1
PEMANFAATAN METODE TEMPLATE MATCHING UNTUK F ACE TRACKING
SECARA REAL TIME DI RUANG TERTUTUP
oleh
Efraim Anggriyono NIM : 612010016
Skripsi
Untuk melengkapi salah satu syarat memperoleh Gelar Sarjana Teknik
Program Studi Teknik Elektro Fakultas Teknik Elektronika dan Komputer
Universitas Kristen Satya Wacana Salatiga
i
INTISARI
Video merupakan rangkaian banyak frame (gambar) yang di dalamnya berisi tahap
demi tahap dari suatu gerakan yang diputar dengan kecepatan tertentu. Perekaman video biasanya dilakukan secara manual oleh seorang juru kamera. Juru kamera secara teknis melakukan perekaman visual dengan kamera mekanik ataupun elektronik dan melakukan pengarahan secara manual terhadap pergerakan dari objek yang direkam. Juru kamera harus
berkonsentrasi dengan objek yang direkam agar tidak ketinggalan sedetik moment pun yang
bisa membuat buyar kesan suatu liputan. Selain itu dibutuhkannya tenaga yang lebih dari seorang juru kamera dalam melakukan proses perekaman tersebut.
Dari permasalahan yang ada dibuat sebuah sistem yang dapat digunakan untuk proses perekaman video secara otomatis. Sistem ini dibentuk berdasarkan pengenalan wajah manusia
yang diinginkan. Pengenalan wajah manusia dilakukan dengan metode template matching.
Metode template matching adalah sebuah teknik dalam pengolahan citra digital untuk
menemukan bagian dari gambar yang sesuai dengan template (acuan). Metode ini memiliki
beberapa kelebihan diantaranya relatif mudah untuk diaplikasikan dalam teknik pengolahan citra digital, hasilnya relatif akurat karena mendeteksi kesalahan hingga ukuran piksel dan waktu komputasi yang dihasilkan relatif lebih kecil. Tingkat akurasi yang relatif tinggi dan waktu komputasi yang kecil memungkinkan sistem untuk melakukan pengenalan wajah secara
real time.
Dari hasil pengujian, diperoleh bahwa sistem perekaman video otomatis di ruang tertutup dengan variasi pencahayaan malam hari (menggunakan lampu) memberikan performa yang lebih baik dibandingkan dengan variasi pencahayaan saat pagi hari, siang hari dan sore hari. Akurasi program (Ap) yang dihasilkan sebesar 79.95% dan akurasi rotator (AR) yang
ii
Abstract
Video is a series of frames (image) which compound of steps of a movement which play with certain pace. Video recording is usually do manually by cameraman. Cameraman technically do video recording with a mechanic or electronic camera and operate it manually to video recording objects. Cameraman need to concentrate on the objects so he will not miss a single moment that can ruin the impression or the coverage. Not only that, manual recording demand an extra energy from the cameraman.
From this problem was created a system that can be used for automatic video recording. This system created based on faced identification on a subject. Faced identification on this essay was created based on template matching method. Template matching method is a method in digital image processing to find part fr om a picture which match the template. This method have some advantages, for example it is easy to use in digital image processing, the results is quite precise because it detect error in pixels and the computation time is fast. The accuracy which relatively quite high and fast computation time which give possibility to system to do faced identification in real time.
The test result proved that automatic video recorder was better in night time (by using light) than in the morning, afternoon or evening time. The program accuracy (Ap) is 79.95%
iii
KATA PENGANTAR
Segala puji syukur dan kemuliaan hanya bagi Tuhan Yesus Kristus berkat kasih karunia-Nya yang berlimpah dan penyertaan-Nya yang sempurna sehingga skripsi dengan
judul “Pemanfaatan Metode Template Matching untuk Face Tracking Secara Real Time di
Ruang Tertutup” dapat diselesaikan dari awal pengusulan, pembuatan, hingga akhirnya selesai.
Skripsi ini digunakan sebagai salah satu syarat untuk mendapatkan gelar Sarjana Teknik di Fakultas Teknik Elektronika dan Komputer Universitas Kristen Satya Wacana, Salatiga.
Dalam kesempatan ini penulis menyampaikan ucapan terima kasih sebesar besarnya kepada :
1. Bapak Dr. Iwan Setyawan dan Ibu Ivanna K. Timotius, S.T., M.S. selaku
pembimbing yang telah banyak membantu, membimbing, memberi saran, serta mengajari penulis banyak hal selama proses pembuatan skripsi ini.
2. Segenap staff pengajar Fakultas Teknik Elektronika dan Komputer atas didikan
selama proses perkuliahan.
3. Staff Tata Usaha FTEK atas bantuan dalam hal administrasi.
4. Orang tua dan kakak yang terkasih Ester Volina Kim, Koe Hwat serta saudara
terkasih Dian Hanny Wibowo yang telah memberi dukungan dalam segala hal.
5. Teman teman terdekat selama kuliah Deny, Vires, Henry serta penghuni kos
diponegoro 44 yovie salon Duta, Roy, Widodo dan yang lainnya yang tidak dapat disebutkan satu persatu.
6. Grup New Gantengz yang terkasih Anthony, Kristian, Rikau, Edwin, Christoper,
dan Nico yang selalu memberi semangat dan hiburan kepada penulis.
7. Teman-teman terkasih Abed, Oka, Vina, Rika, Luki, Erna, Joko, Yanti, Lita, Nia,
Danang, Teguh, Kevin, Jeffryson, Timoti, Dinda, Dira, Icha, Richard dan lainnya yang mau meluangkan waktunya menjadi responden dalam pengujian skripsi ini.
8. Teman teman FTEK yang terkasih yang tidak dapat disebutkan satu persatu.
9. Semua pihak lain yang telah membantu dan mendukung saya dalam
terselesaikannya skripsi ini yang tidak dapat saya sebutkan satu-persatu.
iv
Akhirnya penulis berharap semoga skripsi ini dapat bermanfaat dan memberikan informasi bagi pembaca, khususnya yang berkepentingan. Tuhan memberkati kita semua.
Salatiga, Maret 2015 Penulis,
v
1.2. Latar Belakang Permasalahan ... 1
1.3. Spesifikasi Tugas... 2
1.4. Spesifikasi Alat ... 2
1.5. Sistematika Penulisan ... 2
BAB II DASAR TEORI ... 4
BAB III PERANCANGAN ... 11
3.1. Cara Kerja Alat... 11
3.2. Pengambilan Data Template ... 13
vi
3.4. Penentuan Parameter ... 25
3.4.1. Pencarian Ukuran Citra masukan dan Template ... 25
3.4.2. Penentuan Variasi Cropping Template, α1,α2,dan α3 ... 30
3.4.3. Penentuan αR ... 37
3.5. Performa sistem tanpa ΔR dan dengan ΔR ... 38
BAB IV PENGUJIAN DAN ANALISIS ... 40
4.1. Pengujian dengan Variasi Pencahayaan ... 40
4.2 Pengujian dengan Variasi Posisi Wajah Subyek ... 43
4.3. Waktu Komputasi Pengolahan Citra pada Perangkat Lunak ... 45
BAB V KESIMPULAN DAN SARAN ... 46
5.1. Kesimpulan... 46
5.2. Saran ... 46
DAFTAR PUSTAKA ... 47
LAMPIRAN ... 47
A. Source Code Pemrograman pada MATLAB ... 47
A.1 Source Code Pendeteksian Wajah Tampak Depan Tanpa ΔR ... 47
A.2 Source Code Pendeteksian Wajah Hadap Kanan Tanpa ΔR ... 48
A.3 Source Code Pendeteksian Wajah Hadap Kiri Tanpa ΔR... 49
A.4 Source Code Pendeteksian Wajah Tampak Depan dengan ΔR ... 50
A.5 Source Code Pendeteksian Wajah Hadap Kanan dengan ΔR ... 51
A.6 Source Code Pendeteksian Wajah Hadap Kiri dengan ΔR ... 52
A.7 Source Code Graphical User Interface ... 53
B. Citra Template dan Citra Uji ... 68
B.1 Citra Template ... 68
vii
Gambar 2.6. Citra keluaran template matching (kotak berwarna merah merupakan kotak deteksi) ... ... 8
Gambar 2.7. Batas interval perhitungan akurasi rotator ... ... 10
Gambar 3.1. Gambaran alat pada sistem ... ... 11
Gambar 3.2. Sistem perekaman video otomatis di Gereja GPDI Mento ... ... 12
viii
Gambar 3.16. Perpindahan posisi subyek ... ... 24
Gambar 3.17.(a) Subyek Abed dengan wajah subyek tampak depan tanpa pengganggu yang dikenali benar (Hit) ... ... 28
Gambar 3.17.(b) Subyek Abed dengan wajah subyek tampak depan tanpa pengganggu yang dikenali benar dimana wajah tidak berada dalam kotak deteksi (FA) ... ... 28
Gambar 3.18.(a) Subyek Abed dengan wajah subyek hadap kanan tanpa pengganggu yang dikenali benar (Hit) ... ... 29
Gambar 3.18.(b) Subyek Abed dengan wajah subyek hadap kanan tanpa pengganggu yang dikenali benar dimana wajah tidak berada dalam kotak deteksi (FA). .... ... 29
Gambar 3.19.(a) Subyek Abed dengan wajah subyek hadap kiri tanpa pengganggu yang dikenali benar (Hit) ... ... 30
Gambar 3.19.(b) Subyek Abed dengan wajah subyek hadap kiri tanpa pengganggu yang dikenali benar dimana wajah tidak berada dalam kotak deteksi (FA). .... ... 30
Gambar 3.23. Hasil penerapan template matching dengan template 1 sistem tanpa ΔR dan sistem dengan ΔR ... 38
Gambar 3.24. Hasil penerapan template matching dengan template 2 sistem tanpa ΔR dan sistem dengan ΔR ... ... 39
Gambar 3.25. Hasil penerapan template matching dengan template 3 sistem tanpa ΔR dan sistem dengan ΔR ... ... 39
Gambar 4.1. Lokasi pencahayaan Gereja GPDI Smirna Mento ... ... 41
ix
DAFTAR TABEL
Tabel 3.1 Persentase Hit dan FA subyek Abed dengan wajah tampak depan ... 25
Tabel 3.2 Persentase Hit dan FA subyek Abed dengan wajah hadap kanan pada template 2
terhadap citra masukan berukuran 351×527 ... 27
Tabel 3.3 Persentase Hit dan FA subyek Abed dengan wajah hadap kiri pada template 3
terhadap citra masukan berukuran 351×527 ... 27
Tabel 3.4 Rata-rata persentase Hit subyek Abed dengan wajah hadap kanan dan hadap kiri
... 28
Tabel 3.5 Nilai korelasi variasi cropping template 1 terhadap wajah subyek tampak depan
... 32
Tabel 3.6 Nilai #Hit, #CR, #FA,dan #MD variasi cropping template 1 terhadap wajah
subyek tampak depan ... 33
Tabel 3.7 Nilai korelasi variasi cropping template 2 terhadap wajah subyek hadap kanan
... 34
Tabel 3.8 Nilai korelasi variasi cropping template 3 terhadap wajah subyek hadap kiri
... 35
Tabel 3.9 Nilai #Hit, #CR, #FA,dan #MD pada variasi cropping template 2 dan variasi
cropping template 3 ... 36
Tabel 4.1 Hasil pengujian Ap dan AR pada variasi pencahayaan ... 41
x
DAFTAR LAMBANG
� Nilai threshold
ΔR Hasil pengurangan rata-rata citra template (�̅) dengan rata-rata citra uji
yang tertimpa oleh template �̅�
�̅ Rata-rata waktu komputasi proses template matching (dalam detik)
AR Akurasi Rotator
̅̅̅ Rata-rata nilai korelasi citra uji terhadap template
PA Posisi horisontal awal koordinat wajah
PW Posisi horisontal koordinat wajah yang diperoleh dari proses template
matching
� Jumlah frame yang ada pergerakan rotator dengan kotak deteksi
template matching berada di luar interval antara x dan z
xi
S Variabel yang mengatur kecepatan putar pada rotator
�̅ Rata-rata template
Tu,v Template dengan ukuran u × v
� Jumlah frame yang ada pergerakan rotator dengan kotak deteksi
xii
DAFTAR SINGKATAN
MD Miss Detection
CR Correct Rejection
FA False Alarm
GUI Graphical User Interface