PENGENALAN WAJAH DENGAN METODE TEMPLATE MATCHING SEBAGAI SISTEM STARTER SEPEDA MOTOR BERBASIS MIKROKONTROLER ATMEGA 16

Oleh :Margito Hermawan 6907040024Fajar Indra 6907040026

ABSTRACT

Face recognition is one of the biometric technology that hasbeen applied in many security system in addition to the eyeretina, an iris and fingerprint recognition. Technology of facerecognition is a process of human face recognition via camera(webcam) connected to a computer programming language.Calculation isperformed based on the results obtained andthen verified through a method. Template matching is amethod that will be used. Calculation ofeigenface value willbe used as a reference oftemplate matching. Someone's faceis captured, then processed and stored in the database. Theface has a matrix database which is stored and processed toobtain the value eigenface (eigenface reference).

ABSTRAK

Pengenalan wajah adalah salah satu teknologi biometric yangsering diaplikasikan dalam sistem security, selainpengenalan retina mata, sidik jari, iris mata.Teknologi facerecognition merupakan sebuah proses pengenalan wajahmanusia via kamera (webcam) yang dihubungkan dengansebuah bahasa pemograman komputer. Dilakukanperhitungan‐perhitungan berdasarkan hasil yang didapatdan dicocokkan melalui sebuah metode.Template matchingadalah metode yang akan digunakan. Dan perhitungan nilaieigenface yang akan digunakan sebagai acuan templatematching. Wajahseseorang di‐capture, diproses laludisimpan dalam database. Wajah yang tersimpan databasemempunyai matrik dan diproses untuk mendapatkannilai“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 yangaman.

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 TUJUANTujuan 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 danMikrokontroler.

TINJAUAN PUSTAKA

Ada beberapa hal yang akan kita bahas, yakni :1. Computer Vision2. Kamera Webcam3. Pengolahan Citra4. Eigenvalue, eigenvector dan eigenface5. Visual Basic 6.06. Mikrokontroler dan Driver Relay7. Komunikasi Serial RS 232

2.1 COMPUTER VISIONMerupakan sistem otomatisasi yang terintegrasi proses visual seperti akuisisi, pengolahan gambar,analisis,recognition sertamelakukan aksi kontrolComputer Vision dapat membantu pekerjaanmanusia sesuai kehendak programmer selama24 jam tanpa mengenal lelah

Untuk membangun sistem ini diperlukancamera sebagai inputan proses pengambilangambar / wajah yang kemudian diolah olehsoftware seperti visual basic 6.0 ini

2.2 KAMERA WEBCAMwebcam yang kami gunakan adalahwebcam 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 padapengenalan wajah manusia

2.4.1 Mencari Eigen Valuejika λ adalah eigenvalue dari A maka :(A‐ λI)v=0 yang mana I=matriks identitasyang 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) = 0jika matriks A berukuran nxn maka A memiliki paling banyak n buah eigenvalue

2.4.2 Mencari Eigen Vectorjika eigenvalue diketahui nilainya makaeigenvector dapat dicari dengan rumus :(A‐ λI)v=0 contoh :matriks A = maka polinomial karakteristiknya

akar‐akarnya λ=2 dan λ=3maka nilai eigenvector  untuk eigenvalue=3

substitusi Y0 ke v padadidapat

‐X0‐Y0=0 atau Y0=‐X0sehingga eigenvectornya

2.4.3 Perhitungan Eigenface1. Penyusunan Flat Vector

2. Perhitungan Rataan Flat Vector

Perpaduan kedua matriks dijumlahkan dandidapat 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 keberhasilanpengenalan wajah diantaranya :1. Jarak capture ke webcam2. Intensitas cahaya saat capture3. Posisi wajah ( lurus ke depan / nunduk dll)4. Raut muka wajah

2.5 PEMROGRAMAN VISUAL BASIC 6.0Komponen pendukung untuk peng‐capture‐an adalah ezvidcap.ocx yang ditunjukkan padagambar berikut

2.6 MIKROKONTROLER ATMEGA 16 + DRIVER RELAY

2.7 KOMUNIKASI SERIAL RS 232Berikut deskripsinya

PERENCANAAN DAN PERANCANGAN SYSTEM

3.1 PERANCANGAN SYSTEM

3.2 PERANCANGAN PERANGKAT KERASAlat‐alat yang digunakan :1. Camera webcam2. Modul Atmega163. Driver Relay4. Kabel USB to Serial5. Laptop6. Sepeda Motor

PERANCANGAN HARDWARE SECARA KESELURUHAN

Flowchart System kerja alatInisialisasi Webcam

Capture Wajah

Grayscale

Simpan Gambar

START

Inisialisasi Webcam

Capture Wajah

Grayscale

Template ( Matrik )

END

Apakah SudahMatching?

Memerintahkan mikrokontroller

Menjalankan Relay

Ya

Tidak

Pencocokan

3.3 PERANCANGAN PERANGKAT LUNAKAlgoritma System

3.3.1 Proses Login

Login ada 2 macam1. Pemilik wajah / admin2. 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 mengirimkancharacter 

• Dikirimkan melalui USB  to serial RS232 kemikrokontroller pada port yang sudah disetting.

• Lalu mikrokontroller yang sudah terprogram, outputnya yang terhubung dengan driver relay akan memerintahkan agar relay berubah dariposisi 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 kemikrokontroller pada port yang sudahdisetting

• Lalu mikrokontroller yang sudah terprogram, outputnya yang lain akan menghubungkandan membunyikan buzzer (alarm).

Algoritma PengirimanKarakter ke mikro

PENGUJIAN DAN ANALISA

Bab ini menjelaskan mengenai pengujiansistem yang merupakan tahap penting dalampengerjaan Proyek Akhir ini. Pengujiandilakukan untuk mengetahui apakah sistemyang dibuat sesuai dengan apa yangdirencanakan. Pengujian dilakukan secarabertahap dan berkesinambungan.

4.1 HASIL UJI COBA4.1.1 Tahap Pengujian Penginputan WajahPemilik

4.1.2 Tahap Pengujian Pencocokan Wajahwajah terdeteksi dengan baik

wajah tak terdeteksi dan dianggap sebagaimaling

wajah terdeteksi sebagian dan dianggapmaling

UJI COBA PENGENALAN WAJAHPengujian kali ini dilakukan dengan pencahayaanyang hampir sama dengan saat pengambilan datawajah pemilik. Namun, raut muka, posisi danjarak yang berbeda‐beda, agar kita mengatahuifaktor apa yang paling berpengaruh dalampengenalan atau pencocokan ini dengan metodeini. Disini kita menguji untuk 2 orang pemilik danwajah random

Pemilik 1 dan pemilik 2 adalah acuan kitaapakah masih dikenali sebagai bukan pemilikdan wajah random digunakan untukmengetahui apakah wajah orang lain yangtidak ada pada database masih dikenalisebagai pemilik. Pengujian dilakukan 30x.pemilik 1 diuji 30 kali, pemilik 2 diuji 30 kali,dan wajah random diuji 30x.

Ditahap tahap pengujian kita harus mencatatsemua hasil yang ada yaitu pemilik 1 dikenalipemilik atau masih juga dikenali bukanpemilik, begitu juga pemilik 2 dan wajahrandom. Dan saat uji coba berikut prosesnyadan dapat kita ambil data. Hasil uji coba dandatanya adalah sebagai berikut :

Pemilik 1

Pemilik 2

Wajah Random

Pengujian di atas yang kami sajikan hanyasebagian dari percobaan yang kami lakukan.percobaan terhadap pemilik 1, pemilik 2 danwajah random masing‐masing sebanyak 30kali percobaan

Berikut tabel lengkapnya

Dapat disimpulkan untuk akurasi pengenalan• Persentase Keberhasilan

dimana, * % = Persentase keberhasilan* n = Jumlah skor empirik (skor keberhasilanyang diperoleh)* N = Jumlah seluruh skor

• Maka Didapatkan

• Uji Pengiriman Karakter

NoPengiriman Character

Kondisi Relay Kondisi Buzzer Sepeda Motor TerstarterON 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

PENUTUPKESIMPULAN• 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 melakukanpengenalan mana pemilik maupun membedakan bukanpemilik dengan akurasi keberhasilan 82%.

• Metode pengenalan wajah yang digunakan dalam tugasakhir ini belum terlalu bagus untuk sistem security karenapersentase errornya 18%.

• Proses pengiriman dari komputer atau laptop kemikrokontroller adalah pengiriman character denganmenggunakan MScomm serta komunikasi serial RS 232 yang mana saat pengujian pengiriman didapatkan hasil100% bekerja sesuai harapan.

SARAN• Dari proyek akhir yang telah dikerjakan ini. Dapat nantinya

digunakan untuk pengembangan dalam bentuk proyeklain misalnya penggunaan pengenalan wajah secaraotomatis pada gedung perkantoran, pengenalan wajahburonan polisi, pengenalan wajah pada sistem absensi.Untuk hasil yang lebih akurat, sebaiknya dilakukanpenyimpanan pemilik tidak hanya 1 foto dan 1 posisi.Namun, disimpan dalam banyak foto dan banyak posisi.

• Untuk pengembangan aplikasi ini bisa menggunakanbahasa pemrograman lain yang sekiranya dapat membuataplikasi ini menjadi lebih interaktif.