desain dan implementasi sistem pendeteksi wajah ... filedesain dan implementasi sistem pendeteksi...
TRANSCRIPT
DESAIN DAN IMPLEMENTASI SISTEM PENDETEKSI WAJAH MENGGUNAKANSENSOR KAMERA UNTUK KEAMANAN GEDUNG
Ridho Cahyo Utomo¹, Achmad Rizal ², Ir. Mas Sarwoko Msc.³
¹Teknik Elektro, Fakultas Teknik Elektro, Universitas Telkom
AbstrakBeberapa sistem automasi yang sekarang cukup populer untuk dikembangkan sekarang ini salahsatunya adalah sistem pendeteksi . Beberapa kecerdasan ditanamkan ke dalam sistem jenis iniuntuk dapat membantu tugas dan pekerjaan manusia. Salah satu pe ngembangan dalam duniaindustri adalah sistem pendeteksi wajah manusia atau biasa disebut human face detector system .Sistem pendeteksi ini dapat di gunakan untuk pengamanan akses ke dalam sebuah ruangan dariorang - orang yang tidak dikenal. Sistem pendeteksi wajah sendiri biasanya menggunakan sensorcahaya yang terdiri dari komponen fotodioda dengan menggunakan metode scanning . Akantetapi , untuk pembacaan citra yang lebih luas , lebih baik jika menggunakan kamera. Untuk itu,digunakan sebuah webcam sebagai sensor kamera karena cepat dan mudah dalam mengakuisisicitra serta mudah dikoneksikan dengan komputer (sebuah komputer akan digunakan untukmengolah data citra). Pada setiap depan ruangan ditempatkan sebuah kamera sebagai pe ncuplikcitra wajah . K amera tersebut men gambil data cuplik sebanyak yang diinginkan. Kemudian pada komputer data diolah menggunakan software MATLAB yang kemudian data dikirimkan kemikrokontroler ATMega32. Mikrokontroler berfungsi untuk mengendalikan motor DC sebagaikunci pintu . . S edangkan untuk mengenali citra wajah digunakan metode PCA ( principlecomponent analysis ) . Sistem bekerja dalam sebuah ruangan yang memiliki nilai intensitascahaya ( lux ) antara 50 - 3 2 0 lux. Tingkat akurasi dalam me mbaca frame wajah , s i stemmemiliki tingkat ketidaktepatan sebesar 5 ,2% . Dalam mengolah, mengenali dan membedakancit r a wajah , sistem mampu memiliki tingkat akurasi sekitar 8 5%
Kata Kunci : frame, sensor kamera, PCA, Lux, Frame Wajah
AbstractABSTRAK Beberapa sistem automasi yang sekarang cukup populer untuk dikembangkansekarang ini salah satunya adalah sistem pendeteksi . Beberapa kecerdasan ditanamkan ke dalamsistem jenis ini untuk dapat membantu tugas dan pekerjaan manusia. Salah satu pe ngembangandalam dunia industri adalah sistem pendeteksi wajah manusia atau biasa disebut human facedetector system . Sistem pendeteksi ini dapat di gunakan untuk pengamanan akses ke dalamsebuah ruangan dari orang - orang yang tidak dikenal. Sistem pendeteksi wajah sendiri biasanyamenggunakan sensor cahaya yang terdiri dari komponen fotodioda dengan menggunakan metodescanning . Akan tetapi , untuk pembacaan citra yang lebih luas , lebih baik jika menggunakankamera. Untuk itu, digunakan sebuah webcam sebagai sensor kamera karena cepat dan mudahdalam mengakuisisi citra serta mudah dikoneksikan dengan komputer (sebuah komputer akandigunakan untuk mengolah data citra). Pada setiap depan ruangan ditempatkan sebuah kamerasebagai pe ncuplik citra wajah . K amera tersebut men gambil data cuplik sebanyak yangdiinginkan. Kemudian p ada komputer data diolah menggunakan software MATLAB yangkemudian data dikirimkan ke mikrokontroler ATMega32. Mikrokontroler berfungsi untukmengendalikan motor DC sebagai kunci pintu . . S edangkan untuk mengenali citra wajahdigunakan metode PCA ( principle component analysis ) . Sistem bekerja dalam sebuah ruanganyang memiliki nilai intensitas cahaya ( lux ) antara 50 - 3 2 0 lux. Tingkat akurasi dalam membaca frame wajah , s i stem memiliki tingkat ketidaktepatan sebesar 5 ,2% . Dalam mengolah,mengenali dan membedakan cit r a wajah , sistem mampu memiliki tingkat akurasi sekitar 8 5%
Keywords : face detection, PCA, lux, frame
Powered by TCPDF (www.tcpdf.org)
Tugas Akhir - 2014
Fakultas Teknik Elektro Program Studi S1 Teknik Elektro
1
BAB I
PENDAHULUAN
1.1. Latar Belakang
Beberapa sistem automasi yang sekarang cukup populer untuk
dikembangkan sekarang ini salah satunya adalah sistem pendeteksi. Beberapa
kecerdasan ditanamkan ke dalam sistem jenis ini untuk dapat membantu tugas dan
pekerjaan manusia. Salah satu pengembangan dalam dunia industri adalah sistem
pendeteksi wajah manusia atau biasa disebut human face detector system. Sistem
pendeteksi ini dapat digunakan untuk pengamanan akses ke dalam sebuah ruangan
dari orang-orang yang tidak dikenal.
Sistem pendeteksi wajah sendiri biasanya menggunakan sensor proximity
cahaya yang terdiri dari komponen photodiode. Akan tetapi, bisanya sensor ini
hanya bisa mendeteksi vektor wajah secara horizontal terhadap garis. Sehingga,
untuk pembacaan citra wajah yang lebih luas akan lebih baik jika menggunakan
kamera. Pada penelitian Paul Viola and Michael Jones, mereka sudah merancang
sebuah algoritma yang akan merespon terhadap hasil citra dan menentukan kotak
yang melingkupi wajah seseorang. Untuk itu, penggunaan sensor kamera dapat
memberikan kemampuan yang lebih daripada sensor proximity cahaya
photodiode, sehingga sistem dapat berjalan sesuai yang diharapkan. Begitu juga
pada penelitian yang dilakukan oleh Angga Rusdinar, Jungmin Kim, Junha Lee
dan Sungshin Kim, dengan judul penelitian “Implementation of real-time
positioning system using extended Kalman filter and artificial landmark on
ceiling” menggunakan kamera sebagai penentu posisi robot berdasarkan
landmark (ciri yang khas dari suatu tempat) yang terpasang pada langit-langit
ruangan.
Dengan menggunakan sensor kamera, dapat disisipkan sebuah algoritma
pengenalan wajah berdasarkan metoda integral image dengan menggunakan satu
sensor saja, yaitu sensor kamera.Sehingga dapat meminimalkan penggunaan
banyak sensor. Hal ini tentu akan bermanfaat dari segi efisiensi biaya. Sebagai
Tugas Akhir - 2014
Fakultas Teknik Elektro Program Studi S1 Teknik Elektro
2
sensor kamera, digunakan sebuah webcam karena harganya yang terjangkau dan
mudah dikoneksikan dengan komputer (sebuah komputer akan digunakan untuk
mengolah data citra). Sedangkan algoritma yang akan digunakan adalah Viola-
Jones object detection framework.
Nilai threshold dari tiap komponen filter warna diatur dan disesuaikan
dengan lingkungan dimana wajah terekam. Selain itu, hasil output dari filter
warna diolah sehingga menghasilkan kurva prediksi dari bentuk frame wajah.
1.2. Tujuan
Adapun tujuan dari tugas akhir ini adalah:
1. Merancang algoritma yang mampu mendeteksi citra wajah dengan metode
integral image.
2. Sistem dapat berjalan mendeteksi wajah yang diprogramkan dengan
toleransi kesalahan di bawah 15% pada lingkungan cahaya bervariasi.
3. Dengan menggunakan metode integral image, sistem mampu membaca
keberadaan frame wajah manusia.
4. Membuat sebuah algoritma berbasis PCA yang mampu mengenali frame
wajah berdasarkan citra kemudian dihitung akurasi pengenalannya.
1.3. Rumusan Masalah
Dengan merujuk pada latar belakang masalah, maka dirumuskan beberapa
rumusan masalah yang dibahas pada tugas akhir ini :
1. Metode filter warna yang digunakan untuk membedakan antara warna wajah
dan warna background pada data citra yang diambil secara real time.
2. Prediksi bentuk citra wajah yang akan dideteksi didapat berdasarkan
pengolahan citra yang didapat dari algoritma Viola-Jones detection
framework.
3. Untuk mendapatkan hasil citra yang diolah, maka digunakan algoritma filter
warna untuk kemudian dapat memudahkan proses cropping pada citra asal.
4. Pengenalan citra wajah didapat dari pengenalan citrayang diolah dengan
metode PCA.
Tugas Akhir - 2014
Fakultas Teknik Elektro Program Studi S1 Teknik Elektro
3
5. Integrasi kerja sensor kamera dalam hal ini kamera, komputer sebagai
pengolah data dan nilai output pengolahan citra yang stabil agar menjadi
sistem berjalan dengan baik.
6. Kinerja dan kefektifan sistem pendeteksi wajah secara keseluruhan.
1.4. Batasan Masalah
Dengan merujuk kepada rumusan masalah di subbab 1.3 diatas. Perlu
diadakan pembatasan masalah untuk memperjelas pembahasan. Pembatasan
masalah yang dilakukan dalam tugas akhir ini adalah sebagai berikut :
1. Menggunakan komputer (PC) sebagai pengolah data dan pengambil
keputusan utama.
2. Sensor kamera yang digunakan adalah sebuah webcam dengan resolusi
dibawah 3 megapixel.
3. Metode pengolahan citra yang digunakan adalah algoritma integral image
dengan nilai threshold yang sudah dikondisikan dengan lingkungan.
4. Pola pendeteksian adalah sebuah area dengan latar berwarna cerah dan
wajah berada dalam jarak maksimal 1 meter dari sensor kamera.
5. Lingkungan pengujian sistem adalah sebuah ruangan dengan intensitas
cahaya antara 50 lux hingga 320 lux.
6. Lingkungan pengujian sistem mempunyai latar belakang warna lebih
cerahdibandingkan dengan obyek wajah yang akan dikenali.
1.5. Metodologi Penelitian
Metodologi penelitian yang akan digunakan pada tugas akhir ini adalah :
a. Studi Literatur
Digunakan untuk mengetahui teori–teori dasar dan sebagai sarana
pendukung dalam menganalisis permasalahan yang ada. Adapun sumbernya
antara lain buku referensi, internet, dan diskusi.
Tugas Akhir - 2014
Fakultas Teknik Elektro Program Studi S1 Teknik Elektro
4
b. Analisis Masalah
Menganalisis semua permasalahan berdasarkan sumber – sumber dan
pengamatan terhadap permasalahan itu.
c. Perancangan dan Realisasi Alat
Membuat perancangan terhadap alat berdasarkan parameter – parameter
yang diinginkan dalam merealisasikannya.
d. Simulasi Alat
Melakukan simulasi alat untuk melihat performansi dari alat yang telah
dirancang.
1.6. Sistematika Penulisan
Penulisan laporan tugas akhir ini dibagi menjadi lima bab dengan
sistematika sebagai berikut.
BAB I : PENDAHULUAN
Pada bab ini dijelaskan gambaran secara umum tentang tugas akhir yang
dikerjakan yang terdiri dari latar belakang masalah, maksud dan tujuan penelitian,
batasan masalah, metoda penelitian, dan sistematika penulisan.
BAB II : DASAR TEORI
Berupa uraian konsep dan teori dasar secara umum yang mendukung dalam
pemecahan masalah yang berkaitan dengan sistem maupun perangkat.
BAB III : PERANCANGAN DAN IMPLEMENTASI
Membahas mengenai perancangan sistem robot seperti blok diagram dan gambar
rangkaian
BAB IV : PENGUJIAN DAN ANALISA
Membahas mengenai bentuk keluaran atau hasil akhir yang diharapkan dari
pembuatan Tugas Akhir ini.
Tugas Akhir - 2014
Fakultas Teknik Elektro Program Studi S1 Teknik Elektro
5
BAB V : PENUTUP
Membahas mengenai rencana kerja sebagai target dalam pencapaian pelaksanaan
Tugas Akhir ini.
2.
Powered by TCPDF (www.tcpdf.org)
Tugas Akhir - 2014
Fakultas Teknik Elektro Program Studi S1 Teknik Elektro
36
BAB V
PENUTUP
4.1. Kesimpulan
Dari hasil pengujian dan analisa yang telah dilakukan pada perancangan
sistem pendeteksi wajah dengan sensor kamera ini, dapat diambil kesimpulan
sebagai berikut.
1. Filter warna dapat digunakan untuk mendeteksi dan membedakan latar
belakang citra yang dicuplik. Dari total keseluruhan pengambilan data uji
sebanyak 3×4×1000 citra didapat 4 (pagi) +1 (siang) +11 (sore) kali sistem
salah dalam mengenali frame wajah. Dari pengujian tersebut menandakan
penggunaan filter warna masih terganggu kestabilannya oleh intensitas
cahaya. Jika dirata-ratakan akan menjadi 0,1333 % sistem tidak dapat
membaca frame wajah.
2. Pengolahan data citra dilakukan dalam kondisi grayscale . Hal ini
mengakibatkan data citra yang didapat menjadi sulit dibedakan saat latar
belakang memiliki banyak corak sehingga mengakibatkan hasil
pengolahan citra untuk mendapatkan posisi garis menjadi tidak terlalu
presisi. Dari keseluruhan pengujian sebanyak 3×4×1000 data citra, akan
didapatkan nilai rata-rata ketidaktepatan sistem membaca dan
membedakan citra wajah acuan sebesar 0,2464%.
3. Pengambilan data citra dilakukan saat obyek dalam keadaan diam dan
berada pada jarak 1 meter di depan kamera sensor. Hal ini dapat meredap
gangguan terhadap pembacaan data citra, terutama efek dari latar
belakang. Dari 40 citra uji, 40 citra wajah berhasil di-cropping dengan
baik. Dengan demikian dapat dikatakan bahwa tingkat keberhasilan proses
cropping citra wajah sebesar 100%.
4. Data citra frame wajah yang diambil adalah data hasil pengolahan
cropping sebelumnya. Dengan demikian jumlah ukuran data citra wajah
lebih kecil dari data image semula. Jumlah ukuran ini mengakibatkan
berkurangnya jumlah informasi yang didapat sehingga proses pengenalan
citra dengan PCA terkadang salah..Dari 40 data uji, 6 citra salah dikenali.
Jadi, didapatkan nilai akurasi pengenalan citra wajah sebesar 85%.
Tugas Akhir - 2014
Fakultas Teknik Elektro Program Studi S1 Teknik Elektro
37
4.2. Saran
Pengembangan selanjutnya untuk optimasi kecerdasan pembacaan citra
wajah dan penyempurnaan sistem secara keseluruhan, dapat dilakukan dengan
cara:
1. Teknologi stereo vision bisa digunakan untuk dapat mensimulasikan
bentuk wajah secara 3 dimensi dalam untuk pengambilan keputusan pada
algoritma sistem. Teknologi ini mirip dengan pengambilan citra pada
sistem penglihatan manusia. Selain itu, stereo vision ini akan populer
karena seiring dengan pengembangan kecerdasan buatan yang saat ini
semakin meniru kinerja tubuh manusia.
2. Penggunaan PC dirasa kurang tepat untuk sistem berskala industri karena
instalasi rumit, harga mahal, dan sistem antarmuka bagi pengguna yang
tidak mudah. Untuk itu, embedded server bisa menjadi pilihan.
3. Apabila pada masa kedepannya prototype system pendeteksi wajah ini
akan direalisasikan dalam dunia nyata, ada baiknya dilengkapi dengan
perangkat alarm disaat adanya upaya hacking. Sehingga jika terdapat
percobaan secara paksa untuk menerobos sistem keamanan, sistem dapat
mengirimkan SMS peringatan kepada autoritas yang berwenang.
Powered by TCPDF (www.tcpdf.org)
Tugas Akhir - 2014
Fakultas Teknik Elektro Program Studi S1 Teknik Elektro
xviii
DAFTAR PUSTAKA
[1] Armbrust , C. Braun , T. Föhst, T. Proetzsch, M. Renner, A. Schäfer, B.H.,
Berns K. The Robust Autonomous Vehicle for Off-road Navigation.
Technische Universität Kaiserslautern.
[2] Datasheet mikrokontroler ATmega32.
[3] Datasheet IC H-Bridge L298.
[4] Francois Dupuis, Jean. Parizeau, Marc. Evolving a Vision-Based Line-
Following Robot Controller. Departement de genie electrique et de
genie informatique. Universite Laval, Quebec. Canada.
[5] Kim, Kyungnam.Face Recognition using Principle Component Analysis.
Department of Computer Science. University of Maryland, College
Park MD 20742, USA.
[6] Pitowarno, Endra.2006.”ROBOTIKA: Desain, Kontrol, dan Kecerdasan
Buatan”. Percetakan Andi Offset. Yogyakarta. Indonesia.
[7] Pranata Kusuma,Andri. 2013. Analysis Of Hough Transform Algorithm For
Circle And Ellipse Detection Based On Digital Image Processing.
Tugas Akhir Program Sarjana. Institut Teknologi Telkom.
[8] Rusdinar, Angga. Kim, Jungmin. Lee, Junha. Kim, Sungshin. 2011.
Implementation Of Real-Time Positioning System Using Extended
Kalman Filter And Artificial Landmark On Ceiling. School of
Electrical Engineering, Pusan National University, Busan, 609-735,
Korea.
[9] Schworer, Ian. 2005.Navigation and Control of an Autonomous Vehicle.
Virginia Polytechnic Institute and State University. Blacksburg,
Virginia.
[10] Sigit, Riyanto. 2007. Robotikaa, Sensor, dan Aktuator. Yogyakarta : Graha
Ilmu.
Tugas Akhir - 2014
Fakultas Teknik Elektro Program Studi S1 Teknik Elektro
xix
[11] W. Wall, Richard. Bennett, Jerry. Eis, Greg. Lichy, Kevin. Owings,
Elizabeth. Creating A Low-Cost Autonomous Vehicle. University of
Idaho Moscow.
Powered by TCPDF (www.tcpdf.org)
Tugas Akhir - 2014
Fakultas Teknik Elektro Program Studi S1 Teknik Elektro