APLIKASI PENDETEKSI WAJAH MANUSIA UNTUK MENGHITUNG JUMLAH MANUSIA MENGGUNAKAN METODE VIOLA-JONES
APLIKASI PENDETEKSI WAJAH MANUSIA UNTUK MENGHITUNG JUMLAH MANUSIA MENGGUNAKAN METODE VIOLA-JONES SKRIPSI MUHAMMAD SANTANA 091402097 PROGRAM STUDI TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2015
APLIKASI PENDETEKSI WAJAH MANUSIA UNTUK MENGHITUNG JUMLAH MANUSIA MENGGUNAKAN METODE VIOLA-JONES
SKRIPSI Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah
Sarjana Teknologi Informasi MUHAMMAD SANTANA
091402097 PROGRAM STUDI TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN
2015
PERSETUJUAN
Judul : APLIKASI PENDETEKSI WAJAH MANUSIA UNTUK MENHITUNG JUMLAH MANUSIA MENGGUNAKAN METODE VIOLA-JONES
Kategori : SKRIPSI Nama : MUHAMMAD SANTANA Nomor Induk Mahasiswa : 091402097 Program Studi : SARJANA (S1) TEKNOLOGI INFORMASI Departemen : TEKNOLOGI INFORMASI Fakultas :
ILMU KOMPUTER DAN TEKNOLOGI
INFORMASI (FASILKOM-TI) UNIVERSITAS SUMATERA UTARA
Diluluskan di Medan, 21 Agustus 2015
Komisi Pembimbing : Pembimbing 2 Pembimbing 1 Romi Fadillah Rahmat B.Comp. Sc.M.Sc. Sarah Purnamawati, ST. M.Sc
198302262010122003
NIP 1986030321010121004 NIP Diketahui/Disetujui oleh Program Studi S1 Teknologi Informasi Ketua, Muhammad Anggia Muchtar, S.T., M.M.I.T.
NIP 198001102008011010
PERNYATAAN
APLIKASI PENDETEKSI WAJAH MANUSIA UNTUK MENHITUNG JUMLAH MANUSIA MENGGUNAKAN METODE VIOLA-JONES
SKRIPSI Saya mengakui bahwa skripsi ini adalah hasil karya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, 21 Agustus 2015 Muhammad Santana 091402097
UCAPAN TERIMA KASIH
Alhamdulillah segala puji dan syukur saya sampaikan kehadirat Allah SWT beserta Nabi Besar Muhammad SAW yang telah memberikan rahmat, hidayah-Nya sehingga saya dapat menyelesaikan skripsi ini untuk memperoleh gelar Sarjana Program Studi S-1 Teknologi Informasi Universitas Sumatera Utara.
Dengan segala kerendahan hati penulis ucapkan terima kasih kepada: 1. Ayah penulis, Sartuno. SH., ibu penulis, Nelly Trisna., kakak penulis Neno
Viantisca SH dan Neno Tamara Viransiska SE., adik penulis Neno Ramadhianita yang telah memberikan doa dan dukungan moral kepada penulis untuk menyelesaikan skripsi ini beserta keluarga besar yang telah turut mendoakan penulis.
2. Ibu Sarah Purnamawati,ST.,M.Sc dan Bapak Romi Fadillah Rahmat B.Comp.
Sc.M.Sc selaku dosen pembimbing penulis yang telah meluangkan waktu, pikiran, saran, dan kritiknya untuk penulis dalam menyelesaikan skripsi ini.
3. Bapak DR. Sawaluddin M.IT dan Bapak Dedy Arisandi, ST.,M.Kom yang telah bersedia menjadi dosen penguji dan memberikan saran dan kritik yang membangun dalam penyelesaian skripsi ini.
4. Ketua dan Sekretaris Program Studi S1 Teknologi Informasi, Bapak Muhammad Anggia Muchtar, S.T., MM.IT. dan Bapak Mohammad Fadly Syahputra, B.Sc., M.Sc.IT.
5. Seluruh dosen yang mengajar serta Ibu Mega, Kak Umi dan Bang Manaf, sebagai staff Tata Usaha Program Studi Teknologi Informasi Universitas Sumatera Utara.
6. Pacar yang selalu mendukung dan memberi semangat kepada penulis, Millana Lubis.
7. Teman-teman yang selalu mendukung dan memberi semangat kepada penulis, Tri Setiawan, Dhimas Eko Prasetyo, Akhmad Sofyan Dalimunthe, Adnan Buyung Nasution, Nuryuliana, Fadli Rizki, Raisha Ariani Sirait dan semua teman angkatan 2009.
8. Sahabat penulis, Raja Usty Siregar, Indah Kemala Sari, Mutia. Serta teman- teman bermain PointBlank Clan Pahlawan_IND Bang Khank, Anam, Benny, Andri yang selalu mendukung dan memberi semangat kepada penulis. Penulis menyadari bahwa masih banyak kekurangan dalam skripsi ini, untuk itu penulis mengharapkan saran dan kritik yang bersifat membangun dari semua pihak demi kesempuranaan skripsi ini. Akhir kata penulis ucapkan terima kasih.
ABSTRAK
Pemantauan keramaian di tempat-tempat umum diperlukan untuk pengawasan, monitoring maupun untuk keperluan survey kepadatan manusia. Untuk keperluan survey kepadatan data hasil pemantauan dibutuhkan guna perbaikan tataruang maupun pengembangan infra struktur pada tempat umum tersebut. Menghitung jumlah manusia pada tempat keramaian umum dapat menggunakan tenaga manusia (manual). Tetapi menggunakan cara manual rentan terhadap kesalahan. Maka pada penelitian ini dilakukan perhitungan jumlah manusia dengan cara mendeteksi manusia dari citra input berdasarkan deteksi bagian dari tubuh manusia yaitu wajah. Dalam penelitian ini digunakan Viola Jones untuk mendeteksi wajah manusia dalam citra digital dan
capture melalui webcam. Citra diinput mengalami proses resize kemudian diubah
menjadi citra abu-abu dengan proses Grayscaling dilanjutkan pembaca fitur haar yang di ambil dari library OpenCV, perhitungan fitur dengan citra integral, dan pendeteksian objek dengan cascade of classifier. Dari hasil percobaan menggunakan diperoleh: akurasi sebesar 84.8 %, error 14.5 % dan koreksi visual 7.3 %.
Load File
Dan dari hasil percobaan menggunakan Capture Webcam diperoleh: akurasi sebesar 82.9%, error 16.5% dan koreksi visual 1.3%.
Kata kunci: Deteksi Wajah, Menghitung Manusia, Viola-Jones, Citra, OpenCV, Webcam.
HUMAN FACE DETECTION APPLICATION FOR CALCULATING THE NUMBER OF PEOPLE USING VIOLA-JONES
ABSTRACT
Monitoring crowds in public places is necessary for supervision, monitoring for survey purposes of human density. For the purposes of the survey data density of monitoring results needed to repair the spatial and infrastructure development in public places. Calculating people in public places can generally use human labor (manual). But using the manual method is prone to errors. So In this research, calculation of the number of people by means of detecting human from the input image based on the detection part of the human body, specifically face human. In this research Viola Jones used to detect human object in a digital image and capture via webcam. inputted image experience resize process then converted into a gray image with Grayscaling process followed reader haar feature taken in OpenCV library, the calculation of the integral features of the image, and object detection with a cascade of classifier. From the experimental results obtained using the Load File: an accuracy of 84.8%, 14.5% error and visual correction of 7.3%. And the results of experiments using Webcam Capture obtained: an accuracy of 82.9%, 16.5% error and visual correction of 1.3%.
Keyword: Face Detection, People Counting, Viola-Jones, Image, OpenCV, Webcam.
DAFTAR ISI
Hal.PERSETUJUAN i
PERNYATAAN ii
UCAPAN TERIMA KASIH iii
ABSTRAK iv
ABSTRACT v
DAFTAR ISI vi
DAFTAR TABEL x
DAFTAR GAMBAR xi
BAB 1 PENDAHULUAN
1.1. Latar Belakang
2.1.1 Pengertian Sistem Biometrika
16
2.4.2. Jenis-Jenis Citra Digital
14
2.4.1. Defenisi Pengolahan Citra
14
2.4. Pengolahan Citra
14
2.3.2. Fitur OpenCV
2.3.1. Teknik Background Subtraction dan Frame Differencing 13
11
2.3. OpenCV (Intel® Open Source Computer Vision Library)
7
2.2. Metode Viola-Jones
5
5
1
2.1. Sistem Biometrika
5
4 BAB 2 LANDASAN TEORI
1.7. Sistematika Penulisan
1
1.6. Metodologi Penelitian
3
1.5. Manfaat Penelitian
3
1.4. Tujuan Penelitian
2
1.3. Batasan Masalah
2
1.2. Rumusan Masalah
3
2.4.3. Elemen-Elemen Citra Digital
17
2.4.4. Langkah-Langkah Pengolahan Citra Digital
18
2.4.5. Sistem Pencitraan
20
2.5. Pra-Pemrosesan (Pre-Processing)
21
2.5.1. Konversi Citra RGB menjadi Citra Grayscale
21
2.5.2. Segmentasi
2.5.2.1. Thresholding (Pengambangan)
3.4.1. Rancangan Menu Utama
3.2. Data
38
3.3. Perancangan Sistem
38
3.3.1. Flowchart
38
3.3.2. Pemrosesan Awal
40
3.4. Rancangan Antarmuka
41
41
3.1.6. Cascade of Clasifier
3.4.2. Rancangan Pengenalan dengan Load File
42
3.4.3. Rancangan Pengenalan dengan Capture Webcam
43
3.4.4. Rancangan Help
45
3.4.5. Rancangan About
45
3.4.6. Rancangan Pengujian
46
37
36
23
2.8. Penelitian Terdahulu
2.5.2.2. Normalisasi
24
2.6. Ekstraksi Fitur
25
2.6.1. Ciri Berdasarkan Blok
25
2.7. Konsep Pengenalan Wajah
26
2.7.1. Konsep Umum Pengenalan Wajah
28
29 BAB 3 ANALISIS DAN PERANCANGAN SISTEM
3.1.5. Citra Integral
31
3.1. Arsitektur Umum
31
3.1.1. Resize Citra
32
3.1.2. Membaca Nilai Piksel Citra
22
3.1.3. Menghitung Nilai Grayscale Citra
34
3.1.4. Fitur Haar
35
32
BAB 4 IMPLEMENTASI DAN PENGUJIAN SISTEM
48
4.1. Implementasi Sistem
48
4.1.1. Spesifikasi Perangkat Keras dan Lunak
48
4.1.2. Tampilan Menu Utama
48
4.1.3. Tampilan Pengenalan Load File
49
4.1.4. Tampilan Pengenalan Capture Webcam
50
4.1.5. Tampilan Help
50
4.1.6. Tampilan About
50
4.2. Pengujian Sistem
50
4.2.1. Tampilan Hasil Pengujian Load File
50
4.2.2. Tampilan Hasil Pengujian Capture Webcam
58 BAB 5 KESIMPULAN DAN SARAN
64
5.1. Kesimpulan
64
5.2. Saran
64 DAFTAR PUSTAKA
65
DAFTAR TABEL
Hal.Tabel 2.1. Penelitian Terdahulu29 Tabel 2.2. Penelitian Terdahulu (Lanjutan)
30 Tabel 3.1. Matriks Nilai RGB Citra Warna
34 Tabel 3.2. Nilai Grayscale Citra Masukan
36 Tabel 3.3. Perhitungan Citra Integral
36 Tabel 3.4. Hasil Citra Integral
36 Tabel 3.5. Rancangan Hasil Pengujian Deteksi Manusia dengan Load File
46 Tabel 3.6. Rancangan Hasil Pengujian Deteksi Manusia dengan Capture Webcam 47
Tabel 4.1. Hasil Pengujian Deteksi Manusia Load File57 Tabel 4.2. Hasil Pengujian Deteksi Manusia Load File (Lanjutan)
58 Tabel 4.3. Hasil Pengujian Deteksi Manusia Capture Webcam
63
DAFTAR GAMBAR
Hal.25 Gambar 2.16. Citra Wajah
45 Gambar 3.13. Rancangan About
44 Gambar 3.12. Rancangan Help
43 Gambar 3.11. Rancangan Pengenalan dengan Capture Webcam
42 Gambar 3.10. Rancangan Pengenalan dengan Load File
39 Gambar 3.9. Rancangan Menu Utama
38 Gambar 3.8. Proses Pendeteksian citra Manusia
36 Gambar 3.7. Hasil Deteksi Wajah
35 Gambar 3.6. Contoh Perhitungan Nilai Integral
34 Gambar 3.5. Pencarian Fitur Haar
33 Gambar 3.4. Matriks Nilai Grayscale
32 Gambar 3.3. Contoh Nilai Piksel Citra Warna
31 Gambar 3.2. Citra Wajah Manusia
27 Gambar 3.1. Arsitektur Umum Deteksi dan Menhitung Manusia
23 Gambar 2.15. Contoh Pembagian Blok yang saling Tumpang Tindih
Gambar 2.1. Contoh Haar Like Feature22 Gambar 2.14. Proses Pemisahan
20 Gambar 2.13. Proses Konversi Citra RGB menjadi Citra Grayscale
18 Gambar 2.12. Proses Pencitraan Citra Analog menjadi Citra Digital
17 Gambar 2.11. Langkah-Langkah Pengolahan Citra Digital
16 Gambar 2.10. Citra Warna
16 Gambar 2.9. Citra Keabuan
15 Gambar 2.8. Citra Biner
12 Gambar 2.7. Nilai Piksel dari Citra Objek Manusia
11 Gambar 2.6. Klasifikasi Haar digunakan dalam OpenCV
9 Gambar 2.5. Cascade Clasifier
8 Gambar 2.4. Perhitungan Nilai Fitur
8 Gambar 2.3. Integral Image
7 Gambar 2.2. Variasi Fitur pada Haar
45
Gambar 4.1. Tampilan Menu Utama57 Gambar 4.14. Tampilan Percobaan 1
62 Gambar 4.23. Tampilan Percobaan 10
62 Gambar 4.22. Tampilan Percobaan 9
61 Gambar 4.21. Tampilan Percobaan 8
61 Gambar 4.20. Tampilan Percobaan 7
60 Gambar 4.19. Tampilan Percobaan 6
60 Gambar 4.18. Tampilan Percobaan 5
59 Gambar 4.17. Tampilan Percobaan 4
59 Gambar 4.16. Tampilan Percobaan 3
58 Gambar 4.15. Tampilan Percobaan 2
56 Gambar 4.13. Tampilan Percobaan 10
49 Gambar 4.2. Tampilan Pengenalan Load File
55 Gambar 4.12. Tampilan Percobaan 9
55 Gambar 4.11. Tampilan Percobaan 8
54 Gambar 4.10. Tampilan Percobaan 7
53 Gambar 4.9. Tampilan Percobaan 6
53 Gambar 4.8. Tampilan Percobaan 5
52 Gambar 4.7. Tampilan Percobaan 4
51 Gambar 4.6. Tampilan Percobaan 3
51 Gambar 4.5. Tampilan Percobaan 2
50 Gambar 4.4. Tampilan Percobaan 1
49 Gambar 4.3. Tampilan Pengenalan Capture Webcam
63