PENGENALAN WAJAH MENGGUNAKAN METODE ADJACENT...
Transcript of 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.