BAB IV IMPLEMENTASI DAN EVALUASI. Jones, kami membuat sebuah aplikasi sederhana, dengan spesifikasi perangkat lunak

Transkripsi

1 BAB IV IMPLEMENTASI DAN EVALUASI 4.1 Aplikasi Pengujian Untuk menguji kecepatan dan keakuratan metode pendeteksian wajah Viola Jones, kami membuat sebuah aplikasi sederhana, dengan spesifikasi perangkat lunak sebagai berikut: Microsoft Windows 7 Ultimate Microsoft Visual C Express Edition Pustaka OpenCV 1.0 Pustaka FLTK Sedangkan spesifikasi perangkat keras yang digunakan dalam pengujian adalah sebagai berikut: Processor Intel(R) Core(TM)2 Duo CPU 2.13GHz RAM 4 GB Kamera web USB dengan resolusi 640x480 76

2 77 Gambar 4.1 Aplikasi pengujian metode pendeteksian wajah Viola Jones Pada aplikasi pengujian, dapat dilakukan pendeteksian wajah dari citra, ataupun dari kamera web. Untuk pendeteksian wajah pada citra, citra diinput menggunakan tombol load image. Citra yang dapat diinput adalah citra JPEG dan citra PNG. Untuk melakukan pendeteksian, digunakan tombol Detect Face(s). Sedangkan untuk memulai pendeteksian wajah dengan kamera web, digunakan tombol Start Camera. Setelah tombol tersebut ditekan, program akan terus menerus melakukan pendeteksian wajah terhadap setiap frame yang ditangkap oleh kamera web, hingga tombol Stop Camera ditekan. Program akan menampilkan waktu pendeteksian serta jumlah wajah yang terdeteksi, dan untuk setiap wajah yang terdeteksi akan diberi gambar persegi berwarna merah sebesar wajah yang terdeteksi. Besar citra sub window awal yang digunakan adalah 24x24, dengan faktor skala sebesar 1,1.

3 78 Gambar 4.2 Hasil pendeteksian wajah Viola Jones Gambar 4.3 Hasil pengujian terhadap citra

4 Gambar 4.4 Hasil pengujian dengan kamera web 79

5 Pengujian Parameter pengujian yang digunakan meliputi: 1. Waktu pendeteksian, disajikan dalam satuan mili seconds (ms). 2. Keakuratan pendeteksian, disajikan dalam bentuk persentase. Berikut adalah pengujian yang dilakukan: 1. Pengujian terhadap 100 citra berisi wajah Citra pengujian diambil secara acak dari internet dan koleksi pribadi. Citra yang diuji memiliki resolusi rata-rata 640x480 piksel. Ada dua jenis pengujian yang dilakukan terhadap citra, yaitu sebagai berikut: a. Pengujian terhadap waktu pendeteksian Untuk menghitung waktu pendeteksian, digunakan fungsi cvgettickcount() dan cvgettickfrequency(), dengan aturan sebagai berikut: Waktu pendeteksian ms T2 T1 F 1000 Di mana: T1 = cvgettickcount() sebelum pendeteksian T2 = cvgettickcount() setelah pendeteksian F = cvgettickfrequency() b. Pengujian terhadap keakuratan pendeteksian Untuk menghitung keakuratan pendeteksian, digunakan rumus sebagai berikut: Keakuratan pendeteksian % A B 2

6 81 Dengan: A true_positive face_on_image B true_positive face_detected Di mana: true_positive = jumlah objek terdeteksi yang benar merupakan wajah manusia face_on_image = jumlah wajah manusia yang ada di dalam citra (jumlah wajah manusia yang seharusnya terdeteksi) face_detected = jumlah seluruh objek yang terdeteksi, baik yang merupakan wajah, maupun bukan (true_positive + false_positive) 2. Pengujian dengan kamera web Pengujian yang dilakukan dengan kamera web adalah untuk mengukur waktu pendeteksian. Metode yang digunakan untuk mengukur waktu pendeteksian ini sama dengan metode yang digunakan pada pengukuran waktu pendeteksian pada citra, seperti yang telah dijelaskan di atas. 4.3 Hasil Pengujian Berikut adalah tabel hasil pengujian terhadap 20 citra untuk mengukur waktu pendeteksian dengan metode Viola jones.

7 82 Tabel 4.1 Tabel hasil pengujian terhadap citra untuk mengukur waktu pendeteksian dengan metode Viola Jones (20 dari 100 pengujian) No. Nama Citra Dimensi Citra Waktu Pendeteksian (ms) jpg 427x , jpg 640x , jpg 452x jpg 640x jpg 480x jpg 480x , jpg 640x , jpg 640x , jpg 480x , jpg 640x , JPG 640x , jpg 640x , jpg 640x , jpg 640x , jpg 480x , jpg 640x , jpg 640x , jpg 640x , jpg 637x , jpg 480x ,141

8 Dari pengujian yang dilakukan terhadap 100 file citra yang berbeda, didapatkan data-data sebagai berikut: Rata rata waktu pendeteksian Total waktu pendeteksian Jumlah data pengujian , ,362 ms Waktu pendeteksian tercepat adalah 178,232 ms, pada citra berdimensi 427x640. Waktu pendeteksian terlama adalah 461,142 ms, pada citra berdimensi 640x Berikut adalah tabel hasil pengujian terhadap 20 citra untuk mendapatkan persentase keakuratan pendeteksian dengan metode Viola Jones. Tabel 4.2 Tabel hasil pengujian terhadap citra untuk mengukur akurasi pendeteksian dengan metode Viola Jones (20 dari 100 pengujian) No. Nama Face_on True_ False_ Total_ A B File _image positive positive detected (%) (%) jpg jpg jpg jpg jpg jpg jpg

9 jpg , jpg jpg , JPG jpg , jpg , jpg , jpg jpg jpg jpg , jpg ,jpg Dari pengujian yang dilakukan terhadap 100 file citra yang berbeda, didapatkan rata-rata akurasi pendeteksian sebagai berikut: A A Jumlah data pengujian 9476, ,760 %

10 85 B B Jumlah data pengujian 9590, ,903 % Rata rata akurasi pendeteksian A B 2 94,760 95, , ,332 % Besar false_positive yang didapatkan false_positive 100% total_detected % 768 0, % 4,557 % Berikut adalah tabel hasil pengujian dengan kamera web untuk mengukur waktu pendeteksian dengan metode Viola Jones.

11 86 Tabel 4.3 Tabel hasil pengujian dengan kamera web untuk mengukur waktu pendeteksian dengan metode Viola Jones (20 dari 100 pengujian) No. Nama Frame Waktu Pendeteksian (ms) 1. Frame , Frame , Frame , Frame , Frame , Frame , Frame , Frame , Frame , Frame , Frame , Frame , Frame , Frame , Frame , Frame , Frame , Frame , Frame , Frame ,404

12 Dari pengujian yang dilakukan terhadap 100 frame yang berbeda, didapatkan data-data sebagai berikut: Rata rata waktu pendeteksian Total waktu pendeteksian Jumlah data pengujian , ,705 ms Waktu pendeteksian tecepat adalah 166,960 ms. Waktu pendeteksian terlama adalah 888,807 ms. Sebagai perbandingan, kami menggunakan sebuah software demo pendeteksian wajah secara real-time yang bernama Realtime Face Detection Demo V 2.0 dan dibuat oleh sebuah perusahaan IT bernama Control Chaos Technology (CCT). Software ini didasarkan pada kernel ChaosFace SDK 1.5. User dapat menginput citra (tunggal ataupun banyak), atau menggunakan kamera web USB untuk memulai pendeteksian wajah. Wajah yang dapat dideteksi oleh software ini adalah wajah dengan posisi frontal, miring, atau profil. Selain itu, user juga dapat menentukan nilai threshold pendeteksian yang akan digunakan, yaitu dari 0% sampai 100%, dan besar jarak minimal antara kedua mata yang dapat dideteksi, yaitu 8, 16, atau

13 88 Gambar 4.5 About Realtime Face Detection Demo V 2.0 Gambar 4.6 Hasil pendeteksian wajah pada citra input dengan Realtime Face Detection Demo V 2.0

14 89 Gambar 4.7 Hasil pendeteksian wajah pada kamera web dengan Realtime Face Detection Demo V 2.0

15 Berikut adalah tabel hasil pengujian terhadap 20 citra untuk mengukur waktu pendeteksian menggunakan Realtime Face Detection Demo V Tabel 4.4 Tabel hasil pengujian terhadap citra untuk mengukur waktu pendeteksian dengan Realtime Face Detection Demo V 2.0 (20 dari 100 pengujian) No. Nama Citra Dimensi Citra Waktu Pendeteksian (ms) jpg 427x jpg 640x jpg 452x jpg 640x jpg 480x jpg 480x jpg 640x jpg 640x jpg 480x jpg 640x JPG 640x jpg 640x jpg 640x jpg 640x jpg 480x jpg 640x jpg 640x

16 jpg 640x jpg 637x jpg 480x Dari pengujian yang dilakukan terhadap 100 file citra yang berbeda, didapatkan data-data sebagai berikut: Rata rata waktu pendeteksian Total waktu pendeteksian Jumlah data pengujian ,17 ms Waktu pendeteksian tercepat adalah 312 ms, pada citra berdimensi 640x480. Waktu pendeteksian terlama adalah ms, pada citra berdimensi 640x474. Berikut adalah tabel hasil pengujian terhadap 20 citra untuk mendapatkan persentase keakuratan pendeteksian dengan Realtime Face Detection Demo V 2.0. Tabel 4.5 Tabel hasil pengujian terhadap citra untuk mengukur akurasi pendeteksian dengan Realtime Face Detection Demo V 2.0 (20 dari 100 pengujian) No. Nama Face_on True_ False_ Total_ A B File _image positive posivet detected (%) (%) jpg jpg jpg

17 jpg jpg jpg jpg jpg , jpg jpg , JPG , jpg , jpg , jpg , jpg jpg jpg jpg ,727 88, jpg , ,jpg Dari pengujian yang dilakukan terhadap 100 file citra yang berbeda, didapatkan rata-rata akurasi pendeteksian sebagai berikut:

18 93 A A Jumlah data pengujian 8.126, ,262 % B B Jumlah data pengujian 9857, ,576 % Rata rata akurasi pendeteksian A B 2 81,262 98, , ,919 % Besar false_positive yang didapatkan false_positive 100% total_detected % 650 0, % 1,692 %

19 Berikut adalah tabel hasil pengujian dengan kamera web untuk mengukur waktu pendeteksian dengan Realtime Face Detection Demo V Tabel 4.6 Tabel hasil pengujian dengan kamera web untuk mengukur waktu pendeteksian dengan Realtime Face Detection Demo V 2.0 (20 dari 100 pengujian) No. Nama Frame Waktu Pendeteksian (ms) 1. Frame Frame Frame Frame Frame Frame Frame Frame Frame Frame Frame Frame Frame Frame Frame Frame Frame

20 Frame Frame Frame Dari pengujian yang dilakukan terhadap 100 frame yang berbeda, didapatkan data-data sebagai berikut: Rata rata waktu pendeteksian Total waktu pendeteksian Jumlah data pengujian ,02 ms Waktu pendeteksian tecepat adalah 141 ms. Waktu pendeteksian terlama adalah 343 ms. 4.4 Evaluasi Dari pengujian yang dilakukan, didapatkan beberapa kesimpulan sebagai berikut: Pendeteksian wajah frontal pada citra dengan metode Viola Jones memiliki kecepatan yang jauh lebih tinggi dibandingkan dengan software Realtime Face Detection Demo V 2.0. Pendeteksian wajah frontal menggunakan kamera web dengan metode Viola Jones memiliki kecepatan yang lebih rendah dibandingkan dengan software Realtime Face Detection Demo V 2.0.

21 96 Keakuratan pendeteksian wajah frontal dengan metode Viola Jones lebih tinggi dibandingkan dengan software Realtime Face Detection Demo V 2.0, walaupun persentase false positive yang didapatkan metode Viola jones lebih tinggi. Dimensi citra input mempengaruhi lamanya waktu pendeteksian dengan metode Viola Jones, tetapi kurang berpengaruh pada software Realtime Face Detection Demo V 2.0. Pada metode Viola jones, semakin besar dimensi citra input, semakin lama waktu yang dibutuhkan untuk melakukan pendeteksian. Pendeteksian Viola Jones bergantung pada besar sub-window awal dan faktor skala yang digunakan untuk melakukan pendeteksian. Sedangkan pada software Realtime Face Detection Demo V 2.0, pendeteksiannya bergantung pada jarak minimal antara kedua mata. Wajah yang dapat dideteksi oleh metode Viola Jones dengan penggunaan template file haarcascade_frontalface_alt.xml adalah wajah dengan posisi frontal. Semakin miring posisi suatu wajah, semakin kecil kemungkinan wajah tersebut dapat dideteksi.