Download - Proposal Sistem Pengenalan Wajah
Program Studi Magister Sistem Informasi
Pasca Sarjana Universitas Diponegoro
Oleh;
DWI ELY KURNIAWAN
(24010410400015)
Rancang Bangun Sistem Pengenalan Wajah
Menggunakan Metode Filter Gabor dan Jaringan
Syaraf Tiruan Learning Vector Quantization (LVQ)
SEMARANG,
2011
Latar Belakang
Sistem identifikasi biometrik wajah manusia adalah suatu sistem pengenalan
individu dengan menggunakan ciri-ciri biometrik wajah dari individu yang
bersangkutan.
Masalah pengenalan wajah menjadi sulit karena variabilitas besar pada bentuk
kepala dan kemiringan, intensitas pencahayaan dan sudut, ekspresi wajah,
penuaan, dll (Woody Bledsoe, 1966).
Perumusan Masalah
Penelitian ini diarahkan untuk menyelesaikan masalah bagaimana membangun
desain sistem pengenalan wajah yang mampu mengenalai wajah lebih akurat
“ ≥ 90% “menggunakan metode ekstraksi ciri dengan filter gabor
dan identifikasi wajah dengan jaringan syaraf tiruan learning vector
quantization.
”
Batasan Masalah
Metode yang digunakan dalam
proses pembelajaran adalah JST
LVQ.
Sistem mengenali image dengan
format .bmp
Menggunakan system operasi
Windows dan Matlab
Pengenalan wajah dilakukan
dengan mengenali citra wajah
yang terdapat dalam database
wajah yang telah ada sebelumnya.
Keaslian Penelitian
Laporan dalam bentuk tulisan ilmiah pada International Journal of Computer
Science and Network Security (IJCSNS),Volume.11 No.1, January 2011 berjudul
Neural Network Based Face Recognition With Gabor Filters.
Diteliti oleh Amina Khatun dan Md. Al-Amin Bhuiyan pada Jahangirnagar
University, Bangladesh.
Penelitian ini membahas sistem pengenalan wajah dengan ekstrasi fitur wajah
menggunakan filter gabor dan identifikasi pengenalan wajah menggunakan
Bidirectional Associative Memory (BAM) dan Back-Propagation Neural Network
(BPNN). Ujicoba mengambil 200 gambar wajah dari 40 orang diperoleh tingkat
pengenalan wajah 84,50%.
1
Selanjutnya laporan lain dalam bentuk Proceedings Of The Romanian Academy,
Seri A, Volume 11, No.3/2010, halaman 277–283 berjudul
Gabor Filter-Based Face Recognition Technique.
Diteliti oleh Tudor Barbu pada Institute of Computer Science, Romanian Academy,
Romania.
Penelitian ini menggunakan ekstraksi fitur 2D filter bank gabor. Sebuah supervised
classifier menggunakan jarak rata-rata minimum. Tingkat pengenalan wajah
diperoleh sekitar 90%, yang melibatkan ratusan gambar frontal. Menggunakan
Database Yale Face, yang berisi 168-192 ribuan gambar wajah.
2
Laporan dalam bentuk jurnal pada International Journal of Computer Science
Engineering and Technology (IJCSET), Vol.1,No.1, tahun 2011 berjudul
Neural Network Based Face Recognition Using SOM.
Diteliti oleh Shamla Mantri dan Kalpana Bapat di MITCOE Pune University, India.
Penelitian ini mengembangkan dan mengilustrasikan sistem pengenalan wajah
manusia menggunakan Self-Organizing Maps (SOM). Analisis wajah hasil untuk
400 gambar dari database AT&T mencerminkan bahwa tingkat pengenalan wajah
92,40% untuk 40 orang.
3
Dari Ketiga Penelitian tersebut,..
metode yang belum diungkap adalah..?
Kombinasi metode filter gabor dengan identifikasi menggunakan Jaringan
Syaraf Tiruan tipe
1) Self-Organizing Maps,
2) Learning Vector Quantization, dan
3) Fuzzy C-Means Clustering.
Manfaat Penelitian
Manfaat dari penelitian ini adalah untuk menghasilkan suatu sistem pengenalan
wajah yang dapat mendukung;
1) Aplikasi sistem keamanan, misalnya login sistem tertentu
2) Aplikasi sistem pengenalan penyamaran wajah, misalnya pada kasus teroris
3) Aplikasi sistem informasi pada database kepolisian,
4) Aplikasi sistem akses pintu masuk/FaceGate
5) dll..
Selain itu untuk memperkaya literatur mengenai bidang identifikasi biometrik,
kecerdasan buatan dan pengolahan citra (image processing) khususnya pengenalan
wajah dengan metode filter gabor dan jaringan syaraf tiruan learning vector
quantization.
Tujuan Penelitian
Adapun tujuan penelitian ini adalah …
untuk menghasilkan perangkat lunak sistem pengenalan wajah manusia yang dapat
mengenali
lebih dari 90% akurat.
Kajian dan Landasan Teori
Menyebutkan dua cara pendekatan dalam
biometrik pengenalan wajah.
Pendekatan pertama identifikasi, bertujuan
untuk mencari jawaban identitas wajah
siapa orang tersebut.
Pendekatan kedua verifikasi, bertujuan
memastikan apakah benar wajah orang
yang dimaksud, bukan orang lain.
Hjelmas (2000) Identifikasi atau Verifikasi
3.1. Sistem Pengenalan Wajah
Deteksi wajah
(lokalisasi)Pra-pemrosesan
Database
wajahFilter gabor
BinerisasiPengenalan
wajah
diterima atau
ditolak
Image foto
Identifikasi dg JST
Framework Pengenalan Wajah dengan Filter Gabor
(Sumber: Amina Khatun, 2011)
3.2. Pra-pemrosesan
bertujuan untuk memperbaiki kualitas citra dengan cara memanipulasi parameter-
parameter citra. Tahap ini meliputi: pengambilan citra, konversi citra dari format
RGB ke bentuk format keabuan (grayscale).
3.3. Ekstraksi Ciri dengan Filter Gabor
bertujuan untuk mendapatkan informasi penting dari tekstur suatu citra. Filter gabor
merupakan sebuah pilihan tradisional untuk memperoleh informasi frekuensi yang
terlokalisasi. Filter-filter gabor menawarkan lokalisasi simultan terbaik dari
informasi spasial dan frekuensi.
dimana
3.4. Binerisasi
Citra grayscale yang diperoleh dari proses ekualisasi histogram, selanjutnya akan
mengalami proses binerisasi, sehingga dihasilkan citra biner yang siap untuk proses
pelabelan. Binerisasi diilustrasikan pada gambar berikut.
67 70 69
56 57 58
34 43 40
1 1 1
0 1
0 0 0
threshold
Bit string: 11110000
Decimal code: 240
0
1
2
3
4
5
6
Binari Code
Histogram
Freku
ens
i
3.5. Klasifikasi dengan JaringanSyaraf Tiruan
Setelah melalui proses ekstraksiciri, selanjutnya nilai yang dihasilkandilakukan pembelajaran LVQ.
Selanjutnya dilakukan prosespengklasifikasian nilai masukanterhadap target yang telahditentukan.
Pengklasifikasian sinyal oleh JST menggunakan skema pembagianpasangan biner. Arsitektur Jaringan LVQ
X1
X2
X3
X4
X5
Xn
||Xi – W1i || F1
||Xi – W2i ||
||Xi – W3i ||
F2
F3
y_in1 y1
y_in1
y_in3 y3
y2
Metode Penelitian
Bahan Penelitian
Bahan penelitian diperoleh dari database wajah pada AT&T database tersedia di
http://www.cl.cam.ac.uk/research/dtg/attarchive/facedatabase.html.
Alat Penelitian
Untuk membantu pengujian pendektesian otomatis wajah digunakan alat bantu
komputer dengan sistem operasi Windows dan Matlab
Jalan Penelitian
1) Studi Literatur
Studi literatur dilakukan untuk mendapatkan pengetahuan tentang pengolahan
citra diantaranya pre-prosesing, ekstraksi fitur dan klasifikasi atau identifikasi.
Studi literatur juga diperlukan untuk mendapatkan informasi penelitian-
penelitian sebelumnya tentang deteksi pengenalan wajah yang telah
diterapkan.
Desain Penelitian
Gambaran menyeluruh dari sistem yang akan dibangun
PendeteksianWajah (face detection)
Studi Literatur
Akuisisi DataPra-pemrosesan
PengenalanWajah (face recognition)
Ekstraksi Fitur denganFilter Gabor
Binerisasi Citra
Hasil Penelitian Analisis HasilPenelitian
Dengan PendekatanTerstrukturMenggunakan Model Proses SequensialLinear
1. Analisis2. Desain3. Coding4. Testing
Dokumentasi HasilPenelitian
Klasifikasi dengan JST LVQ
2) Perancangan dan Pengembangan Prototype
Perancangan diperlukan untuk mengetahui alur
desain sistem dari aplikasi yang dibangun.
3) Pengujian Sistem
Pengujian sistem dilakukan untuk mendapatkan
keakurasian dari metode yang digunakan.
4) Penarikan Kesimpulan
Setelah pengujian selesai, maka diambil suatu
kesimpulan.
5) Penulisan Laporan Tesis
Penulisan laporan tesis sebagai tahap akhir
penelitian
Pra-pemrosesan
Ekstraksi ciri dg
Filter Gabor
Klasifikasi dg
JST LVQ
citra
Keputusan
Diagram Alir
Sistem Pengenalan Wajah
Proses
pengenalan
dibagi
menjadi dua
fase.
Testing Image
Fase Testing
Pra-Pemrosesan
Ekstaksi Fitur
Klasifikasi
Keputusan
Training Image
Fase Training
Pra-Pemrosesan
Ekstaksi Fitur
Training
Template Biometrik
Feature Vector
Diagram Alir Sistem Pengenalan Wajah
5. Jadwal penelitian
No Kegiatan Mei Juni Juli Agustus September Oktober
1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4
1 Studi literatur
2Penyusunan dan
presentasi proposal
3 Perancangan Sistem
4 Pengujian Sistem
5Penulisan laporan
tesis
6Pemeriksaan laporan
tesis
7Penyempurnaan
laporan tesis
8Presentasi dan
sidang tesis