Perancangan Pergerakan Webcam Berdasarkan Perubahan Posisi Wajah Menggunakan Metode Eigenface Berbasis Rasberry Pi.
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 : regina.8593@gmail.com
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 : regina.8593@gmail.com
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
Universitas Kristen Maranatha
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 LAMPIRAN B DATABASE ... B-1
(6)
viii
Universitas Kristen Maranatha
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 3.3 Data pengujian terhadap 6 objek manusia dengan database wajah 10 orang ... 42
Tabel 3.4 Data pengujian terhadap 6 objek manusia dengan database wajah 5 orang ... 43
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 perubahan posisi wajah.
(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
7. Database wajah yang digunakan diambil dari http://robotics.csie.ncku.edu.tw-/Databases/FaceDetect_PoseEstimate.htm
(10)
BAB 1 PENDAHULUAN 3
Universitas Kristen Maranatha
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 dari sistem pergerakan webcam berdasarkan perubahan posisi wajah
(11)
BAB 1 PENDAHULUAN 4
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 pembahasan sebelumnya.
(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 dan processor yang terbatas.
(13)
BAB 5 KESIMPULAN DAN SARAN 68
Universitas Kristen Maranatha
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
Universitas Kristen Maranatha
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 Cognitive Neuroscience, Vol.3, pp. 71–86.
(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.
(1)
BAB 1 PENDAHULUAN 3
Universitas Kristen Maranatha 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 dari sistem pergerakan webcam berdasarkan perubahan posisi wajah
(2)
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 pembahasan sebelumnya.
(3)
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 dan processor yang terbatas.
(4)
Universitas Kristen Maranatha
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 penunjang dalam sistem security.
(5)
69
Universitas Kristen Maranatha
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
(6)
Universitas Kristen Maranatha 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.