RANCANG BANGUN PROSEDUR OTENTIKASI PADA SISTEM KEAMANAN RUANGAN BERBASIS LIPS MOTION RECOGNITION

RANCANG BANGUN PROSEDUR OTENTIKASI PADA SISTEM KEAMANAN RUANGAN BERBASIS LIPS MOTION RECOGNITION. Ferry Hidayat 2209100155 Dosen Pembimbing Ronny Mardiyanto, ST., MT., Ph.D Dr. Tri Arief Sardjono, ST., MT..

 LATAR BELAKANG  Sistem keamanan ruangan yang baik sangat diperlukan oleh suatu gedung, instansi ataupun rumah untuk menjaga dan meningkatkan tingkat keamanan.  Teknologi biometrik menawarkan otentikasi secara biologis yang memungkinkan sistem dapat mengenali penggunanya lebih tepat.  Gerakan bibir masing-masing orang memiliki karakteristik biometrik tersendiri sehingga dapat dijadikan dasar pembuatan prosedur otentikasi biometrik. Dapat ditiru oleh orang lain Webcam. Mudah hilang atau tertinggal Pengguna Harga relatif mahal.

 PERUMUSAN MASALAH  Bagaimana membuat prosedur otentikasi yang aman?  Bagaimana mendeteksi posisi bibir dari wajah seseorang secara akurat?  Bagaimana cara mendapatkan fitur tinggi dan lebar bibir secara akurat?  Bagaimana mengesktrak fitur pergerakan bibir secara akurat?.

 BATASAN MASALAH  Menggunakan pencahayaan yang tetap.  Lebar wajah ditetapkan sebesar 13,7 cm  Wajah objek tidak melakukan gerakan rotasi.  Jarak wajah objek terhadap kamera ditetapkan ± 45 cm..

 TUJUAN  Membuat prosedur otentikasi yang aman  Dapat mendeteksi posisi bibir dari wajah seseorang secara akurat  Membuat metode untuk mendapatkan fitur tinggi dan lebar bibir secara akurat.  Dapat mengesktrak fitur pergerakan bibir secara akurat.

 TINJAUAN PUSTAKA  Component-Based Face Detection in Color Images (Ali Atharifard dan Sedigheh Ghofaroni)  Area di sekitar bibir memiliki komponen merah yang kuat dan komponen biru serta hijau yang lemah jika dibandingkan dengan area wajah yang lain. (1).

 TINJAUAN PUSTAKA  Lip Detection Based-On Normalized RGBChromaticity Diagram (Aryuanto Soetedjo, Koichi Yamada, F. Yudi Limpraptono)  Bibir dapat diekstrak menggunakan warnanya dengan mendefinisikan sebuah daerah pada ruang warna r – g yang mendefinisikan dua fungsi diskriminan untuk mengekstrak piksel-piksel bibir sebagai: (2)  Metode pendeteksian yang diajukan adalah memanfaatkan diagram kromasitas RGB ternormalisasi untuk melakukan thresholding warna merah dengan batas yang ditunjukkan pada gambar dibawah.

 TINJAUAN PUSTAKA  Lip Detection Based-On Normalized RGB Chromaticity Diagram (Aryuanto Soetedjo, Koichi Yamada, F. Yudi Limpraptono).

 TEORI PENUNJANG  Lip Mapping Menggunakan Filterisasi Warna. Rata-rata R = 215,30 Rata-rata G = 142,33 Rata-rata B = 107,64. Rata-rata R = 167,39 Rata-rata G = 77,49 Rata-rata B = 69,63.

 TEORI PENUNJANG  Lip Mapping Menggunakan Filterisasi Warna  Berdasarkan artikel yang ditulis oleh Utkarsh Sinha berjudul “Threshoding”: Hasil(x,y) = R(x,y) – (G(x,y) + B(x,y)). (4).

 TEORI PENUNJANG  Lip Mapping Menggunakan Filterisasi Warna Hasil(x,y) = R(x,y) – (G(x,y) + B(x,y)). (4). Hasil(x,y) = W1 * G(x,y) – (W2 * G(x,y) + W3 * R(x,y) + W4 * B(x,y)). (5). Setelah W1 = 3,3 dinaikkan ; W2 = 1 kontras ; W3 = 0,9 sebesar ; W4 =13 0,87 kali.

 TEORI PENUNJANG  Konversi Besaran Sentimeter ke Piksel. (6).

 RANCANG BANGUN PROSEDUR OTENTIKASI PADA SISTEM KEAMANAN RUANGAN BERBASIS LIPS MOTION RECOGNITION. Otentikasi Pengunci berhasil! dibuka Webcam. Komputer.

 RANCANG BANGUN PROSEDUR OTENTIKASI PADA SISTEM KEAMANAN RUANGAN BERBASIS LIPS MOTION RECOGNITION. melalui bluetooth. Webcam Personal Computer. • Mengambil gambar• Pengolahan citra objek • Melakukan otentikasi • Berkomunikasi dengan mikrokontroler. Sistem minimum mikrokontroler. Bistable solenoid (electronic door lock). • Antar muka antara • Mengunci atau membuka komputer dengan kunci pintu pengunci elektronik.

. RANCANG BANGUN PROSEDUR OTENTIKASI PADA SISTEM KEAMANAN RUANGAN BERBASIS LIPS MOTION RECOGNITION  Konfigurasi Hardware:  Logitech tipe HD Webcam C525 serta memiliki spesifikasi sebagai berikut: • HD video capture : up to 1280 x 720 pixel • Auto focus • Photos: up to 8 megapixel(software enhanced) • frame rate : average 29 fps • interface : Hi-Speed USB  Komputer • CPU: Intel Core i5-2430M (2.40 GHz) • RAM: 6,00 GB • Video Graphic: 2048 MB.

 Perancangan prosedur otentikasi: •. Microsoft Visual C++ Express Edition 2010. •. OpenCV 2.1.

 Perancangan prosedur otentikasi:  Pengambilan Gambar. ± 45 cm. Pengguna. Webcam. 640 piksel. Gambar yang diakuisisi dari kamera. Gambar hasil klon 480 piksel.

 Perancangan prosedur otentikasi:  Pendeteksian Posisi Sepasang Mata. (ey.x,ey.y) 56 piksel 212 piksel.

 Perancangan prosedur otentikasi:  Mendapatkan jarak antara wajah dengan kamera. (ey.x,ey.y) 56 piksel 212 piksel. ×. = =. ,. ×. =. ,.

 Perancangan prosedur otentikasi:  Pendeteksian Posisi Bibir (0,0). X (piksel). (ey.x,ey.y). 7 cm. (ey.x,ey.y + 7 cm). =. Y (piksel). 5. 212 piksel. =. × ,. =. =. × ,. =. ×.

 Perancangan prosedur otentikasi:  Pendeteksian Posisi Bibir. (m.x,m.y).

 Perancangan prosedur otentikasi:  Tracking.

 Perancangan prosedur otentikasi:  Tracking. (point_to_track.x,point_to_track.y). (mouth_ROI.x,mouth_ROI.y). 7 cm. Gambar klon. Gambar Asli.

 Perancangan prosedur otentikasi:  Ekstraksi Bentuk Bibir Hasil(x,y) = W1 * G(x,y) – (W2 * G(x,y) + W3 * R(x,y) + W4 * B(x,y)). (5).

 Perancangan prosedur otentikasi:  Kontur Kontur (contour) adalah rangkaian pixel-pixel tepi yang membentuk batas daerah (region boundary)..

 Perancangan prosedur otentikasi:  Pencarian Tinggi dan Lebar dari Bibir. (0,0). Titik contour dengan koordinat teratas. Titik contour dengan koordinat terkanan. Tinggi bibir. Titik contour dengan koordinat terkiri. Lebar bibir Titik contour dengan koordinat terbawah. Y(piksel). X(piksel).

 Perancangan prosedur otentikasi:  Pengakuisisian Data Tinggi dan Lebar dari Bibir Per-iterasi.

 Perancangan prosedur otentikasi:  Penyederhanaan Data Tinggi dan Lebar dari Bibir.

 Perancangan prosedur otentikasi:  Jaringan Saraf Tiruan • Memiliki satu layer masukkan, satu layer tersembunyi dan satu layer keluaran. • Memiliki 50 node pada layer masukkan, 550 node pada layer tersembunyi dan satu node pada layer keluaran. • Memiliki 6 kombinasi masukkan, dimana kombinasi masukkan pertama adalah deretan data tinggi bibir dan kombinasi masukkan kedua adalah deretan data lebar bibir. Sedangkan 2 kombinasi masukkan lainnya adalah deretan data yang beisikan nilai 90. • Kombinasi masukkan pertama dan kedua (deret data tinggi bibir dan lebar bibir) memiliki nilai keluaran yang diinginkan: 0, sedangkan 2 kombinasi masukkan lainnya memiliki nilai keluaran yang diinginkan: 1..

 Perancangan prosedur otentikasi:  Perangkat lunak prosedur otentikasi.

 Perancangan Antarmuka Pengunci Elektronik Perangkat keras yang digunakan : • Sistem minimum mikrokontroler. Mikrokontroler yang digunakan jenis ATMEGA 16 • Alphanumeric LCD 16 × 2 • Rangkaian H-Bridge • Rangkaian bluetooth HC05 • Pengunci elektronik..

 PENGUJIAN • Pengujian Ekstraksi Fitur Bibir • Pengujian Perbandingan Bentuk Bibir • Pengujian Keotentikan Deretan Data Tinggi dan Lebar Bibir dari Sebuah Sampel Terhadap Sampel Lain • Pengujian Tingkat Keberhasilan Otentikasi untuk Satu Sampel.

 Pengujian Ekstraksi Fitur Bibir • • • •. Perbedaan warna kulit masing-masing sampel Perbedaan warna bibir masing-masing sampel Perbedaan tingkat pencahayaan pada saat pengujian Terdapat beberapa sampel yang memiliki rambut wajah (facial hair).

 Pengujian Ekstraksi Fitur Bibir.

 Pengujian Ekstraksi Fitur Bibir.

 Pengujian Ekstraksi Fitur Bibir • Intensitas cahaya pada wajah mempengaruhi hasil ekstraksi bibir. Rendahnya intensitas cahaya mengakibatkan terjadinya kesalahan dalam proses ekstraksi fitur bibir.. • Rambut pada wajah mempengaruhi hasil ekstraksi. Adanya rambut pada bagian bawah bibir mengakibatkan kesalahan dari ukuran tinggi bibir yang diekstrak..

 Pengujian Perbandingan Bentuk Bibir Tinggi bibir (piksel). Jarak wajah ke kamera (cm). Lebar bibir (cm). Tinggi bibir (cm). No.. Nama. Lebar bibir (piksel). 1. Ferry. 68. 36. 45,885. 4,46. 2,36. 2. Fatkul. 64. 27. 44,813. 4,10. 1,73. 3. Tafta. 82. 46. 45,23. 5,30. 2,97. 4. Imaduddin. 64. 35. 44,38. 4,06. 2,22. 5. Peter. 75. 37. 52,692. 5,65. 2,79. 6. Wayan. 69. 38. 40,808. 4,02. 2,22. 9. Cahya. 68. 38. 52,404. 5,09. 2,84. 10. Faisal. 69. 42. 47,95. 4,73. 2,88. • Program mengekstrak bentuk mulut dan mendapatkan tinggi dan lebar bibir, namun mengabaikan bentuk fisik dari bibir itu sendiri. • Sampel 4 dan 6 memiliki ukuran tinggi dan lebar bibir yang relatif sama..

 Pengujian Keotentikan Deretan Data Tinggi dan Lebar Bibir dari Sebuah Sampel Terhadap Sampel Lain.

 Pengujian Keotentikan Deretan Data Tinggi dan Lebar Bibir dari Sebuah Sampel Terhadap Sampel Lain Fauzi : Gagal. Angga : Gagal. Cahya: Berhasil.

 Pengujian Keotentikan Deretan Data Tinggi dan Lebar Bibir dari Sebuah Sampel Terhadap Sampel Lain Faisal: Gagal. Agus: Berhasil. Bayu: Berhasil.

 Pengujian Keotentikan Deretan Data Tinggi dan Lebar Bibir dari Sebuah Sampel Terhadap Sampel Lain Amin: Berhasil. Verdi: Berhasil.

 Pengujian Keotentikan Deretan Data Tinggi dan Lebar Bibir dari Sebuah Sampel Terhadap Sampel Lain. No. 1 2 3 4 5 6 7 8 9 • •. Rekaman Data gerakan Hasil otentikasi yang Keberhasilan data gerakan bibir yang dari program otentikasi bibir diujikan Ferry Ferry Ferry Ferry Ferry Ferry Ferry Ferry Ferry. Ferry Fauzi Angga Cahya Faisal Agus Bayu Amin Verdie. Cocok Cocok Cocok Tidak cocok Cocok Tidak cocok Tidak cocok Tidak cocok Tidak cocok. Berhasil Gagal Gagal Berhasil Gagal Berhasil Berhasil Berhasil Berhasil. Data tinggi dan lebar bibir diambil dalam ukuran piksel sehingga jarak wajah sampel terhadap kamera akan mempengaruhi ukuran tinggi dan lebar bibir yang terdeteksi. Penyebab terjadinya kesalahan dalam hasil otentikasi lainnya adalah karena minimnya jumlah data yang dimasukkan ke jaringan saraf tiruan (sebanyak 1 deret data lebar bibir dan 1 deret data tinggi bibir) sehingga tingkat keberhasilan otentikasi menjadi rendah..

 Pengujian Tingkat Keberhasilan Otentikasi untuk Satu Sampel Pengujian ke 1 2 3 4 5 6 7 8 9 10 11 12 • • •. Hasil otentikasi Berhasil Berhasil Berhasil Berhasil Berhasil Gagal Berhasil Berhasil Berhasil Berhasil Gagal Berhasil. Berdasarkan hasil pengujian tingkat keberhasilan otentikasi untuk satu sampel, dapat diketahui bahwa: Terdapat 2 kesalahan pada hasil otentikasi yaitu pada pengujian ke – 6 dan pengujian ke – 11. Kesalahan pada hasil otentikasi disebabkan karena perbedaan pewaktuan antara deretan data lebar dan tinggi bibir yang direkam dengan data yang dimasukkan pada saat pengujian..

 KESIMPULAN •. Keberhasilan ekstraksi fitur bibir dipengaruhi oleh beberapa hal berikut:  Warna kulit wajah.  Warna bibir.  Tingkat pencahayaan terhadap wajah.  Rambut wajah (facial hair).  Bintik merah pada daerah sekitar bibir, seperti jerawat.. •. Sistem yang dirancang mampu mendeteksi posisi dan mengekstrak fitur bibir. •. Berdasarkan hasil pengujian bentuk bibir dapat disimpulkan bahwa ukuran lebar dan tinggi bibir beberapa sampel relatif berbeda.. •. Hasil otentikasi yang diberikan oleh jaringan saraf tiruan menunjukkan bahwa penggunaan data tinggi dan lebar bibir saja tidak memberikan bukti yang kuat untuk membuktikan keotentikan seseorang.. •. Sistem yang dirancang telah mampu mencocokkan data yang telah direkam sebelumnya dengan data masukkan yang baru..

 SARAN • Ukuran lebar dan tinggi bibir dari seseorang memiliki tingkat keotentikan yang rendah, oleh karena itu penulis menyarankan untuk menambahkan fitur lain dari bibir seperti tinggi bibir bagian atas dan bawah dalam melakukan proses otentikasi. • Penggunaan jaringan saraf tiruan untuk pada tugas akhir ini dinilai penulis kurang efektif, oleh karena itu penulis menyarankan untuk mengembangkan metode jaringan saraf tiruan yang akan digunakan atau penggunaan metode lain seperti model Markov tersembunyi untuk melakukan proses otentikasi..

Terima Kasih.