PENENTUAN WILAYAH WAJAH MANUSIA PADA CITRA BERWARNA BERDASARKAN WARNA KULIT DENGAN METODE TEMPLATE MATCHING
Artikel yang akan saya bahas :
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
Posting Komentar