i Universitas Kristen Maranatha
IDENTIFIKASI INDIVIDU BERDASARKAN CITRA SILUET
BERJALAN MENGGUNAKAN PENGUKURAN JARAK
KONTUR TERHADAP CENTROID
Disusun Oleh :
Robin Yosafat Saragih (1022076)
Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha
Jl. Prof. drg. Suria Sumantri, MPH, No. 65, Bandung, Indonesia
E-mail : yosafatrobin@ymail.com
ABSTRAK
Rangkaian berjalan memiliki karakteristik unik pada setiap orang. Karena keunikan tersebut, rangkaian berjalan dapat digunakan dalam sistem identifikasi. Selain itu, identifikasi berdasarkan rangkaian berjalan memiliki kelebihan dalam hal sifatnya yang tidak mudah ditiru dan diubah dan sensor yang dapat bekerja dari jarak jauh.
Dalam Tugas Akhir ini, penulis mengimplementasikan pengukuran jarak kontur terhadap centroid pada siluet citra berjalan. Untuk menghilangkan noise, setiap citra masukan akan diperbaiki terlebih dahulu, kemudian akan dihitung
centroid setiap citra masukan, lalu dilakukan pelacakan kontur menggunakan algoritma Moore. Pada akhirnya dihitung jarak antara setiap koordinat kontur dengan centroid. Ada dua desain sistem dalam perancangan perangkat lunak ini, yaitu dengan dan tanpa proses validasi. Proses validasi ini memanfaatkan nilai
centroid setiap citra yang digabungkan ke dalam satu vektor ciri.
Proses pencocokkan citra menggunakan Euclidean Distance yang menghasilkan nilai kemiripan atau kedekatan antara dua rangkaian siluet berjalan. Berdasarkan hasil percobaan Tugas Akhir ini, sistem dengan proses validasi memiliki error 23.438% sedangkan sistem tanpa proses validasi memiliki error
32.4% sehingga sistem dengan proses validasi yang akan diujikan karena memiliki tingkat akurasi yang lebih tinggi dibandingkan sistem tanpa proses validasi. Untuk mengetahui nilai False Rejected Rate (FRR) dan False Accepted Rate (FAR), dilakukan pengujian menggunakan 20 rangkaian citra uji dari individu yang ada dalam database yang menghasilkan nilai FRR 20% dan 20 rangkaian citra uji dari individu yang tidak ada dalam database yang menghasilkan nilai FAR 25%.
Kata kunci : Identifikasi, Citra Siluet Berjalan, Centroid, Pelacakan Kontur,
ii Universitas Kristen Maranatha
IDENTIFICATION OF A PERSON BASED ON WALKING
SILHOUETTE IMAGE USING MEASUREMENT CONTOUR
DISTANCE AGAINST CENTROID
Composed by :
Robin Yosafat Saragih (1022076)
Department of Electrical Engineering, Faculty of Engineering, Maranatha Christian University
Prof. drg Suria Sumantri Street No. 65, Bandung, Indonesia E-mail : yosafatrobin@ymail.com
ABSTRACT
Walking sequence has a unique characteristic to each person. Because of this uniqueness walking sequence can be used in identification system. In addition, identification based on walking sequence has advantages in terms of its nature that cannot easily be imitated and modified and the sensor can work remotely.
In this final project, writer implements contour distance measurement against centroid in walking silhouette image. To eliminate noise, each input image will be fixed in advance, it will then be calculated for each input image centroid, and then done the contour tracking using Moore algorithm. At last computed the distance between each contour coordinates with the centroid. There are two system design in this software designing, i.e. with and without the validation process. This validation process utilizing the value of the centroid of each image that combined into a single feature vector.
Image Matching Process using Euclidean Distance which produces a similarity value or closeness between two walking silhouette sequence. Based on the results of this final project, system with validation process has error 23.438% whereas system without validation process has error 32.4% so that the system with validation process will be tested because it has a higher degree accuracy than system without validation process. To know False Rejected Rate (FRR) and False Accepted Rate (FAR) value, software testing process is realized using 20 test sequence images of individuals that exist in the database which produces FRR value 20% and 20 test sequence images of individuals who are not exist in the database which produces FAR value 25%.
vi Universitas Kristen Maranatha
DAFTAR ISI
ABSTRAK ... i
ABSTRACT ... ii
KATA PENGANTAR ... iii
DAFTAR ISI ... vi
DAFTAR GAMBAR ... viii
DAFTAR TABEL ... ix
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah ... 1
1.2 Identifikasi Masalah ... 2
1.3 Rumusan Masalah ... 2
1.4 Tujuan ... 2
1.5 Batasan Masalah ... 3
1.6 Sistematika Penulisan ... 4
BAB II LANDASAN TEORI 2.1 Biometrik ... 5
2.2 Rangkaian Berjalan Sebagai Biometrik ... 6
2.3 Representasi Citra Digital ... 8
2.3.1 Konvensi Koordinat... 8
2.3.2 Citra Sebagai Matriks ... 9
2.4 Perbaikan Kualitas Citra ... 10
2.4.1 Morfologi Citra Biner ... 11
2.4.1.1 Operasi Dilasi ... 12
2.4.1.2 Operasi Erosi ... 13
2.4.2 Morfologi Opening ... 15
2.4.3 Region Filling ... 15
2.5 Ekstraksi Fitur ... 16
vii Universitas Kristen Maranatha
2.5.2 Pelacakan Kontur Menggunakan Algoritma Moore ... 17
2.5.3 1D Signal Normalization ... 19
2.6 False Accepted Rate (FAR), False Rejected Rate (FRR), dan Equal Error Rate (EER) ... 20
2.7 Distance (Jarak) ... 21
BAB III PERANCANGAN PERANGKAT LUNAK 3.1 Diagram Blok ... 23
3.2 Diagram Alir... 28
3.2.1 Diagram Alir Pembentukan Database... 28
3.2.1.1 Diagram Alir Perbaikan Kualitas Citra ... 29
3.2.1.2 Ekstraksi Fitur 1D Signal Patterns ... 30
3.2.1.2.1 Diagram Alir Proses Menghitung Centroid Setiap Citra ... 31
3.2.1.2.2 Diagram Alir Proses Melacak Kontur Setiap Citra ... 32
3.2.2 Diagram Alir Pengujian ... 33
3.2.2.1 Diagram Alir Proses Validasi ... 35
3.3 Penentuan Nilai Batas (Threshold) ... 36
BAB IV PENGUJIAN DAN ANALISA DATA 4.1 Proses Pengujian Perangkat Lunak ... 45
4.2 Analisis Data ... 49
BAB V KESIMPULAN DAN SARAN 5.1 Kesimpulan ... 51
5.2 Saran ... 51
DAFTAR PUSTAKA ... 52
viii Universitas Kristen Maranatha
DAFTAR GAMBAR
Gambar 2.1 Contoh Rangkaian Siluet Berjalan ... 7
Gambar 2.2 Konvensi Sistem Koordinat Citra ... 9
Gambar 2.3 Tulang Daun Dapat Dianggap Sebagai Bagian Daun Melalui Morfologi ... 11
Gambar 2.4 Contoh Beberapa Strel ... 11
Gambar 2.5 Operasi Strel Terhadap Citra ... 12
Gambar 2.6 Visualisasi Efek Dilasi Dengan Hotspot Vertikal ... 13
Gambar 2.7 Contoh Visualisasi Operasi Erosi ... 14
Gambar 2.8 Ilustrasi Region Filling ... 16
Gambar 2.9 Pelacakan Kontur Menggunakan Algoritma Moore ... 18
Gambar 2.10 Hubungan False Accepted Rate (FAR), False Rejected Rate (FRR), dan Equal Error Rate (EER) ... 20
Gambar 3.1 Blok Diagram Sistem Identifikasi Citra Siluet Berjalan ... 23
Gambar 3.2 Diagram Alir Pembentukan Database ... 28
Gambar 3.3 Diagram Alir Perbaikan Kualitas Citra ... 29
Gambar 3.4 Diagram Alir Ekstraksi Fitur 1D Signal Patterns ... 30
Gambar 3.5 Diagram Alir Menghitung Centroid Citra... 31
Gambar 3.6 Diagram Alir Proses Pelacakan Kontur ... 32
Gambar 3.7 Diagram Alir Proses Pengujian ... 34
Gambar 3.8 Diagram Alir Proses Validasi... 35
Gambar 3.9 Grafik Hubungan FRR dengan FAR Tanpa Validasi ... 41
ix Universitas Kristen Maranatha
DAFTAR TABEL
Tabel 3.1 Penamaan File Citra Latih ... 25 Tabel 3.2 Penamaan File Citra Uji Individu Dalam Database ... 26 Tabel 3.3 Penamaan File Citra Uji Individu Di Luar Database ... 27 Tabel 3.4 Pengujian Citra Uji Individu yang Terdapat Dalam Database Tanpa
Proses Validasi ... 37
Tabel 3.5 Pengujian Citra Uji Individu yang Terdapat Dalam Database Dengan Proses Validasi ... 37
Tabel 3.6 Pengujian Citra Uji Individu yang Tidak Terdapat Dalam Database
Tanpa Proses Validasi ... 39
Tabel 3.7 Pengujian Citra Uji Individu yang Tidak Terdapat Dalam Database
Dengan Proses Validasi... 40
Tabel 4.1 Pengujian Menggunakan Citra Uji yang Digunakan Sebagai Database
... 46
Tabel 4.2 Pengujian Menggunakan Citra Uji dari Individu yang Terdapat Dalam
Database ... 47 Tabel 4.3 Pengujian Menggunakan Citra Uji dari Individu yang Tidak Terdapat
1 Universitas Kristen Maranatha
BAB I
PENDAHULUAN
Pada bab ini akan dibahas mengenai latar belakang masalah, identifikasi
masalah, rumusan masalah, tujuan, pembatasan masalah, dan sistematika
penulisan dari Tugas Akhir ini.
1.1 Latar Belakang Masalah
Belakangan ini teknologi biometrik sudah banyak dikembangkan dan
dimanfaatkan untuk memperoleh tingkat keamanan (secure) yang tinggi. Teknologi biometrik merupakan teknologi pengenalan individu berdasarkan
ciri-ciri fisik maupun perilaku seperti gaya berjalan, sidik jari, suara, dan lain-lain.
Identifikasi individu berdasarkan siluet berjalan merupakan sebuah proses
yang diperlukan dalam berbagai aplikasi, seperti untuk pengawasan dan keamanan
(surveillance and security) misalnya dalam lingkungan yang sensitif terhadap keamanan seperti bank, tempat parkir, dan bandara. Kemudian untuk kesehatan,
misalnya identifikasi jenis penyakit dari abnormalitas gaya berjalan, perancangan
kaki palsu (prosthethic), dan lain-lain. Perbedaan dari setiap siluet berjalan individu menjadi alasan siluet berjalan digunakan sebagai proses identifikasi.
Kelebihan identifikasi individu berdasarkan siluet berjalan adalah proses
pengambilan citra siluet berjalan dapat dilakukan dari jarak jauh. Tidak seperti
identifikasi menggunakan sidik jari, wajah, iris mata, dan pembuluh darah yang
memerlukan kedekatan antara objek dengan sensor. Adapun kelebihan siluet
berjalan lainnya yaitu sulit untuk disembunyikan atau direkayasa.
Ada dua pendekatan gaya berjalan, yaitu pendekatan holistic dan model[1][9]. Pendekatan holistic memandang fitur keseluruhan bentuk tubuh, sedangkan pendekatan model dilakukan dengan menganalisis bagian-bagian tubuh
tertentu seperti kepala, kaki, dan tangan[1][9]. Kedua pendekatan tersebut
menekankan pada ekstraksi ciri dari bentuk tubuh, bukan kinematika seperti
kecepatan karena dua pendekatan tersebut lebih signifikan dalam menentukan
BAB I PENDAHULUAN
2 Universitas Kristen Maranatha merupakan salah satu bentuk pendekatan holistic. Siluet didapatkan dengan memisahkan objek dari latar belakangnya (background substraction).
Pada Tugas Akhir ini, penulis akan mencoba merealisasikan perangkat
lunak untuk mengidentifikasi individu berdasarkan siluet berjalan. Kemudian
objek pada citra biner ini diubah menjadi sinyal 1D untuk mempercepat proses
pengenalan. Perubahan gambar 2D menjadi 1D menggunakan pengukuran jarak
antara titik tengah badan (centroid) dengan titik terluar kontur objek. Kemudian perhitungan nilai kemiripan dilakukan dengan Euclidean Distance.
1.2 Identifikasi Masalah
Berdasarkan latar belakang di atas, masalah utama yang diangkat pada
Tugas Akhir ini adalah merealisasikan perangkat lunak untuk mengidentifikasi
individu berdasarkan citra siluet berjalan melalui pengukuran jarak kontur
terhadap centroid yang direalisasikan menggunakan MATLAB (Matrix Laboratory).
1.3 Rumusan Masalah
Permasalahan yang akan dibahas dalam Tugas Akhir ini adalah :
1. Bagaimana menerapkan pengukuran jarak kontur terhadap centroid untuk ekstraksi ciri citra siluet berjalan dalam proses identifikasi individu
berdasarkan siluet berjalan?
2. Bagaimana hasil yang diperoleh pada proses identifikasi siluet berjalan
dengan masukan citra siluet berjalan?
1.4 Tujuan
Tujuan dari Tugas Akhir ini adalah :
1. Merancang dan membuat simulasi dengan menggunakan MATLAB untuk
identifikasi individu berdasarkan siluet berjalan dengan menggunakan
BAB I PENDAHULUAN
3 Universitas Kristen Maranatha 2. Menganalisa tingkat keberhasilan dari aplikasi dalam mengidentifikasi
individu berdasarkan siluet berjalan melalui persentase False Accepted Rate
(FAR), False Rejected Rate (FRR), dan Equal Error Rate (EER).
1.5 Batasan Masalah
Adapun batasan masalah dan asumsi dalam Tugas Akhir ini adalah :
1. Kamera tidak bergerak.
2. Hanya terdapat satu objek dalam satu file gambar, yaitu si pejalan kaki. 3. Objek tidak mengenakan jaket dan tidak membawa barang bawaan.
4. Satu rangkaian berjalan diasumsikan terdiri dari dua fase, yaitu satu fase saat
kedua kaki berada pada arak terlebar dan satu fase lainnya pada saat kaki
berada hampir dalam satu garis lurus.
5. Objek berjalan dengan sudut 90° (horizontal) terhadap kamera.
6. Dimensi citra siluet berjalan yang digunakan berukuran 320 x 240 piksel.
7. Pengambilan dan pengolahan citra tidak dilakukan secara real time.
8. Satu rangkaian berjalan diasumsikan terdiri dari 13 citra.
9. Jumlah citra yang digunakan sebanyak 1170 citra dari 20 orang berbeda.
Sebagai citra pelatihan sebanyak 650 citra dari 10 orang berbeda yang
disimpan sebagai database. Sebagai citra uji sebanyak 260 citra dari 10 orang yang tidak terdapat di dalam database tetapi merupakan individu yang sama dengan yang ada dalam database untuk pengujian False Rejected Rate
(FRR) dan 260 citra terakhir dari 10 orang yang tidak terdaftar dalam
BAB I PENDAHULUAN
4 Universitas Kristen Maranatha
1.6 Sistematika Penulisan
Penyusunan laporan Tugas Akhir ini terdiri dari lima bab, yaitu :
1. BAB I – PENDAHULUAN
Pada bab ini dibahas mengenai latar belakang masalah, identifikasi
masalah, perumusan masalah, tujuan, batasan masalah, dan sistematika
penulisan dari Tugas Akhir ini.
2. BAB II – LANDASAN TEORI
Pada bab ini akan dibahas mengenai teori-teori penunjang yang akan
digunakan untuk merancang perangkat lunak untuk identifikasi
berdasarkan siluet berjalan menggunakan pengukuran jarak kontur
terhadap centroid.
3. BAB III – PERANCANGAN PERANGKAT LUNAK
Bab ini berisi penjelasan desain yang akan dilakukan dalam membuat
perangkat lunak untuk mengidentifikasi citra siluet berjalan menggunakan
pengukuran jarak kontur terhadap centroid.
4. BAB IV – PENGUJIAN DAN ANALISIS DATA
Bab ini berisi data pengamatan hasil pengujian program, perhitungan
tingkat keberhasilan sistem berdasarkan False Accepeted Rate (FAR) dan
False Rejected Rate (FRR), dan analisa dari data hasil pengujian program. 5. BAB V – KESIMPULAN DAN SARAN
Bab ini berisi kesimpulan dari Tugas Akhir dan saran-saran yang perlu
51 Universitas Kristen Maranatha
BAB V
KESIMPULAN DAN SARAN
Bab ini berisi kesimpulan dari hasil penelititian dan analisis Tugas Akhir
“Identifikasi Individu Berdasarkan Citra Siluet Berjalan Menggunakan
Pengukuran Jarak Kontur Terhadap Centroid”, beserta saran untuk pengembangan penelitian selanjutnya.
5.1 Kesimpulan
Dari semua proses yang telah dilakukan dari pelaksanaan Tugas Akhir ini
diambil kesimpulan sebagai berikut :
1. Program untuk mengidentifikasi individu berdasarkan citra siluet berjalan
menggunakan pengukuran jarak kontur terhadap centroid berhasil direalisasikan menggunakan MATLAB 7.14.0 (R2012a).
2. Dari hasil pengamatan terhadap pengujian program identifikasi individu
berdasarkan citra siluet berjalan didapatkan persentase False Rejected Rate
(FRR) sebesar 20%, persentase False Accepted Rate (FAR) sebesar 25%, dan persentase Equal Error Rate (ERR) dari sistem sebesar 23.438% pada
threshold 0.9635, dan karakteristik ini belum tentu berlaku untuk database
yang berbeda atau bila terjadi penambahan sejumlah besar database.
5.2 Saran
Adapun saran yang dapat diberikan untuk perkembangan penelitian lebih
lanjut, yaitu :
1. Tidak memotong titik ciri hasil pelacakan dengan menggunakan Algoritma Moore. Pemilihan titik ciri dapat dilakukan dengan cara lain seperti melacak piksel bernilai 1 setiap 1 derajat dengan titik centroid sebagai referensi. 2. Dapat dicoba dengan menambahkan sejumlah besar database
52 Universitas Kristen Maranatha
DAFTAR PUSTAKA
[1] Boulgouris, N.V, Dimitrios Hatzinakos, Konstantinos N.P. 2005. Gait Recognition: A Challenging Signal Processing Technology for Biometric Identification. IEEE Signal Processing Magazine.
[2] Burger, W, and Burge, M.J. 2008. Digital Image Processing An Algorithmic
Introduction Using Java. New York: Springer Science+Busines Media, LLC.
[3] C. BenAbdelkader, R.Culter, and L.Davis. Stride and Cadance as a Biometric in Automatic Person Identification and Verification. Proceedings. International Conference. Automatic Face and Gesture Recognition. 2002.
[4] Gonzales, R.C. Woods, R.E; Eddins, S.L. 2004. Digital Image Processing Using MATLAB. Pearson LPE.
[5] Kadir, A. dan Susanto, A. 2013. Teori dan Aplikasi Pengolahan Citra. Yogyakarta : ANDI
[6] L. Wang, W. Hu, and T. Tan. A New Attempt to Gait-Based Human Identification. Proceedings. International Conference. Pattern Recognition, 2002.
[7] Munir, Rinaldi. 2005. Pengolahan Citra Digital Dengan Pendekatan Algoritmik. Bandung: Informatika.
[8] Prasetyo, Eko. 2011. Pengolahan Citra Digital dan Aplikasinya Menggunakan Matlab. Yogyakarta: ANDI.
[9] R. Collins, R. Gross, and J. Shi. Silhouette-Based Human Identification from Body Shape and Gait. Proceedings. Fifth IEEE International Conference. Automatic Face and Gesture Recognition, 2002.
[10] Tan, Tieniu, Liang Wang, Huazong Ning, Weiming Hu. 2003. Silhouette Analysis-Based Gait Recognition for Human Identification. USA. IEEE Transaction on Pattern Analysis and Machine Intelligence.
[11] http://www.mathworks.com/matlabcentral/answers/55501-how-get-centroid-contour-distance-at-every-10-degrees (diakses tanggal 10 November 2013) [12]
53 Universitas Kristen Maranatha [13] http://en.wikipedia.org/wiki/Euclidean_distance (diakses tanggal 12 Maret
2014)
[14] http://id.wikipedia.org/wiki/Biometrik (diakses tanggal 12 Maret 2014)
[15] http://www.cbsr.ia.ac.cn/users/szheng/?page_id=71 (diakses tanggal 5 Oktober 2013)