extension to skeletonization technique for human...

Risalah Lokakarya Komputasi dalam Sains dan Teknologi Nuklir: 6-7 Agustus 2008(213-223)

DETEKSI GERAKAN MANUSIA DENGAN METODAPHASE ONLY CORRELATION

R. B. Wahyu*, Toto Widyanto**

ABSTRAK

DETEKSI GERAKAN MANUSIA DENGAN METODA PHASE ONLY CORRELATION. Makalah ini menguraikan tentang algoritma deteksi gerak-gerik manusia menggunakan metoda Phase-Only Correlation (POC) dalam rangka pengembangan sistem video surveilan keamanan. Secara ideal suatu sistem video surveilan harus mampu mendeteksi, mengenal dan melaporkan keberadaan serta kegiatan benda-benda tersebut pada suatu kawasan yang diamati. Kebutuhan sistem seperti ini sangat diharapkan terutama pada kawasan tingkat keamanan tinggi seperti instalasi tenaga nuklir serta fasilitas penunjang. Secara umum sampai saat ini kamera keamanan hanya digunakan sebagai bahan bukti bila terjadi suatu kejahatan bukan sebagai alat pencegah kejahatan. Kemajuan dalam bidang teknologi komputer visi telah memungkinkan penggunaan kamera keamanan untuk mendeteksi bahaya penyusupan sehingga dimungkinkan pencegahan kejahatan selama 24 jam. Selanjutnya, teknologi komputer visi memiliki kemampuan untuk menganalisa kegiatan benda-benda serta memberikan informasi kepada petugas keamanan mengenai kemungkinan kegiatan yang membahayakan. Metoda yang diusulkan untuk sistem video surveilan adalah untuk mengetahui kegiatan benda-benda tersebut. Kegiatan utama dalam proses deteksi adalah membandingkan frame citra saat ini dengan frame referensi citra. Citra referensi menunjukkan view dari masing-masing citra benda dalam sistem surveilan. Metoda perbandingan yang paling sedehana adalah membandingkan elemen citra dari 2 buah citra, namun metoda ini memerlukan banyak memori. Beberapa peneliti lain menggunakan koefisien Fourier untuk menyimpan dan memproes citra. Sedangkan, penelitian ini menggunakan hanya bagian fasa bukan amplitudo secara keseluruhan. Hasil dari penelitian menunjukkan bahwa metoda ini tidak terpengaruh oleh noise dan juga tidak terpengaruh oleh pergeseran citra serta perubahan kecerahan.

Kata-kata kunci: Analisa kegiatan, Surveilan, Phase-only correlation, Transformasi Fourier

ABSTRACT

DETECTION ON HUMAN ACTIVITIES USING PHASE ONLY CORRELATION This paper presents an algorithm for detection of objects activities using the Phase-Only Correlation (POC) function to support video surveillance purposes. An ideal-video surveillance system-should automatically detect, recognize and inform on the existing of objects and their activities in the-intended-area. This demand is highly recommended for properties that are very critical such as nuclear power plants and their supporting facilities. Convensionally, the security camera is merely used for the proof of crimes that happened but it is not used for crime prevention yet. The advances in computer vision technology has made available the use of security camera to be implemented for intruder detection and crime prevention in nuclear facilities for 24 hours. Furthermore, the technology can analyze the object activities and inform the security officers whether there is a possibility of hazard activities. The proposed detection method is used for video surveillance system is to determine current activities of the objects. The main activies during detection process is a process to compare between current image of objects with the reference images. These reference images represent the view of each image object in surveillance system. The

* Pusat Pengembangan Informatika Nuklir-BATAN, e-mail: [email protected]** Sekolah Teknik Elektro dan Informatika-ITB, Bandung, e-mail: [email protected]

213


simplest comparison approach might appear to be some sort of direct comparison of two images pixel by pixel, but this will force us to store the whole image using much memory. Some researches proposed to use Fourier coefficients to store the images. Our work uses the phase portion instead of the amplitude. The result shows the method provides highly robust against noise and it is not influenced by image shift and brightness change.

Keywords: Activity Analysis, Surveillance, Phase-only correlation, Fourier transform

PENDAHULUAN

Perkembangan teknologi komputer visi relatif sangat pesat dalam tiga dekade terakhir ini, namun dalam kenyataannya masih banyak persoalan yang belum memiliki solusi yang memuaskan yang dapat dilihat dari masih banyaknya persoalan yang harus diselesaikan dalam bidang video surveilan keamanan. Walaupun dalam dekade terakhir ini sudah mulai banyak pihak baik dari dunia akademik maupun dunia industri yang menawarkan solusi praktis untuk bidang video surveilan keamanan namun solusi yang ditawarkan masih sangat spesifik domain serta memiliki keterbatasan yang masih sangat mengikat. Hal ini dapat terlihat dari salah satu hasil pengkajian yang cukup komprehensif oleh Dick dan Brooks (2003) dalam bidang visual surveilan; walaupun kamera keamanan sudah dimanfatkan dalam jumlah yang banyak sekali namun kamera keamanan masih terbatas digunakan secara pasif.

Salah satu publikasi yang merupakan cikal bakal dalam perkembangan visual tracking adalah buku dengan judul Computer Vision oleh Ballard dan Brown (1982). Buku ini menguraikan secara cukup detail berbagai ragam metodologi serta teknik yang sangat bermanfaat dalam bidang komputer visi. Sampai sekarang buku ini merupakan salah satu pegangan utama para peneliti serta praktisi dalam dunia komputer visi. Buku ini juga menerangkan salah satu harapan dari bidang komputer yang diharapkan akan sangat berperan dalam kehidupan masyarakat pada masa yang akan datang. Dalam buku ini Ballard dan Brown mengatakan bahwa teknologi komputer visi merupakan pengejawantahan bidang intelijensi semu (artificial intelligence). Diharapkan dengan kematangan teknologi komputer visi maka pada suatu saat komputer akan benar-benar cerdas sehingga sebuah komputer yang dilengkapi dengan teknologi komputer visi mampu menggantikan dan melaksanakan tugas mata manusia. Banyak impian serta harapan yang dijanjikan oleh teknologi komputer visi dalam meringankan tugas manusia dalam melaksanakan kehidupan sehari-hari.

Penelitian awal dalam bidang komputer visi yang mencoba untuk menerapkan konsep komputer yang cerdas dimulai oleh Hogg (1983). Publikasi Hogg menarik perhatian dunia internasional terutama masyarakat pengolahan citra dalam bidang komputer visi yang merasa impian komputer dengan kemampuan untuk dapat melihat mendekati kemampuan mata manusia. Penelitian ini sampai sekarang masih menjadi salah satu rujukan dalam pengembangan cabang visual tracking. Dalam membangun

214


sistem tersebut, Hogg menggunakan metoda penggunaan model dua dimensi untuk mensimulasikan gerakan manusia.

Dalam perkembangannya penelitian dalam bidang visual tracking berkembang dengan berbagai pendekatan dan metodologi mulai dari yang mengikuti pendekatan seperti yang dilakukan Hogg serta pendekatan lainnya. Secara garis besar pendekatan dalam mendeteksi, melakukan identifikasi serta menganalisis gerak-gerik manusia dapat dikelompokkan atas tiga kelompok utama. Pendekatan pertama adalah pendekatan dengan menggunakan model 3-D (tiga dimensi) seperti yang dilakukan oleh Gavrilla(1996). Pendekatan kedua adalah pendekatan dengan model 2-D (dua dimensi) yang dimotori salah satunya oleh Hogg (1983). Kelompok ketiga yaitu pendekatan yang menggunakan fitur dari manusia dalam melakukan deteksi, identifikasi, serta analisis gerak-gerik manusia.

Penelitian dengan menggunakan fitur merupakan salah satu model yang cukup populer dalam bidang visual tracking dan dimotori oleh Pentland (1995). Selanjutnya berbagai ragam penelitian visual tracking berkembang terus dan pada tahun 1996 sampai tahun 2000 pemerintah Amerika Serikat melalui Departemen Pertahanannya (Department of Defence – DOD) dengan melibatkan lembaga pendidikan tinggi terkenal yang dimotori oleh Carnegie Melon University (CMU) serta industri pertahanan yang dimotori oleh Sarnoff Corporation melaksanakan proyek Visual Surveillance and Monitoring (VSAM). Proyek ini merupakan salah satu proyek ambisius pemerintah Amerika Serikat yang ingin memanfaatkan teknologi komputer visi dalam sistem pertahanan mereka. Sebagian besar perguruan tinggi kelas atas di Amerika dilibatkan dalam proyek ini untuk mengkaji bersama mulai dari ilmu dasar sampai penerapan teknologi komputer visi dengan berbagai metoda serta teknik-teknik yang memungkinkan. Metoda yang diusulkan untuk sistem video surveilan adalah untuk mengetahui kegiatan benda-benda tersebut. Kegiatan utama dalam proses deteksi adalah membandingkan frame citra saat ini dengan frame referensi citra. Citra referensi menunjukkan view dari masing-masing citra benda dalam sistem surveilan. Metoda perbandingan yang paling sedehana adalah membandingkan elemen citra dari 2 buah citra, namun metoda ini memerlukan banyak memori. Beberapa peneliti lain menggunakan koefisien Fourier untuk menyimpan dan memproes citra. Sedangkan, penelitian ini menggunakan hanya bagian fasa bukan amplitudo secara keseluruhan. Hasil dari penelitian menunjukkan bahwa metoda ini tidak terpengaruh oleh noise dan juga tidak terpengaruh oleh pergeseran citra serta perubahan kecerahan..

METODOLOGI

Tujuan utama dari makalah ini adalah membangun suatu sistem surveilan keamanan yang cerdas seperti diperlihatkan pada gambar1. Pada sistem ini langkah-langkah yang dilakukan adalah sebagai berikut. Proses pertama yang dilakukan adalah melakukan deteksi gerakan citra (image motion) dari deretan citra video (video stream) yang berasal dari kawasan yang dimonitor. Deteksi gerakan dimaksudkan

215


untuk menangkap objek bergerak didalam deretan citra yang akan dijadikan sebagai objek pemrosesan selanjutnya. Gerak-gerik objek yang ditangkap sistem selanjutnya diproses dan diinformasikan sebagai kegiatan yang mencurigakan atau tidak. Gerak-gerik yang aman didefinisikan sebagai gerakan yang tidak menimbulkan kemungkinan bahaya sedangkan gerakan yang mencurigakan didefinisikan sebagai gerakan diluar gerakan diluar kebiasaan pada kawasan yang dimonitor. Selanjutnya untuk gerakan yang mencurigakan ini akan dilaporkan kepada petugas keamanan sehingga kemungkinan yang tidak diinginkan apat dihindari.

Gambar 1. Sistem Keamanan yang Cerdas.

Sistem yang dikembangkan ini ditujukan untuk membangun suatu sistem yang cerdas dengan metoda yang robust dan mudah diaplikasikan dalam bidang video surveilan keamanan. Metoda ini relatif sangat sederhana, tidak membutuhkan komputasi data yang rumit, namun memiliki tingkat akurasi dan kehandalan yang terjaga. Akan tetapi sama seperti metoda yang lain, jenis gerakan yang terdeteksi dan informasi fitur yang dimanfaatkan masih sangat terbatas.

Gambar 2. Tahapan Proses dalam Pembangunan Surveilan Visual

Fungsi Phase-Only Correlation (POC)

216

Informasi Surveilan

Gait Information

Skeletonisasi Batang Tuu

h

Ekstraksi Fitur

Video Data

Klasifikasi Gerak

-gerik

Analisa Kegiatan

Informasi Surveilan

PengkayaanGerakan

DeteksiGerakan

TransformasiFourier

Phase-Only Correlation

Video Data

KlasifikasiGerakan

AnalisaGerakan

InformasiGerakan


Sebagaimana disinggung sebelumnya lokaslisasi adalah suatu proses membandingkan antara citra referensi dengan citra saat ini. Maka jika dua buah citra N1 dan N2 dengan fungsi f(n1,n2) dan g(n1,n2). Maka F(k1, k2) dan G(k1, k2) merupakan fungsi transformasi Fourier 2D (2D DFT) dari kedua citra. Selanjutnya F(k1,k2) dan G(k1,k2) dapat direpresentasikan sebagai berikut:

21

222

111

,

)(22121 ),(),(

nn

j Nnk

Nnk

ennfkkF

),(

2121),( kkj

FFekkA (1)

21

222

111

,

)(22121 ),(),(

nn

j Nnk

Nnk

enngkkG

),(

2121),( kkj

GGekkA (2)

Relasi spektrrum (cross spectrum) antara F(k1, k2) dan G(k1, k2) direpresentasikan oleh

),(),(),( 212121 kkGkkFkkRFG

),(

212121),(),( kkj

GF ekkAkkA (3)

Dimana menunjukkan the complex conjugate of G(k1, k2) dan θ(k1, k2) = θF(k1, k2) – θG(k1, k2). Selanjutnya relasi fasa spektrum (cross-phase spectrum)

atau normalisasi relasi spektrum didefinisikan sebagai:

),(

2121

212121

21

|),(),(|),(),(),(ˆ kkj

FG ekkGkkFkkGkkFkkR (4)

Fungsi korelasi fasa adalah Inverse Discrete Fourier Transform 2 Dimensi

(2D IDFT) dari dan dapat dinyatakan sebagai:

21

222

111

,

)(221

2121 ),(ˆ1),(ˆ

kk

jFGfg

Nnk

Nnk

ekkRNN

nnr (5)

Dengan menggunakan informasi fasa dan bukan menggunakan informasi (koefisien) amplitudo maka metoda yang digunakan ini sangat bagus dalam menghadapi noise

217


dan tidak terpengaruh oleh pergerakan citra (image shift) dan perubahan kecerahan [10].

IMPLEMENTASI

Algoritma Sistem Deteksi Gerakan

Algoritma pada Gambar 3 dibawah digunakan untuk mendeteksi keberadaan objek serta gerakan yang terjadi pada kawasan yang dimonitor dapat diuraikan sebagai berikut

Gambar 3. Algoritma deteksi gerakan

Algoritma diatas merupakan algoritma yang diaplikasikan terhadap deretan citra video (video stream) untuk memperoleh gerakan terjadi dalam rangka surveilan keamanan. Namun algoritma diatas tidak menghasilkan gerakan citra (image motion) yang sempurna. Untuk itu proses selanjutnya adalah proses pengayaan gerakan citra (image motion enhancement) perlu dilakukan pada tahap selanjutnya.

Implementasi Sistem Deteksi Gerakan

218

For image = 1 to nImagesRead (Images)

Hitung perbedaan intensitas yang terjadi untuk setiap elemen citra dan bandingkan dengan nilai batas

For X = 1 to maxXFor Y = 1 to maxY

Hitung nilai perbedaan intensitas

If displacement < Threshold thenFlow = 0

Else Flow = 1

Endif


Seperti telah diuraikan pada pembahasan sebelumnya deteksi gerakan dilakukan dengan mencari perbedaan yang terjadi antara deretan citra video. Pertama deretan citra video dipecah dalam bentuk frame yang diikuti dengan perhitungan perbedaan antara frame yang berurutan. Perbedaan yang terjadi menggambarkan gerakan yang terjadi. Gambar 4.a dan Gambar 4.b berikut memperlihatkan 2 buah frame yang berurutan dari suatu ruangan yang dimonitor. Dari 2 frame yang berurutan benda yang bergerak adalah manusia yang pada kedua gambar dimasukkan kedalam kotak sedangkan benda lain didalam ruangan tersebut bersifat diam(statis). Sesuai dengan pembahasan pada uraian sebelumnya maka untuk benda yang bergerak akan menghasilkan perbedaan intensitas yang jika memenuhi nilai batas tertentu akan menghasilkan gerakan citra (image motion).

Gambar 4.a Citra pada waktu t Gambar 4.b Citra pada waktu t+n

HASIL DAN PEMBAHASAN

Hasil

Sesuai dengan pembahasan pada uraian sebelumnya maka ujicoba deteksi gerak-gerik dengan ini mempunyai dua (2) tujuan utama. Tujuan pertama adalah memperluas jenis informasi yang bisa diperoleh dengan penambahan jumlah jenis gerak-gerik yang digunakan. Konsekuensi logis dari penambahan ini menjadikan metoda yang diusulkan oleh Fujiyoshi dan Lipton diharapkan akan meningkatkan kemampuan metoda ini dalam mendeteksi jenis gerak-gerik yang dilakukan. Tujuan kedua adalah membandingkan tingkat akurasi informasi yang dihasilkan jika dibandingkan dengan metoda awal yang dikembangkan oleh Fujiyoshi dan Lipton [3].

219


Gambar 5. Objek (manusia) dalam berbagai posisi

Table 1 Hasil dengan menggunakan Jaringan saraf Tiruan

No Gait Type Detection 1 Walking to right 83,732 Walking to left 84,803 Sitting headed to right 82,154 Sitting headed to left 81,185 Walking with right hands up 78,156 Walking with left hands up 81,857 Running to right 83,928 Running to left 80,269 Turn right 61,54

10 Turn left 64,4311 Walking with right hands in front 78,7712 Walking with left hands in front 83,6913 Walking to right carrying object 84,9214 Walking to left carrying object 81,5415 Walking to front 85,5416 Hands are wide to side 85,29

KESIMPULAN

220


Penelitian yang telah dilakukan memberikan kontribusi dalam bidang keilmuan gerak-gerik manusia dalam dua hal utama:

Sistem yang dikembangkan mampu mendeteksi gerak-gerik objek dalam beberapa posisi. Kemampuan untuk mendeteksi gerak-gerik ini tidak dapat diberikan oleh sistem surveilan keamanan konvensional;

Dengan menggunakan informasi gerak-gerik objek yang diawasi pada kawasan yang dimonitor maka akan dapat dibangun suatu informasi identifikasi objek yang pernah berada pada kawasan tersebut. Informasi unik (signature) yang disimpan dalam sistem dapat dikembangkan menggunakan koefisien Fourier. Menggunakan identifikasi unik yang sederhana ini maka informasi keberadaan suatu objek dapat dengan mudah dikenali sehingga objek lain yang belum dikenal dapat diinformasikan sebagai informasi yang mencurigakan atau perlu dapat perhatian petugas keamanan.

Dalam pembangunan sistem yang disulkan ini metoda yang digunakn informasi fasa bukan amplitudo. Hasil penelitian menujukkan bahwa metoda ini sangat bagus dan dapat mengabaikan pengaruh noise serta tidak terpengaruh oleh pergeseran citra dan perubahan kecerahan.

KEGIATAN SELANJUTNYA

Dalam makalah ini telah diuraikan suatu persyaratan dasar untuk membangun suatu sistem surveilan keamanan yang cerdas. Namun untuk dapat implementasikan pada situasi nyata maka beberapa kegiatan terkait serta poses pematangan metoda masih perlu dilakukan.

DAFTAR PUSTAKA

1. B.K.P HORN, and B.G SCHUNK, Determining Optical Flow. Artificial Intelligence, vol. 2 (1981)185-203.

2. CHRISTOPHER R WREN., BRIAN P.CLARKSON, ALEX P PENTLAND., Understanding Purposeful of Human Motion, MIT Media Laboratory Perceptual Computing Section, Technical Reports No. 485 appears in Fourth IEEE International Conference on Automatic Face and Gesture Recognition, 2000.

3. HIRONOBU FUJIYOSHI, ALAN J LIPTON., TAKEO KANADE, Real-time Human Motion Analysis by Image Skeleton, IEICE Transaction on Information and System Vol. E87 –D, NO.1 January 2004.

4. R. B WAHYU, TATI R MENGKO, BAMBANG PHARMASETIAWAN, ANDRYAN B. SUKSMONO, (2005): Objects Detection and Activity Analysis

221


Using Computer Vision Approach, International Conference on Instrumentation, Communication and Information Technology (ICICI), Proc., August 3rd-5th, Bandung, Indonesia (2005)

5. ROBERT T COLLINS., et.al., A System for Video Surveillance and Monitoring, CMU-RI-TR-00-12, The Robotics Institute, Carnegie Mellon University, Pittsburgh PA - The Sarnoff Corporation, Princeton, NJ, 2000.

6. SOMBOON HONGENG, FRANCOIS BR´EMOND and RAMAKANT NEVATIA, Representation and Optimal Recognition of Human Activities, Computer Vision and Pattern Recognition, 2000.

7. TAO ZHAO and RAM NEVATIA, 3D Tracking of Human Locomotion: A Tracking as Recognition Approach, International Conference on Pattern Recognition, 2002.

8. D. FOX. MARKOV LOCALIZATION: A Probabilistic Framework for Mobile Robot Localization and Navigation. Doctoral Thesis. Institute of Computer Science III, University of Bonn, Germany (1998).

9. E. MENEGATTI, T. MAEDA, & H. ISHIGURO, Image-based memory for robot navigation using properties of omnidirectional images. Robotics and Autonomous Systems. Elsevier. Vol 47(4) July (2004)251-267.

10. K. Takita, et.al., "High-accuracy subpixel image registration based on Phase-Only Correlation." IEICE Trans. Fundamentals, Vol. E86-A(8) Aug. 2003.

11. H. A. Mallot, et.al., Inverse perspective mapping simplifies optical flow computation and obstacle detection. Biological Cybernetics, vol. 64 (1991)177–185.

12. K. ONOGUCHI, N. TAKEDA, AND M. WATANABE. Planar projection stereopsis method for road extraction. IEICE Trans. Inf. & Syst., vol. E81-D (9)(1998)1006–1018.

13. G. ADORNI, S. CAGNONI, and M. MORDONINI., An efficient perspective effect removal technique for scene interpretation. Proc. Asian Conf. on Computer Vision (2000) 601–605.

14. G. ADORNI et.al., Omnidirectional Vision Algorithms in Robotics. VIII Convegno AI*IA (2002).

222


DAFTAR RIWAYAT HIDUP

1. Nama : R.B Wahyu2. Tempat/Tanggal Lahir : Jakarta, 8 Juli 19593. Instansi : Pusat Pengembangan Informatika Nuklir, BATAN4. Pekerjaan / Jabatan : Staf Komputasi5. Riwayat Pendidikan : (setelah SMA sampai sekarang)

S1 Jurusan Fisika, FMIPA –UI, 1985 Diploma in Computer Science Condordia University Montreal Canada Master in Computer Science Curtin University of Technology Perth

Western Australia PhD Student Sekolah Teknik Eloktronika dan Informatika Institut

Teknologi Bandung

6. Pengalaman Kerja : 1982 – 1985 Pusdiklat BATAN 1985 – 1988 Biro Bina Program BATAN 1988 – sekarang Pusat Pengembangan Informatika BATAN

7. Organisasi : INAHIA (Indonesian Health Informatics Association: Founder &

Member)

8. Makalah yang dipublikasikan :

LKSTN BATAN International Conference on Instrumentation, Communication and

Information Technology (ICICI) 2005 Proc., August 3rd -5th , 2005, Bandung, Indonesia

223

extension to skeletonization technique for human...

Documents