Makalah

Pengolahan Citra Digital

Pengenalan Wajah

Nama NIM

: Kartika Dwi Hapsari : 105060809111003

Pengenalan wajah atau merupakan sebuah sistem identifikasi pribadi yang menggunakan karakteristik pribadi seseorang (dalam hal ini wajah orang tersebut) untuk mengidentifikasikan identitas orang tersebut. 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.

A. Apa yang dikerjakan pada tahap low level processing

Pada tahap low level processing, yang dikerjakan adalah Input-Prses-Output. Inputan berupa gambar, kemudian gambar tersebut diolah sedemikian yang menghasilkan output berupa hasil proses gambar.

B. Bagaimana proses segmentasinya

Segmentasi wajah merupakan proses akhir sebelum wajah benar-benar dilokalisasi. Segmentasi wajah akan selalu melibatkan berbagai keputusan-keputusan awal di dalam pengelompokan warna kulit. Warna kulit sendiri belum cukup memberikan informasi apakah region pembentuknya adalah wajah atau bukan. Mengatasi hal tersebut maka perlu dilakukan penelitian berdasarkan knowledge based method untuk

mengklasifikasikan daerah-daerah wajah berdasarkan warna kulit. Segmentasi dihubungkan dengan pemisahan suatu region berdasarkan karakteristik suatu objek atau fitur tertentu dengan backgroundnya. Segmentasi secara primitif dapat dilakukan menggunakan tiga pendekatan, (1) segmentasi berbasis pixel, (2) segmentasi berbasis region, dan (3) segmentasi berbasis edge. Selain model segmentasi di atas, segmentasi juga dapat dilakukan dengan teknik-teknik pemodelan seperti segmentasi berdasarkan model transformasi Hough dan segmentasifast transformasi Hough berbasis orientasi. Pada skema proses, filtering merupakan tahap penyaringan pixel-pixel berdasarkan karakteristik nilai intensitas pixel suatu objek, dan tresholding melakukan pemisahan secara lebih tajam berdasarkan fungsi berikut : denganT merupakan nilai tresholding.

Pada skema proses pensegmentasian citra berbasis region, tahapan region merging merupakan tahapan penggabungan beberapa region yang terpisah sehingga

penggabungannya membentuk suatu pola fitur tertentu secara utuh. Region sendiri terdiri dari sekumpulan pixel yang membentuk suatu pola untuk fitur tertentu. Pada segmentasi jenis ini, fitur yang akan diujicobakan bisa saja memiliki region-region yang terpisah tetapi masih merupakan kesatuan pola, sehingga diperlukan pola atau ciri fitur tertentu sebagai pembandingnya.

1.

Segmentasi Berdasarkan Warna Kulit Berbagai penelitian pendeteksian wajah, dalam melakukan pelokalisiran region wajahnya pada citra, selalu melalui suatu proses segmentasi warna kulit. Warna kulit merupakan komponen penting di dalam membangun suatu sistem pendeteksian wajah yang lebih akurat, cepat, dan sederhana. Walaupun warna sering muncul bervariasi di dalam sebuah citra untuk objek yang sama, tetapi warna kulit wajah tetap memiliki keunikan-keunikan yang dapat menjadi acuan untuk mengklasifikasi region face. Crowley dan Coutaz mengatakan bahwa salah satu algoritma pendeteksian wajah yang paling sederhana adalah dengan melibatkan pensegmentasian warna kulit. Di dalam penelitiannya, pixel-pixel yang memuat informasi warna kulit dideteksi menggunakan histogram warna kulit yang dinormalisasi, selanjutnya dinormalisasi berdasarkan berbagai nilai sebaran intensitas menggunakan

pendekatan kriteria pencahayaan, dan diakhiri dengan pengkonversian ruang warna R, G, dan B menjadi vektor warna ternormalisasi [ r ,g] . Penelitian warna kulit untuk pendeteksian wajah selanjutnya dilakukan kembali oleh Singh dan kawankawan dengan menggunakan tiga ruang warna RGB, YCbCr dan HIS. Persen akurasi diuji menggunakan persamaan : % akurasi 100 - (false detection rate + false dismissal rate) dan pengujian pendeteksian wajah dilakukan pada 1100 buah citra berdasarkan algoritma pendeteksian warna kulit. Untuk ruang warna RGB, diperoleh : Jumlah citra sample 1100 False detection rate % 25,45 False dismissal rate % 18,09

Dengan representasi ruang distribusinya :

Pada tahun 2003 Peer, Kovac, dan Solina mengajukan suatu metode pensegmentasian wajah yang mengacu kepada pendefinisian region warna kulit secara eksplisit. Menurut Peer warna kulit akan dominan muncul berdasarkan kriteria berikut :

Pendekatan pendefinian region warna kulit secara eksplisit oleh Peer didukung juga oleh Ahlberg, Fleck, dan Jordao. Keunggulan dari pendekatan Peer adalah kecepatan pengklasifiasian region warna kulit, dan kekurangannya adalah tingkat kesalahan di dalam membedakan antara warna kulit palsu dengan warna kulit aslinya. Dan karena kesulitan di dalam mengklasifikasi warna kulit yang merupakan bagian dari warna kulit manusia, maka biasanya para peneliti yang mengadopsi kriteria Peer biasanya menambahkan pendekatan tambahan seperti perbandingan template untuk sistem pendeteksian wajah khususnya. Metode pensegmentasian warna kulit lainnya adalah mengacu kepada pemodelan warna kulit pengklasifikasi Bayesian. Pada pengklasifikasi Bayesian, probabilitas warna kulit dimodelkan berdasarkan persamaan :

Dimana P(skin | c) merupakan probabilitas sebaran nilai intensitas warna kulit pada histogram, dan P(skin | c) merupakan probabilitas sebaran nilai intensitas bukan warna kulit pada histogram. P( skin ) dan P( ~ skin ) secara berturut-turut merupakan nilai probabilitas yang diestimasi sebelumnya untuk kulit dan bukan warna kulit yang diperoleh berdasarkan pelatihan pada sekumpulan citra.

Metode pensegmentasian warna kulit lainnya yang lebih populer dan dominan digunakan di dalam penelitian pendeteksian wajah berdasarkan warna kulit adalah metode pensegmentasian warna kulit berdasarkan pemodelan distribusi warna kulit secara parametrik Gaussian. Distribusi warna kulit Gaussian tunggal dimodelkan berdasarkan fungsi densitas probabilitas (pdf) yang memenuhi :

di mana,c merupakan vektor warna, s merupakan vektor rata-rata, s merupakan matriks kovarians. Parameter pemodelan diestimasi berdasarkan pelatihan pada sampel dengan kriteria :

dimana n merupakan jumlah total sample warna kulit cj.

C. Bagaimana Ekstraksi cirinya

Prosesnya adalah ekstraksi fitur mata, hidung dan mulut dari citra wajah. Pengekstraksian ini akan menentukan lokasi dari fitur tersebut pada suatu citra wajah, yang dikerjakan pada ruang warna YCbCr untuk memisahkan komponen luminance dan chrominance dari citra wajah sehingga dapat mengurangi efek pencahayaan pada suatu citra. Selanjutnya dihitung jarak antar fitur-fitur tersebut yaitu : jarak mata kiri mata kanan jarak mata kanan mulut jarak mata kiri mulut jarak mata kanan hidung jarak mata kiri hidung jarak hidung mulut tinggi hidung lebar hidung

Proses ekstraksi wajah pada penulisan ini dibagi atas tiga tahap, yaitu: 1. 2. 3. Tahap pembagian wajah. Tahap deteksi dan ekstraksi fitur wajah. Tahap pengukuran/ penghitungan jarak antar fitur wajah.

Citra wajah yang akan diekstraksi fiturnya terlebih dahulu diproses dengan melakukan pembagian daerah pada citra wajah, dengan tujuan untuk mempersempit ruang lingkup pendeteksian fitur wajah sehingga hasil ekstraksi diharapkan dapat lebih akurat dan memperkecil kemungkinan terdeteksinya fitur wajah lainnya. Kemudian dilakukan deteksi dengan melakukan perhitungan terhadap komponen-komponen ruang warna pada citra wajah terhadap daerah yang dianggap sebagai lokasi dari fitur wajah yang akan diekstraksi untuk mendapatkan lokasi dari fitur-fitur tersebut. Selanjutnya dilakukan proses ekstraksi fitur-fitur wajah.

1.

Pembagian Wajah Pembagian daerah ini akan dilakukan dalam tiga bagian, yaitu pembagian daerah wajah, mata, dan daerah mulut. Syarat citra wajah yang bisa diproses pada pembagian ini minimal harus memiliki daerah dahi dan dagu, dan maksimal daerah leher terdapat dalam citra wajah tersebut. Dalam penelitian ini dilakukan perbaikan pada pembagian daerah mulut untuk mengatasi kekurangan pada penelitian sebelumnya [7]. Penelitian tersebut melakukan pembagian daerah mulut sehingga didapatkan daerah yang menunjukkan kemungkinan posisi dari mulut yang terdapat di tengah-tengahnya, baik secara vertikal maupun secara horizontal. Sedangkan fitur mulut pada citra wajah dalam penelitian ini tidak selalu berada di tengah-tengah daerah mulut secara vertikal, karena terdapat wilayah leher pada sebagian citra daerah mulut yang akan mempengaruhi posisi fitur mulut terhadap wilayah mulut.

Pembagian daerah mulut sebelumnya

Perbaikan pembagian daerah mulut

2.

Deteksi dan Ekstraksi Fitur Wajah Apabila pemotongan citra wajah telah dilakukan, maka selanjutnya dilakukan ekstraksi fitur wajah : a) Ekstraksi mata, didapatkan dengan membentuk peta mata

b)

Ekstraksi mulut, didapatkan dengan membentuk peta mulut

c)

Ekstraksi hidung, dilakukan setelah jarak titik tengah mata kanan dan kiri ditemukan. Kemudian ditentukan nilai tinggi dan lebar hidung,

Rumus yang digunakan untuk menentukan ukuran hidung adalah : tinggi_hidung = 0.75 X jarak vertikal antara dua mata dan pangkal hidung lebar_hidung = 0.65 X jarak vertikal antara dua mata Ekstraksi puncak hidung (nostril), dilakukan setelah hidung bisa diekstraksi dan daerah hidung tersebut kemudian dibagi lagi menjadi beberapa bagian untuk mendapatkan wilayah spesifik dari puncak hidung. Pembagian tersebut memberikan hasil berikut : 1. Daerah hidung bagian atas 2. Daerah hidung bagian bawah, yang terdiri dari : a) Hidung bagian bawah kanan b) Hidung bagian bawah tengah c) Hidung bagian bawah kiri Daerah hidung bagian bawah tengah inilah yang merupakan wilayah spesifik puncak hidung. Kemudian dengan melakukan pemetaan pada wilayah ini, maka didapat puncak hidung. Puncak hidung ini nantinya akan menjadi salah satu patokan untuk pengukuran dari dan ke arah hidung. Setelah keseluruhan ekstraksi dapat dilakukan, kemudian dilakukan pengkotakkan pada setiap daerah fitur wajah yang diekstraksi, kecuali pada puncak hidung yang hanya ditandai dengan sebuah titik. Hasil ekstraksi dan pengkotakkan fitur wajah :

3.

Pengukuran Jarak Fitur Wajah Jarak antara tiap-tiap fitur wajah adalah jarak dari tiap titik-titik yang terdapat pada kotak fitur wajah, yaitu: a) b) c) d) e) Titik tengah kotak mata kanan. Titik tengah kotak mata kiri. Titik tengah kotak mulut. Titik puncak hidung. Titik ujung lebar hidung. Dari kelima titik inilah nantinya akan didapatkan seluruh jarak antara fitur wajah seperti yang telah disebutkan pada awal tulisan ini. Pencarian jarak dari titik wajah ini dilakukan dengan cara mencari selisih koordinat baris/ kolom tiap titik jika didapatkan garis vertikal/horizontal yang sempurna untuk menghubungkan titik-titik tersebut. Jika tidak maka digunakan pendekatan dengan rumus pitagoras, karena dari tiap-tiap titik tersebut bisa ditarik garis-garis tambahan dari posisi koordinat baris dan kolom titik-titik tersebut yang akan membentuk segitiga siku-siku, dan jarak fitur wajah didapat dari jarak sisi diagonal dari segitiga siku-siku tersebut. Jarak fitur wajah yang berupa bilangan desimal akan diubah nilainya ke dalam bentuk bilangan bulat terdekat. Jarak antara fitur yang digunakan dalam penelitian ini adalah jarak antara mata kiri kanan, mata kanan mulut, mata kiri mulut, mata kanan ujung hidung, mata kiri ujung hidung, mulut ujung hidung, tinggi hidung, lebar hidung. Kombinasi jarak ini membentuk semantik yang mencerminkan keunikan fitur wajah.

D. Bagaimana proses pengenalannya

Proses pengenalan wajah mulai dari penginputan citra dari user sampai dikenali atau tidaknya user tersebut. 1. Pengambilan Citra

Citra yang diambil dalam tahap pengambilan citra ini terdiri dari 2 jenis yaitu : database image dan query image. Database image merupakan citra yang diambil untuk melakukan penyimpanan ke dalam database, sehingga orang tersebut dapat dikenali. Sedangkan query image merupakan citra yang diambil untuk melakukan pengenalan terhadap orang tersebut dengan asumsi bahwa citra wajah dari orang tersebut telah terdapat dalam database. 2. Image preprocessing Merupakan tahapan dimana citra disiapkan agar citra tersebut dapat diproses lebih lanjut dan agar sistem berjalan dapat berjalan secara optimal. Beberapa proses yang dapat dilakukan seperti mengubah format warna dan normalisasi citra. Pada penulisan ini dalam proses mengubah format warna adalah pengubahan format warna dari citra menjadi format greyscale dan proses normalisasi citra dilakukan dengan histogram equalization .

3.

Feature Extraction Tahap ekstraksi fitur wajah merupakan tahapan yang cukup penting. Dimana pada tahap ini akan dicari informasi-informasi yang merupakan ciri khusus dari tiap wajah manusia. Ciri-ciri tersebut pada umumnya akan selalu tetap/tidak berubah untuk tiap manusia dewasa (sudah tidak mengalami masa pertumbuhan) dan berbeda-beda untuk tiap manusia, sehingga dapat dijadikan dasar untuk mendapatkan identitas dari suatu wajah.

4.

Classifier Tahap classifier ini hanya akan dilakukan apabila citra yang dimasukkan untuk pengenalan. Input bagi tahapan ini yaitu feature vector. Proses dari tahapan ini memakai feature vector dari masing-masing citra dimana antara citra tersebut dihitung jarak-nya sehingga menghasilkan nilai individual threshold. Nilai ini didapatkan dari jarak pada intra class dan inter class. Proses pada tahapan ini hampir mirip dengan proses pada tahapan recognition. Pada proses distance threshold(c) merupakan sebuah proses yang menghitung setengah dari selisih antara jarak terbesar intra class dan jarak terkecil inter class. Intra class merupakan jarak feature vector antara kedua citra dari individu yang sama, dimana menunjukkan seberapa mirip citra-citra tersebut. Inter class merupakan jarak feature vector antara kedua citra dari individu yang berbeda, dimana mengindikasikan perbedaan dari setiap citra dari suatu individu dengan citra dari individu lain di dalam database.

5.

Recognition Tahap recognition merupakan tahap terakhir dari sistem pengenalan wajah dan menghasilkan keputusan apakah citra tersebut dikenali atau tidak. Sebelum menghasilkan keputusan tersebut, hal yang harus dilakukan adalah membandingkan feature vector dari citra yang terdapat dalam database.

E.

Daftar Pustaka http://nugraharamadhany.blog.upi.edu/files/2009/06/proposal-penelitian1.pdf http://hsifles.wordpress.com/2009/05/07/image-processing/ http://www.scribd.com/doc/24644590/SEGMENTASI-WAJAH http://www.linkpdf.com/ebookviewer.php?url=http://paperwgdbis.abmutiara.info/Seminar_Image_Processing_2007/07 153-DewiAR.pdf http://frengki-wong.blogspot.com/2010/02/tahap-tahap-dalam-pengenalan-wajah.html