PENENTUAN WILAYAH WAJAH MANUSIA PADA CITRA BERWARNA BERDASARKAN WARNA KULIT DENGAN METODE TEMPLATE MATCHING



Artikel yang akan saya bahas :

PENENTUAN WILAYAH WAJAH MANUSIA PADA CITRA BERWARNA BERDASARKAN WARNA KULIT DENGAN METODE TEMPLATE MATCHING


1.      Bidang yang dikembangkan :
Bidang yang dikembangkan dalam artikel ini adalah dalam hal penyelidikan, dan sampai sekarang ini masih terus dilakukan penelitian ilmiah atas penentuan wilayah wajah ini agar mudah dikenali dengan penglihatan manusia.

2.      Masalahnya :
Masalah dalam artikel ini adalah penentuan wilayah wajah sangat mudah dikenali dengan penglihatan manusia, tetapi pengolahan pada komputer memerlukan berbagai macam teknik pengolahan citra

3.      Solusinya :
Citra model warna kulit yangdigunakan dapat diadaptasikan pada warna kulit yang berbeda-beda dan dapat memisahkan wilayah kulit dengan wilayah bukan kulit. Dalam artikel ini menggunakan metode template matching jadi bisa menentukan wilayah wajah manusia pada citra berwarna dengan ras yang berbeda, yaitu Asia, Amerika/Eropa dan Afrika.

4.      Evaluasi :
Hasil dari pengujian ini adalah citra referensi berupa citra berwarna(RGB), dengan format JPEG. Citra berwarna berjumlah 52 buah, terdiri dari citra orang Asia(seperti Indonesia, Melayu, Cina, India), Amerika/Eropa(kulit putih) dan Afrika(kulit hitam).

5.      Konstribusinya (manfaatnya untuk siapa dan apa manfaatnya ?) :
Manfaatnya untuk penyandian, manipulasi, pemodelan, pengenalan pola, dan pencarian objek. Apa saja manfaatnya :
a.       Penentuan wilayah wajah sangat mudah dikenali dengan penglihatan manusia
b.      Deteksi wajah akan menentukan apakah ada atau tidaknya wajah dalam citra, jika ada akan ditentukan lokasi dan luas dari citra wajah tersebut
c.       Menggunakan wajah model manusia untuk mengambil keputusan akhir penentuan daerah kulit yang menampilkan suatu wajah
d.      Bisa diadaptasikan pada warna kulit yang berbeda dan dapat memisahkan wilayah kulit dan bukan wilayah kulit

6.      Critical thinking (bad & good) :
Bad : Kebanyakan kesalahan dalam proses segmentasi wilayah kulit adalah karena terdapatnya wilayah-wilayah yang memiliki keserupaan dengan nilai kemungkinan kulit, seperti warna pakaian yang dikenakan ataupun warna latar belakang. Selain itu bagian-bagian tubuh lain, sepeti tangan ataupun leher yang terbuka menyebabkan wilayah tersebut dikenali sebagai wilayah kulit wajah.
Kesalahan dalam proses penentuan wilayah wajah disebabkan oleh penetapan batasan untuk jumlah lubang (hole) yang lebih besar atau sama dengan satu yang akan diproses lebih lanjut dalam proses penentuan wilayah wajah, sehingga setiap wilayah kulit yang mempunyai jumlah lubang lebih dari atau sama dengan satu, akan mempunyai kemungkinan besar terdeteksi sebagai wilayah wajah, meskipun wilayah tersebut sebenarnya bukanlah merupakan wilayah wajah.

Good : Hasil dari penelitian ini menunjukkan bahwa penggunaan informasi warna kulit dan metode template matching, dapat mendeteksi wajah manusia dalam citra berwarna. Tingkat pengenalan wilayah wajah dengan tingkat keberhasilan 100% adalah sebesar 75%.
Keuntungan utama dari mengubah citra ke ruang YCbCr ialah pengaruh luminansi dapat dihilangkan selama pemrosesan citra. Telah dapat memisahkan wilayah kulit dengan wilayah bukan kulit. Pembacaan citra referensi diperlukan agar citra digital dikenali sebagai maktriks yang siap diolah. Hasil citra kulit akan menunjukkan wilayah kulit pada citra memungkinkan kulit mempunyai bagian yang lebih terang dibanding wilayah kulit lain dalam citra tersebut.

Daftar Pustaka
[1]. Cay, J., A. Goshtasby, and C. Yu, Detecting Human Faces In Color Images, Int’l Workshop on Multimedia Database Management Systems, 1998.
[2]. Chang, H. and U. Robles, Face Detection, Department of Electrical Engineering, Stanford University.
[3]. Cotton, S. D’O., Colour, Colour Spaces and Human Visual Systems, University Of Birmingham, 1995.
[4]. Hanselman, D and B. Littlefield, Matlab Bahasa Komputasi Teknis, Penerbit Andi, Yogyakarta, 2000.
[5]. Jain, A. K, Fundamental of Digital Image Processing, Prentice-Hall, Inc. Singapore 1989.
[6]. Kuchi, P., P. Gabbur, P. Subbanna Bhat, and S. David S., Sumam, Human Face Detection and Tracking Using Skin Color Modelling and Connected Component Operators, Dept of E&C Engg., Karnataka Regional Engineering College, Surathkal, Karnataka. [7]. Marius, D., S. Pennathur, and K. Rose, Face Detection Using Color Thresholding, and Eigenimage Template Matching.
[8]. Murni, A., Pengantar Pengolahan Citra, Elex Media Computindo, Jakarta, 1992.
[9]. Papoulis, A., Probabilitas, Variabel Random, dan Proses Stokastik, Gadjah Mada University Press, Yogyakarta, 1992.
 [10]. Schalkoff, R. J., Digital Image Processing and Computer Vision, Department of Electrical and Computer Engineering, Clemson University, 1989.
[11]. Singh, S. Kr., D. S. Chauhan, M. Vatsa, and R. Singh, Comparison of Two Approaches of Face Detection Algorithm in Controlled Background: (Skin Color Based & Eigen and Gaussian Pyramid Based), Department of Computer Science & Engineering Institute of Engineering & Technology, Jaunpur, 2001.
[12]. Peer, P. and F. Solina, An Automatic Human Face Detection Method, Computer Vision Laboratory, Faculty of Computer and Information Science-University of Ljubljana, Slovenia.
[13]. Yang, J. and A. Waibel, A Real-Time Face Tracker, School of Computer Science, Carnegie Mellon University, Pittsburgh,PA.
[14]. Yang, M., D. J. Kriegman, and N. Ahuja, Detecting Faces In Images: A Survey, IEEE, 2000.
[15]. …………, Matlab Tutorial, The Math Works,
Inc, Natick, MA, 2000.


cr google scholar : http://ojs.unud.ac.id/index.php/JTE/article/view/226

Komentar

Postingan populer dari blog ini

Pizza Hut

Canting Cantiq

Contoh Nyata 5 Domain Yang Terdapat Pada Information Technology Infrastructure Library (ITIL)