Perancangan Pergerakan Webcam Berdasarkan Perubahan Posisi Wajah Menggunakan Metode Eigenface Berbasis Rasberry Pi.

(1)

i

PERANCANGAN PERGERAKAN WEBCAM BERDASARKAN

PERUBAHAN POSISI WAJAH MENGGUNAKAN METODE

EIGENFACE BERBASIS RASPBERRY PI

Disusun oleh :

Regina Vania Cahyadi (1122003)

Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha

Jalan Prof. Drg. Suria Sumantri, MPH. No. 65, Bandung, Jawa Barat, Indonesia

E-mail : [email protected]

ABSTRAK

Prinsip pengenalan wajah pada umumnya berbasis fitur, dan salah satunya

adalah menggunakan eigenface. Metode eigneface merupakan proses ekstraksi ciri

citra wajah yang digunakan untuk menggambarkan ciri dari citra wajah.

Pada tugas akhir ini, dibuat sistem pergerakan webcam menggunakan

pengenalan wajah berdasarkan perubahan posisi wajah menggunakan metode

eigenface berbasis Raspberry Pi. Metode eigenface adalah metode yang dapat

mengekstraksi matriks citra wajah keabuan dengan metode Principal Component

Analysis (PCA) untuk mendapatkan ciri dari citra wajah. Ciri-ciri dari citra wajah

yang didapatkan akan dibandingkan dengan data ciri citra wajah yang telah disimpan

di dalam database, menggunakan metode jarak euclidean untuk mengetahui tingkat

kemiripan. Setelah dinyatakan posisi wajah, motor servo akan menggerakkan webcam

berdasarkan perubahan koordinat posisi wajah.

Dari hasil realisasi dan pengamatan data, sistem ini dapat berfungsi sesuai

harapan, tetapi tingkat keberhasilan untuk wajah terdeteksi dan motor servo bergerak

mengikuti posisi wajah masih rendah (38.89%) dikarenakan sangat dipengaruhi

cahaya sekitar dan kecepatan processor Raspberry Pi yang digunakan terbatas.

Kata Kunci : Pengenalan wajah, Raspberry Pi, webcam, metode eigenface, metode

(2)

ii

Universitas Kristen Maranatha

DESIGN OF WEBCAM MOVEMENT USING FACE POSITION

CHANGES WITH EIGENFACE METHOD BASED ON

RASPBERRY PI

Composed by :

Regina Vania Cahyadi (1122003)

Electrical Engineering Department, Maranatha Christian University

Jl. Prof. Drg. Suria Sumantri, MPH. No. 65, Bandung, West Java, Indonesia

E-mail : [email protected]

ABSTRACT

General principle of face recognition is usually based on facial feature, and

one of them is by using eigenface. Eigenface method is a feature of the face image

extraction process used to describe the features of the facial image.

In the final project, will be made of webcam movement system based on face

recognition using face position changes using eigenface method based on Raspberry

Pi. Eigenface method is a method that can extract the facial images matrix of gray

with Principal Component Analysis (PCA) to get the features of facial images. The

features of the facial images obtained will be compared with the data of the features

of facial images that has been stored in the database, using euclidean distance method

to analyze the level of similarity. After being detected as a position face, the servo

motor will rotate webcam based on coordinates from face position changes.

From the realization and data sampling and analysis, this system function as

expected, however the success rate for face detection and servo motor movement to

following face position are still underperforming (38.89%) due to the affected light

around and limited computing resources available within Raspberry Pi.

Keywords : Face recognition, Raspberry Pi, webcam, eigenface method, euclidean

(3)

v

DAFTAR ISI

ABSTRAK ... i

ABSTRACT ... ii

KATA PENGANTAR ... iii

DAFTAR ISI ... v

DAFTAR GAMBAR ... viii

DAFTAR TABEL ... ix

BAB 1 PENDAHULUAN ... 1

1.1 Latar Belakang ... 1

1.2 Identifikasi Masalah ... 2

1.3 Rumusan Masalah ... 2

1.4 Tujuan ... 2

1.5 Pembatasan Masalah ... 2

1.6 Sistematika Penulisan ... 3

BAB 2 LANDASAN TEORI ... 5

2.1 Pengolahan Citra ... 5

2.1.1 Operasi Pengolahan Citra ... 6

2.2 Raspberry Pi ... 7

2.3 Logitech® Webcam C170 ... 11

2.4 Motor Servo ... 11

2.4.1 Prinsip Kerja Motor Servo ... 13

2.5 Bahasa Pemrograman Python ... 14

2.5.1 Variabel dan Operator ... 14

2.5.1.1 Bilangan ... 15

(4)

vi

2.5.2 Pernyataan Conditional ... 17

2.5.2.1 Pernyataan “If” ... 17

2.5.2.2 Pernyataan “Try/Except” ... 17

2.5.3 Pernyataan Looping... 18

2.6 OpenCV ... 18

2.6.1 Fungsi dalam OpenCV ... 19

2.7 NumPy ... 20

2.7.1 Fungsi dalam NumPy ... 20

2.8 Explicitly Defined Skin Region (EDSR) ... 21

2.9 Metode Eigenface ... 21

2.9.1 Perancangan Sistem Menggunakan Eigenface ... 22

2.10 Jarak Euclidean ... 23

BAB 3 PERANCANGAN DAN REALISASI ... 24

3.1 Perancangan Sistem ... 24

3.2 Perancangan Perangkat Pergerakan Webcam... 26

3.2.1 Wiring Diagram Pengendalian Motor Servo ... 27

3.2.2 Perhitungan Pergerakan Motor Servo ... 28

3.3 Modifikasi Explicitly Defined Skin Region (EDSR) ... 32

3.4 Diagram Alir Sistem Pergerakan Webcam Berdasarkan Perubahan Posisi Wajah . 33 3.5 Diagram Alir Proses Pendeteksian Posisi Wajah ... 35

3.6 Diagram Alir Proses Ekstraksi Ciri ... 36

3.7 Diagram Alir Proses Membandingkan Tingkat Kemiripan ... 37

3.8 Diagram Alir Proses Pengendalian Motor Servo ... 39

3.9 Pembuatan Database ... 40

3.10 Penentuan Jumlah Database ... 41

BAB 4 DATA PENGAMATAN DAN ANALISIS ... 45

(5)

vii

4.1.1 Objek Manusia Tidak Menggunakan Kerudung ... 46

4.1.2 Objek Manusia Menggunakan Kerudung ... 62

4.2 Data Pengamatan Pergerakan Webcam Berdasarkan Posisi Wajah ... 64

4.3 Analisis Data ... 65

BAB 5 KESIMPULAN DAN SARAN ... 67

5.1 Kesimpulan ... 67

5.2 Saran ... 68

DAFTAR PUSTAKA ... 69

LAMPIRAN A SOURCE CODE ... A-1

(6)

viii

DAFTAR GAMBAR

Gambar 2.1 Raspberry Pi ... 8

Gambar 2.2 Logitech Webcam C170... 11

Gambar 2.3 Motor Servo Futaba S3003 ... 13

Gambar 2.4 Pulse Width Modulation motor servo ... 13

Gambar 3.1 Diagram blok sistem ... 24

Gambar 3.2.a Desain skema perangkat pergerakan webcam ... 26

Gambar 3.2.b Desain real perangkat pergerakan webcam ... 27

Gambar 3.3 Desain wiring diagram pengendalian motor servo ... 28

Gambar 3.4 Skema pergerakan motor servo horizontal ... 29

Gambar 3.5 Skema pergerakan motor servo vertikal ... 30

Gambar 3.6 Rentang pulse width motor servo ... 32

Gambar 3.7 Diagram alir sistem pergerakan webcam berdasarkan perubahan posisi wajah ... 33

Gambar 3.8 Diagram alir subroutine Pendeteksian posisi wajah() ... 35

Gambar 3.9 Diagram alir subroutine Ekstraksi ciri() ... 36

Gambar 3.10 Diagram alir subroutine Membandingkan tingkat kemiripan() ... 37

Gambar 3.11 Diagram alir subroutine Motor servo() ... 39

(7)

ix

DAFTAR TABEL

Tabel 2.1 Spesifikasi Raspberry Pi ... 8

Tabel 2.2 Pin-pin GPIO Raspberry Pi model B rev 2 ... 9

Tabel 3.1 Data nilai threshold ... 38

Tabel 3.2 Data pengujian terhadap 6 objek manusia dengan database wajah 20 orang ... 41

Tabel 4.1 Pengamatan objek manusia tidak menggunakan kerudung ... 46

Tabel 4.2 Pengamatan objek manusia menggunakan kerudung ... 62

Tabel 4.3 Data pengamatan objek manusia tidak menggunakan kerudung ... 64

(8)

1 _{Universitas Kristen Maranatha}

BAB I

PENDAHULUAN

1.1 Latar Belakang

Sistem pengenalan wajah adalah aplikasi pengolahan citra yang dapat

mengidentifikasi seseorang melalui citra digital atau frame video. Sistem pengenalan

wajah telah menjadi salah satu aplikasi pengolahan citra yang cukup populer,

khususnya di bidang sistem keamanan. Prinsip pengenalan wajah pada umumnya

berbasis fitur, dan salah satunya adalah menggunakan eigenface. Pengenalan berbasis

fitur merupakan proses ekstraksi dari sifat-sifat organ individu, misalnya mata,

hidung, dan mulut. Metode eigenface merupakan proses ekstraksi informasi paling

relevan pada citra wajah. Informasi ini berupa ciri citra yang digunakan untuk

menggambarkan variasi citra wajah.

Metode eigenface merupakan metode yang paling sering digunakan dalam

melakukan ekstraksi ciri wajah. Eigenface adalah ciri-ciri wajah terbaik yang

diperoleh dengan mengekstraksi matriks citra wajah keabuan dengan metode

Principal Component Analysis (PCA). Eigenface terdiri dari sekumpulan vektor eigen

yang merepresentasikan ciri citra wajah dalam database.

Pada tugas akhir ini akan dibuat suatu sistem perancangan pergerakan webcam

berdasarkan perubahan posisi wajah menggunakan metode eigenface berbasis

Raspberry Pi. Raspberry Pi yaitu sebuah single board computer yang memiliki

microprocessor, memory, input/output (I/O), dan peralatan lain seperti sebuah

komputer yang digunakan untuk memproses pendeteksian wajah. Sebagai alat bantu

untuk mendeteksi wajah digunakan sebuah kamera dan motor servo sebagai

penggerak posisi kamera untuk mengikuti pergerakan seseorang berdasarkan

(9)

BAB 1 PENDAHULUAN 2

_{Universitas Kristen Maranatha}

1.2 Identifikasi Masalah

Perancangan dan realisasi dari pergerakan seseorang ini memiliki

permasalahan pada bagaimana mengimplementasikan Raspberry Pi sebagai pemroses

gambar untuk pergerakan webcam berdasarkan perubahan posisi wajah

menggunakan metode eigenface.

1.3 Rumusan Masalah

1. Bagaimana mengimplementasikan Raspberry Pi sebagai pemroses gambar?

2. Bagaimana aplikasi program pada Raspberry Pi agar dapat menggerakkan

webcam berdasarkan perubahan posisi wajah?

1.4 Tujuan

Membuat sistem untuk menggerakkan webcam berdasarkan perubahan posisi

wajah dengan metode eigenface menggunakan Raspberry Pi.

1.5 Pembatasan Masalah

Penulis membatasi masalah yang dibahas dalam Tugas Akhir ini adalah

sebagai berikut :

1. Membuat sistem pengenalan wajah berdasarkan warna kulit manusia dan

metode eigenface

2. Motor servo bergerak secara vertikal dan horizontal

3. Objek manusia bergerak secara perlahan-lahan

4. Jarak antara wajah manusia dengan kamera antara 1 meter sampai 2 meter

5. Wajah manusia tidak bertopeng dan tidak menggunakan topi atau sejenisnya

6. Pada saat pendeteksian di depan kamera hanya ada 1 wajah dan wajah

menghadap ke kamera

(10)

8. Menggunakan kamera dengan pixel 320x240

9. Kondisi ruangan dengan cahaya rata-rata 300 Lux

10. Objek manusia tidak menggunakan pakaian yang berwarna menyerupai warna

kulit manusia

11. Latar tidak berwarna menyerupai warna kulit manusia

1.6 Sistematika Penulisan

Laporan Tugas Akhir ini terbagi menjadi lima bab utama. Untuk memperjelas

penulisan laporan ini, akan diuraikan secara singkat sistematika beserta uraian dari

masing-masing bab, yaitu :

BAB 1 – PENDAHULUAN

Bab ini menjelaskan tentang latar belakang permasalahan, identifikasi

masalah, perumusan masalah, tujuan, pembatasan masalah, dan sistematika

penulisan.

BAB 2 – DASAR TEORI

Bab ini menjelaskan mengenai teori-teori yang menunjang proses pembuatan

tugas akhir ini. Teori-teori penunjang tersebut meliputi penjelasan tentang

pengolahan citra, Raspberry Pi, webcam, motor servo, bahasa pemrograman

Python, dan metode yang digunakan dalam pemrosesan gambar dalam tugas

akhir ini meliputi teori metode eigenface, metode jarak euclidean, dan metode

Explicitly Defined Skin Region (EDSR).

BAB 3 – PERANCANGAN DAN REALISASI

Bab ini menjelaskan mengenai proses perancangan sistem, diagram blok

sistem, perancangan perangkat pergerakan webcam, wiring diagram

pergerakan motor servo, perhitungan pergerakan motor servo, diagram alir

(11)

_{Universitas Kristen Maranatha} menggunakan metode eigenface, proses pembuatan database, dan penentuan

jumlah database.

BAB 4 – DATA PENGAMATAN DAN ANALISIS

Bab ini berisi data pengamatan dan analisis yang diperoleh dari percobaan

sistem pergerakan webcam berdasarkan perubahan posisi wajah menggunakan

metode eigenface yang sudah direalisasikan. Pengamatan yang dilakukan

adalah pada bagian pergerakan motor servo untuk mengikuti objek manusia

yang bergerak dari kiri ke kanan dan sebaliknya.

BAB 5 – KESIMPULAN DAN SARAN

Bab ini akan diuraikan kesimpulan mengenai apa yang telah dibahas pada

bab-bab sebelumnya dan saran yang dapat dikembangkan mengenai

(12)

67 _{Universitas Kristen Maranatha}

BAB V

KESIMPULAN DAN SARAN

Bab ini merupakan bab penutup yang berisi kesimpulan dari hasil penelitian

dan analisis dari tugas akhir ini serta saran bagi pengembangan sistem pergerakan

webcam berdasarkan perubahan posisi wajah menggunakan metode eigenface

berbasis Raspberry Pi.

5.1 Kesimpulan

Berdasarkan hasil percobaan dan data yang didapatkan dapat disimpulkan :

1. Perancangan pergerakan webcam berdasarkan perubahan posisi wajah

menggunakan metode eigenface berbasis Raspberry Pi telah dibuat dan

berfungsi sesuai harapan, tetapi tingkat keberhasilan untuk wajah terdeteksi

dan motor servo bergerak mengikuti posisi wajah masih rendah (38.89%).

2. Dari data pengamatan yang didapatkan, sistem ini belum berhasil dengan baik

dalam melakukan pergerakan webcam berdasarkan posisi wajah jika objek

menggunakan kerudung.

3. Rata-rata waktu pemrosesan metode eigenface akan semakin cepat bila

semakin sedikit jumlah database wajah, tetapi untuk sistem yang real time

pada saat keseluruhan pemrosesan terjadi delay 3-5 detik, disebabkan memori

(13)

BAB 5 KESIMPULAN DAN SARAN 68

5.2 Saran

Saran untuk pengembangan sistem ini lebih lanjut :

1. Untuk pemrosesan yang lebih cepat dan mengurangi delay kerja motor servo,

dapat digunakan bahasa pemrograman C++ dan processor dengan kecepatan

yang lebih tinggi.

2. Dapat dikembangkan pengenalan untuk mengidentifikasi wajah sebagai

(14)

69

DAFTAR PUSTAKA

1. Bradski, B., A. Kaehler. 2008. Learning OpenCV. United State of

America: O’Reilly Media.

2. Delac, K., M. Grgic, and S. Grgic. 2005. Independent Comparative Study

of PCA, ICA, and LDA on the FERET Data Set, International Journal of

Imaging Systems and Technology, Vol. 15, Issue 5, pp. 252-260

3. Diana, N.E. 2007. Sistem Temu Kembali Citra Wajah. Laporan Tugas Akhir.

Fakultas Ilmu Komputer. Universitas Indonesia, Jakarta.

http://lib.ui.ac.id/file?file=digital/123431-SK-682-Sistem%20temu-Pembahasan.pdf

4. Hakim M.A.I. Pemanfaatan Mini PC Raspberry Pi Sebagai Pengontrol Jarak

Jauh Berbasis Web Pada Rumah. Jurusan Teknik Komputer. Unikom, Bandung.

UNIKOM_Malik Abdillah Ibnul Hakim_BAB-2.pdf – Elib UNIKOM

5. Lutz, Mark, 2007. Learning Python (3th Edition). United States of America:

O’Reilly Media, Inc.

6. Munir, R. 2004. Pengolahan Citra Digital dengan Pendekatan Algoritmik.

Bandung: Informatika Bandung.

7. Nixon, M.S., and A.S. Aguado. 2012. Feature Extraction & Image Processing

for Computer Vision. London: Academic Press.

8. Oliphant, T.E. 2006. Guide to NumPy.

9. Opencv Dev Team. 2014. Face Recognition with OpenCV.

http://docs.opencv.org/modules/contrib/doc/facerec/facerec_tutorial.html#id16

10. Richardson, M., and S. Wallace. 2013. Getting Started with Raspberry Pi.

United State of America: O’Reilly Media.

11. Robotics Lab. 2002. Database for Face Detection and Pose Estimation.

http://robotics.csie.ncku.edu.tw/Databases/FaceDetect_PoseEstimate.htm

12. Turk, M., and A. Pentland. 1991. Eigenfaces for Recognition. Journal of

(15)

70

13. Vezhnevets V., V. Sazonov, and A. Andreeva. A Survey on Pixel-Based Skin

Color Detection Techniques. Graphics and Media Laboratory, Faculty of

Computational Mathematics and Cybernetics, Moscow State University.

Moscow, Russia.