PENERAPAN TEKNIK PENGENALAN WAJAH BERBASIS FITUR LOCAL BINARY PATTERN PADA ROBOT PENGANTAR MAKANAN

Transkripsi

1 PENERAPAN TEKNIK PENGENALAN WAJAH BERBASIS FITUR LOCAL BINARY PATTERN PADA ROBOT PENGANTAR MAKANAN Mohamad Deddy Turiyanto Dosen Pembimbing : Dr.Ir. Djoko Purwanto, M.Eng Rudy Dikairono, ST., MT.

2 Pembahasan LATAR BELAKANG TUJUAN PERANCANGAN SISTEM PENGUJIAN KESIMPULAN

3 LATAR BELAKANG Tingginya daya saing pada bidang kuliner. Menggabungkan perkembangan teknologi saat ini. Face recognition dengan fitur local binary pattern yang tidak

4 Tujuan Dapat memperbaiki sistem pelayanan yang lebih baik dan lebih modern pada sebuah kedai makan, sehingga mampu meningkatkan daya tarik pelanggan..

5 Local binary pattern Local binary pattern didefinisikan sebagai ukuran tekstur gray-scale yang invarian.. Dalam pengenalan wajah, LBP merupakan deskriptor tekstur yang dapat juga digunakan untuk mewakili wajah, karena gambar wajah dapat dilihat sebagai sebuah komposisi micro-texturepattern yaitu suatu operator non parametrik yang menggambarkan tata ruang lokal citra.

6 Local binary pattern

7 Perancangan sistem Skenario Pelayanan Perancangan Software Perancangan Hardware

8 Skenario pelayanan PERANCANGAN SISTEM Homerobot Kasir Temat duduk pelanggan Lintasan robot Pemesanan

9 Skenario pelayanan PERANCANGAN SISTEM

10 PERANCANGAN SISTEM PROSEDUR PELAYANAN 1. REGISTRASI PEMESANAN

11 PERANCANGAN SISTEM PROSEDUR PELAYANAN 2. PENYAJIAN MAKANAN

12 Perancangan Software PERANCANGAN SISTEM Perangkat lunak pada PC/Laptop Perangkat lunak mikrokontroler

13 Perancangan Software PERANCANGAN SISTEM Perangkat lunak pada PC/Laptop REGISTRASI WAJAH PELANGGAN UNTUK PEMESANAN MAKANAN PENGENALAN WAJAH UNTUK PENYAJIAN MAKANAN

14 PERANGKAT LUNAK PADA PC/LAPTOP REGISTRASI WAJAH PELANGGAN UNTUK PEMESANAN MAKANAN PERANCANGAN SISTEM 1. Deteksi Wajah

15 PERANGKAT LUNAK PADA PC/LAPTOP REGISTRASI WAJAH PELANGGAN UNTUK PEMESANAN MAKANAN PERANCANGAN SISTEM 2. Crop dan resize 3. Penulisan Nama Makanan 4. Penyimpanan data pelanggan pada database

16 PERANCANGAN SISTEM PERANGKAT LUNAK PADA PC/LAPTOP PENGENALAN WAJAH UNTUK PENYAJIAN MAKANAN 1. Preprocessing Deteksi wajah Cropping bagian wajah Resize ukuran citra wajah Konversi gray-scale

17 PERANCANGAN SISTEM PERANGKAT LUNAK PADA PC/LAPTOP PENGENALAN WAJAH UNTUK PENYAJIAN MAKANAN 2. Ekstraksi Fitur Local Binary Pattern

18 PERANCANGAN SISTEM PERANGKAT LUNAK PADA PC/LAPTOP PENGENALAN WAJAH UNTUK PENYAJIAN MAKANAN 3. Histogram LBP

19 PERANCANGAN SISTEM PERANGKAT LUNAK MIKROKONTROLER ATmega32 Proses ADC Kontrol Motor DC

20 PERANCANGAN SISTEM Perancangan Hardware Perancangan robot pengikut garis sebagai media untuk mengantarkan makanan Motor Kanan Sensor Minsys ATMEGA32 Driver Motor Motor Kiri

21 PERANGKAT LUNAK PADA PC/LAPTOP PENGENALAN WAJAH UNTUK PENYAJIAN MAKANAN PERANCANGAN SISTEM Mulai Sesuaikan makanan dengan wajah pemesan Database Mencari wajah pemesan Robot berjalan Kembali ke Home Robot Robot berhenti, sampai makanan di ambil oleh pemesan Ya Dikenali Tidak Selesai

22 pengujian Pengujian Registrasi Pemesanan Pengujian Penyajian Makanan

23 pengujian Pengujian Registrasi Pemesanan Pengujian Preprocessing Akuisisi data cita wajah dengan kamera Deteksi wajah

24 pengujian Pengujian Registrasi Pemesanan Pengujian Preprocessing Crop dan resize Penulisan nama makanan

25 pengujian Pengujian Penyajian Makanan Pengujian Pengenalan Wajah Pengujian Ekstraksi Fitur LBP

26 pengujian Pengujian Penyajian Makanan Pengujian Pengenalan Wajah Pengujian pembandingan histogram Menentukan gambar referensi yang akan dibandingkan

27 pengujian Pengujian Penyajian Makanan Pengujian Pengenalan Wajah Pengujian pembandingan histogram Citra wajah yang sedang ditangkap oleh kamera pada robot ketika berjalan mengantarkan makanan

28 pengujian Pengujian Penyajian Makanan Pengujian Pengenalan Wajah Pengujian pembandingan histogram

29 pengujian Pengujian Penyajian Makanan Pengujian Pengenalan Wajah

30 pengujian Pengujian pengenalan wajah terhadap citra wajah yang berbeda. Perbandingan dilihat dari tingkat korelasi antara kedua histogram, dimana ketika hasil korelasi bernilai 1 menandakan bahwa kedua histogram memiliki tingkat kolerasi yang tinggi artinya kedua gambar adalah mirip atau dikenali

31 Pengujian pengenalan wajah terhadap citra wajah dengan sudut pencahayaan yang berbeda. pengujian

32 Kesimpulan Dari pengujian sistem yang sudah dirancang, dapat disimpulan bahwa pengenalan wajah dengan ekstraksi fitur local binary pattern pada citra wajah, masih mampu mengenali wajah walaupun tingkat pencahayaan yang diterima oleh wajah yang akan dikenali berbeda dengan pencahayaan yang diterima pada wajah sebelumnya. Perbedaan cahaya tersebut adalah cahaya terang, sedang dan redup. Akan tetapi untuk pemberian sudut pencahayaan yang berbeda-beda, sistem ini masih cukup sensitif, sehingga mengganggu terhadap proses pengenalan. Sudut pencahayaan yang dimaksud adalah pemberian cahaya dari kanan, tengah atau kiri. Pengenalan wajah ditinjau dari tingkat korelasi histogram antara citra wajah pembanding yang ditangkap oleh kamera pada saat itu dengan citra wajah referensi yang diambil sebelumnya. Sistem pengenalan wajah yang dirancang memiliki toleransi error sebesar 1 %, sehingga sistem mampu mengenali wajah pelanggan apabila kedua citra wajah tersebut memiliki tingkat korelasi histogram sebesar 99%. Untuk pengiriman data gambar dari kamera wireless ke PC pada saat proses pengenalan wajah masih terdapat delay yang cukup besar yaitu 2450 ms. Hal ini disebabkan oleh bandwidth dan traffict dari jaringan yang kurang baik. Sehingga menyebabkan proses pengenalan wajah menjadi lambat dan robot penyaji makanan tidak tepat berhenti didepan pemesan.

33 TERIMA KASIH