Anda di halaman 1dari 14

TUGAS PATTERN RECOGNITION

ALBUM PENGENALAN WAJAH
DENGAN MENGGUNAKAN
SPATIALLY MAXIMUM OCCURRENCE MODEL

DISUSUN OLEH:
Fabrian Ivan Prasetya

/

535140042

FAKULTAS TEKNOLOGI INFORMASI
UNIVERSITAS TARUMANAGARA
JAKARTA
2016

..............................1 BAB II LANDASAN TEORITIK...................................................................DAFTAR ISI BAB I PENDAHULUAN.............10 .....................4 BAB III RANCANGAN DAN PEMBUATAN.......

Citra bisa berwujud gambar (picture) dua dimensi. Pengenalan wajah manusia yang modern adalah dapat mengenali wajah seseorang melalui kamera dan dapat menebak nama orang tersebut dari datadata yang dikumpulkan. foto.BAB I PENDAHULUAN 1." [Online]. bidang. Aplikasi pengenalan wajah. Salah satu kebutuhan manusia adalah kebutuhan akan fotografi. LATAR BELAKANG Sekarang ini perkembangan teknologi informasi dan komunikasi sangat cepat dan menguasai perkembangan teknologi di dunia. 1.1. Pembuatan aplikasi pengenalan wajah dirancang pada pengolahan dan pengelompokan data.2. garis. "Citra .Wikipedia bahasa Indonesia. yaitu aplikasi Photos pada iOS dan OSX atau aplikasi-aplikasi pengenalan wajah sejenis. seperti patung1 . dan berwujud tiga dimensi.org/wiki/Citra. Salah satu contoh teknologi di dunia yang sedang berkembang di dunia ini adalah aplikasi pengolahan citra. Available: https://id. Citra dalam bahasa Inggris yaitu image memiliki pengertian adalah kombinasi antara titik. ensiklopedia bebas. Penggunaan dari aplikasi pengenalan wajah adalah untuk pengelompokan suatu citra berdasarkan wajah seseorang ke dalam suatu album agar memudahkan pengguna mencari kenangan bersama seseorang. .wikipedia. RUMUSAN RANCANGAN Aplikasi yang akan dirancang adalah aplikasi album pengenalan wajah. Perancangan aplikasi ini menggunakan Mac OSX 1 Wikipedia. dan warna untuk menciptakan suatu imitasi dari suatu objek–biasanya objek fisik atau manusia. Dimana manusia membutuhkan sebuah foto yang dapat dikelompokkan berdasarkan ciri-ciri wajah manusia. seperti lukisan.

SPESIFIKASI RANCANGAN Program aplikasi album pengenalan wajah ini dirancang melalui beberapa spesifikasi antara lain: 1. Android KitKat 4. Aplikasi ini tidak memiliki sistem keamanan dari orang lain yang menggunakan ponsel pengguna sehingga dapat dilihat oleh semua orang yang menggunakan ponsel tersebut. Album Wajah 2. Aplikasi ini tidak memiliki sistem keamanan untuk mencegah penghapusan citra yang telah diambil atau tidak disimpan dalam tempat pembuangan citra yang tidak diperlukan. Aplikasi album pengenalan wajah ini dibuat menggunakan metode spatially maximum occurrence model (SMOM). 2. 3. Aplikasi ini menggunakan citra yang diambil dari kamera ponsel dan citra yang disimpan dalam aplikasi ini.12. Aplikasi album pengenalan wajah ini dibuat untuk mengenali wajah seseorang yang dilupakan oleh waktu. Nama album Wajah 1 adalah nama dari orang di dalam .4.10. dst. BATASAN RANCANGAN Beberapa hal yang menjadi batasan dari perancangan aplikasi ini yaitu: 1. Modul Album Pada modul ini.3. 2. 1.2 sebagai sistem operasi notebook.4 sebagai sistem operasi telepon selular dan Android Studio sebagai designer dan compiler dari pembuatan aplikasi ini. semua citra yang telah diambil dari gallery atau melalui kamera telepon selular disimpan dalam album berdasarkan wajah dengan nama album default Album Wajah 1. pengguna dapat mengambil citra dari gallery yang berasal dari aplikasi bawaan pada telepon selular dengan sistem operasi Android atau pengguna dapat mengambil citra menggunakan kamera telepon selular dengan sistem operasi Android. 1. Modul Import/Add Pada modul ini.

1. Dapat memudahkan membuat album dari suatu peristiwa yang terjadi antara seseorang ataupun banyak orang. MANFAAT RANCANGAN Manfaat dari rancangan aplikasi album pengenalan wajah ini adalah: 1.5. BAB II LANDASAN TEORITIK Metode pengenalan wajah dibedakan menjadi dua yaitu spatially maximum occurrence model (SMOM) yang dapat mengolah banyak citra wajah dengan . Memudahkan pengelompokan citra berdasarkan wajah manusia sehingga pengguna dapat mengingat teman atau sahabat lama kembali 2. Memudahkan pengelompokan citra berdasarkan wajah manusia sehingga pengguna dapat mengingat teman atau sahabat lama kembali 2.foto tersebut jika kontak mereka terdapat pada telepon selular. TUJUAN RANCANGAN Tujuan dari rancangan aplikasi album pengenalan wajah ini adalah: 1.6. Mengaplikasikan pengenalan wajah 3. Di dalam album tersebut. 1. citra yang diambil diurutkan berdasarkan tanggal dimana citra dimasukkan ke dalam aplikasi ini. Membuat aplikasi yang komunikatif dan user friendly. Nama album dapat diubah sesuai dengan keinginan pengguna.

Citra yang dihasilkan mungkin tidak bagus.1. Citra diolah dengan rotasi sebesar theta searah jarum jam dengan stadard deviasi tertentu.1. Flowchart Proses Filter Gaussian. 2. Citra wajah yang digunakan merupakan kumpulan potongan dari gambar asli berukuran 96 x 96 piksel menggunakan format file bitmap (. Start Input faces image Count exponenti al Filter Gaussian End Gambar 2.1. FILTERASI Citra yang diolah dengan memperhalus dengan Gaussian Filter untuk mengurangi noise. sehingga diperlukan filterasi untuk menghilangkan noise. proses skew detection/perbaikan kemiringan dan proses identifikasi. proses pencarian feature.σ)=(−x 2 /(2σ ))/(σ* √2 π ) . Aplikasi album pengenalan wajah ini menganalisa citra yang sudah dimasukkan dan mengalami proses filterasi. 2.ekspresi yang sama menghasilkan representasi ekspresi. yaitu proses perbaikan gambar. Dari nilai-nilai persamaan antar citra wajah yang diambil dengan citra wajah dalam database. Perancangan sistem aplikasi pengenalan wajah terdiri dari lima proses. proses segmentasi.bmp). Rumus Gaussian Filter 2 p(x. akan dikelompokan dan diklasifikasikan ke dalam enam kategori ekspresi wajah.1. SISTEM YANG DIRANCANG Sistem yang dirancang adalah program aplikasi pengenalan wajah dengan menggunakan spatially maximum occurrence model (SMOM) pada Android.

3.71828 Setelah dilakukan filter Gaussian.p(x. dan π =3.σ) = e (1) dimana terjadi nilai yang diketahui sebagai berikut x adalah nilai dari masing-masing piksel σ adalah standard deviasi. Gambar 2.σ) y(x.2.σ) ke dalam masing-masing pixel. Gambar 2. Ilustrasi potongan perspektif fungsi Filter Gaussian (kiri) dan Filter yang ditampilkan sebagai citra (kanan). masing-masing nilai pixel (x) yang telah difilter menjadi y(x.14159 e = 2. Grafik filter untuk beragam nilai D = 0 .

2 filtering dengan filter Gaussian dengan frekuensi Cutoff (D) = 5.4 (D) = 30. Hasil filtering Hasil filtering dengan filter dengan filter Gaussian dengan Gaussian dengan frekuensi Cutoff (D) frekuensi Cutoff = 15. Hasil Asli. Citra Gambar 2.3 2 Ibid 3 Ibid 4 Ibid 5 Ibid Gambar 2. Gambar 2.5.4.6.Di bawah ini terdapat contoh citra sederhana yang diperhalus dengan filter Gaussian dengan bermacam-macam nilai frekuensi cutoff atau D yang beragam Gambar 2.5 .7.

kita dapat memperoleh sebuah histogram yaitu Hx. SMOM untuk mendeteksi bagian wajah Masukkan Citra sampel wajah terfilter dalam bentuk 3D Gambar 2.y).8. y )−b) k=1 (2) dimana { δ ( m )= 1. N adalah jumlah dari citra yang dilatih berukuran M x H. m=0 0.2.y(b) dengan posisi piksel (x. Alur proses Start SMOM Citra 3D diubah menjadi Citra 2D Mencari nilai peak dari masing-masing piksel Selesai SMOM menggunakan nilai kepadatan citra yang didapatkan dari citra setelah mengalami filter Gaussian. Nilai kepadatan N diurutkan semua dari terkecil. . posisi (x. SMOM dibuat dengan nilai piksel yang mungkin dari setiap citra yang dilatih yang berbentuk gambar.y) = nilai kepadatan citra ke-k pada b = total tingkat kepadatan pada citra.y (b) = untuk 0 ≤ b < B Histogram gambar asli B = banyak bin pada histogram fk(x.y) sebagai berikut: N Hx.m ≠ 0 Hx. Maka dari itu nilai sebanyak N yang terjadi pada setiap piksel (x. y).y(b)= ∑ δ (f k ( x .2.1.

Puncak berada di antara dua bin yang mengapitnya lebih kecil.Jika jumlah citra yang dilatih sedikit.. SMOM diartikan sebagai berikut: SMOM(x..y.k)={b1. Jika bin yang berada di posisi pertama/terakhir pada histogram.y).bk } dimana: 0 ≤ b < Bk untuk 0 ≤ x < M dan 0 ≤ y < H (4) . maka jumlah bin harus dikurangi dan harus dihaluskan menggunakan filter Gaussian sebagai berikut: ' H x . b) (3) Dimana G(σ. atau nilainya lebih besar/kecil dari bin yang kanan atau yang kiri maka bin yang memenuhi syarat tersebut dapat disebut sebagai puncak. maka di dalam histogram terdapat puncak. maka diketahui nilai tertinggi/puncak lalu diurutkan nilai tersebut secara menurun.b) = filter Gaussian dengan varians (σ) * = operator konvolusi H 'x . y (b)∗G( σ .... Tingkat keabu-abuan berdasarkan bin puncak yang diurutkan urutan kemungkinan kejadian. dan nilai bin puncak diatur oleh nilai pertengahan dari m bin berurutan. Jika terdapat m bin berurutan memiliki nilai yang sama dan nilai ini lebih tinggi daripada 2 bin yang mengapit bin yang berurutan. Untuk setiap histogram yang dihaluskan. y (b)=H x.b2 . y ( b ) = histogram citra yang diperhalus oleh Filter Gaussian dengan posisi piksel (x.

y) dan peta sudut A(x.3. b1. Bentuk digambarkan oleh peta tepi E(x... y ( b 2 ) ≥. y ( b 1 ) ' ' ≥ H x . y ( b k ) Seperti yang diketahui k adalah nilai yang lebih kecil.y). Jika jumlah puncak disebut p pada histogram lebih kecil dari k.≥ H x ..y).k = jumlah puncak yang ditentukan pada persyaratan reprensentasi.b)= ‖a−b‖ Mulai Filter Gaussian Pengolahan representasi wajah dengan SMOM Membandingkan sampel dengan representasi wajah dari metode SMOM Selesa Gambar 2.. de(a.. selisih nilai k dengan p (k-p) akan terjadi kesesuaian semua bin dengan kemungkinan kejadian yang terjadi paling besar.. dan tekstur digolongkan oleh representasi wavelet Gabor dan kemiringan langsung setiap piksel yang digambarkan oleh masing-masing peta Gabor Ğ(x. Alur proses pengenalan ekspresi wajah untuk mendeteksi wajah . Metode ESTM untuk mencari kemiripan pada Citra ESTM adalah metode yang mengukur kesamaan antara berdasarkan informasi bentuk dan tekstur.y). . bk = tingkat keabu-abuan yang berhubungan dengan puncak histogram untuk posisi piksel (x... b2. dan memenuhi syarat di bawah H 'x .. 2.9.1.

Analisis Sistem Setelah tahap perencanaan selesai. 2.BAB III RANCANGAN DAN PEMBUATAN 3. Intel Core i5-4278U. analisis sistem. 3.1. SSD 128 GB 2.1. Identifikasi Masalah Masalah yang dihadapi adalah penerapan metode SMOM dan ESTM dalam mencari kemiripan wajah dan metode pengelompokan ke dalam suatu album foto yang berisi citra wajah yang sama. Logitech Optical Mouse 3. Rancangan Sistem Pembuatan program album pengenalan wajah menggunakan metode System Development Lifecycle (SDLC) atau Siklus Pengembangan Sistem. Memori RAM 8 GB c. selanjutnya melakukan analisis terhadap sistem yang akan digunakan serta semua yang dibutuhkan dalam pembuatan sistem.6 GHz b. MacBook Pro 13-inch (Mid-2014). 3. Perangkat keras yang digunakan dalam perancangan sebagai berikut : 1.1. dengan spesifikasi a.1. yaitu perencanaan. perancangan. 3. Perencanaan Pada tahap ini terjadi dalam dua tahap yaitu identifikasi masalah dan menentukan tujuan dari sistem.1. Metode SDLC terdiri dari lima tahapan.1. Samsung Galaxy S4 .1.2. pembuatan coding dan pemeliharaan sistem.

3. membuat state transition diagram.1.3. membuat diagram hirarki.2 3. Android Studio 2.1.Perangkat lunak yang digunakan dalam pembuatan sistem ini adalah sebagai berikut: 1. Mac OSX 10.12 2. 3. Perancangan Tahap perancangan bertujuan untuk mempermudah dan memberikan gambaran dari tampilan program aplikasi yang akan dibuat. membuat flowchart program. Pada tahap perancangan. . Desain antar muka program Pada tahap ini dilakukan proses membuat desain antar muka aplikasi yang ramah terhadap pengguna sehingga mudah digunakan oleh pengguna.1. proses yang akan terjadi adalah membuat desain antar muka program.

Modul Menu Modul ini berisi pilihan menuju modul import.3. 3.1. 2. State Transition Diagram State Transision Diagram bertujuan untuk menunjukkan hubungan setiap modul dengan modul lainnya di dalam diagram hirarki . 3. 3. dan modul bantuan.1.3. Modul Bantuan Modul ini berisi bantuan untuk memakai aplikasi.2.3. Diagram Hirarki Diagram hirarki bertujuan untuk memperlihatkan keseluruhan struktur dalam perancangan yang dibuat.Pada aplikasi ini dirancang dengan beberapa modul yang dibuat sebagai berikut: 1. Modul Import Modul ini memasukkan gambar ke dalam aplikasi yang diambil dari gallery yang berisi citra dari ponsel pintar.