Professional Documents
Culture Documents
(PROPOSAL TESIS )
diajukan oleh
Setyo Nugroho
No. Mahasiswa : 18661/I-4/1445/02
Kepada
PROGRAM PASCASARJANA
UNIVERSITAS GADJAH MADA
YOGYAKARTA
DESEMBER 2003
Usulan Penelitian
IMPLEMENTASI SISTEM PENDETEKSI
WAJAH MANUSIA PADA CITRA DIGITAL
Pembimbing
1. LATAR BELAKANG
diaplikasikan, antara lain untuk sistem pengenalan biometrik (yang dapat juga
dikombinasikan dengan fitur biometrik yang lain seperti sidik jari dan suara),
sistem pencarian dan pengindeksan pada database citra digital dan database video
digital, sistem keamanan kontrol akses area terbatas, konferensi video, dan
pendeteksian wajah manusia (face detection) adalah salah satu tahap awal yang
dengan suatu database wajah dan menghasilkan wajah yang paling cocok dengan
yang telah diinputkan sebelumnya. Bidang penelitian yang juga berkaitan dengan
wajah namun dengan asumsi hanya ada satu wajah di dalam citra, penjejakan
wajah (face tracking) untuk memperkirakan lokasi suatu wajah dalam video
1
secara real time, dan pengenalan ekspresi wajah (facial expression recognition)
dan kartu kredit, citra yang didapatkan umumnya hanya berisi satu wajah dan
memiliki latar belakang seragam dan kondisi pencahayaan yang telah diatur
sebelumnya sehingga deteksi wajah dapat dilakukan dengan lebih mudah. Namun
pada kasus lain sering didapatkan citra yang berisi lebih dari satu wajah, memiliki
latar belakang yang bervariasi, kondisi pencahayaan yang tidak tentu, dan ukuran
wajah yang bervariasi di dalam citra. Contohnya adalah citra yang diperoleh di
bandara, terminal, pintu masuk gedung, dan pusat perbelanjaan. Selain itu juga
pada citra yang didapatkan dari foto di media massa atau hasil rekaman video.
Pada kasus tersebut pada umumnya wajah yang ada di dalam citra memiliki
2
bentuk latar belakang yang sangat bervariasi. Gambar 1 menunjukkan contoh
Dengan sistem pendeteksi wajah yang akurat, maka proses selanjutnya yaitu
2. PERUMUSAN MASALAH
masukan berupa sebuah citra digital sembarang, sistem akan mendeteksi apakah
ada wajah manusia di dalam citra tersebut, dan jika ada maka sistem akan
memberitahu berapa wajah yang ditemukan dan di mana saja lokasi wajah
tersebut di dalam citra. Keluaran dari sistem adalah posisi dari subcitra yang
3
3. PEMBATASAN MASALAH
berikut:
• Citra masukan yang digunakan adalah hitam putih dengan 256 tingkat
keabuan (grayscale).
(frontal), dalam posisi tegak, dan tidak terhalangi sebagian oleh objek lain.
4. KEASLIAN PENELITIAN
dan Pentland, 1991), dengan distribusi Gaussian dan clustering (Sung dan
Poggio, 1994), dengan jaringan syaraf tiruan dan arbitrasi (Rowley et al., 1998),
dengan support vector machine (Osuna et al., 1997), dan dengan metode statistik
pengaruh berbagai parameter yang digunakan terhadap unjuk kerja dari sistem.
4
Parameter-parameter yang digunakan misalnya jumlah unit dan bobot koneksi
pada hidden layer, pemakaian momentum, besarnya learning rate, banyaknya data
pelatihan, dan susunan dari jaringan syaraf tersebut. Untuk itu kami akan
membuat suatu program aplikasi sistem pendeteksi wajah yang dapat dijalankan
5. MANFAAT PENELITIAN
aplikasi yang dibuat juga dapat dijadikan bahan untuk penelitian lebih lanjut di
juga dimanfaatkan untuk sistem deteksi objek secara umum yang tidak hanya
terbatas pada wajah, misalnya deteksi kendaraan, pejalan kaki, bahan produksi,
dan sebagainya.
yang lebih baik terhadap jaringan syaraf tiruan, dan pengaruh berbagai parameter
5
6. TUJUAN PENELITIAN
sistem deteksi wajah dengan masukan berupa citra digital sembarang. Sistem ini
7. TINJAUAN PUSTAKA
dimana x dan y menunjukkan koordinat spasial, dan nilai f pada suatu titik (x,y)
sebanding dengan tingkat kecerahan (gray level) dari citra di titik tersebut. Citra
digital adalah citra dengan f(x,y) yang nilainya di-digitalisasi-kan (dibuat diskrit)
baik dalam koordinat spasialnya maupun dalam gray levelnya. Digitalisasi dari
dari gray level citra disebut dengan gray-level quantization. Citra digital dapat
merepresentasikan suatu titik di dalam citra, dan nilai elemen matriks tersebut
6
(1) Pemrosesan terjadi pada elemen-elemen sederhana yang disebut neuron.
(3) Setiap penghubung memiliki bobot yang akan mengalikan sinyal yang
lewat.
(4) Setiap neuron memiliki fungsi aktivasi yang akan menentukan nilai sinyal
output.
w1,1
X1 Y1 v1
w1,2
Z
w2,1
X2 Y2 v2
w2,2
7
Salah satu algoritma jaringan syaraf tiruan yang banyak dimanfaatkan dalam
yang diinginkan. Setelah training selesai dilakukan, hanya tahap pertama yang
1994).
dimana dari input yang berupa citra masukan akan ditentukan output berupa label
kelas dari input tersebut. Dalam hal ini terdapat dua label kelas, yaitu wajah dan
8
8. METODE PENELITIAN
Metode yang akan digunakan dalam penelitian ini terdiri dari langkah-
langkah berikut:
• Melakukan pelatihan pada sistem dengan training data set yang telah
disiapkan sebelumnya.
positif rate.
9
9. JADWAL PENELITIAN
Bulan / tahun
1 Pengumpulan Referensi
2 Studi Kepustakaan
3 Penulisan Proposal
4 Persiapan Data
5 Pembuatan Sistem/Program
6 Pengujian Sistem
7 Penulisan Laporan Tesis
E. Hjelmas, B.K. Low, 2001, “Face Detection: A Survey”, Computer Vision and
Image Understanding. 83, pp. 236-274.
Y. LeCun, L. Bottou, G.B. Orr, K.R. Muller, 1998, “Efficient BackProp”, Neural
Networks: tricks of the trade, Springer.
M. Moreira, E. Fiesler, 1995, Neural Networks with Adaptive Learning Rate and
Momentum Terms, IDIAP Technical Report.
10
E. Osuna, R. Freund, F. Girosi, 1997, “Training Support Vector Machines: An
Application to Face Detection”, Proc. IEEE Conf. Computer Vision and
Pattern Recognition 1997.
K.K. Sung, 1996, “Learning and Example Selection for Object and Pattern
Detection”, AITR 1572, Massachusetts Institute of Technology AI Lab.
11