com
Abstrak topik dalam bidang visi komputer ini adalah analisis gambar. Analisis citra pertama melibatkan pemeriksaan
data citra untuk memfasilitasi pemecahan masalah penglihatan. Analisis kedua mencakup dua topik lain
sebagai ekstraksi fitur yang merupakan proses memperoleh informasi gambar tingkat yang lebih tinggi, seperti
Kompresi gambar adalah teknik yang relatif baru
informasi bentuk atau warna dan selanjutnya adalah Klasifikasi Pola yang merupakan tindakan mengambil
berdasarkan representasi gambar dengan transformasi
informasi tingkat yang lebih tinggi ini dan mengidentifikasi objek di dalam gambar. Pengenalan wajah telah
kontraktif, pada ruang gambar, yang titik tetapnya dekat
berulang kali menunjukkan pentingnya selama beberapa tahun terakhir dan karenanya tidak hanya itu adalah
dengan gambar asli. Tujuannya adalah untuk menemukan
bidang penelitian yang jelas dari analisis gambar, pengenalan pola dalam biometrik yang lebih tepat, tetapi
teknik mana yang paling efisien dan paling baik diterapkan
juga telah menjadi bagian penting dari kehidupan kita sehari-hari sejak diperkenalkan sebagai salah satu
pada proyek yang dilakukan. Ini adalah aplikasi komputer
untuk secara otomatis mengidentifikasi atau memverifikasi metode identifikasi yang akan digunakan di epassport[16]. Topik kami tentang pemrosesan gambar adalah
seseorang dari gambar digital atau bingkai video dari teknik mengidentifikasi orang-orang dengan Robot secara real time. Kami menggunakan Teknik Pemrosesan
sumber video. Makalah ini menyajikan pengolahan citra Gambar yang dapat mendeteksi banyak wajah. Ini secara efektif melacak wajah manusia dan mendeteksinya
real-time dari identifikasi wajah manusia untuk robot [6]. Ini adalah sistem yang bekerja dengan mengenali wajah manusia dan kemudian memberikan relay
RT
layanan rumah (HSR). Sistem visi ini dibentuk oleh dua sub- berdasarkan hasil atau kesimpulannya. Perangkat lunak bersama dengan perangkat keras dibuat yang akan
JJE
sistem individu. Yang pertama adalah subsistem deteksi mengenali wajah manusia dengan berbagai algoritma yang digunakan. Algoritma yang digunakan akan
dan pelacakan wajah berdasarkan detektor kulit adaptif, membandingkan gambar yang berbeda dengan gambar yang telah ditentukan sebelumnya atau gambar yang
ya
filter kondensasi dengan partikel komputasi paralel, dan dipelajari dengan gambar video nyata. Tujuan akhirnya adalah untuk membawa perubahan dalam sistem
Sa
pengklasifikasi seperti Haar. Dan prediktor gerakan pengenalan wajah saat ini sehingga membuatnya lebih efisien dan kuat [6]. Ini secara efektif melacak wajah
ya
sederhana dan cepat juga diusulkan untuk pelacakan manusia dan mendeteksinya [6]. Ini adalah sistem yang bekerja dengan mengenali wajah manusia dan
wajah. kemudian memberikan relay berdasarkan hasil atau kesimpulannya. Perangkat lunak bersama dengan
Sa
perangkat keras dibuat yang akan mengenali wajah manusia dengan berbagai algoritma yang digunakan.
Algoritma yang digunakan akan membandingkan gambar yang berbeda dengan gambar yang telah ditentukan
I. PENDAHULUAN
sebelumnya atau gambar yang dipelajari dengan gambar video nyata. Tujuan akhirnya adalah untuk membawa
perubahan dalam sistem pengenalan wajah saat ini sehingga membuatnya lebih efisien dan kuat [6]. Ini secara
efektif melacak wajah manusia dan mendeteksinya [6]. Ini adalah sistem yang bekerja dengan mengenali wajah
Pemrosesan Gambar adalah metode untuk mengubah gambar
manusia dan kemudian memberikan relay berdasarkan hasil atau kesimpulannya. Perangkat lunak bersama
menjadi bentuk digital dan melakukan beberapa operasi di
dengan perangkat keras dibuat yang akan mengenali wajah manusia dengan berbagai algoritma yang
atasnya, untuk mendapatkan gambar yang disempurnakan
digunakan. Algoritma yang digunakan akan membandingkan gambar yang berbeda dengan gambar yang telah
atau untuk mengekstrak beberapa informasi yang berguna
ditentukan sebelumnya atau gambar yang dipelajari dengan gambar video nyata. Tujuan akhirnya adalah untuk
darinya. Ini adalah jenis dispensasi sinyal di mana input adalah
membawa perubahan dalam sistem pengenalan wajah saat ini sehingga membuatnya lebih efisien dan kuat [6].
gambar, seperti bingkai video atau foto dan output dapat
berupa gambar atau karakteristik yang terkait dengan gambar
II. MODEL SISTEM
itu. Biasanya sistem pemrosesan gambar termasuk
memperlakukan gambar sebagai sinyal dua dimensi sambil
A. Deteksi wajah adalah langkah paling mendasar untuk
menerapkan metode pemrosesan sinyal yang telah ditetapkan
analisis wajah otomatis. Langkah tersebut dapat dianggap
untuk mereka. Ini adalah salah satu teknologi yang
sebagai sub-sistem input gambar dari kamera dan output
berkembang pesat saat ini, dengan aplikasinya dalam berbagai
lokasi dan ukuran wajah. Keluaran sistem pendeteksi wajah
aspek bisnis. Ini pada dasarnya mencakup tiga langkah seperti
dapat berupa input pengenalan wajah, pelacakan wajah,
mengimpor gambar dengan pemindai optik atau dengan
wajah
fotografi digital, menganalisis dan memanipulasi citra yang
otentikasi, pengenalan ekspresi wajah dan sistem pengenalan
meliputi kompresi data dan citra Peningkatan dan pola bercak
gerakan wajah. Jika citra wajah diberikan dengan ukuran dan
yang tidak terlihat oleh mata manusia seperti foto satelit dan
lokasi bingkai, kita dapat menormalkan skala, iluminasi atau
keluaran adalah tahap terakhir dimana hasil dapat diubah citra
orientasi untuk melanjutkan analisis wajah kita. Namun, wajah
atau laporan yang didasarkan pada analisis citra. Computer
manusia termasuk dalam objek dinamis, sehingga banyak kelas
vision (CV) adalah pencitraan komputer di mana aplikasi tidak
pendekatan yang diusulkan untuk menyelesaikan masalah ini.
melibatkan manusia dalam loop visual. Salah satu yang utama
Tiga kelas utama adalah kulit-
www.ijert.org 283
Jurnal Internasional Riset & Teknologi Teknik (IJERT)
Prosiding Konferensi 14 ICONECT
www.ijert.org 284
Jurnal Internasional Riset & Teknologi Teknik (IJERT)
Prosiding Konferensi 14 ICONECT
gerak manusia atau benda itu terus menerus, artinya manusia Port COM dari IBM PC untuk menyingkirkan pembakar
atau benda itu tidak dapat hilang atau muncul secara tiba-tiba. ROM.
Sangat mudah untuk menggabungkan konsep tentang ROI.
Dengan kata lain, kita dapat mengatur ROI lebih besar dari B. Driver Motor L293D: Ini adalah sirkuit terintegrasi (IC)
wilayah terakhir yang terdeteksi manusia atau objek. Jika dosis driver motor H-bridge ganda. Driver motor bertindak
gangguan tidak muncul di ROI, itu tidak akan terdeteksi dan sebagai penguat arus karena mereka mengambil sinyal
meningkatkan ketahanan. Dalam kata nyata, karena webcam kontrol arus rendah dan memberikan sinyal arus yang lebih
memiliki batasan frame rate maksimum (30fbs), manusia atau tinggi. Sinyal arus yang lebih tinggi ini digunakan untuk
objek tidak dapat menghilang atau muncul secara tiba-tiba. menggerakkan motor. L293D berisi dua sirkuit driver H-
menggabungkan konsep tentang ROI dengan kata lain kita bridge bawaan. Dalam mode operasinya yang umum, dua
dapat mengatur ROI sedikit lebih besar dari wilayah terakhir motor DC dapat digerakkan secara bersamaan, baik dalam
yang mendeteksi manusia atau objek. Jika gangguan tidak arah maju maupun mundur. Operasi motor dari dua motor
muncul di ROI maka tidak akan terdeteksi dan meningkatkan dapat dikontrol oleh logika input pada pin 2 & 7 dan 10 &
ketahanan. Sebenarnya karena webcam memiliki frame rate 15. Logika input 00 atau 11 akan menghentikan motor yang
maksimum (30fps.) membatasi manusia atau objek terkadang sesuai. Logika 01 dan 10 akan memutarnya searah jarum
bergerak cepat untuk melacak. Dalam situasi ini, kami dapat jam dan berlawanan arah jarum jam. Aktifkan pin 1 dan 9
menginisialisasi pelacak gerak kami kembali ke pencarian (sesuai dengan dua motor) harus tinggi agar motor dapat
global lebih lanjut. Artinya, kita akan memiliki tingkat kesalahan mulai beroperasi. Ketika input aktifkan tinggi, driver terkait
yang sangat rendah dengan kinerja yang tinggi. akan diaktifkan. Hasil dari, output menjadi aktif dan bekerja
sefase dengan inputnya. Demikian pula, ketika input
aktifkan rendah, driver itu dinonaktifkan, dan outputnya
D. Pembuatan database: Setelah mengekstrak fitur wajah, mati dan dalam keadaan impedansi tinggi [11].
disimpan dalam database dengan id-nya menggunakan
perpustakaan openCV. C. LCD (Liquid Crystal Display): Ini adalah modul tampilan
elektronik dan menemukan berbagai aplikasi. Layar LCD
E. Pengenalan Wajah: Proses pengenalan melibatkan robot 16x2 adalah modul yang sangat dasar dan sangat umum
yang mendeteksi wajah menggunakan algoritma PCA, LDA, digunakan di berbagai perangkat dan sirkuit. Modul ini
LBPH yang merupakan algoritma bawaan di perpustakaan
RT
lebih disukai daripada tujuh segmen dan LED multi segmen
openCV untuk pengenalan wajah. Robot akan bergerak lainnya. Alasannya adalah: LCD ekonomis; mudah
JJE
menangkap gambar secara real time dan kembali diprogram; tidak memiliki batasan untuk menampilkan
ya
melakukan proses pendeteksian wajah. Robot tersebut karakter khusus & bahkan kustom (tidak seperti di tujuh
merupakan robot beroda dengan ruster wheel sebesar 10
Sa
oleh kamera dan resolusi yang tepat. itu. Pada LCD ini setiap karakter ditampilkan dalam matriks
Sa
www.ijert.org 285
Jurnal Internasional Riset & Teknologi Teknik (IJERT)
Prosiding Konferensi 14 ICONECT
mengubah level input TTL/CMOS menjadi level RS232. Antarmuka CUDA dan OpenCV sedang dikembangkan
Pemancar mengambil input dari pin transmisi serial secara aktif saat ini. Ada lebih dari 500 algoritma dan
pengontrol dan mengirimkan output ke penerima sekitar 10 kali lebih banyak fungsi yang menyusun atau
RS232. Penerima, di sisi lain, mengambil input dari pin mendukung algoritma tersebut. OpenCV ditulis secara
transmisi port serial RS232 dan memberikan output native dalam C++ dan memiliki antarmuka templat yang
serial ke pin penerima mikrokontroler. MAX232 bekerja secara mulus dengan wadah STL [10].
membutuhkan empat kapasitor eksternal yang nilainya
A. .NET: .NET Framework adalah kerangka kerja perangkat lunak
berkisar dari 1µF hingga 22µF.
yang dikembangkan oleh Microsoft yang berjalan terutama di
Microsoft Windows. Ini termasuk perpustakaan besar dan
E. Catu Daya: Unit ini akan mensuplai berbagai kebutuhan
menyediakan interoperabilitas bahasa (setiap bahasa dapat
tegangan setiap unit. Ini akan terdiri dari transformator,
menggunakan kode yang ditulis dalam bahasa lain) di beberapa
penyearah, filter dan regulator. Penyearah yang digunakan
bahasa pemrograman. Program yang ditulis untuk
di sini adalah Penyearah Jembatan.
. .NET Framework dieksekusi di lingkungan perangkat lunak
(berbeda dengan lingkungan perangkat keras), yang dikenal
V. PERSYARATAN PERANGKAT LUNAK: sebagai Common Language Runtime (CLR), mesin virtual
aplikasi yang menyediakan layanan seperti keamanan,
OpenCV (Open Source Computer Vision Library)
manajemen memori, dan penanganan pengecualian.
adalah open source computer vision dan
Perpustakaan kelas dan CLR bersama-sama membentuk .NET
perpustakaan perangkat lunak pembelajaran mesin.
Framework [11]. Perpustakaan Kelas Dasar .NET Framework
OpenCV dibangun untuk menyediakan infrastruktur
menyediakan antarmuka pengguna, akses data, konektivitas
umum untuk aplikasi visi komputer dan untuk
database, kriptografi, pengembangan aplikasi web, algoritme
mempercepat penggunaan persepsi mesin dalam
numerik, dan komunikasi jaringan. Pemrogram menghasilkan
produk komersial. Menjadi produk berlisensi BSD,
perangkat lunak dengan menggabungkan kode sumber mereka
OpenCV memudahkan bisnis untuk memanfaatkan
sendiri dengan .NET Framework dan perpustakaan lainnya. .NET
dan memodifikasi kode. Pustaka ini memiliki lebih
Framework dimaksudkan untuk digunakan oleh sebagian besar
dari 2500 algoritme yang dioptimalkan, yang
aplikasi baru yang dibuat untuk platform Windows. Microsoft
mencakup seperangkat visi komputer klasik dan
juga memproduksi lingkungan pengembangan terintegrasi
canggih serta algoritme pembelajaran mesin [ 7].
RT
sebagian besar untuk perangkat lunak .NET yang disebut Visual
Algoritma ini dapat digunakan untuk mendeteksi
Studio.
JJE
mengklasifikasikan tindakan manusia dalam video, B. C# : Ini adalah bahasa pemrograman multi-paradigma
melacak pergerakan kamera, melacak objek yang mencakup pengetikan yang kuat, imperatif, deklaratif,
Sa
bergerak, mengekstrak model objek 3D, fungsional, prosedural, generik, berorientasi objek
ya
menghasilkan awan titik 3D dari kamera stereo, (berbasis kelas), dan disiplin pemrograman berorientasi
Sa
menggabungkan gambar untuk menghasilkan komponen. Ini dikembangkan oleh Microsoft dalam
gambar resolusi tinggi dari seluruh pemandangan, . Inisiatif .NET dan kemudian disetujui sebagai standar oleh
menemukan gambar serupa dari database gambar, Ecma (ECMA-334) dan ISO (ISO/IEC 23270:2006). C# adalah
menghilangkan mata merah dari gambar yang salah satu bahasa pemrograman yang dirancang untuk
diambil menggunakan flash, mengikuti gerakan Infrastruktur Bahasa Umum [10]. C# dimaksudkan untuk
mata, mengenali pemandangan dan membuat menjadi bahasa pemrograman berorientasi objek yang
penanda untuk melapisinya dengan augmented sederhana, modern, untuk tujuan umum.
reality, dll. OpenCV memiliki lebih dari 47 ribu orang
komunitas pengguna dan perkiraan jumlah
unduhan melebihi 7 juta. Perpustakaan digunakan
secara luas di perusahaan, kelompok penelitian dan
oleh badan pemerintah [10]. Seiring dengan
perusahaan mapan seperti Google, Yahoo,
Microsoft, Intel, IBM, Sony, Honda, Toyota yang
menggunakan perpustakaan, ada banyak start-up
seperti seperti Applied Minds, Video Surf, dan
Zeitera, yang menggunakan OpenCV secara
ekstensif. Penggunaan OpenCV yang diterapkan
mencakup rentang dari menggabungkan gambar
streetview, mendeteksi intrusi dalam video
pengawasan di Israel,
Ini memiliki antarmuka C++, C, dan Python, Java dan
MATLAB dan mendukung Windows, Linux, Android
dan Mac OS. OpenCV sebagian besar condong ke
aplikasi visi waktu nyata dan memanfaatkan
instruksi MMX dan SSE bila tersedia. Fitur lengkap
www.ijert.org 286
Jurnal Internasional Riset & Teknologi Teknik (IJERT)
Prosiding Konferensi 14 ICONECT
IX. APLIKASI
www.ijert.org 287
Jurnal Internasional Riset & Teknologi Teknik (IJERT)
Prosiding Konferensi 14 ICONECT
B. Dengan basis data yang lebih banyak sehingga lebih banyak [16]. Tinjauan "Pemrosesan dan analisis citra:
gambar yang dapat dipelajari. Komponen yang lebih murah metode variasi, PDE, Wavelet, dan Stochastic" oleh
dapat diusulkan. Tony F. Chan dan Jianhong (Jackie) Shen.
[17]. Kompresi Gambar dalam Pengenalan Wajah-
Survei Sastra KresimirDelac, Sonja Grgic dan
XI. KESIMPULAN MislavGrgic.University of Zagreb, Fakultas Teknik
Elektro dan Komputasi Kroasia.
Berdasarkan proyek ini kita dapat menyimpulkan
[18]. Tinjauan komparatif pemrosesan gambar
bahwa dengan dua metode tersebut kita dapat
dan visi komputer Bruce A. Maxwell. University of
membuat prosedur pembelajaran dan deteksi untuk
North Dakota, Departemen Ilmu Komputer,
robot. Ini menyajikan sistem visi paralel waktu nyata
Grand Forks, ND 58202-9015.
untuk robot layanan. Sistem penglihatan diatur oleh
subsistem individu, subsistem pelacakan deteksi wajah
berdasarkan detektor kulit adaptif, dan prediktor
gerakan sederhana dan cepat disusun untuk pelacakan
wajah. Sistem ini berguna dalam banyak aplikasi robot
misalnya deteksi wajah, pelacakan wajah dan
penentuan wajah. Yang kedua adalah sistem
pengenalan wajah berdasarkan algoritma seperti PCA
dan prosedur pengenalan. Sangat kuat dan efisien
untuk mengenali banyak orang secara online dalam
pandangan yang berbeda dan adegan yang tidak
diketahui. Lingkup masa depan untuk proyek ini adalah
pembuatan database yang lebih luas yaitu,
X.REFERENSI
RT
Diakses 2008-0-04
ya
www.ijert.org 288