23

Flow Chart Program Pengolahan Citra

Input citra wajah

Mulai

Proses Grayscaling

Proses Lowpass Filtering

Selesai

citra hasil

Seminar Tugas Akhir - 2008 24

Flow Chart Program Ekstraksi Vektor Ciri

Citra Wajah

Mulai

Proses APID

Selesai

Proses Kuantisasi

Proses Generate Histogram

citra hasil

citra hasil

Seminar Tugas Akhir - 2010 25

Flow Chart Program Proses Pengenalan

Hasil Identifikasi Wajah

Citra wajah dari database

Mulai

Masukkan citra input

Temukan jarak Euclid minimum

Selesai

Cari vektor fitur wajah

Seminar Tugas Akhir - 2011 26

Skema Umum Rancangan Tahapan Sistem

Input Citra Wajah

Tahap Pengolahan Citra Digital

Grayscalling

Lowpass Filtering

Tahap Proses Menentukan Ciri Wajah

APIDQ termodifikasi

Wajah yang dikenali

Tahap Pengenalan

Jarak Euclid Terdekat

TahapPreprocessing

Normalisasi

Mulai

Selesai

Kesimpulan

Penggunaan Metode Adjacent Pixel Intensity

Difference Quantization Termodifikasi untuk

proses pengenalan ciri wajah memberikan hasil

sebagai berikut:

Untuk proses uji coba data wajah dari AT&T

Laboratorium Cambridge memiliki akurasi

pengenalan mencapai

Untuk proses uji coba menggunakan data citra

wajah sebanyak 12 data wajah Mahasiswa

Matematika memiliki akurasi pengenalan

mencapai

Metode Adjacent Pixel Intensity Difference

Quantization Termodifikasi layak digunakan

dalam sebuah sistem pengenalan ciri wajah.

27

1

2

Saran

Proses pengenalan wajah ini menggunakan

webcam dengan cara meng-capture

(menangkap) wajah dari pengguna/user.

Untuk pengembangan selanjutnya akan

lebih baik jika pengenalan dilakukan secara

real time dengan video.

Untuk dapat melakukan pengenalan wajah

secara real time dengan video diperlukan

deteksi daerah wajah ( face detection) pada

proses akuisisi citra wajah.

28

1

2

Daftar Pustaka

Seminar Tugas Akhir - 2011 29

[

1. Ahmad, Usman (2005). Pengolahan Citra Digital dan

Teknik Pemrogamannya. Yogyakarta : Graha Ilmu.

2. Comparing face recognition against other types of

biometric authentication methods, <URL:http://

www.titanium-tech.com>

3. Fadlisyah (2007). Computer Vision dan Pengolahan

Citra. Yogyakarta : Penerbit Andi.

4. Lee, Feifei., Koji Kotani, Qiu Chen, dan Tadahiro Ohmi

(2009). Face Recognition Using Modified Adjacent Pixel

Intensity Difference Quantization, IEEE Computer

Society (2009) 533 – 536.

5. Lee, Feifei., Koji Kotani, Qiu Chen, dan Tadahiro Ohmi

(2009). Face Recognition Using Adjacent Pixel Intensity

Difference Quantization Histogram. International Journal

of Computer Science and Network 9 (2009) 147 – 154.

6. Mabrur Andik (2010) “Pengenalan wajah dengan

menggunakan metode Adjacent Pixel Intensity

Difference Quantization (APIDQ) Histogram

Generation.”. Tugas Akhir Jurusan Matematika FMIPA-

ITS.