Pemanfaatan Kontur untuk Mendeteksi Jatuh pada Manusia

Mahdiar Naufal1

1 School of Electrical Engineering and Informatics, Institut Teknologi Bandung, Bandung 40132, Indonesia E-mail: 13515022@std.stei.itb.ac.id Abstrak. Kematian yang disebabkan oleh jatuh di kamar mandi tidaklah jarang, sebagian besar dari korban yang tertimpa kejadian ini berada pada golongan manula. Kita dapat melakukan mitigasi kejadian tersebut dengan memanfaatkan kamera CCTV dan teknologi interpretasi citra untuk mendeteksi manusia yang jatuh. Penulis memanfaatkan teknik kontur untuk mendeteksi seseorang apakah orang tersebut jatuh atau tidak, sistem akan membandingkan setiap bingkai gambar pada video, jika ada manusia jatuh tertangkap di kamera maka perangkat lunak dapat memelatuk peringatan ke manusia yang satu rumah setelah terdeteksi.

1. Pendahuluan Jatuh di kamar mandi sering terjadi di masyarakat. Banyak penyebab yang menyebabkan kejadian ini sering terjadi. Kejadian tersebut bisa disebabkan dari licinnya lantai di kamar mandi, ceroboh dalam berjalan, atau kehilangan kontrol pada tubuh yang disebabkan dari berbagai macam penyakit seperti serangan jantung, pingsan, dan stroke. Korban yang tertimpa kejadian ini dapat terjadi di semua golongan umur manusia yang bisa berjalan. Tetapi sebagian besar terjadi pada anak – anak dan manula. Sebagian besar dari kalangan manula termasuk kakek dan nenek penulis yang mengalami kejadian ini berujung pada kematian. Penulis merancang sebuah solusi untuk melakukan penanggulangan yang lebih baik terhadap kejadian ini dengan cara merancang sistem yang dapat melakukan pendeteksian orang jatuh di kamar mandi menggunakan CCTV dan teknik interpretasi citra. Ada banyak teknik yang digunakan untuk mendeteksi, setiap teknik memiliki kelemahan dan kelebihannya. Penulis memilih untuk melakukan pendeteksian jatuh terhadap manusia dengan memanfaatkan kontur di dalam citra yang ditangkap.

2. Studi Literatur

2.1. Citra Citra adalah gambar yang ditangkap oleh sebuah alat yang memiliki fungsi menyerupai mata manusia. Alat tersebut menangkap cahaya lalu menyimpan tangkapan tersebut menjadi sebuah citra. Ada tiga jenis citra berdasarkan jenisnya yaitu citra optik, citra analog, dan citra digital. Citra optik adalah citra yang dihasilkan dari hasil penangkapan cahaya dengan cara memaparkan lembaran photo film. Photo film adalah sebuah benda yang sensitive terhadap cahaya dan dapat menyimpan cahaya yang memapari film tersebut. Kini citra optik popular di kalangan fotografer karena memiliki sifat vintage. Penulis menyertakan contoh citra optik yang berada di dalam citra digital di Gambar 1.

Gambar 1. Contoh citra digital berisi citra optik.

Citra analog adalah citra yang dihasilkan dari cahaya sebagai gelombang, citra yang ditangkap dapat ditampilkan kembali oleh alat seperti televisi. citra ini juga dapat dikonversikan menjadi gelombang suara seperti yang dilakukan oleh pesawat antariksa Apollo 11 dalam melakukan pengiriman gambar bulan ke bumi. Penulis menyertakan contoh citra optik di Gambar 2.

Gambar 2. Contoh citra analog hasil konversi dari gelombang suara menggunakan SSTV decoder.

Citra digital adalah citra yang dihasilkan dari cahaya sebagai gelombang, kemudian dikonversikan menjadi bentukan biner atau susunan angka nol dan satu. Masa kini citra digital paling popular digunakan karena beberapa alasan salah satunya adalah ruang penyimpanan yang lebih ringan dan kemudahan dalam pengolahan citranya. Hasil pengolahan citra digunakan di berbagai macam keperluan, dimulai dari untuk keperluan bersosial, forensik, dan pencegahan bencana seperti yang akan dilakukan oleh penulis di tulisan ini. Citra digital direpresentasikan dalam struktur data matriks dua dimensi, di mana setiap elemen matriks merepresentasikan sebagai posisi, nilai matriks merepresentasikan intensitas cahaya pada titik tersebut. Setiap elemen dinamakan piksel. Gambar yang ditampilkan di Gambar 1 adalah contoh citra optic yang ditangkap menjadi bentuk digital.

Citra juga dipisahkan berdasarkan wujudnya menjadi dua yaitu citra bergerak dan citra tidak bergerak. Citra bergerak adalah citra yang tersusun dari beberapa citra tidak bergerak, disusun berdasarkan urutan waktu mengakibatkan orang yang melihat citra tersebut bergerak. Citra bergerak dimanfaatkan oleh penulis dalam melakukan pendeteksian manusia yang jatuh.

2.2. Warna pada Citra Digital Warna adalah gelombang cahaya dengan panjang gelombang berbeda – beda menghasilkan pantulan cahaya yang berbeda, pada citra digital warna direpresentasikan dalam bilangan. Ada tiga jenis warna pada citra digital yaitu citra biner, citra grayscale, dan citra berwarna. Citra biner adalah citra yang tersusun dari dua warna yaitu hitam dan putih, di citra digital nilai warnanya biasanya ditetapkan nol sebagai hitam dan satu sebagai putih. Citra grayscale adalah citra yang tersusun dari kumpulan warna yang memiliki derajat keabuan yang berbeda – beda. Rentang warna nya terurut dari warna hitam sampai ke warna putih, Citra berwarna adalah citra yang tersusun dari tiga citra yang setiap citranya memiliki nilai intensitas cahaya berdasarkan warna pokok biru, hijau, dan merah. Satu citra yang menyimpan nilai intensitas satu warna pokok dinamakan kanal.

2.3. Operasi Dasar pada Citra Digital

Dalam kebutuhan mengolah citra untuk mendeteksi jatuh pada manusia dibutuhkan dua operasi yaitu operasi konversi citra berwarna menjadi citra grayscale dan operasi pengurangan citra untuk menghilangkan citra latar.

Operasi konversi citra berwarna menjadi citra grayscale adalah melakukan pengolahan nilai intensitas cahaya dari ketiga kanal citra berwarna menjadi satu nilai intensitas cahaya citra grayscale. Persamaan paling sederhana untuk melakukan konversi adalah melakukan rerata dari jumlah nilai intensitas cahaya dari ketiga kanal pada pixel di posisi yang sama seperti persamaan 1 di bawah ini:

𝑌 = ($%&%'))

(1)

Nilai Y adalah nilai intensitas cahaya citra grayscale, nilai R adalah nilai intensitas cahaya citra berwarna dari kanal merah, nilai G adalah nilai intensitas cahaya citra berwarna dari kanal hijau, dan nilai B adalah nilai intensitas cahaya citra berwarna dari kanal Biru.

Terdapat persamaan lain yang digunakan untuk menghasilkan citra grayscale, yaitu dengan memberikan proporsi yang berbeda untuk setiap kanal warna nya. Persamaan tersebut dapat dilihat di persamaan 2 di bawah ini:

𝑌 = (0.299R + 0.587G + 0.144B) (2)

Operasi pengurangan citra adalah operasi yang membutuhkan dua citra, setiap nilai pixel pada posisi yang sama dikurangkan sehingga hanya akan menghasilkan citra yang berbeda saja. Operasi ini berguna untuk melakukan pendeteksian tepi pada objek bergerak karena hasil dari operasi ini hanya

menghasilkan objek bergerak saja. Penulis menyajikan Gambar 3 dan Gambar 4 di bawah sebagai contoh perbandingan gambar sebelum dan sesudah dikurangkan. Citra latar akan menjadi warna hitam tetapi objek bergerak pada citra menjadi warna putih.

Gambar 3. Contoh citra sebelum dikurangkan

Gambar 4. Contoh citra setelah dikurangkan

2.4. Kontur

Kontur adalah kumpulan pixel – pixel tepi yang membentuk sebuah batas. Kontur digunakan untuk melakukan pendeteksian tepi dan pengenalan objek. Ada dua jenis kontur yaitu kontur terbuka dan kontur tertutup. Kontur terbuka adalah kontur yang titik awal dan titik akhir konturnya berbeda jika dilihat kontur terbuka tidak membentuk sebuah daerah sedangkan kontur tertutup membentuk sebuah daerah. Penulis menyajikan gambar untuk membandingkan perbedaan antara kontur terbuka dan tertutup di Gambar 5 dan Gambar 6. Kontur digunakan untuk melakukan pendeteksian tepi pada citra yang nantinya dapat digunakan untuk melakukan pengenalan objek dari bentuk konturnya. Manusia dapat dideteksi menggunakan kontur.

Gambar 5. Contoh kontur terbuka

Gambar 6. Contoh kontur tertutup

3. Rancangan solusi Sistem melakukan proses secara berulang dimulai dari penangkapan citra menggunakan alat penangkap citra Closed Circuit Television atau CCTV, kemudian hasil tangkapan citra berupa citra berwarna tersebut dikonversikan menjadi citra grayscale. Setelah melakukan konversi, operasi pengurangan pada citra dilakukan untuk menghilangkan citra latar belakang. Pencarian kontur dilakukan setelah menghilangkan citra latar belakang, lalu ditambahkan ke dalam larik berisi kumpulan kontur. Dari larik yang sudah diisi dipilih kontur dengan luas area yang paling besar. Kontur paling besar dibuat batas berbentuk segi empat kemudian diukur tinggi dan lebar nya. Jika lebar segi empat lebih besar dari tinggi segi empat maka sistem membandingkan juga dengan citra pada sembilan frame berikutnya, jika

semuanya memiliki lebar lebih besar dari tinggi nya maka sistem memberikan peringatan mengenai manusia jatuh. Penulis menuliskan kembali dalam urutan berikut:

1. Citra bergerak ditangkap setiap frame melalui CCTV. 2. Ubah citra berwarna yang ditangkap menjadi citra grayscale. 3. Pisahkan gambar latar dengan operasi pengurangan. 4. Cari semua kontur yang ada di dalam gambar 5. Pilih kontur yang memiliki luas terbesar 6. Buat segi empat yang membatasi ujung – ujung kontur 7. Hitung tinggi dan lebar segi empat 8. Jika lebar segi empat lebih panjang dari tinggi segi empat, bandingkan dengan sembilan frame

lainnya. 9. Jika semua sepuluh frame memiliki segi empat yang lebarnya lebih besar dari tingginya maka

orang jatuh terdeteksi. 10. Ulangi proses 1 sampai proses 8

Untuk memudahkan pemahaman dalam tahapan proses, penulis menyajikan diagram alir di Gambar 7 di bawah ini.

Gambar 7. Gambar diagram alir tahapan mendeteksi jatuh pada manusia.

4. Implementasi Solusi Pada bagian ini penulis akan menuliskan kondisi lingkungan dalam melakukan implementasi solusi, hasil rancangan solusi, dan ketepatan solusi dalam melakukan pendeteksian orang jatuh.

4.1. Kondisi Lingkungan Pada bagian ini penulis akan menuliskan kondisi lingkungan yang digunakan untuk melakukan perancangan solusi dan pengujian solusi, kondisi lingkungan yang akan dijelaskan dimulai dari kondisi perangkat keras dan kondisi perangkat lunak. Kondisi perangkat keras terdiri dari spesifikasi perangkat keras yang digunakan untuk melakukan pembangunan dan pengujian solusi. Kondisi perangkat lunak terdiri dari sistem operasi yang digunakan, bahasa pemrograman yang digunakan, dan librari yang digunakan. Penulis menyajikan kondisi perangkat keras untuk mengolah citra di dalam Tabel 1, kondisi

perangkat keras untuk menangkap citra di dalam Tabel 2, dan kondisi perangkat lunak untuk mengolah citra di dalam Tabel 3.

Tabel 1. Kondisi lingkungan perangkat keras untuk mengolah citra

Perangkat Keras Spesifikasi Device MacBook Air Early 2015

Processor 1.60 GHz Intel Core i5 Memory 8 GB 1600 MHz DDR3 RAM Storage 128GB Flash Storage Graphic Intel HD Graphics 6000

Tabel 2. Kondisi lingkungan perangkat keras untuk menangkap citra

Perangkat Keras Spesifikasi Device Apple iPhone 6 Camera 8MP f/2.2 29mm 1/3” 1.5µm,

PDAF 720p@240fps

Tabel 3. Kondisi lingkungan perangkat lunak untuk mengolah citra

Perangkat Keras

Spesifikasi Versi

Sistem Operasi

macOS Mojave 10.14.6

Bahasa Pemrograman

Python 2.7.16

Librari OpenCV 3.4.1 Penulis menggunakan gawai iPhone 6 sebagai alat untuk melakukan pengambilan gambar dikarenakan keterbatasan alat yang dimiliki.

4.2. Hasil Rancangan Solusi

Penulis berhasil melakukan pendeteksian jatuh terhadap manusia, dengan menampilkan pendeteksian manusia dengan bingkai segi empat berwarna hijau dan jika manusia jatuh warna bingkainya berubah menjadi merah. Penulis menyajikan contoh hasil pendeteksian di Gambar 8 untuk pendeteksian manusia dan Gambar 9 untuk pendeteksian jatuh terhadap manusia.

Gambar 8. Contoh pendeteksian manusia

Gambar 9. Contoh pendeteksian jatuh terhadap manusia

Dari implementasi solusi ini bisa dilakukan pengujian dengan menyesuaikan lingkungan yang terjadi di dalam citra sesuai dengan tujuan perancangan ini

4.3. Pengujian

Penulis melakukan pengujian dengan perangkat keras yang sudah ditulis di bagian Kondisi Lingkungan, penangkapan gambar dilakukan di dalam kamar mandi dengan menyesuaikan posisi kamera seperti penempatan posisi cctv yaitu di sudut ruangan. Penyesuaian ini dilakukan untuk memenuhi tujuan perancangan solusi ini yaitu untuk melakukan mitigasi jika ada orang yang jatuh di dalam kamar mandi.

Penulis menyajikan potongan gambar pendeteksian di dalam kamar mandi pada Gambar 10 untuk pendeteksian manusia dan Gambar 11 untuk pendeteksian jatuh terhadap manusia.

Gambar 10. Contoh pendeteksian manusia di dalam kamar mandi

Gambar 11. Contoh pendeteksian jatuh terhadap manusia di dalam kamar mandi

Penulis menyajikan tabel ntuk pengukuran tingkat keberhasilan pendeteksian di Tabel 4 di bawah ini:

Tabel 4. Pengujian keberhasilan pendeteksian gambar

Uji Pencapaian

Berhasil Tidak Berhasil

Deteksi manusia 1 ✓

Deteksi manusia 2 ✓

Deteksi jatuh 1 ✓

Deteksi jatuh 2 ✓ Dari tabel di atas penulis menyimpulkan tingkat akurasi yang didapatkan adalah 75% dengan empat kali pengujian. Faktor yang mendukung dalam perhitungan akurasi ini diantaranya adalah posisi kamera