PENGENALAN WAJAH DENGAN METODE TEMPLATE MATCHING SEBAGAI SISTEM
STARTER SEPEDA MOTOR BERBASIS MIKROKONTROLER ATMEGA 16
Oleh :
Margito Hermawan 6907040024 Fajar Indra 6907040026
ABSTRACT
Face recognition is one of the biometric technology that has been applied in many security system in addition to the eye retina, an iris and fingerprint recognition. Technology of face recognition is a process of human face recognition via camera (webcam) connected to a computer programming language.
Calculation isperformed based on the results obtained and then verified through a method. Template matching is a method that will be used. Calculation ofeigenface value will be used as a reference oftemplate matching. Someone's face is captured, then processed and stored in the database. The face has a matrix database which is stored and processed to obtain the value eigenface (eigenface reference).
ABSTRAK
Pengenalan wajah adalah salah satu teknologi biometric yang sering diaplikasikan dalam sistem security, selain pengenalan retina mata, sidik jari, iris mata.Teknologi face recognition merupakan sebuah proses pengenalan wajah manusia via kamera (webcam) yang dihubungkan dengan sebuah bahasa pemograman komputer. Dilakukan perhitungan‐perhitungan berdasarkan hasil yang didapat dan dicocokkan melalui sebuah metode.Template matching adalah metode yang akan digunakan. Dan perhitungan nilai eigenface yang akan digunakan sebagai acuan template matching. Wajahseseorang di‐capture, diproses lalu disimpan dalam database. Wajah yang tersimpan database mempunyai matrik dan diproses untuk mendapatkan nilai“eigenface” (eigenface acuan).
PENDAHULUAN
1.1 LATAR BELAKANG
• Teknik identifikasi konvensional (kartu identitas, kunci master) belum cukup handal.
• Teknik identifikasi biometrik (wajah, sidik jari, suara, iris dan retina) memiliki keandalan dalam pengenalan identitas yang aman.
1.2 PERUMUSAN MASALAH
• Bagaimana mengekstrasi fitur wajah dengan metode Template Matching?
• Bagaimana cara membedakan wajah pemilik sepeda motor dengan orang lain?
1.3 BATASAN MASALAH
• Citra wajah berupa citra grayscale.
• Citra wajah tidak terhalangi objek lain.
• Background polos, tidak menyerupai warna kulit.
• Intensitas cahaya dalam pengambilan harus stabil.
• Wajah menghadap depan, berada pada posisi kamera dan intensitas cahaya yang stabil
1.4 TUJUAN
Tujuan memilih judul tersebut karena semakin banyaknya tingkat kejahatan dilingkungan sekitar kita khususnya dalam hal pencurian sepeda motor. Sehingga dengan adanya alat ini, dapat membantu dalam mengurangi tindak kejahatan
pencurian motor.
1.5 MANFAAT DAN KEGUNAAN
• Bagi Pengguna Alat
* Dapat mengurangi angka pencurian kendaraan bermotor.
• Bagi Pembuat Alat
* Sebagai pengembangan IPTEK tentang Face Recognition dan Mikrokontroler.
TINJAUAN PUSTAKA
Ada beberapa hal yang akan kita bahas, yakni : 1. Computer Vision
2. Kamera Webcam 3. Pengolahan Citra
4. Eigenvalue, eigenvector dan eigenface 5. Visual Basic 6.0
6. Mikrokontroler dan Driver Relay 7. Komunikasi Serial RS 232
2.1 COMPUTER VISION
Merupakan sistem otomatisasi yang
terintegrasi proses visual seperti akuisisi,
pengolahan gambar,analisis,recognition serta melakukan aksi kontrol
Computer Vision dapat membantu pekerjaan manusia sesuai kehendak programmer selama 24 jam tanpa mengenal lelah
Untuk membangun sistem ini diperlukan
camera sebagai inputan proses pengambilan gambar / wajah yang kemudian diolah oleh software seperti visual basic 6.0 ini
2.2 KAMERA WEBCAM
webcam yang kami gunakan adalah webcam Logitech 8MP
2.3 PENGOLAHAN CITRA
• Image merupakan informasi yang tersimpan dalam bentuk pemetaan bit‐bit, sering disebut bitmap.
• Setiap bit‐bit membentuk satu titik informasi yang dikenal dengan pixel.
• Satuan dari pixel dinyalakan dengan posisi (x, y) dan nilai dari pixel (warna atau gray).
2.4 EIGENVALUE, EIGENVECTOR, EIGENFACE
• Eigenvector dari suatu transformasi adalah
vektor‐vektor yang tidak mengalami perubahan atau hanya dikalikan dengan scale factor setelah transformasi.
• Eigenvalue dari suatu eigenvector adalah scale factor di mana eigenvector dikalikan.
• EigenFace adalahkumpulan dari eigenvector yang digunakan untuk masalah computer vision pada pengenalan wajah manusia
2.4.1 Mencari Eigen Value
jika λ adalah eigenvalue dari A maka : (A‐ λI)v=0 yang mana I=matriks identitas
yang memiliki pemecahan non zero v maka : det(A‐ λI)=0
Fungsi p(λ )=det(A ‐ λ I) adalah sebuah polinomial dalam λ karena determinan dihitung dengan sum of product. Semua eigenvalue dari suatu matriks A dapat dihitung dengan menyelesaikan persamaan pA(λ) = 0 jika matriks A berukuran nxn maka A memiliki paling banyak n buah eigenvalue
2.4.2 Mencari Eigen Vector
jika eigenvalue diketahui nilainya maka eigenvector dapat dicari dengan rumus : (A‐ λI)v=0
contoh :
matriks A =
maka polinomial karakteristiknya
akar‐akarnya λ=2 dan λ=3
maka nilai eigenvector untuk eigenvalue=3 substitusi Y0 ke v pada
didapat
‐X0‐Y0=0 atau Y0=‐X0
sehingga eigenvectornya
2.4.3 Perhitungan Eigenface 1. Penyusunan Flat Vector
2. Perhitungan Rataan Flat Vector
Perpaduan kedua matriks dijumlahkan dan didapat nilai rataannya
3. Menentukan Nilai Eigenface
4. Proses Identifikasi
Berikut contoh perhitungannya
Berdasarkan hasil perhitungan di atas,
diperoleh informasi bahwa Test gambar lebih mendekati ke gambar orang 2 karena
perbedaan nilai eigenfacenya relatif kecil
Akan tetapi dalam kasus pendeteksian wajah ini, harus diperoleh nilai yang sangat akurat dan mendekati nilai dari orang yang dideteksi sebagai pemilik, dan terkadang nilai itu tidak harus sama persis karena pengaruh beberapa faktor :
Faktor‐faktor yang mempengaruhi tingkat keberhasilan pengenalan wajah diantaranya :
1. Jarak capture ke webcam
2. Intensitas cahaya saat capture
3. Posisi wajah ( lurus ke depan / nunduk dll) 4. Raut muka wajah
2.5 PEMROGRAMAN VISUAL BASIC 6.0
Komponen pendukung untuk peng‐capture‐an adalah ezvidcap.ocx yang ditunjukkan pada
gambar berikut
2.6 MIKROKONTROLER ATMEGA 16 + DRIVER RELAY
2.7 KOMUNIKASI SERIAL RS 232 Berikut deskripsinya
PERENCANAAN DAN PERANCANGAN SYSTEM
3.1 PERANCANGAN SYSTEM
3.2 PERANCANGAN PERANGKAT KERAS Alat‐alat yang digunakan :
1. Camera webcam 2. Modul Atmega16 3. Driver Relay
4. Kabel USB to Serial 5. Laptop
6. Sepeda Motor
PERANCANGAN HARDWARE SECARA KESELURUHAN
Flowchart System kerja alat
Inisialisasi Webcam
Capture Wajah
Grayscale
Simpan Gambar
START
Inisialisasi Webcam
Capture Wajah
Grayscale
Template ( Matrik )
END Apakah Sudah
Matching?
Memerintahkan mikrokontroller Menjalankan Relay
Ya
Tidak Pencocokan
3.3 PERANCANGAN PERANGKAT LUNAK Algoritma System
3.3.1 Proses Login
Login ada 2 macam
1. Pemilik wajah / admin 2. Tamu
3.3.2 Proses Penginputan wajah Pemilik
3.3.3 Proses Pengenalan atau Pencocokan
Algoritma pencocokan wajah
3.3.4 Proses Pengiriman ke Hardware Mikrokontroler
Dalam pengiriman kali ini yaitu pengiriman character menggunakan USB to serial communication yang
sering digunakan dalam aplikasi pemrograman serial.
Proses pengirimannya adalah sebagai berikut :
• Data hasil pengenalan atau pencocokan
• Jika dikenali pemilik maka akan mengirimkan character
• Dikirimkan melalui USB to serial RS232 ke
mikrokontroller pada port yang sudah disetting.
• Lalu mikrokontroller yang sudah terprogram, outputnya yang terhubung dengan driver relay akan memerintahkan agar relay berubah dari posisi normally open menjadi normally close sehingga motor terstarter.
• Jika dikenali bukan pemilik dan terakumulasi 3x, maka akan mengirimkan character lainnya.
• Dikirimkan melalui USB to serial RS232 ke mikrokontroller pada port yang sudah
disetting
• Lalu mikrokontroller yang sudah terprogram, outputnya yang lain akan menghubungkan
dan membunyikan buzzer (alarm).
Algoritma Pengiriman Karakter ke mikro
PENGUJIAN DAN ANALISA
Bab ini menjelaskan mengenai pengujian sistem yang merupakan tahap penting dalam pengerjaan Proyek Akhir ini. Pengujian dilakukan untuk mengetahui apakah sistem yang dibuat sesuai dengan apa yang direncanakan. Pengujian dilakukan secara bertahap dan berkesinambungan.
4.1 HASIL UJI COBA
4.1.1 Tahap Pengujian Penginputan Wajah Pemilik
4.1.2 Tahap Pengujian Pencocokan Wajah wajah terdeteksi dengan baik
wajah tak terdeteksi dan dianggap sebagai maling
wajah terdeteksi sebagian dan dianggap maling
UJI COBA PENGENALAN WAJAH
Pengujian kali ini dilakukan dengan pencahayaan yang hampir sama dengan saat pengambilan data wajah pemilik. Namun, raut muka, posisi dan jarak yang berbeda‐beda, agar kita mengatahui faktor apa yang paling berpengaruh dalam pengenalan atau pencocokan ini dengan metode ini. Disini kita menguji untuk 2 orang pemilik dan wajah random
Pemilik 1 dan pemilik 2 adalah acuan kita apakah masih dikenali sebagai bukan pemilik dan wajah random digunakan untuk mengetahui apakah wajah orang lain yang tidak ada pada database masih dikenali sebagai pemilik. Pengujian dilakukan 30x.
pemilik 1 diuji 30 kali, pemilik 2 diuji 30 kali, dan wajah random diuji 30x.
Ditahap tahap pengujian kita harus mencatat semua hasil yang ada yaitu pemilik 1 dikenali pemilik atau masih juga dikenali bukan pemilik, begitu juga pemilik 2 dan wajah random. Dan saat uji coba berikut prosesnya dan dapat kita ambil data. Hasil uji coba dan datanya adalah sebagai berikut :
Pemilik 1
Pemilik 2
Wajah Random
Pengujian di atas yang kami sajikan hanya sebagian dari percobaan yang kami lakukan.
percobaan terhadap pemilik 1, pemilik 2 dan wajah random masing‐masing sebanyak 30 kali percobaan
Berikut tabel lengkapnya
Dapat disimpulkan untuk akurasi pengenalan
• Persentase Keberhasilan
dimana,
* % = Persentase keberhasilan
* n = Jumlah skor empirik (skor keberhasilan yang diperoleh)
* N = Jumlah seluruh skor
• Maka Didapatkan
• Uji Pengiriman Karakter
No Pengiriman Character
Kondisi Relay Kondisi Buzzer Sepeda Motor Terstarter
ON OFF ON OFF
1 1 √ ‐ ‐ √ √
2 1 √ ‐ ‐ √ √
3 1 √ ‐ ‐ √ √
4 1 √ ‐ ‐ √ √
5 1 √ ‐ ‐ √ √
6 2 ‐ √ √ ‐ X
7 2 ‐ √ √ ‐ X
8 2 ‐ √ √ ‐ X
9 2 ‐ √ √ ‐ X
10 2 ‐ √ √ ‐ X
Tabel 4.1.3. Pengujian Pengiriman Character
PENUTUP
KESIMPULAN
• Image processing terutama pada proses pencocokan akan berjalan baik dengan capture gambar yang jelas, tidak
kabur dengan penggunaan resolusi kamera 160 x 120 pixels yang menghasilkan gambar 80 x 80 pixels.
• Sesuai permasalahan, alat sudah berhasil melakukan pengenalan mana pemilik maupun membedakan bukan pemilik dengan akurasi keberhasilan 82%.
• Metode pengenalan wajah yang digunakan dalam tugas akhir ini belum terlalu bagus untuk sistem security karena persentase errornya 18%.
• Proses pengiriman dari komputer atau laptop ke
mikrokontroller adalah pengiriman character dengan menggunakan MScomm serta komunikasi serial RS 232 yang mana saat pengujian pengiriman didapatkan hasil 100% bekerja sesuai harapan.
SARAN
• Dari proyek akhir yang telah dikerjakan ini. Dapat nantinya digunakan untuk pengembangan dalam bentuk proyek lain misalnya penggunaan pengenalan wajah secara otomatis pada gedung perkantoran, pengenalan wajah buronan polisi, pengenalan wajah pada sistem absensi.
Untuk hasil yang lebih akurat, sebaiknya dilakukan penyimpanan pemilik tidak hanya 1 foto dan 1 posisi.
Namun, disimpan dalam banyak foto dan banyak posisi.
• Untuk pengembangan aplikasi ini bisa menggunakan bahasa pemrograman lain yang sekiranya dapat membuat aplikasi ini menjadi lebih interaktif.
