pendeteksian banyak wajah pada citra dijital kompleks dengan pendekatan multiaspek

72
Pendeteksian Banyak Wajah Pada Citra Dijital Kompleks Menggunakan Pendekatan Multiaspek Setiawan Hadi - 33503505 - 14 Mei 2008 Pendahuluan SOTA Roadmap Pengembangan Metode Analisis Kinerja Kesimpulan Publikasi Glossary Pendeteksian Banyak Wajah Pada Citra Dijital Kompleks Menggunakan Pendekatan Multiaspek Setiawan Hadi - 33503505 - 14 Mei 2008 Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung

Upload: setiawan-hadi

Post on 10-May-2015

432 views

Category:

Technology


5 download

TRANSCRIPT

  • 1.Pendeteksian Banyak Wajah Pada Citra Dijital Kompleks Menggunakan Pendekatan Multiaspek Setiawan Hadi - 33503505 - 14 Mei 2008 Pendahuluan SOTA Roadmap Pengembangan Metode Analisis Kinerja Kesimpulan Publikasi Glossary Pendeteksian Banyak Wajah Pada Citra Dijital Kompleks Menggunakan Pendekatan Multiaspek Setiawan Hadi - 33503505 - 14 Mei 2008 Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung

2. Pendeteksian Banyak Wajah Pada Citra Dijital Kompleks Menggunakan Pendekatan Multiaspek Setiawan Hadi - 33503505 - 14 Mei 2008 Pendahuluan SOTA Roadmap Pengembangan Metode Analisis Kinerja Kesimpulan Publikasi Glossary Mengapa wajah? 3. Pendeteksian Banyak Wajah Pada Citra Dijital Kompleks Menggunakan Pendekatan Multiaspek Setiawan Hadi - 33503505 - 14 Mei 2008 Pendahuluan SOTA Roadmap Pengembangan Metode Analisis Kinerja Kesimpulan Publikasi Glossary Apakah pendeteksian wajah? 4. Given an arbitrary image, the goal of face detection is to determine whether or not there are any faces in the image and, if present ... return the image location and extent of each face. Yang (2004) 5. Pendeteksian Banyak Wajah Pada Citra Dijital Kompleks Menggunakan Pendekatan Multiaspek Setiawan Hadi - 33503505 - 14 Mei 2008 Pendahuluan SOTA Roadmap Pengembangan Metode Analisis Kinerja Kesimpulan Publikasi Glossary Mengapa sukar mendeteksi wajah? Variabilitas Variabilitas Intra-Personal (1) Pose, (2) Komponen Struktural, (3) Ekspresi, (4) Oklusi, (5) Orientasi, (6) Iluminasi 6. Pendeteksian Banyak Wajah Pada Citra Dijital Kompleks Menggunakan Pendekatan Multiaspek Setiawan Hadi - 33503505 - 14 Mei 2008 Pendahuluan SOTA Roadmap Pengembangan Metode Analisis Kinerja Kesimpulan Publikasi Glossary Ilustrasi Variabilitas Intra Personal (1) Pose, Komponen Struktural, Ekspresi 7. Pendeteksian Banyak Wajah Pada Citra Dijital Kompleks Menggunakan Pendekatan Multiaspek Setiawan Hadi - 33503505 - 14 Mei 2008 Pendahuluan SOTA Roadmap Pengembangan Metode Analisis Kinerja Kesimpulan Publikasi Glossary Ilustrasi Variabilitas Intra Personal (2) Oklusi, Orientasi, Iluminasi Next: Ilmu-ilmu terkait 8. Pendeteksian Banyak Wajah Pada Citra Dijital Kompleks Menggunakan Pendekatan Multiaspek Setiawan Hadi - 33503505 - 14 Mei 2008 Pendahuluan SOTA Roadmap Pengembangan Metode Analisis Kinerja Kesimpulan Publikasi Glossary State-of-the-art Ilmu-ilmu terkait 9. Pendeteksian Banyak Wajah Pada Citra Dijital Kompleks Menggunakan Pendekatan Multiaspek Setiawan Hadi - 33503505 - 14 Mei 2008 Pendahuluan SOTA Roadmap Pengembangan Metode Analisis Kinerja Kesimpulan Publikasi Glossary Taksonomi Pendeteksian Wajah 10. Pendeteksian Banyak Wajah Pada Citra Dijital Kompleks Menggunakan Pendekatan Multiaspek Setiawan Hadi - 33503505 - 14 Mei 2008 Pendahuluan SOTA Roadmap Pengembangan Metode Analisis Kinerja Kesimpulan Publikasi Glossary Metode-metode Pendeteksian Wajah1 Knowledge-based methods Fokus Pengembangan Publikasi ilmiah Multiresolution Yang & Huang (1994.a) . . . Proyeksi Kotropoulus & Pitas (1997) Feature-invariant approaches Fokus Pengembangan Publikasi ilmiah Geometri Wajah Kim, Kang, Shin & Park (2000) . . . Komponen Wajah Vezhnevets, Soldatov & Degtiavera (2004) . . . Tekstur Kulit Manian & Ross (2004), Cula & Dana (2004) Warna Kulit Lai & Li (2006), Vezhnevets, Sazonov & An- dreeva (2003) . . . 1 Tabel II.1 Halaman 16 11. Pendeteksian Banyak Wajah Pada Citra Dijital Kompleks Menggunakan Pendekatan Multiaspek Setiawan Hadi - 33503505 - 14 Mei 2008 Pendahuluan SOTA Roadmap Pengembangan Metode Analisis Kinerja Kesimpulan Publikasi Glossary Metode-metode Pendeteksian Wajah (lanjutan) Template Matching methods Fokus Pengembangan Publikasi ilmiah Snakes, Shape template Craw, Took & Bennet (1992) Deformable template, ACM, ASM Lanitis, Taylor & Cootes (1995) Point Distribution Models Sung & Poggio (1998) Appearance-based methods Fokus Pengembangan Publikasi ilmiah Eigenfaces & PCA Turk & Pentland (1991b) . . . Gaussian Distribution-based Sung & Poggio (1998) . . . Articial Neural Network Rowley, Baluja & Kanade (1998) . . . Support Vector Machine Osuna, Freud & Girosi (1997) . . . Sparse Network on Winnows Yang, Roth & Ahuja (2000) Hidden Markov Samaria (1994) Nave Bayes Classier Schneiderman & Kanade (1998) 12. Pendeteksian Banyak Wajah Pada Citra Dijital Kompleks Menggunakan Pendekatan Multiaspek Setiawan Hadi - 33503505 - 14 Mei 2008 Pendahuluan SOTA Roadmap Pengembangan Metode Analisis Kinerja Kesimpulan Publikasi Glossary Evaluasi Kinerja Beberapa Metode2 Metode Kinerja (DR, TN, FP, DB, Catatan) Color Model 88.8%, NA, NA, NA, color, single SVM 80.7%, 19.3%, 0.001%, CMU, frontal, sin- gle ICA 88.6%, 5.0%, 7.0%, LAMP, single, simple FloatBoost 90.2%, 3.36%, 6.44%, CMU, frontal, prole Skin-locus Model 56.0%, 44.0%, NA, NA, color, simple Multiple Color Histogram 83.0%, 4.44%, 12.56%, NA, color, single, simple Multiple Regression 66.6%, 33.3%, NA, CMU, Bootstrap Aggregating 90.5%, 9.41%, 0.09%, NA, color, multiple AdaBoost 81.1%, 18.88%, 0.02%, MIT, Census Transform 90.0%, 10.0%, 0.0%, CMU,MIT DCT & SOM 77.94%, 22.06%, NA, VT-AAST, color, mul- tiple, simple 2 Tabel II.2 Halaman 25 13. Pendeteksian Banyak Wajah Pada Citra Dijital Kompleks Menggunakan Pendekatan Multiaspek Setiawan Hadi - 33503505 - 14 Mei 2008 Pendahuluan SOTA Roadmap Pengembangan Metode Analisis Kinerja Kesimpulan Publikasi Glossary Dasar Penelitian Keterbatasan Metode Yang Ada Metode pendeteksian wajah pada saat ini masih belum menyerupai kemampuan visual manusia. 14. Umumnya hanya menggunakan satu teknik saja, padahal dalam kondisi nyata kombinasi permasalahan sangatlah kompleks, sehingga tidak mungkin diselesaikan dengan satu cara saja 15. Pendeteksian masih dilakukan pada kondisi citra yang sederhana dan latar belakang seragam (uniform) 16. Keterbatasan dalam jumlah wajah yang dapat dideteksi 17. Kinerja kurang nyata (realtime) dan sumberdaya komputasi yang besar 18. Pendeteksian Banyak Wajah Pada Citra Dijital Kompleks Menggunakan Pendekatan Multiaspek Setiawan Hadi - 33503505 - 14 Mei 2008 Pendahuluan SOTA Roadmap Pengembangan Metode Analisis Kinerja Kesimpulan Publikasi Glossary Dasar Penelitian Perlunya Penyempurnaan Untuk Menghasilkan metode baru pendeteksian wajah yang mampu: mengatasi berbagai permasalahan dengan melibatkan banyak metode yang diintegrasikan dalam sebuah sistem pendeteksian wajah mendeteksi wajah banyak dengan tingkat akurasi tinggi, mendeteksi wajah dalam kondisi pencitraan yang sederhana maupun kompleks, mendeteksi wajah dalam waktu nyata pada waktu relatif cepat dan menggunakan sumberdaya komputasi relatif kecil. 19. Pendeteksian Banyak Wajah Pada Citra Dijital Kompleks Menggunakan Pendekatan Multiaspek Setiawan Hadi - 33503505 - 14 Mei 2008 Pendahuluan SOTA Roadmap Pengembangan Metode Analisis Kinerja Kesimpulan Publikasi Glossary Hipotesis Penelitian Sebuah metode baru untuk pendeteksian objek pada citra dijital yang mampu mendeteksi banyak wajah (multiple faces) pada citra dijital yang mengandung kerumunan orang (crowded, complex and unconstrained image) secara waktu nyata (real-time) dapat dikembangkan menggunakan teknik multiaspek yang terdiri dari tiga tahapan (fase) pemrosesan yang terpadu dan dinamis yaitu segmentasi, filtering dan analisis objek. Kinerja yang dihasilkan akan lebih baik dari metode yang ada saat ini. 20. Pendeteksian Banyak Wajah Pada Citra Dijital Kompleks Menggunakan Pendekatan Multiaspek Setiawan Hadi - 33503505 - 14 Mei 2008 Pendahuluan SOTA Roadmap Pengembangan Metode Analisis Kinerja Kesimpulan Publikasi Glossary Kontribusi Penelitian Meningkatan kinerja pendeteksian wajah melalui pendekatan baru yaitu pemanfaatan berbagai metode pendeteksian wajah yang sesuai dengan karakteristik masing-masing serta pemilihan nilai parameter yang dinamis, sehingga dengan kemampuan multiaspek ini berbagai kondisi wajah dalam citra dijital maupun kondisi citra dijital itu sendiri dapat ditangani secara spesik sesuai dengan karakteristiknya masing-masing. 21. Pendeteksian Banyak Wajah Pada Citra Dijital Kompleks Menggunakan Pendekatan Multiaspek Setiawan Hadi - 33503505 - 14 Mei 2008 Pendahuluan SOTA Roadmap Pengembangan Metode Analisis Kinerja Kesimpulan Publikasi Glossary Pemilihan Posisi Awal Penelitian 22. Pendeteksian Banyak Wajah Pada Citra Dijital Kompleks Menggunakan Pendekatan Multiaspek Setiawan Hadi - 33503505 - 14 Mei 2008 Pendahuluan SOTA Roadmap Pengembangan Metode Analisis Kinerja Kesimpulan Publikasi Glossary Roadmap Penelitian 23. Pendeteksian Banyak Wajah Pada Citra Dijital Kompleks Menggunakan Pendekatan Multiaspek Setiawan Hadi - 33503505 - 14 Mei 2008 Pendahuluan SOTA Roadmap Pengembangan Metode Analisis Kinerja Kesimpulan Publikasi Glossary Roadmap Penelitian 24. Pendeteksian Banyak Wajah Pada Citra Dijital Kompleks Menggunakan Pendekatan Multiaspek Setiawan Hadi - 33503505 - 14 Mei 2008 Pendahuluan SOTA Roadmap Pengembangan Metode Analisis Kinerja Kesimpulan Publikasi Glossary Roadmap Penelitian 25. Pendeteksian Banyak Wajah Pada Citra Dijital Kompleks Menggunakan Pendekatan Multiaspek Setiawan Hadi - 33503505 - 14 Mei 2008 Pendahuluan SOTA Roadmap Pengembangan Metode Analisis Kinerja Kesimpulan Publikasi Glossary Roadmap Penelitian 26. Pendeteksian Banyak Wajah Pada Citra Dijital Kompleks Menggunakan Pendekatan Multiaspek Setiawan Hadi - 33503505 - 14 Mei 2008 Pendahuluan SOTA Roadmap Pengembangan Metode Analisis Kinerja Kesimpulan Publikasi Glossary Roadmap Penelitian 27. Pendeteksian Banyak Wajah Pada Citra Dijital Kompleks Menggunakan Pendekatan Multiaspek Setiawan Hadi - 33503505 - 14 Mei 2008 Pendahuluan SOTA Roadmap Pengembangan Metode Analisis Kinerja Kesimpulan Publikasi Glossary Skema Riset 28. Segmentasi - Filtering - Analisis Objek - Resume - Implementasi 29. Pendeteksian Banyak Wajah Pada Citra Dijital Kompleks Menggunakan Pendekatan Multiaspek Setiawan Hadi - 33503505 - 14 Mei 2008 Pendahuluan SOTA Roadmap Pengembangan Metode Analisis Kinerja Kesimpulan Publikasi Glossary Pengembangan Metode Segmentasi Eksplorasi Model Ruang Warna (Loading movie...) (Loading movie...) Analisis Pola Distribusi Warna Kulit Wajah 30. Pendeteksian Banyak Wajah Pada Citra Dijital Kompleks Menggunakan Pendekatan Multiaspek Setiawan Hadi - 33503505 - 14 Mei 2008 Pendahuluan SOTA Roadmap Pengembangan Metode Analisis Kinerja Kesimpulan Publikasi Glossary Pengembangan Metode Segmentasi Pembangunan Model Warna Kulit Mk = n i=1 1 i Ti = 1 1 T1 + 1 2 T2 + + 1 n1 Tn1 + 1 n Tn 31. Pendeteksian Banyak Wajah Pada Citra Dijital Kompleks Menggunakan Pendekatan Multiaspek Setiawan Hadi - 33503505 - 14 Mei 2008 Pendahuluan SOTA Roadmap Pengembangan Metode Analisis Kinerja Kesimpulan Publikasi Glossary Pengembangan Metode Segmentasi Generating Skin Models 32. Pendeteksian Banyak Wajah Pada Citra Dijital Kompleks Menggunakan Pendekatan Multiaspek Setiawan Hadi - 33503505 - 14 Mei 2008 Pendahuluan SOTA Roadmap Pengembangan Metode Analisis Kinerja Kesimpulan Publikasi Glossary Pengembangan Metode Segmentasi Karakteristik Citra Untuk Pembangunan Model Warna Kulit Model Citra Rata-rata (RGB) Deviasi (RGB) Catatan SM1 256 138, 104, 71 24, 20, 13 Mhs PTS SM2 170 170, 121, 96 11, 9, 8 Dosen PTN SM3 187 160, 114, 94 21, 15, 12 Dosen PTN SM4 177 192, 129, 102 23, 17, 14 Artis Indonesia SM5 130 183, 136, 112 20, 15, 13 Pejabat Indonesia SM6 210 166, 125, 105 21, 16, 15 Non-Indonesia SM7 132 177, 157, 112 20, 23, 21 Mhs PTN SM8 134 95, 68, 47 18, 11, 8 FERET SM9 109 112, 90, 74 20, 16, 15 Indonesia Timur 33. Pendeteksian Banyak Wajah Pada Citra Dijital Kompleks Menggunakan Pendekatan Multiaspek Setiawan Hadi - 33503505 - 14 Mei 2008 Pendahuluan SOTA Roadmap Pengembangan Metode Analisis Kinerja Kesimpulan Publikasi Glossary Pengembangan Metode Segmentasi Proses Segmentasi S = I(x, y) (C, ) S adalah keputusan apakah nilai intensitas pada posisi tertentu I(x, y) memenuhi kriteria (C, ), yaitu metode segmentasi kulit pada ruang warna C dan nilai ambang . 34. Pendeteksian Banyak Wajah Pada Citra Dijital Kompleks Menggunakan Pendekatan Multiaspek Setiawan Hadi - 33503505 - 14 Mei 2008 Pendahuluan SOTA Roadmap Pengembangan Metode Analisis Kinerja Kesimpulan Publikasi Glossary Pengembangan Metode Segmentasi Piecewise Linier Decision Boundary Berdasarkan hasil empiris bahwa region citra yang mengandung piksel kulit akan terkonsentrasi pada interval tertentu Keputusan didasarkan pada batas linier region citra yang mengandung piksel kulit dan region citra yang mengandung piksel bukan kulit Diterapkan pada ruang warna bervariasi (RGBn, HSI dan YCbCr) Rk = {x : k = arg max j j(x)} Gaussian Mixture Model Didasarkan pada konsep bahwa warna kulit berdistribusi normal Penentuan keputusan dilakukan berdasarkan rentang perhitungan rata-rata dan simpangan baku Menghasilkan sembilan model warna kulit dari sembilan basisdata wajah pi(c|skin) = 1 2| Ps| 1 2 e 1 2 (cs)T P1 (cs) 35. Pendeteksian Banyak Wajah Pada Citra Dijital Kompleks Menggunakan Pendekatan Multiaspek Setiawan Hadi - 33503505 - 14 Mei 2008 Pendahuluan SOTA Roadmap Pengembangan Metode Analisis Kinerja Kesimpulan Publikasi Glossary Pengembangan Metode Segmentasi Rangkuman Hasil 36. Pendeteksian Banyak Wajah Pada Citra Dijital Kompleks Menggunakan Pendekatan Multiaspek Setiawan Hadi - 33503505 - 14 Mei 2008 Pendahuluan SOTA Roadmap Pengembangan Metode Analisis Kinerja Kesimpulan Publikasi Glossary Pengembangan Metode Segmentasi Contoh Hasil Segmentasi Next: Filtering 37. Pendeteksian Banyak Wajah Pada Citra Dijital Kompleks Menggunakan Pendekatan Multiaspek Setiawan Hadi - 33503505 - 14 Mei 2008 Pendahuluan SOTA Roadmap Pengembangan Metode Analisis Kinerja Kesimpulan Publikasi Glossary Pengembangan Teknik Filtering Fungsionalitas Membersihkan citra hasil proses segmentasi dari elemen-elemen yang terdeteksi sebagai kulit tetapi bukan elemen wajah (false positive detection) Filter Morfologis 38. Dilasi : Untuk sebuah citra biner X 2 dan structuring element K 2 , maka dilasi citra X oleh K adalah D(X, K) = X K = {m 2 | m = x + k} pada beberapa x X dan k K 39. Erosi: Untuk sebuah citra biner X 2 dan structuring element K 2 , maka erosi citra X oleh K adalah E(X, K) = X K = {m 2 | m + k X} untuk setiap k K 40. Pendeteksian Banyak Wajah Pada Citra Dijital Kompleks Menggunakan Pendekatan Multiaspek Setiawan Hadi - 33503505 - 14 Mei 2008 Pendahuluan SOTA Roadmap Pengembangan Metode Analisis Kinerja Kesimpulan Publikasi Glossary Pengembangan Teknik Filtering Dilasi Erosi 41. Pendeteksian Banyak Wajah Pada Citra Dijital Kompleks Menggunakan Pendekatan Multiaspek Setiawan Hadi - 33503505 - 14 Mei 2008 Pendahuluan SOTA Roadmap Pengembangan Metode Analisis Kinerja Kesimpulan Publikasi Glossary Pengembangan Teknik Filtering 42. Multi level morphological lter: Melakukan proses secara bertingkat melalui pengulangan serial 43. Multi size ltering : Implementasi ukuran kernel lter dan structuring element yang bervariasi 44. Filter Combination : Penggunaan erosi dan dilasi secara bervariasi / kombinasi 45. Pendeteksian Banyak Wajah Pada Citra Dijital Kompleks Menggunakan Pendekatan Multiaspek Setiawan Hadi - 33503505 - 14 Mei 2008 Pendahuluan SOTA Roadmap Pengembangan Metode Analisis Kinerja Kesimpulan Publikasi Glossary Pengembangan Teknik Filtering Contoh Hasil Filtering 46. Pendeteksian Banyak Wajah Pada Citra Dijital Kompleks Menggunakan Pendekatan Multiaspek Setiawan Hadi - 33503505 - 14 Mei 2008 Pendahuluan SOTA Roadmap Pengembangan Metode Analisis Kinerja Kesimpulan Publikasi Glossary Pengembangan Metode Analisis Objek Tahap ini adalah tahap penghalusan, dimana setiap objek hasil proses sebelumnya dievaluasi sesuai dengan kriteria yang diinginkan. pengelompokkan dilakukan sedemikian rupa dengan mengacu kepada rujukan geometris wajah. Metode-metode 47. Pelabelan (Connected component labeling) 48. Eksentrisitas dan Moments 49. Pendeteksian Banyak Wajah Pada Citra Dijital Kompleks Menggunakan Pendekatan Multiaspek Setiawan Hadi - 33503505 - 14 Mei 2008 Pendahuluan SOTA Roadmap Pengembangan Metode Analisis Kinerja Kesimpulan Publikasi Glossary Pengembangan Metode Analisis Objek CCL 50. Berbasiskan pada konektivitas (adjacency) piksel 51. N4(p) = {(x + 1, y), (x 1, y), (x, y + 1), (x, y 1)} dan N8(p) = N4 {(x+1, y+1), (x+1, y1), (x1, y+1), (x1, y1)} 52. Asumsi yang diambil bahwa setiap wajah hasil proses sebelumnya akan berada dalam piksel yang terkoneksi 53. Dapat digunakan untuk menentukan kepadatan (densitas) objek 54. Pendeteksian Banyak Wajah Pada Citra Dijital Kompleks Menggunakan Pendekatan Multiaspek Setiawan Hadi - 33503505 - 14 Mei 2008 Pendahuluan SOTA Roadmap Pengembangan Metode Analisis Kinerja Kesimpulan Publikasi Glossary Pengembangan Metode Analisis Objek Untuk menganalisis properti geometris objek, sehingga objek-objek yang tidak memenuhi kriteria dapat diabaikan Eksentrisitas Eksentrisitas objek e = q 1 b2 a2 , dimana a adalah sumbu semi-major dan b adalah sumbu semi-minor. 55. Pendeteksian Banyak Wajah Pada Citra Dijital Kompleks Menggunakan Pendekatan Multiaspek Setiawan Hadi - 33503505 - 14 Mei 2008 Pendahuluan SOTA Roadmap Pengembangan Metode Analisis Kinerja Kesimpulan Publikasi Glossary Pengembangan Metode Analisis Objek Moments 56. Untuk pengukuran citra dijital (image measurement) yaitu mendapatkan karakteristik invarian dari citra, dalam hal ini adalah ukuran dan pusat gravitasi objek 57. ZOM : A = n1P i=0 m1P j=0 B[i, j] 58. FOM : x = n1P i=0 m1P j=0 jB[i,j] A dan y = n1P i=0 m1P j=0 iB[i,j] A Ilustrasi Analisis Objek 59. Pendeteksian Banyak Wajah Pada Citra Dijital Kompleks Menggunakan Pendekatan Multiaspek Setiawan Hadi - 33503505 - 14 Mei 2008 Pendahuluan SOTA Roadmap Pengembangan Metode Analisis Kinerja Kesimpulan Publikasi Glossary Pengembangan Metode Analisis Objek Contoh Analisis Objek 60. Pendeteksian Banyak Wajah Pada Citra Dijital Kompleks Menggunakan Pendekatan Multiaspek Setiawan Hadi - 33503505 - 14 Mei 2008 Pendahuluan SOTA Roadmap Pengembangan Metode Analisis Kinerja Kesimpulan Publikasi Glossary Pengembangan Metode Analisis Objek Contoh Penentuan Lokasi Objek Next: Resume Pengembangan Metode 61. Pendeteksian Banyak Wajah Pada Citra Dijital Kompleks Menggunakan Pendekatan Multiaspek Setiawan Hadi - 33503505 - 14 Mei 2008 Pendahuluan SOTA Roadmap Pengembangan Metode Analisis Kinerja Kesimpulan Publikasi Glossary Resume Pengembangan Metode 62. Metode yang dikembangkan bersifat multiaspek 63. Fase 1: Segmentasi yang mengeksplorasi dan mengembangkan metode boundary linier dan Gaussian dalam empat ruang warna dan 9 model warna 64. Fase 2: Filtering yang mengoreksi false positive detection dengan menggunakan teknik ltering spasial dan morfologis 65. Fase 3: Analisis Objek yang mengeksplorasi metode-metode proyeksi, klasikasi dan analisis geometri untuk menentukan lokasi objek-objek yang diinginkan 66. Ketiga fase itu diintegrasikan dalam kerangka kerja yang disebut DeWa, singkatan dari Deteksi Wajah 67. Pendeteksian Banyak Wajah Pada Citra Dijital Kompleks Menggunakan Pendekatan Multiaspek Setiawan Hadi - 33503505 - 14 Mei 2008 Pendahuluan SOTA Roadmap Pengembangan Metode Analisis Kinerja Kesimpulan Publikasi Glossary Implementasi Metode Karakteristik Lingkungan Pemrograman 68. Hardware : desktop dan PDA 69. Software : OS Windows XP dan Pocket PC 2003 SE 70. Pendeteksian Banyak Wajah Pada Citra Dijital Kompleks Menggunakan Pendekatan Multiaspek Setiawan Hadi - 33503505 - 14 Mei 2008 Pendahuluan SOTA Roadmap Pengembangan Metode Analisis Kinerja Kesimpulan Publikasi Glossary Implementasi Metode Implementasi pada Desktop Computer 71. Pendeteksian Banyak Wajah Pada Citra Dijital Kompleks Menggunakan Pendekatan Multiaspek Setiawan Hadi - 33503505 - 14 Mei 2008 Pendahuluan SOTA Roadmap Pengembangan Metode Analisis Kinerja Kesimpulan Publikasi Glossary Implementasi Metode Implementasi pada Desktop Computer 72. Pendeteksian Banyak Wajah Pada Citra Dijital Kompleks Menggunakan Pendekatan Multiaspek Setiawan Hadi - 33503505 - 14 Mei 2008 Pendahuluan SOTA Roadmap Pengembangan Metode Analisis Kinerja Kesimpulan Publikasi Glossary Implementasi Metode Implementasi pada PDA 73. Pendeteksian Banyak Wajah Pada Citra Dijital Kompleks Menggunakan Pendekatan Multiaspek Setiawan Hadi - 33503505 - 14 Mei 2008 Pendahuluan SOTA Roadmap Pengembangan Metode Analisis Kinerja Kesimpulan Publikasi Glossary Implementasi Metode Implementasi Multimedia 74. Movie-1, Movie-2 75. Pendeteksian Banyak Wajah Pada Citra Dijital Kompleks Menggunakan Pendekatan Multiaspek Setiawan Hadi - 33503505 - 14 Mei 2008 Pendahuluan SOTA Roadmap Pengembangan Metode Analisis Kinerja Kesimpulan Publikasi Glossary Implementasi Metode Parameter Dinamis 76. Pendeteksian Banyak Wajah Pada Citra Dijital Kompleks Menggunakan Pendekatan Multiaspek Setiawan Hadi - 33503505 - 14 Mei 2008 Pendahuluan SOTA Roadmap Pengembangan Metode Analisis Kinerja Kesimpulan Publikasi Glossary Pengujian Metode dan Evaluasi Kinerja 77. Mekanisme dan Kriteria Pengujian 78. Basisdata Wajah 79. Hasil Pengujian 80. Benchmarking 81. Rangkuman Hasil Pengujian 82. Pendeteksian Banyak Wajah Pada Citra Dijital Kompleks Menggunakan Pendekatan Multiaspek Setiawan Hadi - 33503505 - 14 Mei 2008 Pendahuluan SOTA Roadmap Pengembangan Metode Analisis Kinerja Kesimpulan Publikasi Glossary Pengujian dan Evaluasi Kinerja Skema Mekanisme Evaluasi 83. Pendeteksian Banyak Wajah Pada Citra Dijital Kompleks Menggunakan Pendekatan Multiaspek Setiawan Hadi - 33503505 - 14 Mei 2008 Pendahuluan SOTA Roadmap Pengembangan Metode Analisis Kinerja Kesimpulan Publikasi Glossary Tolok Ukur Pengujian Ground Truth dan Detected Bounding Box (GTBB dan DBB) Ukuran Ketepatan 1 D = 1 4 (dT L + dT R + dBL + dBR), dT L, dT R, dBL, dBR adalah jarak Euclidean ujung-ujung GTBB dan DBB 2 D = q (GTBBPx DBBPx )2 + (GTBBPy DBBPy )2 84. Pendeteksian Banyak Wajah Pada Citra Dijital Kompleks Menggunakan Pendekatan Multiaspek Setiawan Hadi - 33503505 - 14 Mei 2008 Pendahuluan SOTA Roadmap Pengembangan Metode Analisis Kinerja Kesimpulan Publikasi Glossary Basisdata Wajah Basisdata Wajah Dasar 1 FERET, basisdata standard untuk pengenalan wajah, diterbitkan oleh National Institute for Standard and Technology (NIST) US 2 VALID, dipublikasikan oleh DSP Research Group University College Dublin, berisi data dasar untuk pendeteksian wajah (Kelompok I) 3 DWI, Data Wajah Indonesia, citra dasar wajah bangsa Indonesia, dikumpulkan dari berbagai sumber 4 SI, Data wajah artisial yang di-generate berdasarkan parameter yang diinginkan Karakteristik Kuantitatif (Tabel IV.2 Halaman 63) Basisdata Citra Piksel Resolusi Format FERET 735 72.253.440 256 384 PNG VALID 528 54.743.040 360 288 JPG SI 200 20.480.000 320 320 PNG DWI 347 13.316.915 83 739 120 739 JPG 85. Pendeteksian Banyak Wajah Pada Citra Dijital Kompleks Menggunakan Pendekatan Multiaspek Setiawan Hadi - 33503505 - 14 Mei 2008 Pendahuluan SOTA Roadmap Pengembangan Metode Analisis Kinerja Kesimpulan Publikasi Glossary Basisdata Wajah Dasar 86. Pendeteksian Banyak Wajah Pada Citra Dijital Kompleks Menggunakan Pendekatan Multiaspek Setiawan Hadi - 33503505 - 14 Mei 2008 Pendahuluan SOTA Roadmap Pengembangan Metode Analisis Kinerja Kesimpulan Publikasi Glossary Basisdata Wajah Basisdata Wajah Kompleks 1 VALID, berisi data wajah kompleks (Kelompok II) 2 VT-AAST, dikembangkan oleh Virgina Tech dan Arab Academy of ST berisi citra wajah kompleks untuk pendeteksian wajah 3 mDWI, varian dari DWI berisi wajah kompleks untuk pengujian pendeteksian wajah dan pengenalan wajah 4 DeWaDB, kumpulan citra wajah kompleks dari berbagai sumber selain mDWI Karakteristik Kuantitatif (Tabel IV.3 Halaman 66) Basisdata Citra Wajah Resolusi Variabilitas VALID 94 298 416 364 pose, orientasi, oklusi, komponen struktural VT-AAST 21 198 483 373 pose, orientasi, gender, ras, struktural kom- ponen, oklusi mDWI 171 488 460 379 pose, orientasi, gender, struktural kompo- nen, oklusi, degraded image, half face, large face, ekspresi, skinny DeWaDB 94 531 446 353 pose, orientasi, gender, struktural kompo- nen 87. Pendeteksian Banyak Wajah Pada Citra Dijital Kompleks Menggunakan Pendekatan Multiaspek Setiawan Hadi - 33503505 - 14 Mei 2008 Pendahuluan SOTA Roadmap Pengembangan Metode Analisis Kinerja Kesimpulan Publikasi Glossary Basisdata Wajah Kompleks 88. Pendeteksian Banyak Wajah Pada Citra Dijital Kompleks Menggunakan Pendekatan Multiaspek Setiawan Hadi - 33503505 - 14 Mei 2008 Pendahuluan SOTA Roadmap Pengembangan Metode Analisis Kinerja Kesimpulan Publikasi Glossary Hasil Pengujian Keseluruhan3 Pengujian Dengan Basisdata Dasar Basisdata Citra DR TN FP Kecepatan FERET 735 90.63% 9.27% 0.0% 0.28 detik VALID 528 90.86% 9.14% 0.0% 0.25 detik DWI 347 89.78% 10.22% 0.0% 0.28 detik SI 200 93.71% 6.29% 0.0% 0.24 detik Pengujian Dengan Basisdata Kompleks Basisdata Wajah DR TN FP Kecepatan VALID 298 91.28% 8.72% 7.67% 0.15 s/f VT-AAST 196 90.31% 9.69% 9.29% 0.06 s/f mDWI 488 92.21% 7.79% 7.96% 0.19 s/f DeWaDB 531 89.45% 10.55% 12.28% 0.08 s/f 3 Kinerja setiap fase dapat dilihat pada halaman 69-76 89. Pendeteksian Banyak Wajah Pada Citra Dijital Kompleks Menggunakan Pendekatan Multiaspek Setiawan Hadi - 33503505 - 14 Mei 2008 Pendahuluan SOTA Roadmap Pengembangan Metode Analisis Kinerja Kesimpulan Publikasi Glossary Benchmarking Peserta 90. Pendeteksian Banyak Wajah Pada Citra Dijital Kompleks Menggunakan Pendekatan Multiaspek Setiawan Hadi - 33503505 - 14 Mei 2008 Pendahuluan SOTA Roadmap Pengembangan Metode Analisis Kinerja Kesimpulan Publikasi Glossary Benchmarking4 Mekanisme 4 Sebaran dan pengelompokan data dapat dilihat pada Tabel IV.19 91. Pendeteksian Banyak Wajah Pada Citra Dijital Kompleks Menggunakan Pendekatan Multiaspek Setiawan Hadi - 33503505 - 14 Mei 2008 Pendahuluan SOTA Roadmap Pengembangan Metode Analisis Kinerja Kesimpulan Publikasi Glossary Benchmarking5 Hasil : Akurasi 5 Hasil secara numeris disajikan pada Tabel IV.20 halaman 82 92. Pendeteksian Banyak Wajah Pada Citra Dijital Kompleks Menggunakan Pendekatan Multiaspek Setiawan Hadi - 33503505 - 14 Mei 2008 Pendahuluan SOTA Roadmap Pengembangan Metode Analisis Kinerja Kesimpulan Publikasi Glossary Benchmarking Hasil : Kecepatan (speed) 93. Pendeteksian Banyak Wajah Pada Citra Dijital Kompleks Menggunakan Pendekatan Multiaspek Setiawan Hadi - 33503505 - 14 Mei 2008 Pendahuluan SOTA Roadmap Pengembangan Metode Analisis Kinerja Kesimpulan Publikasi Glossary Rangkuman Hasil Pengujian Kinerja Metode 94. Pendeteksian Banyak Wajah Pada Citra Dijital Kompleks Menggunakan Pendekatan Multiaspek Setiawan Hadi - 33503505 - 14 Mei 2008 Pendahuluan SOTA Roadmap Pengembangan Metode Analisis Kinerja Kesimpulan Publikasi Glossary Benchmarking6 Rangkuman Kinerja Criteria FaceMatching RTFaceDetect BuFaLo DeWa Detect > 90 faces No No No Yes % Detect Small Face Size No No No Yes, 8x8 % Face Orientation/ Pose Frontal Frontal Frontal Multiview % Complex Background No Yes* No Yes % Variety Bounding Box No (1) No (1) No (1) Yes (4) % Bounding Box Type Rectangle Rectangle Rectangle Rect, Ellips, Plus, Crop % Detection Accuracy 72.7% 85.25% 79.85% 90.73% % Detection Time 1.88s N.A. 0.25s 0.24s % Video Tracking N.A. Full N.A. Partial Adjustable Parameters Partial Partial No Yes % Image Type BMP BMP, JPG BMP BMP, JPG, PNG % 6 Tabel lengkap dapat dilihat pada Tabel IV.18 halaman 79 95. Pendeteksian Banyak Wajah Pada Citra Dijital Kompleks Menggunakan Pendekatan Multiaspek Setiawan Hadi - 33503505 - 14 Mei 2008 Pendahuluan SOTA Roadmap Pengembangan Metode Analisis Kinerja Kesimpulan Publikasi Glossary Rangkuman Hasil Pengujian Kegagalan Pendeteksian (1) (a) Perbedaan intensitas yang ekstrim. (b) Banyaknya region serupa warna kulit di dekat wajah. (c) dan (d) Adanya region yang memiliki karakteristik geometrik dan serupa wajah. 96. Pendeteksian Banyak Wajah Pada Citra Dijital Kompleks Menggunakan Pendekatan Multiaspek Setiawan Hadi - 33503505 - 14 Mei 2008 Pendahuluan SOTA Roadmap Pengembangan Metode Analisis Kinerja Kesimpulan Publikasi Glossary Rangkuman Hasil Pengujian Kegagalan Pendeteksian (2) (e) Warna kulit tertentu yang belum dikembangkan. (f) dan (g) Citra low-contrast. (h) Tingkat oklusi yang tinggi dan ukuran wajah yang terlalu ekstrim kecil. Next: Kesimpulan dan Tindak Lanjut 97. Pendeteksian Banyak Wajah Pada Citra Dijital Kompleks Menggunakan Pendekatan Multiaspek Setiawan Hadi - 33503505 - 14 Mei 2008 Pendahuluan SOTA Roadmap Pengembangan Metode Analisis Kinerja Kesimpulan Publikasi Glossary Kesimpulan dan Tindak Lanjut Kesimpulan 1 Konsep multiaspek 2 Kontribusi yang signikan 3 Membuka peluang pengembangan lebih jauh 4 Implementasi pada berbagai media komputasi 5 Kinerja telah diuji dan dievaluasi Tindak Lanjut 1 Pembuatan universal skin model 2 Pengembangan matematika morfologi berkemampuan tinggi 3 Peningkatan kinerja analisis objek 4 Metode preprocessing 5 Penentuan kriteria pemilihan metode Next: Publikasi Ilmiah 98. Pendeteksian Banyak Wajah Pada Citra Dijital Kompleks Menggunakan Pendekatan Multiaspek Setiawan Hadi - 33503505 - 14 Mei 2008 Pendahuluan SOTA Roadmap Pengembangan Metode Analisis Kinerja Kesimpulan Publikasi Glossary Publikasi Ilmiah Bersama Promotor dan Co-Prom. Jurnal Ilmiah 1 DeWa : A multiaspect approach for multiple face detection in complex scene digital image, Accepted in ITB Journal of ICT Vol. 1C No. 1, 2007 2 Pemodelan Distribusi Warna Kulit Untuk Klasikasi Piksel Pada Ruang Warna Krominan, Jurnal GEMATEK, Vol. 9 No. 1 Maret 2007 Hal. 7-15, ISSN 1411-2086 3 Sebuah Pendekatan Baru dalam Pendeteksian Wajah Pada Citra Digital, Jurnal INFOMATEK, Vol. 8 No.2, Juni 2006, Hal. 73-80, Bandung ISSN 1411-0856 Penelitian 1 Program Hibah Kompetisi (PHK) A2 Jurusan Matematika FMIPA UNPAD tahun 2006, Pemanfaatan Informasi Warna Kulit Untuk Pendeteksian Wajah pada Citra Dijital, sebagai Ketua Peneliti 2 Hibah Pasca Sarjana Institut Teknologi Bandung, 2006 dan 2007, Kerangka Kerja Cerdas untuk Pemahaman Citra Dijital, sebagai Anggota Peneliti 99. Pendeteksian Banyak Wajah Pada Citra Dijital Kompleks Menggunakan Pendekatan Multiaspek Setiawan Hadi - 33503505 - 14 Mei 2008 Pendahuluan SOTA Roadmap Pengembangan Metode Analisis Kinerja Kesimpulan Publikasi Glossary Publikasi Ilmiah International Conferences 1/2 1 Detecting multiple faces from non-uniform digital image using multiaspect approach, Accepted for oral presentation in The 2nd Intl. Conf. on Advances in Information Technology (IAIT) 2007, 1-2 November 2007, Thailand. 2 A generic multiaspect framework for multiple face detection in complex image, in Proc. of Intl. Conf. on Soft Computing, Intelligent Systems and Information Technology (ICSIIT) 2007, Bali, 26-27 July 2007 3 Mathematical Morphology as Preprocessing Step for Face Identication, in Proc. of Intl. Conf. on Mathematics and Its Applications (SEAMS) 2007, UGM, 24-27 Juli 2007 4 Small Device Implementation of Dewa Algorithm, in Proc. of Intl. Conf. on Electrical Engineering and Informatics (ICEEI) 2007 in Bandung, 16-18 Juni 2007 5 New Approach of Face Detection Technology for Improving Quality of Biometric Identication, presented in Simposium Kebudayaan Indonesia Malaysia (SKIM), Universiti Kebangsaan Malaysia 29-31 Mei 2007 100. Pendeteksian Banyak Wajah Pada Citra Dijital Kompleks Menggunakan Pendekatan Multiaspek Setiawan Hadi - 33503505 - 14 Mei 2008 Pendahuluan SOTA Roadmap Pengembangan Metode Analisis Kinerja Kesimpulan Publikasi Glossary Publikasi Ilmiah International Conferences 2/2 6 Clustering Techniques Implementation for Detecting Faces in Digital Image, in Proc. of Intl. Conf. of Information and Communication Technology (ICTS) 2006, ITS, 29 Agustus 2006 7 Parametric Skin Distribution Modeling using Elliptical Boundary Model, in proceedings of Intl. Conf. on Statistics and Mathematics (ICoMS) 2006, Bandung, 19-21 Juni 2006 8 Intelligence Skin Model Selection for Face Detection, in proceedings Intl. Conf. on Intelligence System 2005, Malaysia (ICIS) 2005, 1-3 December 2005 9 Mathematical Model of Skin Color for Face Detection, in proceedings Intl. Conf. on Applied Mathematics (ICAM) 2005, ITB, 22-26 Agustus 2005 101. Pendeteksian Banyak Wajah Pada Citra Dijital Kompleks Menggunakan Pendekatan Multiaspek Setiawan Hadi - 33503505 - 14 Mei 2008 Pendahuluan SOTA Roadmap Pengembangan Metode Analisis Kinerja Kesimpulan Publikasi Glossary Publikasi Ilmiah National Conferences 1 Implementasi Learning Vector Quantization, Perceptron dan Self Organizing Maps Untuk Pendeteksian Wajah pada Citra Dua Dimensi, Metode Retinex dan Implementasinya pada Dunia Citra Dijital, pada Prosiding Semnas Matematika Universitas Parahyangan, 9 September 2006 2 Pendeteksian Wajah pada Citra Dijital Menggunakan Teknik Partitioning dengan Fungsi Validitas Otomatis, Konperensi Nasional Matematika XIII 2006, Unnes Semarang 24-27 Juli 2006 3 Generating Skin Distribution Map of Face Images, Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2006, UII Yogyakarta, 17 Juni 2006 4 Human Face Cropping in Digital Image, Seminar on Intelligence and Technology Application (SITIA) 2006, Surabaya ITS 2-3 Mei 2006 5 Face Sketch Recognition to Support Security Investigation, in Proc. of Indonesian Cryptographics and Information Security Conference (INA-CISC) 2005, Jakarta, 30-31 Maret 2005. 102. Pendeteksian Banyak Wajah Pada Citra Dijital Kompleks Menggunakan Pendekatan Multiaspek Setiawan Hadi - 33503505 - 14 Mei 2008 Pendahuluan SOTA Roadmap Pengembangan Metode Analisis Kinerja Kesimpulan Publikasi Glossary Penutup 103. Pendeteksian Banyak Wajah Pada Citra Dijital Kompleks Menggunakan Pendekatan Multiaspek Setiawan Hadi - 33503505 - 14 Mei 2008 Pendahuluan SOTA Roadmap Pengembangan Metode Analisis Kinerja Kesimpulan Publikasi Glossary Glossary biometrics The measurement of physiological and behavioral characteristicsto automatically identify people. hypotheses A hypothesis consists either of a suggested explanation for a phenomenon or of a reasoned proposal suggesting a possible correlation between multiple phenomena. Wikipedia multiaspect (computer science) Pertaining to searches or systems which permit more than one aspect, or facet, of information to be used in combination, one with the other to eect identifying or selecting operations. Science and Technology Dictionary McGraw Hill Professional. premise a premise (also premiss in British usage) is a claim that is a reason (or element of a set of reasons) for, or objection against, some other claim. In other words, it is a statement presumed true within the context of the discourse for the purposes of arguing to a conclusion. Premises are sometimes stated explicitly by way of disambiguation or for emphasis, but more often they are left tacitly understood as being obvious or self-evident (it goes without saying), or not conducive to succinct discourse. Wikipedia. 104. Pendeteksian Banyak Wajah Pada Citra Dijital Kompleks Menggunakan Pendekatan Multiaspek Setiawan Hadi - 33503505 - 14 Mei 2008 Pendahuluan SOTA Roadmap Pengembangan Metode Analisis Kinerja Kesimpulan Publikasi Glossary Biodata Informasi Studi S3 NIM/Noreg : 33503505/03300035 Wali : 130796173 Dr. Iping Supriana Suwardi Fakultas/PS : STEI / Teknik Elektro dan Informatika Mata Kuliah : BI800A Filsafat Ilmu (3,B) TI9133 Pemodelan Sistem (3,B) IF8004 Studi Mandiri I (3,B) TI9101 Metodologi Penelitian (3,A) IF80Z1 Tahap Penulisan Proposal (6,P) IF80Z2 Ujian Kualikasi (2,P) IF80Z3 Tahap Pengembangan Metode 1 (3,P) IF80Z4 Tahap Pengembangan Metode 2 (3,P) IF80Z6 Tahap Percobaan/Survey & Analisis 1 (6,P) IF80Z7 Tahap Percobaan/Survey & Analisis 2 (6,P) IF80Z5 Tahap Pengembangan Metode 3 (3,P) IF80Z8 Penulisan Makalah Pada Prosiding Nasional (1,P) IF80Z9 Penulisan Makalah Pada Prosiding Internasional (2,P) IF90Z3 Penulisan Makalah Pada Jurnal Nasional (3,P) IF90Z5 Tahap Penulisan Disertasi 1 (6,P) IF90Z9 Ujian Disertasi (Tertutup) (3,T) Informasi Pribadi Setiawan Hadi Contact: [email protected], 08122323328 Web: http://setiawanhadi.googlepages.com 105. Pendeteksian Banyak Wajah Pada Citra Dijital Kompleks Menggunakan Pendekatan Multiaspek Setiawan Hadi - 33503505 - 14 Mei 2008 Pendahuluan SOTA Roadmap Pengembangan Metode Analisis Kinerja Kesimpulan Publikasi Glossary Biodata Informasi Profesi Unit kerja : Jurusan Matematika Fakultas MIPA Universitas Padjadjaran Fungsional : Tenaga Edukatif / Lektor Kepala / 3D / 132045183 Area Riset : Computer Graphics, Image Processing, Computer Vision, Biometrics Organisasi : INDO-MS, Indonesian Mathematics Society, P0041-47 IEEE, Institute for Electronics and Electrical Engineering CS Section, 80038453 MSDN, Microsoft Developer Network, IDN-019722-356 SIAM, Society for Industrial Mathematics Imaging Science Section, 001051648 Jabatan : Kepala Laboratorium Teknologi Informasi Program KK Jurusan Matematika UNPAD Ketua Program Studi D-III Teknik Informatika FMIPA UNPAD Informasi Pendidikan Diploma : ITB, PAT Jurusan Penggunaan Komputer 1980, Lulus 1983 Sarjana : UNPAD, Jurusan Matematika Bidang Minat Ilmu Komputer 1986, lulus 1991 Master : UNB, Faculty of Computer Science Univ. of New Brunswick Canada 1994, lulus 1996 Informasi Pengalaman Kerja 1983-1986 : Direktorat Jenderal Pendidikan Tinggi Depdiknas (Bagian Perencanaan) 1986-1991 : Pusat Komputer Universitas Padjadjaran 1991-Sekarang : Fakultas MIPA Universitas Padjadjaran (Jurusan Matematika)