i
Universitas Kristen Maranatha
PERANCANGAN dan REALISASI FACETRACKER WEBCAM
MENGGUNAKAN METODE HAAR-LIKE FEATURE
BERBASIS RASPBERRY PI 2
Disusun oleh :
Steven Christian Santosa (1222038)
Program Studi Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha
Jalan Prof. Drg. Suria Sumantri, MPH. No. 65, Bandung, Jawa Barat, Indonesia
E-mail : stevenchristian94@gmail.com
ABSTRAK
Sistem pengenalan wajah adalah aplikasi dari pengolahan citra yang dapat
mengidentifikasi seseorang melalui citra digital atau frame video. Sistem
pengenalan wajah telah menjadi salah satu aplikasi pengolahan citra yang populer,
terlebih dalam bidang sistem keamanan.
Metode haar-like feature merupakan proses ekstraksi ciri citra wajah yang digunakan untuk menggambarkan ciri dari citra sebuah wajah. Metode haar-like feature memproses gambar dalam kotak-kotak. Dalam satu kotak terdapat beberapa pixel, kemudian diproses untuk mendapatkan nilai threshold yang menandakan daerah terang dan daerah gelap.
Pada tugas akhir ini, dibuat sistem pergerakan webcam yang menggunakan pengenalan wajah berdasarkan pergerakan wajah menggunakan metode haar-like feature berbasis Raspberry Pi 2. Pada awalnya akan dibuat database terlebih dahulu, database di buat melalui proses training, setelah itu akan didapatkan nilai
threshold yang di simpan dalam bentuk XML database, Raspberry pi 2 akan membandingkan citra wajah yang tertangkap oleh kamera dengan nilai threshold
yang tersimpan dalam XML database. Setelah wajah terdeteksi, akan didapatkan posisi dari wajah, motor servo akan bergerak sesuai dengan pergerakan yang
Dari hasil realisasi dan pengamatan data, Sistem perancangan pergerakan
webcam berdasarkan perubahan posisi wajah menggunakan metode Haar-like features berbasis Raspberry Pi 2 telah dibuat dan berfungsi sesuai dengan yang diharapkan, perancangan dan realisasi face tracker webcam menggunakan metode
haar-like feature berbasis raspberry pi 2 memiliki persentase keberhasilan sistem sebesar 51,85% dari 9 responden dengan total 27 kali uji coba, Tingkat
keberhasilan sistem untuk wajah terdeteksi dan motor servo bergerak mengikuti
posisi wajah dengan menggunakan kacamata sebesar 46,67% dari 5 responden
dengan total 15 kali uji coba, Tingkat keberhasilan sistem untuk wajah terdeteksi
dan motor servo bergerak mengikuti posisi wajah dengan menggunakan topi
sebesar 20,00% dari 5 responden dengan total 15 kali uji coba.
Kata Kunci : Pengenalan Wajah, Raspberry Pi 2, Webcam, metode haar-like feature, motor servo
iii
Universitas Kristen Maranatha
DESIGN and REALIZATION OF FACE TRACKER WEBCAM
USING HAAR-LIKE FEATURE METHOD BASED ON
RASPBERRY PI 2
Composed by :
Steven Christian Santosa (1222038)
Electrical Engineering Department, Maranatha Christian University
Jl. Prof. Drg. Suria Sumantri, MPH. No. 65, Bandung, West Java, Indonesia
E-mail : stevenchristian94@gmail.com
ABSTRACT
Face recognition system is the application of image processing that can
identify a person through digital image or video frame . Face recognition system
has become one of the popular image processing applications , especially for
security systems .
Methods haar-like feature is a feature of the face image extraction
process that is used to describe the characteristics of the image of a face. Methods
haar-like feature to process images in boxes, where in one case there are a few
pixels, then processed to obtain a threshold value that indicates bright areas and
dark areas. The threshold value will be used as the basis of image processing.
In this final project, webcam movement system that uses facial
recognition based on facial movements using haar-like feature-based Raspberry Pi
2. Initially, the database will be made in advance, the database created through the
process of training, after which it will be obtained at the threshold value save as
camera with the threshold value stored in the XML database. Once a face is
detected, we will get the position of the face, the servo motor will move according
to the movement that occurs on the face, so the webcam can move to follow the
face.
From the results of the realization and observation of data , system
design movement of the webcam by changes in the position of the face using
Haar-like features based Raspberry Pi 2 was created and functioning as expected ,
design and realization of face tracker webcam using the haar -like feature based
raspberry pi 2 has a success rate of 51.85 % system of 9 respondents with a total
of 27 trials, the success rate of the system for the face is detected and the servo
motor moves follow the position of the face with glasses of 46.67 % of 5
respondents with a total of 15 trials, the success rate of the system for the face is
detected and servo motors move to the position of the face by wearing a cap of
20.00 % of 5 respondents with a total of 15 trials .
Keywords : Face recognition, Raspberry Pi 2, webcam, Haar-like feature method,
v
Universitas Kristen Maranatha
DAFTAR ISI
LEMBAR PENGESAHAN
PERNYATAAN ORISINALITAS LAPORAN PENELITIAN
PERNYATAAN PUBLIKASI LAPORAN TUGAS AKHIR
KATA PENGANTAR
1.2 Identifikasi Masalah ...2
1.3 Rumusan Masalah ...2
1.4 Tujuan ...2
1.5 Batasan Masalah...3
1.6 Sistematika Penulisan ...3
BAB 2 LANDASAN TEORI ... 6
2.1 Pengolahan Citra ...6
2.1.1 Operasi Pengolahan Citra ...8
2.2 Metode Haar Like Feature ...9
2.2.1 Training Data Pada Haar ...9
2.2.2 Sistem Kerja Algoritma Haar Cascade Classifier ... 11
2.2.3 Haar-Like Feature... 11
2.2.4 Pre-Processing Image ...13
2.2.4.1 Scalling ... 13
2.2.5 Integral Image ... 13
2.2.6 AdaBoost ... 15
2.2.7 Cascade Classifier ... 17
2.3 XML Database ... 18
2.4 Raspberry Pi 2 ... 19
2.5 Logitech® Webcam C170 ... 22
2.6 Motor Servo ... 22
2.7 Prinsip Kerja Motor Servo... 24
2.8 Bahasa Pemrograman Python ... 25
2.8.1 Variabel ... 28
BAB 3 PERANCANGAN DAN REALISASI ... 34
3.1 Perancangan Sistem ... 34
3.2 Perancangan Perangkat Pergerakan Webcam ... 35
3.2.1 Wiring Diagram Pengendalian Motor Servo ... 38
3.3 Diagram Alir Pembuatan Database ... 39
3.4 Proses Pembuatan Database ... 40
3.4.1 Pengumpulan Gambar ... 40
3.4.2 Penyusunan Gambar Negatif ... 41
3.4.3 Crop Gambar Positif ... 42
3.4.4 Buat Vektor dari Gambar Positif ... 44
3.4.5 Haar-tranning ... 45
vii
Universitas Kristen Maranatha
3.5 Diagram Alir Sistem Pergerakan Webcam Berdasarkan Perubahan Posisi Wajah .. 48
3.6 Diagram Alir Proses Pendeteksian Posisi Wajah ... 50
3.7 Diagram Alir Proses Pengendali Motor Servo ... 51
3.7.1 Motor Servo Sumbu X... 51
3.7.2 Motor Servo Sumbu Y... 52
BAB 4 DATA PENGAMATAN DAN ANALISIS... 53
4.1 Proses Pengambilan Data ... 53
4.2 Data Pengamatan ... 54
4.2.1 Objek Manusia Tanpa Menggunakan Aksesoris ... 55
4.2.2 Objek Manusia Menggunakan Kacamata ... 57
4.2.3 Objek Manusia Menggunakan Topi ... 58
4.3 Analisis Data ... 59
BAB 5 SIMPULAN DAN SARAN ... 60
5.1 Simpulan ... 60
5.2 Saran ... 61
DAFTAR PUSTAKA ... 62
DAFTAR TABEL
Tabel 2.1 Spesifikasi Raspberry Pi 2... 19
Tabel 2.2 Pin-pin GPIO Raspberry Pi 2 model B ... 21
Tabel 4.1 Pengamatan Objek Manusia Tanpa Menggunakan Aksesoris ... 55
Tabel 4.2 Pengamatan Objek Manusia Menggunakan Kacamata ... 57
ix
Universitas Kristen Maranatha
DAFTAR GAMBAR
Gambar 2.1 Contoh Positive Samples ... 10
Gambar 2.2 Contoh Negative Samples ... 10
Gambar 2.3 Haar Feature ... 12
Gambar 2.4 Gambar Sebelum dan Sesudah Grayscale ... 13
Gambar 2.5 Integral Image ... 14
Gambar 2.6 Algortma Boosting ... 16
Gambar 2.7 Proses Cascade Classifier ... 17
Gambar 2.8 Raspberry Pi 2 Model B ... 19
Gambar 2.9 Logitech Webcam C170 ... 22
Gambar 2.10 Motor Servo Tower Pro MG90 ... 24
Gambar 2.11 Pulse Width Modulation Pada Motor Servo ... 25
Gambar 3.1 Diagram Blok Sistem Face Tracker ... 35
Gambar 3.2.a Desain Perangkat Face Tracker ... 36
Gambar 3.2.b Desain Real Perangkat Face Tracker ... 37
Gambar 3.3 Desain Wiring Diagram Pengendalian Motor Servo ... 38
Gambar 3.4 Diagram Alir Pembuatan Database ... 39
Gambar 3.5 Contoh Gambar Positif ... 40
Gambar 3.6 Contoh Gambar Negatif... 41
Gambar 3.7 Source Code Create-list Batch File ... 41
Gambar 3.8 Hasil Create_list.bat ... 42
Gambar 3.9 Tools Crop ... 42
Gambar 3.10 Proses Cropping oleh Objectmarker.exe ... 43
Gambar 3.11 Hasil Objectmarker.exe ... 43
Gambar 3.12 Isi dari Folder Trainning... 44
Gambar 3.13 Source Code Samples-creation Batch File ... 44
Gambar 3.14 Isi dari Folder Training... 45
Gambar 3.15 Source Code HaarTraining Batch File ... 45
Gambar 3.17 Hasil Training ... 47
Gambar 3.18 Isi Folder Cascade2xml ... 47
Gambar 3.19 Diagram Alir SistemPergerakan Webcam Berdasarkan Perubahan Posisi Wajah ... 48
Gambar 3.20 Diagram Alir Subroutine Pendeteksian Posisi Wajah ... 50
Gambar 3.21 Diagram Allir Subroutine Pengendalian Servo X ... 51
Gambar 3.22 Diagram Allir Subroutine Pengendalian Servo Y ... 52
Gambar 4.1 Lokasi Pengambilan Data ... 53
Gambar 4.2.a Arah Jalan dari Kiri ke Kanan ... 54
Gambar 4.2.b Arah Jalan dari Kanan ke Kiri ... 54
1
Universitas Kristen Maranatha
BAB 1
PENDAHULUAN
1.1Latar Belakang
Sistem pengenalan wajah adalah aplikasi dari pengolahan citra yang dapat
mengidentifikasi seseorang melalui citra digital atau frame video. Sistem pengenalan wajah telah menjadi salah satu aplikasi pengolahan citra yang populer, terlebih dalam
bidang sistem keamanan.
Metode haar-like feature merupakan metode yang cukup populer, dan dipublikasikan oleh Paula Viola dan Michael Jones pada tahun 2001. Proses ekstraksi
ciri citra wajah yang digunakan untuk menggambarkan ciri dari citra sebuah wajah.
Metode haar-like feature memproses gambar dalam kotak-kotak,dimana dalam satu kotak terdapat beberapa pixel, kemudian diproses untuk mendapatkan nilai threshold
yang menandakan daerah terang dan daerah gelap. Nilai threshold tersebut akan dijadikan sebagai dasar dalam image processing.
Perkembangan dari teknologi kamera semakin pesat, ditandai dengan munculnya
berbagai jenis kamera, kamera digunakan untuk menangkap gambar diam sampai
gambar bergerak. Webcam merupakan salah satu jenis kamera yang mampu melakukan hal tersebut. Bentuk webcam pun sudah bervariasi dengan fitur yang cukup lengkap dan diikuti dengan resolusi gambar yang cukup tajam. Seiring
perkembangan tersebut, dapat dikembangkan kegunaan dari webcam salah satunya dengan memanfaatkan webcam sebagai alat pendeteksi wajah dengan menggunakan beberapa metoda pengolahan citra.
Pada tugas akhir ini dibuat sistem perancangan pergerakan webcam
berdasarkan perubahan posisi wajah menggunakan metode haar-like feature berbasis Raspberry Pi2. Raspberry Pi 2 adalah sebuah single board computer yang memiliki
komputer yang dapat digunakan untuk memproses pendeteksian wajah. Sebagai alat
bantu untuk mendeteksi wajah digunakan sebuah kamera dan dua motor servo
sebagai penggerak posisi kamera untuk mengikuti pergerakan seseorang berdasarkan
perubahan posisi wajah ke atas, ke bawah, ke kiri, maupun ke kanan.
1.2Identifikasi Masalah
Permasalahan yang diangkat pada tugas akhir ini adalah cara implementasi
metode haar-like feature menggunakan Raspberry Pi 2 sebagai alat pemroses gambar untuk menggerakan dua servo yang terhubung dengan webcam berdasarkan perubahan posisi wajah.
1.3Rumusan masalah
1. Bagaimana mengimplementasikan metode Haar-like feature pada Raspberry Pi 2 sebagai pemroses gambar?
2. Bagaimana aplikasi program pada Raspberry Pi 2 agar dapat menggerakan
webcam berdasarkan perubahan posisi wajah?
1.4Tujuan
Mengaplikasikan metode Haar-Like Feature untuk mendeteksi wajah tanpa aksesoris dan dengan menggunakan aksesoris berupa kacamata baca, pada sistem
3 Universitas Kristen Maranatha 1.5Batasan Masalah
Penulis membatasi masalah yang dibahas dalam Tugas Akhir ini adalah sebagai
berikut:
1. Membuat sistem pengenalan wajah berdasarkan metode Haar-Like Feature. 2. Pemantauan hanya dilakukan di dalam ruangan yang memiliki intensitas
cahaya rata-rata 300 Lux.
3. Database yang dibuat hanya menghadap depan dan menghadap kanan. 4. Objek manusia bergerak secara perlahan, dengan kecepatan berkisar 0,1 m/s.
5. Jarak antara wajah manusia dengan kamera antara 40 cm sampai 2,2 meter.
6. Menggunakan kamera webcam USB dengan resolusi 320 x 240 pixel. 7. Dalam satu frame hanya satu wajah yang diikuti.
8. Wajah tidak ditutupi oleh topeng, topi atau sejenisnya.
9. Kamera dapat bergerak secara vertikal dan horizontal.
10.Tidak memperhitungkan delay.
1.6Sistematika Penulisan
Laporan Tugas Akhir ini terbagi menjadi lima bab utama, dimana setiap bab
saling berhubungan sesuai dengan permasalahan yang akan dibahas. Selain itu
disertakan lampiran sebagai bahan pendukung. Masing-masing bab membahas hal-hal
sebagai berikut:
Bab 1 : PENDAHULUAN
Menjelaskan tentang latar belakang
permasalahan, identifikasi masalah, perumusan masalah, tujuan, pembatasan
Bab 2 : LANDASAN TEORI
Menjelaskan mengenai teori-teori yang
menunjang proses pembuatan tugas akhir ini. Teori-teori penunjang tersebut
meliputi pengolahan citra, operasi pengolahan citra, metode haar-like feature, trainning data pada haar, Sistem kerja algoritma haar cascade classifier,
haar-like feature, pre-processing image, scalling, grayscalling, integral image, adaboost, cascade classifier, Raspberry Pi 2, webcam, motor servo, prinsip kerja motor servo, bahasa pemrograman python, opencv, servoblaster.
Bab 3 : PERANCANGAN DAN REALISASI
Menjelaskan mengenai proses dari perancangan
face tracker menggunakan webcam dengan metode haar-like feature berbasis raspberry pi 2 , mulai dari perancangan sistem, perancangan perangkat
pergerakan dari webcam, wiring diagram pergerakan dari motor servo ke Raspberry Pi, diagram alir pembuatan database, proses pembuatan database, dan diagram proses dari sistem pergerakan webcam berdasarkan pergerakan wajah menggunakan metode Haar-Like Feature.
Bab 4 : DATA PENGAMATAN DAN ANALISIS
Berisi data pengamatan dan analisis yang
diperoleh dari percobaan sistem face tracker menggunakan webcam dengan metode haar-like feature berbasis raspberry pi 2 yang sudah direalisasikan.
Data pengamatan didapat dari mengamati 19
objek yang berbeda, antara lain, 9 objek manusia tanpa aksesoris, 5 objek
manusia memakai kacamata baca, dan 5 objek manusia memakai topi. Selain
itu, pergerakan dari objek manusia yang diuji diambil dari kiri ke kanan,
5 Universitas Kristen Maranatha
Bab 5 : SIMPULAN DAN SARAN
Berisi simpulan dari apa yang telah dibahas pada
BAB 5
SIMPULAN DAN SARAN
Bab ini merupakan bab penutup yang berisi simpulan dari hasil penelitian
dan analisis dari tugas akhir ini serta saran bagi pengembangan sistem pergerakan
webcam berdasarkan perubahan posisi wajah menggunakan metode haar-like feature berbasis Raspberry Pi 2.
5.1 Simpulan
Berdasarkan hasil percobaan dan data yang didapatkan dapat disimpulkan :
1. Perancangan pergerakan webcam berdasarkan perubahan posisi wajah menggunakan metode haar-like feature berbasis Raspberry Pi 2 telah dibuat dan berfungsi sesuai dengan yang diharapkan. Metode Haar-like feature dalam mendeteksi wajah tanpa aksesoris, dari 9 responden dengan pengambilan data total 27 kali didapat keberhasilan sebesar 86,20%, dan
tingkat keberhasilan sistem face tracking objek tanpa menggunakan aksesoris sebesar 51,85%. Metode Haar-like feature dalam mendeteksi objek menggunakan kacamata baca, dari 5 responden dengan pengambilan
data total 15 kali didapat keberhasilan sebesar 81,67%, dan tingkat
keberhasilan sistem face tracking objek menggunakan kacamata baca sebesar 46,67%. Metode Haar-like feature dalam mendeteksi objek menggunakan topi, dari 5 responden dengan pengambilan data total 15 kali
didapat keberhasilan sebesar 58,33%, dan tingkat keberhasilan sistem face tracking objek menggunakan topi sebesar 20%.
2. Dari data pengamatan yang didapatkan, sistem ini belum berhasil tracking
wajah dari depan maupun samping dengan baik jika objek menggunakan
61 Universitas Kristen Maranatha 3. Dari 5 data pengamatan yang didapatkan, sistem ini berhasil dalam
melakukan tracking wajah yang menggunakan kacamata baca telah berhasil.
5.2 Saran
Saran untuk pengembangan sistem ini lebih lanjut :
1. Untuk pemrosesan yang lebih cepat, dapat digunakan bahasa
pemrograman C++ dan processor dengan kecepatan yang lebih tinggi. 2. Untuk mempercepat pemrosesan gambar perlu diuji menggunakan
RaspberryPiCam.
3. Untuk meningkatkan keberhasilan tracking wajah, pembuatan database
sebaiknya dibuat dalam tiga posisi yaitu hadap depan,kiri,dan kanan.
4. Dapat dikembangkan pengenalan untuk mengidentifikasi wajah sebagai
DAFTAR PUSTAKA
1. Agus Harjoko, Hadi Samtoso,”Haar Cascade dan Algoritma Adaboost untuk Deteksi Banyak Wajah Dalam Ruang Kelas”.Yogyakarta,2013.
2. B Thomas. Moeslund, Kamal Nasrollahi, ” Haar-Like Features For Robust Real-Time Face Recognition”.Aalborg,Denmark,2013.
3. Dodit Supriatno, Hasanah RN, Santosa PB. 2012. Sistem Pengenalan Wajah
Secara Real-Time dengan Adaboost, Eigenface PCA &MySQL. EECCIS, Vol 7.
pp 179-184.
4. Lutz, Mark, 2007. Learning Python (3th Edition). United States of America: O’Reilly Media, Inc.
5. Mahdi Rezaei,”Creating a Cascade of Haar-Like Classifiers: Step by
Step”.Auckland,New Zealand,2014.
6. Muhammad Junaedi. 2003. Pengantar XML. [pdf], ilmukomputer.com (23
Februari 2016)
7. Munir, R. 2004. Pengolahan Citra Digital dengan Pendekatan Algoritmik.
Bandung: Informatika Bandung.
8. Robert, Laganiere, “OpenCV 2 Computer Vision Application Programming Cookbook”, Packt Publishing, 2011.
9. Rainer Lienhart, Alexander Kuranov, vadim pisarevsky. “An empiricalanalysis
of boosting algorithm for rapid object with an extended set of Haar-Like features.” In Intel Technical Report MRL-TR-July 02-01,2002.
10.Rainer Lienhart, Jochen Maydt,”An Extended Set of Haar-like Features for
Rapid Object Detection”.USA,2002.
11.Richardson, M., and S. Wallace. 2013. Getting Started with Raspberry Pi.
United State of America: O’Reilly Media.
12.Viola, p., Jones, M. J., “Robust Real-Time Face Detection”, International
63 Universitas Kristen Maranatha 13.W Pambudi S. 2012. Facetracker Menggunakan Metode Haar Like Feature dan
PID Pada Model Simulasi. Batam. Universitas Internasional Batam.
14.http://docs.opencv.org/2.4/modules/core/doc/drawing_functions.html
15.http://docs.opencv.org/modules/contrib/doc/facerec/facerec_tutorial.html#id16
16.https://elektronika-dasar.web.id/teori-elektronika/motor-servo/
17. https://github.com/richardghirst/PiBits/tree/master/ServoBlaster
18.