EKSTRAKSI KONTUR MATA PADA SKETSA WAJAH MENGGUNAKAN GRADIENT VECTOR FLOW SNAKE

(1)

EKSTRAKSI KONTUR MATA

PADA SKETSA WAJAH MENGGUNAKAN

GRADIENT VECTOR FLOW SNAKE

SA N GA P M U L Y A DI

2 2 0 8 2 0 5 0 1 1

(2)

Abstrak

Dunia modern dewasa ini memanfaatkan teknologi biometrik dalam

pengenalan fitur-fitur wajah khususnya melalui deteksi fitur mata dengan

mengembangkan sistem yang mengekstraksi kontur mata dari sketsa wajah.

Proses diawali dengan mengakuisisi image dari sejumlah sketsa wajah

frontal-view tipe halftone berukuran 110x150 piksel dan 296x401 piksel serta

membentuk template mata. Kemudian dilakukan proses deteksi titik lokasi

posisi mata dengan mencocokkan template mata terhadap sketsa wajah

menggunakan algorithma

template matching

kombinasi

grid

maupun tanpa

grid

untuk menentukan lokasi titik dan posisi mata dari sketsa wajah

dilanjutkan dengan menentukan titik tengah posisi mata tersebut. Hasil

deteksi lokasi posisi mata tanpa grid diperoleh kesalahan deteksi lokasi posisi

mata (tidak dikenali) sebanyak 10 sketsa dari keseluruhan 50 sketsa wajah

menjadi 5 dari 50 dengan grid, 2 sketsa besar dengan grid dan 1 sketsa

untuk miring 2 derajat kanan. Selanjutnya analisis menggunakan

ROC

untuk miring 2 derajat kanan. Selanjutnya analisis menggunakan

ROC

dengan nilai threshold 0.01333 diperoleh masing-masing 71% dan 77%.

Proses ekstraksi kontur mata yang dilakukan Gradient Vector Flow Snake

sangat dipengaruhi hasil

template matching untuk penentuan inisialisasi

kontur dengan hasil cukup baik walaupun tidak smooth.

(3)

Pendahuluan

Latar Belakang

Sistem pengenalan wajah sebagai bagian dari teknologi biometrik masih menjadi perhatian dan penelitian para ahli dalam pengaksesan informasi pada multimedia perhatian dan penelitian para ahli dalam pengaksesan informasi pada multimedia jaringan. Ekstraksi fitur-fitur wajah dari image baik berupa sketsa wajah memiliki cakupan penggunaan yang luas seperti misalnya pemodelan wajah,pengenalan ekspresi wajah,animasi wajah maupun pengenalan wajah berdasarkan fiturnya ilustrasi gambar 1.

ilustrasi gambar 1.

Gambar 1(a) Deteksi fitur wajah (mata) dan (b) Contoh ekstraksi mata

Gambar 2. Contoh bentuk sketsa wajah frontal-view tipe halftone (courtesy Arif Muntasa)

(4)

Rumusan masalah

Permasalahan yang harus dipecahkan

(1)

Penentuan titik lokasi posisi dari mata terhadap sketsa

wajah

(2)

Metode yang tepat dalam melakukan ekstraksi kontur

mata

(5)

Batasan Masalah

1. Menentukan inisialisasi kontur mata algoritma

template matching

2. Data yang dipakai adalah pada sketsa wajah

frontal-view tipe halftone

3. Ekstraksi kontur mata menggunakan

GVFsnake.

(6)

Tujuan

Berdasarkan rumusan masalah maka tujuan desain penelitian ini adalah

1 . Metode pencocokan template dan ekstraksi kontur

yang didesain

juga waktu identifikasi yang cepat

dengan tingkat kesalahan

yang relatif kecil pada

dengan tingkat kesalahan

yang relatif kecil pada

sketsa wajah

2. Mendapatkan

Mendapatkan

kontur mata pada sketsa wajah yang

(7)

Manfaat

Dari tujuan penelitian diharapkan pada penelitian

ini mempunyai kontribusi adanya suatu metode

ekstraksi kontur mata yang cepat dan tingkat

akurasi yang baik

(8)

Metodologi Penelitian

Dalam penelitian ini, langkah kerja yang digunakan adalah sebagai

berikut:

1. Mempelajari teori dasar tentang template matching dan GVF .

2. Mempelajari referensi penelitian-penelitian yang berhubungan

dengan fitur wajah.

3. Mendesain template database mata

4. Mendesain sistem identifikasi kontur mata sketsa wajah.

5. Melakukan pengujian ekstraksi kontur mata menggunakan

GVFSnake.

6. Menganalisis hasil dari pengujian ekstraksi kontur mata

menggunakan metode GVF

7. Menganalisa hasil dari pengujian yang telah dilakukan.

8. Menyusun laporan penelitian.

(9)

Sistematika Penulisan

Penulisan penelitian ini terdiri atas 5 bab, dimana setiap bab saling berhubungan satu sama lain sesuai dengan urutan permasalahan yang akan dibahas. Garis besar susunan penulisan penelitian ini adalah

Sistematika Penulisan

dengan urutan permasalahan yang akan dibahas. Garis besar susunan penulisan penelitian ini adalah sebagai berikut :

BAB 1. Pendahuluan

Mendeskripsikan mengenai latar belakang, rumusan masalah, batasan masalah, tujuan penelitian dan sistematika penulisan.

dan sistematika penulisan. BAB 2. Teori Penunjang

Berisi tentang kajian teoritis mengenai konsep dasar ekstraksi kontur mata ,algoritma template

matching, metode GVFsnake (Gradient Vector Flowsnake)

BAB 3. Perancangan Sistem BAB 3. Perancangan Sistem

Membahas tentang perancangan sistem yang dibuat mulai dari input image,desain database template mata, penentuan titik tengah inisialisasi kontur mata, dan ekstraksi pada kontur mata BAB 4. Pengujian sistem

Membahas tentang pengujian yang dilakukan secara komprehensif terhadap rancangan sistem yang M embahas t ent ang pengujian yang dilakukan secara komprehensif t erhadap rancangan sist em yang didesain pada kondisi uji yang disiapkan

BAB 5. Penutup

Berisikan kesimpulan-kesimpulan yang bisa diambil dari hasil penelitian ini serta saran-saran yang digunakan perbaikan sistem

(10)

feature detection stage (tracking)

Input sketsa wajah

110x150 piksel,296x401piksel Template matching

Lokasi posisi mata

template mata Tentukan titik tengah mata

Sketsa wajah dalam Grayscale

Ubah dalam grayscale Bentuk persamaan elips untuk inisialisasi kontur

Ekstraksi kontur mata menggunakan GVF Snake

Akuisisi data

Kontur mata

frontal non grid, frontal grid miring 2 derajat kiri

miring 2 derajat kanan evaluasi ROC

(11)

BAB 2. TINJAUAN PUSTAKA

2.1. Template Matching

Jumlah perbedaan piksel dinyatakan juga sebagai algoritma

pembanding antara image sketsa wajah terhadap template mata

Gambar 3 (a) image sketsa wajah (b) contoh template mata 65x10 piksel dan 29x173 piksel

1 .

2 ...

,

)

,

(

)

,

(

m n

j

y

i

x

fim

n

m

g

j

i

D

(

,

)

(

,

)

,

...

2 .

1

0 0 y x

j

y

i

x

fim

n

m

g

j

i

D

m n j y i x fim n m g ( , ) , min y x j y i x fim n m g 0 0 , ) , ( min 2 . 2 ... , min D i j SMatching

(12)

Flow Chart Template Matching

start

Input template mata

Lakukan proses pencarian dari batas image

Seleksi P bedaan piksel antara template mata dengan image

Dapatkan perbedaan/selisih terkecil Dapatkan perbedaan/selisih terkecil

Minimum ?

Gambar 4. Flow Chart Template Matching end

(13)

2.2. Gradient Vector Flow Snake(GVFSnake)

Kelebihan Gradient Vector Flow Snake

Kemampuan untuk bergerak sampai ke arah batas cekungan pada

quiver (concavities)

Tidak membutuhkan pengetahuan data pelatihan terlebih dulu

Mempunyai capture range yang besar

Gambar 5. Gradient Vector Flow [5] Gambar 5. Gradient Vector Flow [5]

(14)

GVF field is defined as the equilibrium solution to the following diffusion equation

dxdy

f

v

u

_x

2 _y

2 _x

2 _y

2

2 v

-

2 y

x

v

y

x

u

(

,

),

,

v

where

,

2 2 2 2 2 2

y

x

f

y

x

f

y

x

f

t

y

x

v

t

y

x

v

t

y

x

v

y

x

f

y

x

f

y

x

f

t

y

x

u

t

y

x

u

t

y

x

u

y x x t y x x t

1 -0

factor,

regulation

a

is

and

operator

laplace

is

where

,

y

t

v

x

y

t

v

x

y

t

f

x

y

f

x

y

f

x

y

x

v

_t _x _x _y

Xu & Prince: Snake, shape and gradient vector flow. IEEE trans image processing 1998, 7:359-369

(15)

energy functional

Kombinasi dari internal forces and

energy functional

Kombinasi dari internal forces and

external forces

internal forces keluar dari snake

external forces berasal dari image

Snakes secara parametric dinyatakan

Energy functional yang diminimalkan adalah

)]

(

),

(

[

)

(

s

p

₁

s

p

₂

s

z

Energy functional yang diminimalkan adalah

1

int

int ( ( )) ( ( )) ( ( ))]

[E s E s E s ds

E _snake z _image z _constra z

0

int

int ( ( )) ( ( )) ( ( ))]

[E s E s E s ds

(16)

feature detection stage (tracking)

Input sketsa wajah

110x150 piksel,296x401piksel Template matching

Lokasi posisi mata

template mata Tentukan titik tengah mata

Sketsa wajah dalam Grayscale

Ubah dalam grayscale Bentuk persamaan elips untuk inisialisasi kontur

Ekstraksi kontur mata menggunakan GVF Snake

Akuisisi data

Kontur mata

frontal non grid, frontal grid miring 2 derajat kiri

miring 2 derajat kanan evaluasi ROC

(17)

Bab 3. Metodologi Penelitian

Penelitian ini menggunakan objek wajah manusia dalam bentuk sketsa wajah untuk diekstraksi. Beberapa langkah yang dilakukan dalam penelitian ini meliputi

diekstraksi. Beberapa langkah yang dilakukan dalam penelitian ini meliputi Melakukan akuisisi data image dari format RGB kedalam bentuk Grayscale

Membuat template mata dari sketsa wajah yang sudah diubah dalam bentuk grayscale Menjadikan template mata dan sketsa wajah dalam bentuk grayscale sebagai input Menjadikan template mata dan sketsa wajah dalam bentuk grayscale sebagai input image untuk dilakukan pemrosesan

Menentukan lokasi titik posisi mata dengan melakukan proses template matching terhadap input image dan template mata

Membuat persamaan ellips untuk kemudian digunakan sebagai penentuan titik tengah Membuat persamaan ellips untuk kemudian digunakan sebagai penentuan titik tengah melakukan inisialisasi kontur

(18)

Bab 4. Hasil eksperimen dan analisis

Gambar 4.1 Hasil deteksi lokasi posisi mata pada 50 sketsa wajah Gambar 4.1 Hasil deteksi lokasi posisi mata pada 50 sketsa wajah

halftone 110x150 piksel (tanpa grid)

Gambar 4.2 Hasil deteksi lokasi posisi mata pada 50 sketsa wajah halftone 110x150 piksel (tanpa grid)