BAB 1 PENDAHULUAN. keakuratan dari penglihatan mesin membuka bagian baru dari aplikasi komputer.

Transkripsi

1 1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Melihat perkembangan teknologi sekarang ini, penggunaan komputer sudah hampir menjadi sebuah bagian dari kehidupan harian kita. Semakin banyak muncul peralatan-peralatan terkomputerisasi maupun sistem yang bekerja dengan bantuan komputerisasi yang bertujuan untuk membantu meringankan tugas manusia. Dengan keakuratan dari penglihatan mesin membuka bagian baru dari aplikasi komputer. Aplikasi ini seperti mobile robot navigation, complex manufacturing tasks, analysis satelite image, dan medical image processing. Semua mempunyai tujuan utamanya, yaitu mendapatkan informasi dari dunia nyata secara benar (Rich dan Knight, 1991, p563). Mengapa pengenalan wajah? Kemampuan seseorang untuk mengenali wajah orang lain (misalnya: teman, anak, atau musuh) adalah penting untuk berbagai alasan. Ada suatu hal mengenai persepsi wajah yang sangat penting bagi manusia. Pada awal kehidupan kita belajar untuk mengasosiasikan wajah dengan kesenangan, kebahagiaan, dan rasa aman. Semakin kita dewasa, ekspresi wajah mempengaruhi cara berkomunikasi kita. Wajah adalah fokus utama perhatian kita. Wajah, memberitahukan identitas, emosi, ras, dan usia, dan juga penting untuk menentukan jenis kelamin, ukuran, dan bahkan mungkin karakter (Turk,2005, p1).

2 2 Telah ada banyak percobaan mengenai pengenalan wajah, mencoba mengerti dan mengkarakteristikan representasi dan proses yang ada. Akan tetapi proses dan pengenalan wajah tersebut tetaplah sebuah tujuan yang belum tercapai. Pengenalan wajah sudah menjadi sebuah topik yang hangat dibicarakan pada sejak akhir tahun 1980-an dan dalam dua dekade terakhir ini, bidang ini telah mengalami kemajuan yang cukup pesat (Turk, 2005, p2). Menurut William A. Barrett, Sebuah metode formal untuk mengklasifikasikan wajah pertama kali dicetuskan oleh Francis Galton pada tahun Dia mengatakan bahwa mengumpulkan sifat-sifat wajah seperti lengkungan, mencari nilai normalnya, dan kemudian mengklasifikasikan data yang lainnya dengan hasil deviasi dari nilai normalnya. (Barrett, 2003, p1). Dalam proses pengenalan ini, pemberian respon yang dilakukan oleh komputer atau mesin tentunya harus berdasarkan keadaan dimana komputer mengenali obyek yang akan berinteraksi dengannya. Pengenalan suatu obyek baru dapat dilakukan jika subyek yang ingin mengenali memiliki informasi akan obyek atau target yang mau dikenalinya dan dapat membedakan ciri yang terdapat pada sebuah obyek dengan obyek yang lain yang terdapat pada data input dari subyek. Wajah manusia walaupun mempunyai fitur ciri yang menonjol dan dapat membedakan satu sama lainnya, mempunyai permasalahan besar, dimana data yang berdasarkan dunia nyata ini menjadi sulit untuk dijadikan sebagai informasi oleh komputer atau mesin, dikarenakan beberapa hal sebagai berikut : 1. Muka merupakan multidimensional, fitur ciri ini akan sangat berbeda tergantung dari cara pandang. Berbagai cara pandang akan membuat

3 3 informasi ini akan sangat jauh berbeda, dimana informasi yang ada bisa disembunyikan dan juga sebaliknya. 2. Muka merupakan susunan yang kompleks. 3. Muka mengandung corak wajah (emosi) yang bermacam-macam. 4. Sebuah citra bebentuk dua dimensi, sedangkan dunia berbentuk tiga dimensi. Hal ini menyebabkan beberapa informasi akan hilang ketika citra terbentuk (Rich dan Knight, 1991, p563). 5. Sebuah citra bisa mengandung banyak obyek di dalamnya, dan obyek-obyek ini saling bertumpang tindih didalamnya (Rich dan Knight, 1991, p564). 6. Nilai yang dikandung pada sebuah piksel dipengaruhi oleh berbagai hal dan sulit untuk mencegah pengaruh ini supaya terjadi (Rich dan Knight, 1991, p564). Walaupun terlihat mudah bagi manusia untuk melakukan pengenalan, tetapi adalah sangat sulit bagi komputer. Seperti yang dikatakan oleh Marius et. al bahwa Pendeteksian wajah didalam sebuah citra digital telah memegang peranan penting dalam dekade terakhir, dengan adanya aplikasi lapangan seperti didalam penegakan hukum dan keamanan. Walaupun deteksi wajah adalah sebuah hal yang sangat mudah bagi mata manusia, namun membuat proses tersebut bisa berjalan secara otomatis bagi komputer memerlukan penggunaan berbagai macam teknik pemrosesan citra (Marius et.al, 2003, p1). Jika ditinjau lebih lanjut, pengenalan wajah dengan metode Eigenfaces (yang mulai populer dimulai oleh Turk dan Pentland) tampaknya telah memegang peranan penting dalam populernya bidang ini. Awalnya eigenfaces ini digunakan untuk face representation oleh Sirovich dan Kirvy (Barrett, 2003, p3). Eigenfaces menarik

4 4 perhatian banyak orang pada topik pengenalan wajah, dan tolak ukur untuk topik yang sama. Sudah banyak modifikasi, dan teknik yang dikembangkan berdasar eigenfaces yang asli. Dalam usaha menghasilkan pendekatan dalam pendeteksian dan mengidentifikasikan muka manusia dan menghasilkan sebuah sistem kerja pendeteksian muka yang cukup cepat(near real time), dengan membandingkan karakteristik yang dipunya dari muka dengan informasi individu yang sudah kita ketahui sebelumnya pada face-space. Pendekatan eigenfaces ini mempunyai keuntungan dari algoritma pengenalan muka yang lain dilihat pada : 1. Kecepatan 2. Kemudahan 3. Kapasitas pembelajaran yang luas 4. Relative insensitivity pada perubahan kecil di dalam citra wajah Dalam sebuah citra, bisa dikandung berbagai elemen obyek yang tersimpan di dalamnya. Jika berbagai elemen obyek ini akan menjadi data input, maka elemen obyek ini juga membawa pengaruh pada kemungkinan pendeteksian yang dilakukan, karena dengan elemen obyek yang berbeda tetapi dengan citra wajah yang sama, maka pengenalan yang dilakukan akan mendapatkan hasil yang berbeda, karena eigenfaces ini menggunakan ekstraksi global fitur, dimana semua bagian yang masuk ke data input akan diambil. Permasalahan pengaruh dari data yang akan dimasukkan membuat pemilihan face detection yang bagus akan diharapkan meningkatkan keberhasilan penggunaan metode eigenfaces. Tetapi juga tidak bisa dilupakan masalah kecepatan pemrosesan. Menurut (Albiol et. al., 2003, p1) pemrosesan informasi warna terbukti lebih cepat

5 5 daripada memproses feature dari muka jika dihadapkan pada video sequences. Jadi pendeteksian wajah menggunakan color thresholding. Deteksi wajah ini sendiri merupakan sistem pencarian wajah pada suatu citra. Jadi jika eigenfaces ini mendapatkan data input yang benar-benar muka maka diharapkan akan didapatkan suatu sistem pengenalan wajah yang lebih baik. Cara kerja dari color thresholding, dimana citra akan dibedakan berdasarkan threshold tertentu dari warna. Cara ini akan digunakan karena waktu yang diperlukan untuk proses relatif singkat. Tetapi ada kelemahan yang dimiliki jika kita menggunakan warna yang dipunyai. Orang yang berkulit hitam dan orang yang berkulit putih akan berada pada 2 buah titik ujung dari batas warna karena warna hitam akan berada pada nilai intensitas piksel 0 dan putih berada pada nilai 255. Jika kita anggap memang ada orang yang memiliki warna kulit tersebut maka akan menjadi masalah bagi metode ini karena kita harus melebarkan batas threshold kita untuk mendeteksi orang yang berlawanan warna kulitnya ini. Tetapi keadaan ini jarang terjadi karena pada umumnya, orang tidak mempunyai tingkatan warna yang seperti ini, selain itu perbedaan warna kulit hanya terdapat pada masing-masing daerah. Pada umumnya penyebaran warna kulit pada sebuah daerah tertentu hampir sama. Karena permasalahan luasnya batas threshold jika harus mengenali orang yang berwarna kulit beragam, maka ditentukan untuk membatasi warna kulit ini menjadi dalam kelompok orang asia, agar warna kulitnya di dalam batas nilai intensitas yang tidak terlalu tinggi dan rendah. Pendapat diatas juga dikemukakan oleh Padilla dan Fan (2003, p1) dengan isinya Anggap saja ada foto normal wajah seseorang (tanpa make up warna-warni),

6 6 maka dapat kita simpulkan bahwa warna mukanya bukanlah putih, hijau, merah, atau warna-warna lain yang tidak alamiah. Walaupun berbagai etnis memiliki warna kulit yang berbeda, jangkauan warna yang terdapat dalam wajah hanyalah sebagian kecil dari keseluruhan ragaman warna yang ada, dengan demikian adalah cukup bijaksana untuk mempergunakan hubungan warna dari wajah untuk membatasi pencarian wajah kepada daerah dari citra yang setidaknya memiliki warna sesuai dengan kulit. Dengan mencari pada warna komponen yang benar maka diharapkan akan didapat keakuratan karena batas warna yang tidak besar, akan mengurangi warna yang merupakan latar belakang untuk ikut terambil. Dalam penelitian lain (Padilla dan Fan, 2003) disebutkan bahwa eigenfaces ini mempunyai tingkat keakuratan yang tinggi, mempunyai waktu pengerjaan yang cepat, dan mudah untuk diterapkan. Jika dilihat dari permasalahan, data input yang akan diberikan kepada metode eigenfaces memberikan pengaruh yang besar dalam pengenalan yang nantinya akan dilakukan. Oleh karena itu diuji metode eigenfaces (pengenalan wajah / face recognition) yang digabungkan dengan face detection dengan metode color thresholding dan mengharapkan hasil yang lebih baik dalam pengenalan wajah ini Ruang Lingkup Penelitian yang dilakukan, secara garis besar akan membahas permasalahan pengenalan wajah eigenfaces. Juga akan dibahas mengenai face detection dengan color thresholding yang diharapkan akan memberikan dukungan kepada proses pengenalan wajah.

7 7 Karena faktor multidimensi yang dimiliki oleh wajah, maka pada penulisan ini penulis membatasi input citra yang akan digunakan nantinya. Citra harus hanya mencakup wajah satu orang saja, berupa gambar close up dari wajah, dan merupakan citra tampak depan dari wajah. Untuk mendukung proses pendeteksian wajah, maka citra yang akan digunakan haruslah berwarna. Hampir keseluruhan dari wajah manusia terdiri dari bagian utama berupa kulit. Kulit ini saling berbeda antara manusia pada suatu daerah dengan daerah lainnya. Karena itu, penulisan ini nantinya akan dibatasi kepada wilayah orang asia saja, dimana warna kulit wajah berwarna kuning kecoklatan. Pewarnaan dari obyek dari suatu citra bisa sama dengan citra gambar muka. Jadi akan ada kemungkinan dimana citra yang berwarna sama ini akan dianggap sebagai muka. Karena itu, untuk mendapatkan hasil yang lebih baik, warna latar belakang yang digunakan sebaiknya berwarna polos dan berbeda dari warna kulit. Jadi dari proses kerjanya akan terlebih dahulu dilakukan pendeteksian muka yang akan memberikan inputan kepada pengenalan wajah. Pengenalan wajah yang dilakukan akan akan menggunakan PCA dalam menyederhanakan matriks citra data input dan menghitung nilai eigenfaces. Tetapi karena perhitungan eigenfaces ini cukup rumit, maka perhitungan ini akan dibantu oleh perangkat lunak MATLAB. Jadi tidak ada perhitungan eigenfaces secara aplikatif. Disini nilai akan dikirimkan ke dalam perangkat lunak MATLAB dan aplikasi yang kami rancang akan menerima kembalian berupa nilai informasinya. Karena keterbatasan waktu dan sarana, penelitian yang kami buat tidak akan menghasilkan aplikasi yang dapat bekerja secara realtime. Karena itu program yang akan dibuat akan lebih memfokuskan pada masalah akurasi pengenalan daripada

8 8 kecepatan proses. Tetapi aplikasi yang masih membutuhkan interaksi dari user, karena yang ingin diuji keberhasilannya. Bukan merancang sistem yang sudah pasti 100% berhasil. Untuk data input sendiri didapatkan dari citra yang sudah mengandung data orang didalamnya, bukan dari citra hasil kamera web. Jadi citra akan sudah tersedia. Citra yang akan digunakan sendiri akan bertipe bitmap atau Jpeg. Sistem yang kami rancang ini nantinya diharapkan akan bisa digunakan untuk mengenali atau membedakan sebuah wajah, dari kumpulan wajah-wajah yang sudah dikenali. Aplikasi akan mempelajari tekstur warna dan bentuk muka yang ada. Jika hasil pembelajarannya berhasil, maka pengenalan akan bisa dilakukan dan hasil informasi dikenali atau tidak dikenali akan dapat dihasilkan. Aplikasi yang dibuat akan dirancang sehingga bisa mencari sendiri posisi dari wajah di dalam sebuah citra, sehingga penggunaan citra input diharapkan bisa jadi lebih flexible. Kemampuan ini juga diharapkan akan bisa meningkatkan akurasi atau ketepatan dari pengenalan yang akan dilakukan. Aplikasi ini juga diharapkan akan bisa digunakan atau dikembangkan lebih lanjut agar bisa digunakan atau digabungkan bersama-sama dengan program lainnya. Misalnya dikembangkan lebih lanjut sehingga bisa diimplementasikan dalam perangkat Artificial Intelegent sebuah robot. Aplikasi yang akan dibuat ini akan lebih difokuskan pada bagian pengenalan wajah. Namun penulis membatasi hanya kepada muka tampak depan. Dengan tujuan utamanya adalah untuk mendapatkan tingkat keakuratan yang cukup tinggi. Namun akan ada fitur untuk mencari letak posisi wajah berada, dengan tujuan agar gambar

9 9 atau foto yang digunakan tidak memerlukan penyesuaian yang terlalu rumit dan sulit. 1.3 Tujuan dan Manfaat Pada penulisan ini, dipunyai tujuan untuk menyempurnakan metode eigenfaces, yang akan meningkatkan keberhasilan untuk mendapatkan pengenalan wajah yang lebih baik dari yang memang telah ada. Adapun manfaat yang diperoleh adalah sebagai berikut : 1. Diharapkan bisa dihasilkan perancangan aplikatif dari eigenfaces ini dalam produk dunia nyata. 2. Membantu penulis lain yang juga berminat pada pengenalan wajah dan ingin mengembangkan lagi metoda eigenfaces ke arah yang lebih sempurna lagi. 1.4 Metodologi Dalam pembuatan penulisan yang membahas PENGENALAN WAJAH DENGAN MENGGUNAKAN METODE EIGENFACES, digunakan metode: Analisa - Menganalisa metode eigenfaces dan face detection dengan color thresholding untuk diterapkan dalam aplikasi. - Mencari kelemahan kelemahan yang akan mungkin terjadi dari masingmasing langkah.

10 10 Perancangan - Merancang alur pada kemungkinan yang akan terjadi ketika metode berjalan baik pada deteksi wajah, metode eigenfaces, dan face recognition. - Perancangan fungsi-fungsi yang akan digunakan dalam program aplikasi baik dari metode eigenfaces maupun dari metode color thresholding dalam bentuk pseudocode. - Perancangan diagram layar yang akan digunakan pada program aplikasi. - Menggabungkan hasil perancangan pada aplikasi dengan menerapkan metode eigenfaces dengan mengikuti langkah langkah yang sudah ditentukan pada analisa, perancangan layar, perancangan fungsi dan dengan menggunakan perangkat lunak Borland Delphi 7 dan didukung dengan penggunaan perangkat lunak Matlab. Langkah yang ada akan mengikuti alur yang dibuat. 1.5 Sistematika Penulisan Untuk mempermudah penyusunan skripsi dan pembahasannya, penulis membagi pembahasan menjadi 5 bab yang terdiri dari : BAB 1. PENDAHULUAN Pendahuluan akan membahas latar belakang dari pemilihan topik, tujuan dan manfaat dari diadakannya penelitian dengan topik ini, dilanjutkan dengan ruang lingkup yang membahas batasan penelitian, tujuan manfaat dan metode penelitian yang digunakan serta ditutup dengan sistematika penulisan.

11 11 BAB 2 : LANDASAN TEORI Landasan teori akan membahas teori-teori yang berhubungan dengan topik penelitiannya, meliputi citra, computer vision dan bergaris besar pada face detection dan face recognition. BAB 3 : ANALISIS DAN PERANCANGAN Membahas proses kerja dari metode dan merancang sistem untuk aplikasi pengujian dari sistem PENGENALAN WAJAH DENGAN MENGGUNAKAN METODE EIGENFACES. Selain itu juga akan dibahas data input yang digunakan serta hasil pengenalan yang akan didapatkan dari proses eigenfaces pada penelitian ini. BAB 4 : IMPLEMENTASI DAN EVALUASI Bab 4 akan membahas implementasi dan hasil yang didapatkan dari aplikasi dengan membandingkan dengan hasil analisanya. BAB 5 : KESIMPULAN DAN SARAN Bab ini merupakan bab terakhir yang akan merangkum isi yang dibahas pada bab sebelumnya. Selain itu pada bab ini juga berisi kesimpulan dari hasil perbandingan analisa dengan aplikasi yang dikembangkan. Juga saran-saran perbaikan untuk pembahasan mengenai topik yang sama.