Pengenalan Pola

Tugas Artificial Intelegent

-Pengenalan Pola-

PENDAHULUAN

                Pada Rangkuman yang saya buat kali ini membahas tentang salah satu jenis aplikasi pengenalan pola yaitu face recognition. Namun tema yang dibawah bertema : “Home Security Penerapan Face

Recognition Dengan Metode Eigenface Dalam Intelligent” dimana diambil dari pada paper mahasiswa Institut Teknologi Surabaya (ITS). Sebelumnya saya berterimakasih kepada mereka atas kemauan mereka menshare ilmunya saya dapat menyelesaikan tugas yang diberikan kepada saya. Untuk lebih jelasnya dapat dilihat di bagian selanjutnya.

ISI

Tujuan dari Pembuatan Pengenalan pola ini

Pengenalan pola kali ini bertujuan untuk mengganti fitur konvensional yang hanya menggunakan alarm dll untuk melindungi rumah kita dari serangan orang tidak dikenal menjadi fitur face recognition yang mampu mengenali dan mampu membedakan antara pemilik rumah dengan orang yang berkepentingan jahat misal : maling.

Fitur – fitur apa yang dipakai

Fitur – fitur yang terdapat di dalam pengenalan wajah pada system Intelligent home security ini ada 2 tahap yaitu tahap pengambilan data dimana bertujuan untuk menyimpan wajah-wajah yang digunakan sebagai pembanding untuk melakukan autentikasi terhadap pemakai apakah orang berwajib ataukah tidak, lalu tahap yang kedua adalah tahap pengenalan wajah yaitu proses membandingkan database tentang wajah dengan orang yang bersangkutan.

                Dibawah ini merupakan bagan/skema mengenai kedua tahap tersebut :

Gambar disamping merupakan block diagram software untuk melakukan pengenalan dari sistem yang digunakan, dimana jalannya sistem dibagi menjadi 2, yaitu block pengambilan data dan block pengenalan wajah.

Jalannya sistem block pengambilan data adalah sebagai berikut :

1.   Aktifkan webcam untuk menampilkan gambar yang ditangkap webcam kedalam aplikasi.

2.   Penangkapan citra wajah (image capturing) dapat dilakukan secara langsung (real time) menggunakan webcam, setelah terdeteksi adanya gambar wajah pada tampilan window dari webcam.

3.   Kemudian dilakukan proses pemrosesan awal yang meliputi, normalisasi ukuran citra, RGB ke grayscale, histogram equalization untuk memperbaiki kualitas citra input agar memudahkan proses pengenalan tanpa menghilangkan informasi utamanya, resize untuk membuang bagian daerah selain wajah sehingga hanya bagian wajah saja yang diproses dan normalisasi pencahayaan ketika mengambil citra input.

4.   Simpan data wajah yang diambil dalam bentuk*.pgm.

5.   Kemudian dilakukan proses PCA untuk mengutip bagian terpenting dengan metode eigenface sehingga didapatkan eigenvector dan eigenvalue dari gambar tersebut.

6.   Proses penyimpanan kedalam data wajah untuk setiap citra wajah yang telah digunakan dalam proses PCA dalam bentuk *.xml , semakin kompleks dan sering maka proses pengenalan wajah akan semakin baik.

7.   Data yang telah disimpan nantinya digunakan sebagai nilai pembanding pada proses penghitungan jarak untuk pengenalan wajah.

Sedangkan untuk proses pengenalan adalah sebagai berikut :

1.   Aktifkan webcam untuk menampilkan gambar yang ditangkap webcam kedalam aplikasi.

2.   Penangkapan citra wajah (image capturing) dapat dilakukan secara langsung (real time) menggunakan webcam, setelah terdeteksi adanya gambar wajah pada tampilan window dari webcam.

3.   Kemudian dilakukan proses pemrosesan awal yang meliputi, normalisasi ukuran citra, RGB ke grayscale, histogram equalization untuk memperbaiki kualitas citra input agar memudahkan proses pengenalan tanpa menghilangkan informasi utamanya, resize untuk membuang bagian daerah selain wajah sehingga hanya bagian wajah saja yang diproses dan normalisasi pencahayaan ketika mengambil citra input.

4.   Kemudian dilakukan proses PCA untuk mengutip bagian terpenting dengan metode eigenface sehingga didapatkan eigenvector dan eigenvalue dari gambar tersebut.

5.   Proses pengenalan wajah dengan menghitung jarak antara fitur wajah yang ada dalam data dan fitur wajah yang baru. Jarak yang didapat di cari yang terkecil untuk identifikasi.

Cara melakukan klasifikasinya

Ada beberapa tahapan untuk melakukan proses klasifikasinya dan hal tersebut dibagi-bagi menjadi :

·         Pemrosesan Awal

o   Proses ini melakukan fungsinya dalam mengambil wajah dan dilakukan penyimpanan ditahap selanjutnya. Proses pengambilan wajah menggunakan video kamera sehingga gambar yang diambil dapat dilakukan secara real time. Untuk hal teknis lebih lanjut dapat dilihat di makalah tersebut. 

·         Proses Penyimpanan Data Wajah

o   Pada proses ini setelah pengambilan foto daripada si pemilik rumah( orang yang memiliki otoritas ) yang dilakukan dengan berbagai standar, dilakukan penyimpanan di dalam database daripada mesin pengenalan wajah ini. Proses penyimpanan wajah ini digunakan dalam proses pembelajaran untuk mendapatkan nilai eigenvalue dan eigenvektor dari gambar yang telah diambil.

·         Proses Penghitungan Eigenface

o   Pada langkah ini informasi – informasi yang relevan dari data yang disimpan akan dilakukan tahap penghitungan eigenvalue dan eigenvektor baik dari citra wajah keseluruhan maupun dari elemen wajah. Pada tahap ini terdapat berbagai rumus dalam menghitung keaslian wajah untuk nantinya bisa dilakukan pengenalan secara akurat menggunakan rumus tersebut.

·         Proses Pengenalan

o   Pada Proses pengenalan wajah ini menggabungkan antra metode Euclidean distance dan k-nearest neighbor. K-nearest neighbor disini akan berguna dalam pembuatan class antara pemilik dan pencuri.

·       Pengujian deteksi wajah 

o   Pada tahap ini akan diuji berdasarkan tingkat ketepatan hasil capture dalam mendapatakan lokasi wajah dengan menggunakan metode viola-jones untuk mendeteksi objek pada gambar dengan menggunakan metode viola-jones untuk mendeteksi objek pada gambar dengan didasarkan pada Wavelet haar. Disini hal-hal teknis mengenai kedua metode tersebut dapat dilihat di makalah yang saya ambil.

·         Pengujian pemrosesan awal wajah 

o   Setelah tahap sebelumnya yaitu pendeteksian wajah, langkah selanjutnya adalah proses awal wajah yang meliputi capture wajah, memotong lokasi wajahnya saja dari keseluruhan gambar yang tercapture, konversi ke gray scale, Histogram equalization untuk memperbaiki citra gambar dari noise.

·         Pengujian pengenalan wajah

o   Dan tahap terakhir ini dilakukan untuk mengetahui keberhasilan sistem pengenalan wajah ini. Pada tahap ini dilakukan perbandingan antara wajah pemilik dengan pencuri yang pada akhirnya dapat diklasifikasikan mana yang pemilik mana yang pencuri sehingga proses klasifikasi berjalan dan pada sumber paper yang saya ambil terdapat 86,5% tingkat keakuratan pengenalan terhadap pemilik pertama dan 87,5% keakuratan terhadap pemilik kedua sehingga membuktikan bahwa sistem ini berjalan cukup baik.

Sekian rangkuman yang telah saya buat untuk memenuhi tugas yang telah diberikan kepada saya. Sekian dan terimakasi.