IMPLEMENTASI SISTEM PENDETEKSI
WAJAH MANUSIA PADA CITRA DIGITAL
1. LATAR
BELAKANG
Dewasa ini teknologi pengenalan wajah semakin banyak
diaplikasikan, antara lain untuk sistem pengenalan biometrik (yang dapat juga
dikombinasikan dengan fitur biometrik yang lain seperti sidik jari dan suara),
sistem pencarian dan pengindeksan pada database citra digital dan database
video digital, sistem keamanan kontrol akses area terbatas, konferensi video,
dan interaksi manusia dengan komputer.
Dalam bidang penelitian pemrosesan wajah (face
processing), pendeteksian wajah manusia (face detection) adalah
salah satu tahap awal yang sangat penting di dalam proses pengenalan wajah (face
recognition). Sistem pengenalan wajah digunakan untuk membandingkan satu
citra wajah masukan dengan suatu database wajah dan menghasilkan wajah yang
paling cocok dengan citra tersebut jika ada. Sedangkan autentikasi wajah (face
authentication) digunakan untuk menguji keaslian/kesamaan suatu wajah
dengan data wajah yang telah diinputkan sebelumnya. Bidang penelitian yang juga
berkaitan dengan pemrosesan wajah adalah lokalisasi wajah (face localization)
yaitu pendeteksian wajah namun dengan asumsi hanya ada satu wajah di dalam
citra, penjejakan wajah (face tracking) untuk memperkirakan lokasi suatu
wajah dalam video secara real time, dan pengenalan ekspresi wajah (facial
expression recognition) untuk mengenali kondisi emosi manusia (Yang, 2002).
Pada kasus tertentu seperti pemotretan untuk pembuatan
KTP, SIM, dan kartu kredit, citra yang didapatkan umumnya hanya berisi satu
wajah dan memiliki latar belakang seragam dan kondisi pencahayaan yang telah
diatur sebelumnya sehingga deteksi wajah dapat dilakukan dengan lebih mudah.
Namun pada kasus lain sering didapatkan citra yang berisi lebih dari satu
wajah, memiliki latar belakang yang bervariasi, kondisi pencahayaan yang tidak
tentu, dan ukuran wajah yang bervariasi di dalam citra. Contohnya adalah citra
yang diperoleh di bandara, terminal, pintu masuk gedung, dan pusat perbelanjaan.
Selain itu juga pada citra yang didapatkan dari foto di media massa atau hasil
rekaman video. Pada kasus tersebut pada umumnya wajah yang ada di dalam citra
memiliki bentuk latar belakang yang sangat bervariasi.
Penelitian ini akan difokuskan pada masalah pendeteksian
wajah. Dengan sistem pendeteksi wajah yang akurat, maka proses selanjutnya
yaitu pengenalan wajah dapat dilakukan dengan lebih mudah.
2. PERUMUSAN
MASALAH
Masalah deteksi wajah dapat dirumuskan sebagai berikut:
dengan masukan berupa sebuah citra digital sembarang, sistem akan mendeteksi
apakah ada wajah manusia di dalam citra tersebut, dan jika ada maka sistem akan
memberitahu berapa wajah yang ditemukan dan di mana saja lokasi wajah tersebut
di dalam citra. Keluaran dari sistem adalah posisi dari subcitra yang berisi
wajah yang berhasil dideteksi.
3. BATASAN
MASALAH
Pada sistem deteksi wajah ini diberikan pembatasan masalah
sebagai berikut:
· Citra
masukan yang digunakan adalah hitam putih dengan 256 tingkat keabuan (grayscale).
· Wajah
yang akan dideteksi adalah wajah yang menghadap ke depan (frontal), dalam
posisi tegak, dan tidak terhalangi sebagian oleh objek lain.
· Metode
yang dipakai adalah jaringan syaraf tiruan multi-layer perceptron dengan algoritma
pelatihan back-propagation.
4. TUJUAN
PENELITIAN
Penelitian bertujuan untuk membuat suatu desain dan
implementasi sistem deteksi wajah dengan masukan berupa citra digital
sembarang. Sistem ini akan menghasilkan subcitra yang berisi wajah-wajah yang
berhasil dideteksi.
5. MANFAAT
PENELITIAN
Hasil penelitian ini diharapkan dapat digunakan sebagai
langkah awal untuk membangun sistem pemrosesan wajah yang menyeluruh, yang bisa
diaplikasikan pada sistem pengenalan wajah atau verifikasi wajah. Program
aplikasi yang dibuat juga dapat dijadikan bahan untuk penelitian lebih lanjut
di bidang yang berkaitan.
Dengan penyesuaian tertentu, metode yang digunakan mungkin
dapat juga dimanfaatkan untuk sistem deteksi objek secara umum yang tidak hanya
terbatas pada wajah, misalnya deteksi kendaraan, pejalan kaki, bahan produksi,
dan sebagainya.
Dari hasil penelitian ini juga diharapkan dapat diperoleh
pemahaman yang lebih baik terhadap jaringan syaraf tiruan, dan pengaruh
berbagai parameter yang digunakan terhadap unjuk kerja pengklasifikasi jaringan
syaraf tiruan.
6. METODE
PENELITIAN
Metode yang akan digunakan dalam penelitian ini terdiri
dari langkah-langkah berikut:
· Melakukan
studi kepustakaan terhadap berbagai referensi yang berkaitan dengan penelitian
yang dilakukan. Topik-topik yang akan dikaji antara lain meliputi: pengenalan
pola, pengolahan citra digital, pendeteksian objek secara umum, pendeteksian
wajah, dan jaringan syaraf tiruan.
· Menyiapkan training
data set yang akan digunakan untuk proses pembelajaran dari sistem.
Data wajah yang digunakan akan melalui praproses berupa resizing menjadi
20x20 pixel, masking, dan histogram equalization.
· Merancang
sistem pendeteksi wajah dengan jaringan syaraf tiruan, kemudian membuat program
aplikasinya.
· Melakukan
pelatihan pada sistem dengan training data set yang telah disiapkan sebelumnya.
· Melakukan
pengujian unjuk kerja sistem. Unjuk kerja pada sistem pendeteksi wajah diukur
dengan menghitung detection rate dan false positif
rate.
7. JADWAL
PENELITIAN
|
No.
|
|
|
Kegiatan
|
|
|
Bulan / tahun
|
|
Okt
13
|
|
Nop
13
|
|
Des
13
|
|
Jan
14
|
|
Feb
14
|
|
Mar
14
|
|
1
|
|
Studi
Kepustakaan
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2
|
|
Penulisan
Proposal
|
|
|
|
|
|
|
|
|
|
|
|
|
|
3
|
|
Pengumpulan
Data
|
|
|
|
|
|
|
|
|
|
|
|
|
|
4
|
|
Pembuatan
Sistem/Program
|
|
|
|
|
|
|
|
|
|
|
|
|
|
5
|
|
Pengujian
Sistem
|
|
|
|
|
|
|
|
|
|
|
|
|
|
6
|
|
Penulisan
Laporan Akhir
|
|
|
|
|
|
|
|
|
|
|
|
|
8. DAFTAR
PUSTAKA
L. Fausett,
1994, Fundamentals of Neural Networks: Architectures, Algorithms, and
Applications, Prentice-Hall Inc., USA.
R.C. Gonzalez,
R.E. Woods, 1992, Digital Image Processing, Addison-Wesley
Publishing Company, USA.
E. Hjelmas, B.K.
Low, 2001, “Face Detection: A Survey”, Computer Vision and Image
Understanding. 83, pp. 236-274.
H. Rowley, S.
Baluja, T. Kanade, 1998, “Neural Network-Based Face Detection”, IEEE
Trans. Pattern Analysis and Machine Intelligence, vol. 20, no. 1.
M.H. Yang, D.
Kriegman, N. Ahuja, 2002, “Detecting Faces in Images: A Survey”, IEEE
Trans. Pattern Analysis and Machine Intelligence, vol. 24, no. 1.
SUMBER
http://27kesuma.blogspot.com/2013/11/contoh-proposal-skripsi-teknik_18.html
