7  

BAB II

KAJIAN PUSTAKA

2.1 Visi Komputer

Visi komputer dapat didefinisikan sebagai suatu proses pengenalan objek yang

menarik di dalam suatu citra, dan dapat didefinisikan sebagai deduksi logis otomatis

terhadap properti objek tiga dimensi dari satu atau beberapa citra. Tugas-tugas seperti

pengidentifikasian tanda tangan, pengidentifikasian tumor pada suatu citra regsonansi

magnetik, pengenalan objek pada citra satelit, pengidenifikasian wajah, penempatan

sumber daya mineral dari suatu citra, penghasilan gambaran tiga-dimensi dari potongan

citra dua dimensi, dan pengenalan suatu kode ZIP, dianggap berada dalam ruang lingkup

visi komputer. Manusia memiliki kemampuan untuk menguraikan tulisan tangan yang

ceroboh, mengenal dan mengklasifikasikan citra, mengidentifikasikan citra yang

terhalang sebagian pada lingkungan yang noisy, mengidentifikasikan objek dengan

orientasi dan skala yang berbeda, serta kedalaman persepsi. Pengembangan sistem visi

komputer untuk melaksanakan tugas-tugas seperti ini membutuhkan proses yang

kompleks. Biasanya, untuk setiap aplikasi yang diberikan, keseluruhan tugas tidak dapat

dilaksanakan pada sebuah tahapan tunggal. Oleh karena itu, sistem visi komputer

seringkali dibagi ke dalam beberapa tahapan, dan setiap tahapan melaksanakan satu

fungsi atau lebih. Sistem visi komputer tertentu terdiri dari tahapan-tahapan seperti

perolehan citra, preprocessing, pengekstraksian fitur, penyimpanan objek secara

asosiatif, pengaksesan suatu basis pengetahuan, dan pengenalan.

8  

Visi komputer meliputi pengolahan citra dan pengenalan pola. Pengolahan citra

berkaitan dengan manipulasi dan analisis gambar. Sub-area utama pada pengolahan

citra, yaitu:

a. Digitisasi dan kompresi

b. Enhancement, restorasi, dan rekonstruksi

c. Pencocokan

d. Pendeskripsian dan pengenalan

Digitisasi adalah proses pengkonversian gambar menjadi bentuk diskrit, dan

kompresi mencakup coding efisien atau pendekatan gambar digital untuk menghemat

tempat penyimpanan atau kapasitas channel. Teknik perbaikan dan restorasi berkaitan

dengan peningkatan kualitas dari citra dengan kontras yang rendah, blur, ataupun noisy.

Teknik pencocokan dan pendeskripsian berkaitan dengan perbandingan dan pelapisan

gambar yang satu dengan gambar yang lainnya, pembagian gambar menjadi beberapa

bagian, serta pengukuran hubungan antara bagian-bagian tersebut (Kulkarni, 2001, p1).

Salah satu tantangan utama dalam merancang algoritma pengolahan citra adalah

dalam memahami kriteria yang digunakan untuk menaksir hasil yang diharapkan. Hal ini

termasuk pengukuran sensitivitas parameter, kekuatan algoritma, dan keakuratan hasil.

Secara umum, evaluasi kinerja meliputi pengukuran beberapa kelakuan pokok dari suatu

algoritma yang dapat mencapai keakuratan, kekuatan, atau ekstensibilitas. Hal ini

memungkinkan penekanan karakteristik intrinsik dari suatu algoritma dan penaksiran

keuntungan serta batasan-batasannya (Manohar et al, p1).

Pengenalan pola berkaitan dengan identifikasi objek dari citra atau pola yang

diamati. Pada pengenalan pola konvensional, sebuah vektor observasi dipetakan terlebih

dahulu terhadap sebuah bidang fitur. Teknik pengenalan pola tertentu meliputi fungsi

9  diskriminan, serta metode parametrik dan nonparametrik statistik. Selama 30 tahun ini,

banyak teknik digital yang telah dikembangkan untuk tugas-tugas pengolahan citra dan

pengenalan pola, serta digunakan pada aplikasi-aplikasi seperti visi robot, pengenalan

karakter, pengenalan pembicaraan, penginderaan jauh, pengintaian militer,

pengidentifikasian tanda tangan, diagnosis citra medis, pendeteksian sumber daya

mineral, dan survei geologi.

Berbagai langkah di dalam sebuah sistem visi komputer dapat dilihat pada

Gambar 2.1. Sistem terdiri dari enam tahap: perolehan citra, preprocessing,

pengekstrasian fitur, penyimpanan asosiatif, basis pengetahuan,dan pengenalan. Tahap-

tahap ini pada dasarnya dibagi ke dalam tiga tingkatan pengolahan, yaitu tingkat rendah,

menengah, dan tinggi. Langkah pertama adalah perolehan citra, yaitu langkah untuk

memperoleh sebuah citra digital. Citra yang dimaksud adalah sebuah fungsi intensitas

cahaya dua dimensi , , dimana dan adalah koordinat spasial dan nilai pada

titik , sebanding dengan tingkat keterangan atau keabuan citra pada titik tersebut.

Citra digital adalah citra , yang koordinat spasial dan keterangannya telah

didigitisasikan. Citra digital dapat dianggap sebagai sebuah matriks dimana setiap baris

dan kolom mengidentifikasikan sebuah titik pada citra, dan nilai elemen matriks tersebut

merepresentasikan tingkat keabuan pada titik tersebut. Elemen pada array digital disebut

elemen gambar atau piksel. Tahap perolehan citra adalah mengenai pengambilan citra

oleh suatu sensor. Sensor yang dimaksud dapat berupa sebuah kamera atau sebuah

scanner. Sifat sensor dan citra yang dihasilkan ditentukan oleh aplikasinya.

Setelah sebuah citra digital didapatkan, maka langkah selanjutnya adalah

preprocessing, yang sebanding dengan pengolahan visi awal atau pengolahan tingkat

rendah. Terdapat beberapa teknik preprocessing, di antaranya adalah manipulasi skala

10  keabuan, penapisan noise, isolasi daerah, perbaikan geometris, restorasi, rekonstruksi,

dan segmentasi. Teknik perbaikan citra dapat diklasifikasikan ke dalam dua metode,

yaitu domain spasial dan domain frekuensi. Metode domain spasial didasarkan pada

manipulasi langsung terhadap nilai keabuan pada piksel di dalam suatu citra. Metode

domain frekuensi didasarkan pada modifikasi transformasi Fourier pada suatu citra. Pada

teknik manipulasi skala keabuan, perbaikan pada setiap titik di dalam citra mungkin

hanya bergantung pada nilai keabuan titik tersebut, atau mungkin bergantung pada nilai

keabuan titik tersebut dan sekitarnya. Kategori ini termasuk dalam pemrosesan titik.

Pendekatan dimana perbaikan pada setiap piksel bergantung pada nilai keabuan piksel

tersebut dan piksel-piksel di sekitarnya menggunakan penutup (masks) atau jendela

(windows) yang mendefinisikan piksel sekitarnya. Terdapat banyak implementasi piranti

keras dan piranti lunak untuk mengimplementasikan teknik perbaikan tersebut.

Sistem penglihatan manusia membutuhkan variabilitas dalam pencahayaan.

Tahap preprocessing pada suatu sistem pengenalan mesin mungkin berkaitan dengan

persepsi keterangan seperti permasalahan restorasi dan rekonstruksi citra. Sistem

perolehan citra pada prakteknya tidaklah sempurna. Sistem ini memiliki resolusi

terbatas. Metode restorasi citra berkaitan dengan penafsiran citra asli dari citra yang

telah rusak. Teknik restorasi memperbaiki kerusakan sistem yang mungkin telah dialami

oleh suatu citra.

Tingkat pengolahan selanjutnya adalah tingkat menengah. Pengolahan pada

tingkat ini berusaha untuk membangun sebuah koalisi bukti (tokens) yang didapatkan

pada pengolahan tingkat rendah dan untuk mengekstraksi entitas-entitas yang penting.

Salah satu teknik pengolahan tingkat menengah yang terkenal adalah pengekstraksian

fitur, yang terdiri dari pemetaan sebuah vektor observasi ke dalam bidang fitur. Tujuan

11  utama dari pengekstraksian fitur adalah untuk mengurangi data dengan mengukur fitur-

fitur tertentu yang membedakan pola inputan. Untuk mengekstraksi fitur, dapat

dilakukan dengan memilih sebuah subset dari vektor input yang diamati, atau dapat

dilakukan dengan mentransformasikan vektor observasi inputan menjadi sebuah vektor

fitur menggunakan beberapa fungsi dasar ortogonal. Pada beberapa aplikasi, vektor

observasi didapatkan dengan melakukan sampling terhadap citra inputan yang

merepresentasikan data yang terkorelasi dengan baik. Untuk pengurangan dimensi saat

menyimpan suatu informasi, vektor observasi dipetakan ke dalam sebuah domain bidang

fitur. Data di dalam domain yang telah ditransformasikan kemudian dapat disusun

berdasarkan derajat kepentingan dari isi dan kualitas pola yang diperoleh.

Dalam 30 tahun ini, banyak sekali teknik yang telah dikembangkan untuk

mengekstraksi fitur, di antaranya: transformasi Fourier, invarian waktu (moment

invariant), distribusi Wigner, transformasi Hough, polinomial ortogonal, fungsi Gabor,

dan lain-lain. Masalah pengenalan objek invarian seringkali dilakukan pada tahap

pengekstraksian fitur, karena untuk mengingat perbedaan skala, translasi, dan rotasi pada

suatu citra, sistem pengenalan harus dilatih menggunakan contoh-contoh latihan dengan

jumlah yang besar. Untuk mendapatkan fitur invarian, properti dari transformasi Fourier

sering digunakan. Sistem penglihatan manusia juga sensitif terhadap variasi tekstural

pada permukaan objek. Fitur tekstur sering digunakan untuk mengenali objek. Secara

umum, tekstur dikenal sebagai dasar persepsi. Terdapat banyak metode statistik dan

struktural seperti model jaringan syaraf untuk menganalisis fitur. Metode statistik untuk

menganalisis fitur didasarkan pada hubungan antara nilai keabuan piksel-piksel di dalam

suatu citra. Tahap pengekstraksian fitur juga berkaitan dengan pengekstraksian fitur

tekstur.

12  

Tiga tahap terakhir – tahap asosiatif, basis pengetahuan, dan pengenalan –

termasuk ke dalam pengolahan tingkat tinggi. Ingatan manusia seringkali dapat

mengingat informasi lengkap dari informasi parsial atau petunjuk-petunjuk yang halus.

Penyimpanan asosiatif adalah suatu penyimpanan di mana alamat setiap data didasarkan

pada isi data tersebut (content-addressable). Kemampuan untuk mendapatkan suatu

representasi internal atau untuk menyimpulkan sebuah representasi yang kompleks dari

suatu bagian membentuk dasar penyimpanan asosiatif. Fungsi dasar penyimpanan

asosiatif adalah untuk menyimpan pasangan pola asosiatif melalui sebuah proses

pengorganisasian sendiri (self-orginizing) dan untuk memproduksi sebuah pola

tanggapan yang sesuai pada presentasi pola stimulus yang sama. Penyimpanan asosiatif

juga berguna untuk pengenalan objek invarian.

Tahap pengenalan berkaitan dengan proses pengklasifikasian. Tahap ini

memberikan sebuah label kepada sebuah objek berdasarkan informasi yang disediakan

oleh deskriptornya. Teknik klasifikasi konvensional dikelompokkan ke dalam dua

teknik: supervised dan unsupervised. Pada cara supervised, classifiers belajar dengan

bantuan training sets. Sedangkan pada cara unsupervised, classifier belajar tanpa

bantuan training sets. Metode statistik dan classifiers jaringan saraf berhasil digunakan

di dalam beberapa masalah pengenalan. Namun, dalam prakteknya, terdapat beberapa

masalah, dimana metode statistik tidak sesuai dan metode deskriptif lebih sesuai.

Metode deskriptif seringkali didasarkan pada peraturan klasifikasi yang memetakan

vektor fitur input ke dalam kategori output. Peraturan klasifikasi dalam hal ini dapat

disimpan di dalam basis pengetahuan. Interaksi antara basis pengetahuan dan modul lain

di dalam sebuah sistem pengenalan dapat dilihat pada Gambar 2.1. Basis pengetahuan

berinteraksi tidak hanya dengan tahap pengektraksian fitur dan pengenalan, tetapi juga

13  dengan penyimpanan asosiatif. Seringkali pengetahuan dasar mengenai sebuah objek

juga dapat dimasukkan (encoded) ke dalam basis pengetahuan. Basis pengetahuan

mungkin saja sesederhana daerah terperinci dari suatu citra, dimana informasi yang

menarik diketahui keberadaannya, sehingga membatasi pencarian yang harus dilakukan

untuk mencari informasi tersebut. Basis pengetahuan juga bisa kompleks. Rancangan

suatu sistem pengenalan mesin perlu mencakup semua tahap pengolahan sebelumnya.

Gambar 2.1 Sistem visi komputer

Visi komputer dapat dideskripsikan sebagai suatu deduksi otomatis terhadap

struktur atau properti tiga dimensi dari satu atau beberapa citra dua dimensi dan

pengenalan objek dengan bantuan dari properti-properti tersebut. Citra yang dimaksud

dapat bersifat monokrom ataupun berwarna, dan dapat diambil dari satu atau beberapa

kamera. Properti struktural yang akan dideduksi tidak hanya berupa properti geometris,

tetapi juga properti material. Properti geometris meliputi bentuk, ukuran, dan lokasi

objek, sedangkan properti material meliputi keterangan atau kegelapan suatu permukaan,

warnanya, dan teksturnya. Tujuan dari suatu sistem visi komputer adalah untuk

menyimpulkan keadaan fisik dari citra yang noisy ataupun berambigu. Visi komputer

sulit direalisasikan karena formasi citra adalah suatu pemetaan many-to-one. Berbagai

Output Input Perolehan citra

Pre-processing

Pengekstraksian fitur

Basis pengetahuan

Penyimpanan asosiatif

Pengenalan

14  objek dengan properti geometris dan material yang berbeda dapat memiliki citra yang

identik. Sistem visi komputer kompleks dan seringkali diimplementasikan dengan

beberapa modul. Pendekatan modular mempermudah pengontrolan dan pengawasan

kinerja sistem. Berbagai tahapan atau modul dari suatu sistem visi dapat

diimplementasikan menggunakan metode statistik konvensional, jaringan saraf, teknik

logika fuzzy, dan algoritma genetika. Biasanya jumlah tahapan dalam suatu sistem visi

dan kompleksitasnya bergantung pada sistem aplikasi yang sedang dirancang. Aplikasi

visi komputer meliputi otomatisasi pada jalur perakitan, penginderaan jauh, robotika,

komunikasi komputer dan manusia, alat bantu untuk tunanetra, dan lain-lain.

Gambar 2.2 Sistem visi komputer

Salah satu pendekatan yang mengimplementasikan sistem visi komputer adalah

dengan mengemulasi sistem penglihatan manusia. Permasalahan dengan pendekatan ini

adalah bahwa sistem penglihatan manusia sangat kompleks dan tidak dimengerti dengan

baik. Sistem penglihatan manusia yang melampaui mata manusia terpotong-potong dan

spekulatif. Oleh karena itu, pada saat ini, tidak mungkin dapat mengemulasi sistem

penglihatan manusia secara persis. Namun, studi mengenai sistem biologis memberikan

petunjuk-petunjuk untuk mengembangkan sistem visi komputer. Visi komputer

berkaitan dengan masalah pengolahan tingkat rendah dan tingkat tinggi, seperti maslaah

kognitif. Tahapan pada sistem visi komputer ditunjukkan pada Gambar 2.2. Pengolahan

Output

Pengolahan tingkat tinggi

Input Perolehan citra

Pre-processing

Pengekstraksian fitur

Pengenalan

Pengolahan awal

15  awal atau pengolahan tingkat rendah berkaitan dengan pengolahan pada retina,

sedangkan pengolahan tingkat tinggi berkaitan dengan pemakaian kognitif dari

pengetahuan (Kulkarni, 2001, pp8-11).

Visi komputer adalah transformasi data dari sebuah citra atau video menjadi

sebuah keputusan atau representasi baru. Semua transformasi dilakukan dengan

menetapkan beberapa tujuan tertentu. Data input mungkin berupa informasi kontekstual

seperti “kamera dipasang di dalam sebuah mobil” atau “laser range finder mengindikasi

adanya suatu objek dalam jarak 1 meter”. Keputusan yang didapatkan mungkin berupa

“terdapat seseorang pada layar ini” atau “ada 14 sel tumor pada bagian ini”.

Representasi baru dapat diartikan sebagai pengubahan sebuah citra berwarna menjadi

sebuah citra keabuan atau penghilangan gerakan kamera dari sederetan citra (Bradski

dan Kaehler, 2008, p2).

2.2 Sistem Penglihatan Manusia

Sistem penglihatan manusia kompleks dan meliputi pengolahan pada mata dan

pengenalan pada otak. Sistem visi komputer dirancang untuk menjalankan tugas-tugas

spesifik dan sistem ini harus sama dengan sistem penglihatan biologis. Sistem

penglihatan biologis menarik para ahli, sebagaimana studi terhadap sistem tersebut

berguna dalam merancang sistem visi komputer.

Pada dasarnya, sebuah sistem visi komputer berkaitan dengan deduksi

permukaan dan properti objek tiga dimensi dari citra dua dimensi. Sistem ini meliputi

pendeteksian pinggiran (edge), segmentasi, dan pengekstrasian fitur menggunakan

tekstur, bayangan, stereo, gerakan, dan pengenalan. Sebuah sistem visi komputer, seperti

sistem perekayasaan lainnnya, memiliki dua komponen – piranti keras dan piranti lunak

16  – dan terdiri dari tahapan seperti perolehan citra, preprocessing, pengekstraksian fitur,

penyimpanan objek secara asosiatif, pengaksesan basis pengetahuan, dan pengenalan.

Komponen piranti lunak dari sistem visi berkaitan dengan algoritma dan implementasi

tahapan-tahapan tersebut. Berbagai metode seperti metode statistik konvensional,

jaringan syaraf, teknik logika fuzzy, algoritma genetika, atau teknik syaraf fuzzy, dapat

digunakan untuk mengimplementasikan berbagai tahap pada sistem visi komputer.

Komponen piranti keras dari sistem visi komputer berkaitan dengan peralatan pencitraan

seperti digitizers, scanners, kamera, dan peralatan display, serta perekam film, alat

penyimpanan, dan sebuah komputer. Untuk mengolah citra pada komputer digital, citra

tersebut harus didigitisasikan terlebih dahulu. Citra digital biasanya didapatkan dari

kamera digital (Kulkarni, 2001, pp28-29).

2.3 Persepsi

Persepsi memiliki subjek yang sangat luas dan kompleks. Para peneliti

beragumentasi bahwa melihat hanyalah suatu aksi mekanis. Sistem penglihatan manusia

sensitif terhadap stimulus seperti titik, garis, bentuk, warna, arah, tekstur, skala, dan

gerakan. Stimulus ini hanya merepresentasikan karakteristik fisik dan tidak dapat

mendefinisikan apa yang dipersepsikan oleh otak. Kanizsa (1979) berpendapat bahwa

persepsi penglihatan bukanlah bagian integral dari apa yang disebut dengan kecerdasan.

Beliau mendefinisikan persepsi sebagai suatu proses, yang dimulai dengan input panca

indera dan menuju ke dunia fenomenal yang koheren dan signifikan, dimana seseorang

dapat berkelakuan dengan aman dan sesuai. Istilah persepsi mencegah pemisahan

perbedaan antara penglihatan dengan pemikiran. Dalam persepsi, sulit untuk

memutuskan titik dimana aspek panca indera berakhir dan proses kejiwaan dimulai.

17  Sebuah pemikiran mungkin digunakan untuk melaksanakan proses-proses seperti

pengkategorisasian, pemahaman hubungan, dan pertimbangan oleh induksi dan deduksi.

Sistem penglihatan manusia mengalami banyak ketidaksesuaian dalam pembuatan

kesimpulan. Pada pengolahan informasi visual, otak manusia melampaui informasi yang

diberikan. Ada dua cara untuk melakukannya, yaitu membuat sebuah identifikasi dan

membuat sebuah kesimpulan.

Tujuan dari visi komputer adalah untuk menyimpulkan keadaan dunia fisik dari

citra dunia yang noisy dan berambigu. Peneliti visi komputer tidak mengemulasi

penglihatan manusia dengan mudah, karena apa yang diketahui mengenai sistem

penglihatan manusia melampaui mata adalah sangat spekulatif. Sebagai tambahan,

kekeliruan penglihatan manusia didemonstrasikan secara luas oleh adanya ilusi, ketidak-

konsistenan, dan ambiguitas. Sistem visi komputer juga dapat dipekerjakan atau

dirancang untuk melaksanakan tugas-tugas yang melampaui penglihatan manusia.

Dondis (1973) membagi tiga tingkatan mengenai otak manusia dalam memahami

informasi visual, yaitu representasional, abstrak, dan simbolis. Tingkat representasional

berkaitan dengan laporan langsung. Mata melaporkan sebuah laporan visual mengenai

apa yang ada di depannya. Tingkat ini berkaitan dengan karakteristik fisik dari objek,

seperti bentuk, warna, tekstur, keterangan, skala, dan lain-lain. Abstraksi berkaitan

dengan pereduksian dari semua yang dilihat menjadi elemen visual dasar dan

memutuskan pemahaman dari pesan visual. Abstraksi menyampaikan arti pokok dari

pengalaman substansi yang dialami panca indera secara langsung kepada susunan

syaraf. Tingkat tertinggi pengolahan informasi visual di dalam sistem penglihatan

manusia adalah tingkat simbolis. Simbol adalah semua hal, mulai dari sebuah gambar

sederhana, hingga sebuah sistem yang sangat kompleks dari arti yang dilampirkan,

18  seperti bahasa atau angka. Dewasa ini, hanya sedikit yang mengetahui tentang tigkat

abstrak dan simbolis. Singkat kata, dapat dikatakan bahwa representasi adalah apa yang

kita lihat dan kita kenal dari lingkungan, abstraksi adalah reduksi dari kejadian visual

menjadi elemen dasar dari komponen visual, dan simbolisme adalah dunia dari sistem

coded yang diciptakan sewenang-wenang oleh otak.

Marr (1982) menyatakan bahwa retina dan lapisan visual ada untuk mewujudkan

sebuah variasi dari modul-modul yang memanfaatkan isyarat sperti tekstur, warna,

gerakan, bayangan, dan aspek stereoskopis dari layar. Ada beberapa modul yang

berbeda, seperti modul bayangan, modul tekstur, modul warna, dan lain-lain. Modul-

modul ini terlihat beroperasi hampir secara terpisah antara satu dengan lainnya. Hasilnya

hanya terintegrasi pada akhir persepsi visual. Hal menarik ke dua yang ditemukan oleh

Marr adalah cara modul-modul menyelesaikan ambiguitas dua dimensi dari sebuah citra

dengan membuat asumsi pasti mengenai kenyataan fisik. Sebagai contoh, beberapa

asumsi yang dipakai dalam persepsi adalah bahwa ukuran suatu objek di dalam citra

digunakan untuk menafsir jarak objek tersebut dari pengamat, semakin jauh suatu objek,

semakin kecil citranya, dan bentuk dari suatu objek berubah karena perspektif pengamat

yang berubah (Kulkarni, 2001, pp38-39).

2.4 Peralatan Input-Output

Sebuah diagram skematis dari sistem visi komputer ditunjukkan pada gambar

2.3. Kamera pada sebuah sistem visi komputer memiliki peran yang sama dengan mata

pada sistem penglihatan manusia. Secara umum, kamera menghasilkan citra-citra optik

pada sebuah film. Tanggapan film terhadap energi cahaya yang ada tidak semuanya

linear. Resolusi suatu film umum adalah 40 garis/mm, yang berarti bahwa sebuah citra

19  1400 x 1400 mungkin didigitisasikan dari sebuah film dengan slide 35 mm. Digitizers

dapat diklasifikasikan secara luas ke dalam dua bentuk: digitizer mekanik dan flying spot

scanner. Pada digitizer mekanik, film dan sebuah rakitan penginderaan ditransportasikan

secara mekanis melewati satu sama lainnya sementara rekaman dibuat. Di sini, sebuah

film disusun di atas sebuah drum, yang berputar dengan kecepatan yang konstan, dan

sinar laser men-scan film tersebut. Sinar cahaya dimodulasi sesuai dengan nada (tone)

citra. Sinyal analog kemudian didigitisasikan untuk menghasilkan citra digital. Pada

flying spot scanner, sebuah layar difokuskan pada permukaan fotosensitif, yang di-scan

oleh berkas elektron. Kamera televisi adalah peralatan yang menarik untuk aplikasi visi

komputer. Sama seperti cara retina menerima citra, citra terbalik dari suatu objek

dipetakan ke permukaan fotosensitif pada kamera. Citra pada permukaan fotosensitif

lalu ditransformasikan ke dalam citra digital, yang kemudian diproses lebih lanjut.

Gambar 2.3 Diagram skematis dari sistem visi komputer

Peralatan lain yang digunakan dalam formasi citra terdiri dari fotosensor solid-

state yang dikenal sebagai charge-coupled devices (CCDs). CCDs menyerupai

MOSFET (metal-oxide semiconductor field-effect transistor) dan dapat dianggap

sebagai sebuah array monolitis dari kapasitor MOS dengan jarak yang sangat dekat

yang membentuk sebuah shift register (Kulkarni, 2001, p40).

Objek Sistem pencitraan Display

Pemrosesan komputer

Sampling dan

kuantisasi

20  2.5 Sampling dan Kuantisasi

Sebuah citra dapat direpresentasikan oleh sebuah fungsi kontinu , , dimana

, adalah sebuah nilai keabuan pada titik , . Agar dapat mengolah citra pada

komputer digital, citra tersebut harus didigitisasikan terlebih dahulu. Proses digitisasi

meliputi sampling dan kuantisasi. Suatu citra perlu di-sample pada titik array diskrit

. Sampling meliputi dua pilihan, yaitu tessellation, atau pelapisan bidang dengan

pola spasial dari titik sampling, dan interval sampling. Berbagai tessellations telah

dipelajari, seperti segi empat, segi tiga, dan segi enam. Tessellation segi empat adalah

yang paling umum. Interval sampling ditentukan dengan menggunakan teorema

sampling. Teorema sampling menyatakan bahwa terdapat kemungkinan untuk

merekonstruksi fungsi dari sample diskritnya apabila tingkat sampling minimal sama

dengan atau lebih besar dari dua kali frekuensi sinyal tertinggi. Teorema sampling dapat

ditingkatkan menjadi fungsi dua dimensi.

Tahapan setelah sampling adalah kuantisasi. Pertanyaan yang timbul pada tahap

ini misalnya berapa banyak tingkat diskrit yang harus dipilih untuk merepresentasikan

suatu nilai keabuan. Semakin tinggi jumlah tingkat diskrit, semakin baik

representasinya. Namun, jumlah bit yang dibutuhkan untuk merepresentasikan suatu

citra meningkat berdasarkan jumlah tingkat diskrit. Biasanya, citra dikuantisasi pada

tingkat diskrit 256 sehingga setiap piksel dapat direpresentasikan dengan 1 byte. Dengan

tingkat diskrit 256, 0 merepresentasikan warna hitam, 255 merepresentasikan warna

putih, dan nilai-nilai di antaranya merepresentasikan warna abu-abu.

Tingkat sampling sangat penting bagi citra dengan detil-detil yang kecil. Pada

citra yang sedikit bervariasi, penting untuk memiliki kuantisasi yang baik, tetapi

21  sampling boleh kasar. Sedangkan layar dengan detil yang banyak butuh sampling yang

baik, namun kuantisasi boleh kasar (Kulkarni, 2001, p45).

2.6 Teknik Preprocessing

Teknik preprocessing berkaitan dengan pengolahan awal dan meliputi teknik-

teknik seperti koreksi geometris dan radiometris, perbaikan, kompresi data, penapisan,

pendeteksian tepi, perhitungan orientasi permukaan, dan lain-lain. Tidak ada sistem

pencitraan yang sempurna di dalam prakteknya, dan citra selalu mengalami degradasi

atau blur. Pada perbaikan citra, dilakukan manipulasi terhadap citra untuk meningkatkan

kualitas citra tersebut. Pada dasarnya, teknik perbaikan adalah prosedur heuristik.

Teknik-teknik perbaikan yang sering digunakan adalah stretching, ekualisasi histogram,

penghilangan noise, penapisan, dan perbaikan tepi. Pada kebanyakan masalah praktis,

nilai keabuan pada citra jatuh di antara rentang yang sempit, dan oleh karena itu,

kebanyakan citra praktis tidak menunjukkan kontras yang baik. Pada stretching kontras,

setiap piksel dalam citra input diberikan sebuah nilai keabuan baru. Nilai keabuan pada

citra yang telah ditransformasikan menyebar ke seluruh rentang keabuan dari 0 (hitam)

hingga 255 (putih).

Tujuan dari perestorasian citra adalah untuk meningkatkan kualitas citra tersebut.

Restorasi adalah suatu proses yang berusaha untuk memperbaiki atau merekonstruksi

citra asli dari sebuah citra yang diamati atau terdegradasi dengan menggunakan beberapa

pengetahuan pokok mengenai fenomena degradasi. Pada restorasi, sebuah sistem

pencitraan dibuat dan proses inverse diaplikasikan untuk memperbaiki citra aslinya

(Kulkarni, 2001, p47).

22  2.7 Pengekstraksian Fitur dan Pengenalan

Kemampuan untuk mengenali pola adalah dasar visi komputer. Istilah pola di

sini adalah sebuah deskripsi struktural dan kuantitatif dari suatu objek. Secara umum,

satu atau beberapa deskriptor membentuk pola. Bidang pola berkorespondensi dengan

sebuah pengukuran atau sebuah bidang observasi. Vektor pola terkadang dirujuk sebagai

vektor observasi. Vektor pola seringkali berisi informasi yang berlebih-lebihan. Oleh

karena itu, vektor pola dipetakan ke sebuah vektor fitur. Sistem pengenalan pola

biasanya mempertimbangkan akan dipetakan terlebih dahulu ke vektor fitur manakah

sebuah bidang fitur. Vektor fitur digunakan untuk memutuskan termasuk kelas manakah

suatu sample input. Tujuan dari pengekstraksian fitur adalah untuk mengurangi data

dengan memperoleh fitur atau properti pasti yang membedakan pola input.

Salah satu pendekatan yang terkenal untuk merepresentasikan batasan-batasan

adalah tanda tangan. Salah satu cara sederhana untuk menghasilkan tanda tangan adalah

dengan memetakan jarak dari pusat ke batasan sebagai suatu fungsi dari suatu sudut.

Pemetaan ini mengurangi representasi batasan menjadi sebuah fungsi satu dimensi yang

dapat didigitisasikan menjadi sebuah vektor. Deskriptor seperti kode rantai (chain code)

dan rasio area dengan keliling digunakan untuk mengkarakterisasi bentuk.

Scanner digunakan untuk mendapatkan citra. Salah satu scanner yang digunakan

dalam penginderaan jauh adalah thematic mapper (TM). Jenis scanner ini memperoleh

citra dalam tujuh pita spektrum yang berkorespondensi dengan rentang spektrum dari

infrared ke ultraviolet. Citra spektrum penginderaan jauh digunakan pada berbagai

aplikasi, di antaranya adalah pertanian, kehutanan, sumber daya mineral, hidrologi,

geografi, perpetaan, meteorologi, dan pengintaian militer (Kulkarni, 2001, p54).

23  2.8 Deteksi Wajah

Citra berisi wajah manusia adalah pusat dari interaksi antara manusia dengan

komputer. Banyak penelitian yang telah dilakukan menggunakan citra wajah, termasuk

pengenalan wajah, penjejakan wajah, perkiraan pose, pengenalan ekspresi, dan

pengenalan gestur. Kebanyakan metode-metode mengenai topik ini mengasumsikan

wajah manusia di dalam sebuah citra atau sederetan citra telah diidentifikasi dan

dilokalisasikan. Untuk membangun sistem otomatis yang mengekstraksi informasi dari

citra berisi wajah manusia, penting untuk mengembangkan algoritma yang kuat dan

efisien untuk mendeteksi wajah manusia. Diberikan sebuah citra tunggal atau sederetan

citra, tujuan dari pendeteksian wajah adalah untuk mengidentifikasi dan melokasikan

semua wajah manusia tanpa memperhatikan posisi, skala, orientasi, pose, dan kondisi

pencahayaannya. Hal ini merupakan masalah yang menantang karena wajah manusia

merupakan objek yang tidak kaku dengan tingkat variabilitas yang tinggi dalam hal

ukuran, bentuk, warna, dan tekstur (Yang, 2000, p3).

Pendeteksian wajah pada citra merupakan suatu langkah penting menuju

interaksi manusia dan komputer berbasis visi yang cerdas. Pendeteksian wajah ini

merupakan langkah awal dalam berbagai penelitian di bidang pengolahan wajah,

termasuk pengenalan wajah, perkiraan pose, dan pengenalan ekspresi. Berbagai teknik

telah diusulkan untuk mendeteksi wajah di dalam citra maupun video (Manohar et al,

p4).

Tugas pendeteksian wajah semakin banyak dibutuhkan pada dunia modern. Hal

ini dikarenakan perkembangan sistem keamanan sebagai jawaban untuk melawan

terorisme. Sebagai tambahan, algoritma ini telah banyak digunakan dalam antarmuka

24  pengguna interaktif, industri periklanan, layanan hiburan, coding video, dan lain-lain

(Degtyarev dan Seredin, p1).

Pendeteksian wajah merupakan suatu tugas yang penting dalam visi komputer.

Pendeteksian wajah biasanya dijalankan sebagai langkah preprocessing untuk analisis

wajah yang lebih jauh, terutama untuk pengenalan. Kesulitan intrinsik dalam

pendeteksian wajah adalah kenyataan bahwa adanya wajah merupakan kejadian langka

di dalam citra, dan juga classifier yang sangat baik mungkin menghasilkan hasil palsu

dalam jumlah yang sangat besar dikarenakan banyaknya pengujian yang harus dilakukan

pada citra berdimensi standar (Destrero, 2006, p5).

Pendeteksian wajah adalah mengenai pencarian ada atau tidaknya wajah di dalam

suatu citra (biasanya dalam skala keabuan), dan jika ada, maka akan dikembalikan lokasi

dan isi setiap wajah pada citra tersebut. Hal ini adalah langkah pertama di dalam sistem-

sistem otomatis yang menganalisa informasi yang terdapat di dalam wajah (seperti

identitas, jenis kelamin, ekspresi, umur, ras, dan pose). Jika beberapa sistem terdahulu

bekerja menggunakan wajah-wajah frontal, saat ini telah banyak dikembangkan sistem

yang mampu mendeteksi wajah yang dirotasikan secara in-plane ataupun out-of-plane

dengan baik.

Kemajuan teknologi computing telah memudahkan pengembangan modul visi

real-time yang berinteraksi dengan manusia dalam beberapa tahun terakhir ini. Ada

banyak contoh, terutama dalam bidang biometrik dan interaksi manusia dengan

komputer sebagaimana informasi yang ada di dalam suatu wajah perlu dianalisis agar

sistem dapat bertindak dengan sesuai. Untuk sistem-sistem biometrik yang

menggunakan wajah sebagai modul input non-intrusif, penting sekali untuk melokasikan

wajah pada layar sebelum algoritma pengenalan dapat diaplikasikan. Suatu antarmuka

25  pengguna berbasis visi yang cerdas harus dapat memberitahukan fokus perhatian pada

penggunanya agar dapat ditanggapi dengan sesuai. Agar aplikasi seperti kosmetik digital

dapat mendeteksi fitur wajah dengan akurat, wajah perlu dilokasikan dan diregister

terlebih dahulu untuk mempermudah pengolahan lebih lanjut. Telah terbukti bahwa

pendeteksian wajah memiliki peran yang penting dan kritis dalam keberhasilan suatu

sistem pengolahan wajah.

Masalah pendeteksian wajah merupakan masalah yang menantang, karena perlu

mencatat setiap variasi penampilan yang mungkin, yang disebabkan oleh perubahan

pencahayaan, fitur wajah, penghalang, dan lain-lain. Sebagai tambahan, suatu sistem

pendeteksian wajah harus dapat mendeteksi wajah yang muncul dengan rotasi in-plane,

skala, dan pose yang berbeda-beda. Meskipun demikian, kemajuan luar biasa telah

dibuat selama dekade terakhir ini dan telah ada banyak sistem yang menunjukkan

kinerja real-time yang menakjubkan. Kemajuan algoritma ini juga telah memberikan

kontribusi yang signifikan dalam mendeteksi objek-objek lain seperti manusia/pejalan

kaki, dan mobil (Yang, p1).

Pendeteksian wajah adalah suatu metode untuk mencari semua wajah yang

mungkin pada lokasi yang berbeda-beda dan dengan ukuran yang berbeda pula di dalam

suatu citra. Pendeteksian wajah memiliki banyak aplikasi visi komputer. Pendeteksian

wajah meliputi banyak tantangan penelitian, seperti skala, rotasi, pose, dan variasi

pencahayaan. Teknik yang digunakan untuk pendeteksian wajah telah diteliti selama

bertahun-tahun dan banyak kemajuan yang diusulkan dalam literatur. Kebanyakan

metode pendeteksian wajah mendeteksi wajah frontal dengan kondisi pencahayaan yang

baik. Menurut Yang G. Dan Huang T.S. (1997), metode-metode ini dapat

26  dikategorisasikan ke dalam empat jenis, yaitu: knowledge-based, appearance-based,

feature invariant, dan template matching.

Metode knowledge-based menggunakan aturan human-coded untuk

menggambarkan fitur wajah, seperti dua mata yang simetris, satu hidung di tengah, dan

satu mulut di bawah hidung. Metode feature invariant mencoba mencari fitur wajah

yang invarian terhadap pose, kondisi pencahayaan, atau rotasi. Warna kulit, edges, dan

bentuk, termasuk ke dalam kategori ini. Metode template matching mengkalkulasi

korelasi antara suatu citra pengujian dan templates wajah yang telah dipilih sebelumnya.

Kategori terakhir, appearance-based, mengadopsi teknik pembelajaran mesin untuk

mengekstraksi fitur diskriminatif dari set latih yang telah diberi label sebelumnya.

Metode eigenfaces, support vector machines, jaringan syaraf, statistical classifiers, dan

pendeteksian wajah Viola Jones berbasis AdaBoost termasuk dalam kelas ini. Metode

appearance-based memperoleh hasil yang sangat baik dalam hal keakuratan dan

kecepatan (Anila dan Devarajan, 2010, p54).

Secara dasar (Rasolzadeh, 2008), ada empat pendekatan berbeda dalam

permasalahan deteksi wajah, yaitu:

1. Metode berbasis pengetahuan: Aturan didapatkan berdasarkan pengetahuan manusia

mengenai fitur terdefinisi dari wajah sesorang manusia. Mayoritas dari aturan-aturan

ini membahas tentang hubungan antar fitur.

2. Metode invarian fitur: algoritma dirancang untuk mencari fitur struktural dari wajah

yang invarian terhadap masalah umum mengenai pose, halangan, ekspresi, kondisi

citra, dan pengrotasian.

3. Metode pencocokan template: dengan suatu set sample yang diberikan, sebuah set

pola wajah standar yang serupa dapat dihasilkan. Hubungan antara citra sample dan

27  

set pola yang telah didefinisikan dapat dihitung dan digunakan untuk menarik

kesimpulan.

4. Metode berbasis penampilan: mirip dengan metode pencocokan template. Tujuannya

adalah untuk mendapatkan keakuratan yang lebih tinggi dengan variasi yang lebih

besar pada data latih.

2.9 Pendeteksian Objek Viola Jones

Kerangka kerja pendeteksian objek Viola Jones adalah kerangka kerja

pendeteksian objek pertama yang memberikan tingkat pendeteksian objek secara real-

time. Kerangka kerja ini diusulkan pada tahun 2001 oleh Paul Viola dan Michael Jones

dalam makalah mereka yang berjudul Robust Real-Time Object Detection. Makalah

tersebut mendeskripsikan sebuah kerangka kerja pendeteksian objek visual, yang

mampu mengolah citra dengan sangat cepat dan memberikan tingkat pendeteksian yang

tinggi. Terdapat tiga kontribusi utama dalam kerangka kerja pendeteksian objek Viola

Jones (Kumar et al, 2010, p889).

Kontribusi pertama adalah suatu representasi citra baru yang disebut dengan citra

integral. Citra integral memungkinkan evaluasi fitur yang sangat cepat. Seperti

Papageorgiou et al., Viola Jones menggunakan suatu kumpulan fitur yang mirip dengan

fungsi Haar Basis. Agar dapat menghitung fitur-fitur tersebut dengan cepat pada

berbagai skala, Viola Jones memperkenalkan suatu representasi citra integral. Citra

integral dapat dihitung menggunakan sedikit operasi per piksel. Setelah citra integral

dihitung, maka fitur Haar-like juga dapat dihitung pada berbagai skala dan tempat dalam

waktu yang konstan.

28  

Kontribusi ke dua dalam Viola Jones adalah metode untuk membangun suatu

classifier dengan memilih sedikit fitur penting menggunakan algoritma AdaBoost. Di

dalam setiap citra sub-window, jumlah total fitur Haar-like sangat banyak, jauh lebih

besar dari pada jumlah piksel. Agar klasifikasi dapat berjalan dengan cepat, proses

pembelajaran harus menyisihkan sejumlah besar fitur yang ada, dan fokus pada sejumlah

kecil fitur-fitur penting. Penyeleksian fitur pada metode Viola Jones didapatkan dari

modifikasi sederhana terhadap AdaBoost. Setiap tahapan pada proses boosting, yang

memilih sebuah classifier lemah baru, dapat dilihat sebagai proses penyeleksian fitur.

AdaBoost menyediakan sebuah algoritma pembelajaran yang efektif dan batas-batas

yang kuat terhadap kinerja generalisasi.

Kontribusi ke tiga adalah metode untuk menggabungkan classifier yang lebih

kompleks secara berturut-turut di dalam suatu struktur cascade (bertingkat) yang

meningkatkan kecepatan detektor secara dramatis dengan memfokuskan perhatian pada

daerah-daerah yang menjanjikan di dalam citra. Pemrosesan yang lebih kompleks hanya

akan dijalankan pada daerah-daerah yang menjanjikan ini.

Sub-windows yang tidak ditolak oleh classifier terdahulu akan diproses oleh

sederetan classifier lainnya, di mana setiap tingkatan akan sedikit lebih kompleks

dibandingkan tingkatan sebelumnya. Jika suatu classifier menolak sub-window, maka

tidak akan ada proses lebih lanjut untuk sub-window tersebut.

Cascade deteksi wajah memiliki 32 classifiers, dengan total lebih dari 80.000

operasi. Namun, struktur bertingkat ini mampu mendeteksi dalam waktu yang sangat

cepat. Pada set data yang sulit, berisi 507 wajah dan 75 juta sub-window, wajah

terdeteksi menggunakan sekitar 270 instruksi mikroprosesor per sub-window. Sebagai

29  perbandingan, sistem ini lebih cepat 15 kali dari pada implementasi sistem pendeteksian

yang dibuat oleh Rowley et al (Viola dan Jones, 2001, pp1-2).

Walupun dapat dilatih untuk mendeteksi variasi dari kelas-kelas objek, pada

dasarnya, sistem pendeteksian objek Viola Jones dimotivasi oleh permasalahan

pendeteksian wajah. Algoritma ini diimplementasikan pada OpenCV sebagai

cvHaarDetectObjects() (Anonym 1).

2.9.1 Fitur

Fitur Haar-like adalah fitur citra digital yang digunakan di dalam pengenalan

objek. Sejumlah fitur Haar-like mewakili wilayah persegi pada citra dan menjumlahkan

semua piksel pada daerah tersebut. Jumlah yang didapatkan digunakan untuk

mengkategorisasikan citra. Pada citra sample 20x20, terdapat lebih dari 40.000 fitur,

yang harus diseleksi menjadi 200 fitur baik (Podolsky dan Frolov, p2).

Sistem pendeteksian objek Viola Jones mengklasifikasikan citra berdasarkan

nilai dari fitur-fitur sederhana. Ada beberapa alasan untuk menggunakan fitur dan bukan

piksel. Salah satu alasan utamanya adalah bahwa fitur dapat meng-encode pengetahuan

domain ad-hoc yang sulit dipelajari menggunakan data latih dengan jumlah yang

terbatas. Alasan lainnya adalah bahwa sistem berbasis fitur beroperasi lebih cepat dari

pada sistem berbasis piksel.

Fitur sederhana yang digunakan mirip dengan fitur dasar Haar yang digunakan oleh

Papageorgiou et al. Viola Jones menggunakan tiga jenis fitur. Nilai dari sebuah fitur

dua-persegi adalah selisih jumlah piksel di antara kedua daerah persegi tersebut. Setiap

daerah tersebut memiliki bentuk serta ukuran yang sama, dan berbatasan secara

horizontal ataupun secara vertikal. Nilai dari sebuah fitur tiga-persegi adalah hasil

30  pengurangan antara jumlah piksel pada kedua persegi yang berada di luar dengan jumlah

piksel pada persegi yang berada di tengah. Sedangkan nilai dari sebuah fitur empat-

persegi adalah selisih antara setiap pasangan diagonal persegi (Viola dan Jones, 2001,

p3).

Gambar 2.4 Fitur persegi Haar-like

2.9.2 Citra Integral

Fitur persegi dapat dihitung dengan cepat menggunakan suatu representasi citra

yang disebut citra integral. Nilai citra integral pada titik , adalah jumlah piksel yang

ada di atas dan di sebelah kiri titik tersebut.

, ′, ′

′ , ′

Di mana , adalah citra integral dan , adalah citra asli.

, , 1 ,

, 1, ,

Di mana , adalah jumlah baris kumulatif, , 1 0 dan 1, 0.

31  

Gambar 2.5 Nilai citra integral pada titik (x,y) adalah jumlah semua piksel yang berada

di atas dan di kiri titik tersebut

Dengan menggunakan citra integral, jumlah dari setiap persegi dapat dihitung

dengan menggunakan empat referensi array. Perbedaan antara jumlah dua persegi dapat

dihitung dengan delapan referensi. Fitur dua persegi dapat dihitung dengan enam

referensi array, delapan untuk fitur tiga persegi, dan sembilan untuk fitur empat persegi

(Viola dan Jones, 2001, pp4-5).

Gambar 2.6 Nilai citra integral pada lokasi 1 adalah jumlah piksel pada persegi . Nilai

pada lokasi 2 adalah , pada lokasi 3 adalah , dan pada lokasi 4 adalah

. Jumlah piksel pada persegi adalah 4 1 2 3 .

32  

Gambar 2.7 Citra integral

2.9.3 Fungsi Klasifikasi Pembelajaran

Detektor dengan resolusi dasar 24x24 memiliki jumlah fitur persegi sebanyak

45.396. Jumlah ini jauh lebih besar dari pada jumlah piksel. Walaupun setiap fitur dapat

dihitung dengan sangat efisien, namun menghitung keseluruhan set merupakan sesuatu

yang sangat mahal. Berdasarkan penelitian yang dilakukan Viola dan Jones, sangat

sedikit dari fitur-fitur ini dapat dikombinasikan untuk membentuk suatu classifier yang

efektif. Tantangan utamanya adalah pencarian fitur-fitur tersebut.

Viola Jones menggunakan suatu bentuk variasi dari AdaBoost untuk memilih

fitur-fitur dan untuk melatih classifier. Pada bentuk aslinya, algoritma pembelajaran

AdaBoost digunakan untuk meningkatkan kinerja klasifikasi terhadap suatu algoritma

pembelajaran sederhana (misalnya perceptron sederhana). Hal ini dilakukan dengan

menggabungkan sekumpulan fungsi klasifikasi lemah untuk membentuk sebuah

classifier yang lebih kuat. Dalam hal ini, algoritma pembelajaran sederhana disebut

sebagai sebuah pembelajar lemah. Sebagai contoh, algoritma pembelajaran perceptron

mencari ke sejumlah perceptron yang mungkin dan mengembalikan perceptron dengan

33  kesalahan klasifikasi terendah. Pembelajar ini disebut lemah karena fungsi klasifikasi

yang terbaik sekalipun tidak dapat mengklasifikasikan data latih dengan baik.

Agar dapat ditingkatkan, pembelajar lemah dipanggil untuk menyelesaikan

sederetan masalah pembelajaran. Setelah tahap pertama pembelajaran, data-data akan

diberi bobot kembali untuk memperjelas kesalahan klasifikasi yang dilakukan oleh

classifier lemah sebelumnya. Classifier kuat akhir akan mendapatkan bentuk perceptron,

sebuah kombinasi berbobot dari classifiers lemah yang diikuti dengan sebuah threshold.

Dengan menggambarkan suatu analogi antara classifier lemah dengan fitur-fitur,

AdaBoost merupakan suatu prosedur yang efektif untuk mendapatkan sejumlah kecil

fitur-fitur baik dengan variasi yang signifikan. Salah satu metode praktis untuk

menyelesaikan analogi ini adalah dengan membatasi pembelajar lemah terhadap

sejumlah fungsi klasifikasi yang masing-masing bergantung pada sebuah fitur tunggal.

Untuk mendukung tujuan ini, algoritma pembelajaran lemah dirancang untuk memilih

sebuah fitur persegi yang dapat memisahkan data positif dan negatif dengan paling baik.

Untuk setiap fitur, pembelajar lemah menentukan fungsi klasifikasi threshold yang

optimal sedemikian rupa sehingga jumlah minimum kesalahan klasifikasi bisa

didapatkan.

Dalam prakteknya, tidak ada fitur yang dapat melaksanakan tugas klasifikasi

dengan kesalahan yang rendah. Fitur yang diseleksi pada proses awal memiliki tingkat

kesalahan antara 0.1 dan 0.3. Fitur yang diseleksi pada tahap selanjutnya, dengan tugas

yang semakin sulit, memiliki tingkat kesalahan antara 0.4 dan 0.5.

34  Tabel 2.1 Algoritma boosting untuk mempelajari sebuah query secara online

• Diberikan citra , , … , , di mana 0,1 untuk data negatif dan

positif berturut-turut.

• Inisialisasikan bobot , , untuk 0,1 berturut-turut, di mana

dan adalah jumlah negatif dan positif berturut-turut.

• Untuk 1, … , :

1. Normalisasikan bobot,

,,

∑ ,

sehingga adalah distribusi probabilitas.

2. Untuk setiap fitur, , latih sebuah classifier yang dibatasi agar

menggunakan sebuah fitur tunggal. Kesalahan dievaluasi sehubungan

dengan , ∑ | |.

3. Pilih classifier, , dengan kesalahan terendah .

4. Perbaharui bobot:

, ,

di mana 0 jika data diklasifikasi dengan benar, 1 jika

sebaliknya, dan .

• Classifier kuat akhir-nya adalah:

1 0

12

35  

di mana

Penelitian awal yang dilakukan oleh Viola Jones menunjukkan bahwa classifier

yang dibentuk dari 200 fitur memiliki hasil yang masuk akal. Dengan angka

pendeteksian 95%, classifier tersebut mendapatkan 1 positif palsu dari 14084 data latih.

Untuk masalah pendeteksian wajah, fitur persegi awal yang diseleksi oleh

AdaBoost memiliki peran penting dan mudah diinterpretasikan. Fitur pertama yang

diseleksi tampaknya fokus pada properti bahwa wilayah mata biasanya lebih gelap dari

pada wilayah hidung dan pipi. Fitur ini relatif lebih besar dibandingkan dengan sub-

window pendeteksian, dan mungkin sedikit kurang sensitif terhadap ukuran dan lokasi

wajah. Fitur ke dua yang diseleksi bergantung pada properti bahwa mata lebih gelap dari

pada daerah hidung yang memisahkan kedua mata.

Gambar 2.8 Fitur pertama dan ke dua yang diseleksi oleh AdaBoost

Secara ringkas, classifier 200-fitur membuktikan bahwa boosted classifier yang

dibuat dari fitur persegi merupakan teknik yang efektif untuk pendeteksian objek. Untuk

36  masalah pendeteksian, hasil ini menarik tetapi tidak cukup untuk beberapa tugas dunia

nyata. Untuk masalah komputasi, classifier ini mungkin lebih cepat dari pada sistem lain

yang telah dipublikasikan, membutuhkan 0.7 detik untuk men-scan sebuah citra

384x288 piksel. Namun sayangnya, teknik paling mudah untuk meningkatkan kinerja

pendeteksian, dengan menambahkan fitur pada classifier, akan langsung meningkatkan

waktu komputasi (Viola dan Jones, 2001, pp6-9).

2.9.4 Attentional Cascade

Cascade classifier adalah suatu pohon keputusan degenerasi, dimana pada setiap

tahap, sebuah classifier dilatih untuk mendeteksi hampir semua objek yang menarik

(contoh: wajah frontal) sembari menolak suatu fraksi tertentu dari pola bukan objek.

AdaBoost merupakan suatu algoritma pembelajaran untuk meningkatkan kinerja

klasifikasi terhadap suatu algoritma pembelajaran sederhana. AdaBoost menggabungkan

sekumpulan fungsi klasifikasi lemah untuk membentuk suatu classifier yang kuat

(Podolsky dan Frolov, p2).

AdaBoost merupakan singkatan dari Adaptive Boosting, yaitu suatu algoritma

pembelajaran mesin yang dirumuskan oleh Yoav Freund dan Robert Schapire. AdaBoost

merupakan suatu meta-algorithm, dan dapat digunakan bersamaan dengan banyak

algoritma pembelajaran lain untuk meningkatkan kinerjanya. AdaBoost bersifat adaptif,

dimana classifiers berikutnya dibangun untuk mendukung data-data yang mengalami

kesalahan klasifikasi oleh classifier sebelumnya. AdaBoost sensitif terhadap data yang

noisy dan outliers. Dalam beberapa hal, AdaBoost menjadi kurang rentan terhadap

masalah overfitting, jika dibandingkan dengan algoritma pembelajaran pada umumnya

(Anonym 2).

37  

Boosted classifier yang lebih kecil dan efisien, yang dapat dibangun, menolak

banyak sub-window negatif ketika mendeteksi hampir semua data positif. Classifiers

sederhana digunakan untuk menolak mayoritas sub-window sebelum classifiers yang

lebih kompleks dipanggil untuk mendapatkan tingkat positif palsu yang rendah.

Tahap-tahap pada cascade dibuat dengan melatih classfiers menggunakan

AdaBoost. Dimulai dengan classifier kuat dua fitur, filter wajah yang efektif bisa

didapatkan dengan mengatur threshold classifier kuat untuk meminimalkan negatif

palsu. Threshold awal AdaBoost, ∑ , dirancang untuk mendapatkan tingkat

kesalahan yang rendah pada data latih. Threshold yang lebih rendah menghasilkan

tingkat deteksi yang lebih tinggi dan tingkat positif palsu yang lebih tinggi. Berdasarkan

hasil percobaan, classifier dua-fitur dapat disesuaikan untuk mendeteksi 100% wajah

dengan tingkat positif palsu sebesar 40%.

Kinerja pendeteksian dari classifier dua-fitur jauh dari sistem deteksi objek yang

bisa diterima. Meskipun begitu, classifier tersebut dapat mengurangi secara signifikan

jumlah sub-window yang membutuhkan pengolahan lebih lanjut dengan operasi-operasi

yang sangat sedikit:

1. Evaluasi fitur-fitur perseginya (membutuhkan antara 6 hingga 9 referensi array per

fitur).

2. Hitung classifier lemah untuk setiap fitur (membutuhkan satu operasi threshold per

fitur).

3. Gabungkan classifiers lemahnya (membutuhkan sebuah perkalian per fitur, sebuah

penambahan, dan sebuah threshold).

38  

Sebuah hasil positif dari classifier pertama memicu evaluasi classifier ke dua

yang juga telah disesuaikan untuk mendapatkan tingkat pendeteksian yang sangat tinggi.

Sebuah hasil positif dari classifier ke dua memicu classifier ke tiga, dan selanjutnya.

Sebuah hasil negatif menyebabkan penolakan langsung terhadap sub-window tersebut.

Struktur cascade merefleksikan kenyataan bahwa di dalam setiap citra, mayoritas

sub-window yang ada adalah negatif. Karena itulah, cascade berusaha menolak negatif

sebanyak mungkin pada tahapan seawal mungkin.

Seperti pohon keputusan, classifiers berikutnya dilatih menggunakan data-data

yang telah melewati semua tahapan sebelumnya. Hasilnya, classifier ke dua akan

menghadapi tugas yang lebih sulit dari pada yang pertama (Viola dan Jones, 2001, pp11-

12).

Gambar 2.9 Gambaran skematis sebuah cascade pendeteksian

Pendeteksian objek Viola Jones merupakan suatu classifier kuat yang dibentuk

dari beberapa classifier lemah. Classifier lemah ini memungkinkan pengolahan yang

cepat, yaitu hanya dengan melakukan penjumlahan bobot pada fitur-fitur persegi.

39  Dengan menggabungkan classifier lemah ini ke dalam suatu cascade, sebuah classifier

akhir dibuat agar dapat mengeliminasi daerah bukan wajah dengan cepat, serta

mempertahankan semua daerah wajah.

Untuk mengolah citra secara real-time, tahapan cascade awal memiliki jumlah

fitur yang terbatas dan berusaha untuk menghilangkan windows yang memiliki

kemungkinan rendah sebagai wajah. Sebagaimana tahapan cascade berjalan, classifier

yang lebih kompleks dengan jumlah yang lebih besar digunakan untuk mengurangi

klasifikasi positif palsu. Jika salah satu tahapan cascade mengklasifikasikan sebuah

window sebagai bukan wajah, maka tidak ada proses lebih lanjut untuk window tersebut.

Hal ini memastikan bahwa hanya daerah dengan kemungkinan besar sebagai wajah yang

akan menjalankan komputasi yang lebih intensif (Harvey, 2009, pp8-9).

Gambar 2.10 Contoh cascade pendeteksian wajah Viola Jones

2.9.5 Melatih Cascade Classifiers

Diberikan sebuah cascade classifiers yang telah dilatih, jumlah positif palsu pada

cascade tersebut adalah:

40  

di mana adalah jumlah positif palsu pada cascaded classifier, adalah jumlah

classifiers, dan adalah jumlah positif palsu pada classifier ke . Tingkat

pendeteksiannya adalah:

di mana adalah tingkat pendeteksian pada cascaded classifier, adalah jumlah

classifier, dan adalah tingkat pendeteksian pada classifier ke .

Diberikan tujuan konkrit dari tingkat pendeteksian dan positif palsu secara

keseluruhan, angka target dapat ditentukan untuk setiap tahap pada proses cacscade.

Jumlah fitur yang dievaluasi ketika men-scan citra asli membutuhkan proses

probabilistik. Setiap sub-window yang diberikan akan diproses ke bawah melalui

cascade, satu classifier pada satu waktu, sampai diputuskan apakah sub-window

tersebut negatif atau, sub-window tersebut lolos dari setiap pengujian dan diberi label

positif. Jumlah fitur yang diharapkan dievaluasi adalah:

di mana adalah jumlah fitur yang diharapkan dievaluasi, adalah jumlah classifier,

adalah jumlah positif pada classifier ke , dan adalah jumlah fitur pada classifier ke .

Prosedur pembelajaran AdaBoost hanya digunakan untuk meminimalkan

kesalahan, dan bukan dirancang secara spesifik untuk mendapatkan tingkat pendeteksian

yang tinggi. Salah satu skema yang sederhana dan sangat konvensional untuk mengatasi

41  kesalahan ini adalah dengan mengatur threshold perceptron yang dihasilkan AdaBoost.

Semakin tinggi threshold, semakin sedikit positif palsu, dan semakin rendah tingkat

pendeteksian. Semakin rendah threshold, semakin banyak positif palsu dan semakin

tinggi tingkat pendeteksian. Namun pada saat ini, belum jelas, apakah dengan mengatur

threshold dapat mempertahankan jaminan pelatihan dan generalisasi yang diberikan oleh

AdaBoost.

Pada umunya, classifier dengan fitur yang lebih banyak akan mendapatkan

tingkat pendeteksian yang lebih tinggi dan jumlah positif palsu yang lebih sedikit. Tetapi

classifier dengan fitur yang lebih banyak membutuhkan waktu komputasi yang lebih

banyak pula.

Sebuah framework yang sangat sederhana digunakan untuk menghasilkan sebuah

classifier efektif yang sangat efisien. Algoritmanya dapat dilihat pada tabel 2.2 (Viola

dan Jones, 2001, pp12-14).

Tabel 2.2 Algoritma latihan untuk membangun sebuah cascaded detector

• Pengguna memilih nilai untuk , jumlah maksimum positif palsu yang dapat

diterima, dan , tingkat minimum pendeteksian yang dapat diterima per

layer.

• Pengguna memilih target keseluruhan tingkat positif palsu, .

• himpunan data positif

• himpunan data negatif

• 1.0; 1.0

• 0

42  

• Selama

- 1

- 0;

- Selama

1

Gunakan dan untuk melatih sebuah classifier dengan fitur

sebanyak menggunakan AdaBoost.

Evaluasi current cascaded classifier pada validasi yang diatur untuk

menentukan dan .

Kurangi threshold untuk classifier ke hingga current cascaded

classifier memiliki tingkat pendeteksian minimal (hal ini

juga mempengaruhi .

-

- Jika maka evaluasi current cascaded detector pada

himpunan citra bukan-wajah dan berikan pendeteksian palsu pada

himpunan .

43  

Gambar 2.11 Contoh citra wajah frontal yang digunakan untuk melatih sistem

pendeteksian wajah Viola Jones

44  

Gambar 2.12 Hasil pendeteksian wajah Viola Jones

2.10 OpenCV

OpenCV adalah sebuah library open source untuk visi komputer yang bisa

didapatkan dari http://SourceForge.net/projects/opencvlibrary. Library ini ditulis dengan

bahasa C dan C++, serta dapat dijalankan dengan Linux, Windows, dan Mac OS X.

OpenCV dirancang untuk efisiensi komputasional dan dengan fokus yang kuat pada

aplikasi real-time.

45  

Salah satu tujuan OpenCV adalah untuk menyediakan infrastruktur visi komputer

yang mudah digunakan yang membantu orang-orang dalam membangun aplikasi-

aplikasi visi yang sophisticated dengan cepat. Library pada OpenCV berisi lebih dari

500 fungsi yang menjangkau berbagai area dalam permasalahan visi, meliputi inspeksi

produk pabrik, pencitraan medis, keamanan, antarmuka pengguna, kalibrasi kamera, visi

stereo, dan robotika. Karena visi komputer dan pembelajaran mesin seringkali berkaitan,

OpenCV juga memiliki Machine Learning Library (MLL). Sublibrary ini berfokus pada

pengenalan pola statistik dan clustering. MLL sangat berguna untuk tugas-tugas visi

yang berada dalam misi inti OpenCV, tetapi MLL cukup umum digunakan untuk

permasalahan pembelajaran mesin.

Lisensi open source pada OpenCV telah distrukturisasi sehingga pengguna dapat

membangun produk komersial menggunakan seluruh bagian pada OpenCV. Tidak ada

kewajiban untuk meng-open source produk tersebut atau untuk memberikan peningkatan

ke domain publik. Sebagian karena peraturan lisensi liberal ini, maka terdapat komunitas

pengguna dalam jumlah yang sangat besar, termasuk di dalamnya orang-orang dari

perusahaan besar (seperti IBM, Microsoft, Intel, SONY, Siemens, dan Google) serta

pusat-pusat penelitian (seperti Stanford, MIT, CMU, Cambridge, dan INRIA).

Sejak peluncuran pertamanya pada Januari 1999, OpenCV telah digunakan pada

banyak aplikasi, produk, dan usaha-usaha penelitian. Aplikasi-aplikasi ini meliputi

penggabungan citra pada peta web dan satelit, image scan alignment, pengurangan noise

pada citra medis, sistem keamanan dan pendeteksian gangguan, sistem pengawasan

otomatis dan keamanan, sistem inspeksi pabrik, kalibrasi kamera, aplikasi militer, serta

kendaraan udara tak berawak, kendaraan darat, dan kendaraan bawah air. OpenCV juga

46  telah digunakan untuk pengenalan suara dan musik, dimana teknik pengenalan visi

diaplikasikan pada citra spektogram suara (Bradski dan Kaehler, 2008, pp1-2).

OpenCV adalah singkatan dari Open Computer Vision, yaitu library open source

yang dikhususkan untuk melakukan pengolahan citra. Tujuannya adalah agar komputer

mempunyai kemampuan yang mirip dengan cara pengolahan visual pada manusia.

Library ini dibuat untuk bahasa C/C++ sebagai optimasi aplikasi real-time. OpenCV

memiliki API (Application Programming Interface) untuk pengolahan tingkat tinggi

maupun tingkat rendah. Pada OpenCV juga terdapat fungsi-fungsi siap pakai untuk me-

load, menyimpan, serta mengakuisisi gambar dan video.

Library OpenCV (Mukhlas, 2010, p10) memiliki fitur-fitur sebagai berikut:

- Manipulasi data gambar (mengalokasi memori, melepaskan memori, menduplikasi

gambar, mengatur serta mengkonversi gambar)

- Image/Video I/O (bisa menggunakan kamera yang sudah didukung oleh library ini)

- Manipulasi matriks dan vektor, serta terdapat juga routines aljabar linear (products,

solvers, eigenvalues, SVD)

- Pengolahan citra dasar (penapisan, pendeteksian tepi, sampling dan interpolasi,

konversi warna, operasi morfologi, histogram, piramida citra)

- Analisis struktural

- Kalibrasi kamera

- Pendeteksian gerakan

- Pengenalan objek

- GUI dasar (menampilkan gambar/video, mengontrol mouse/keyboard, scrollbar)

- Image labelling (garis, kerucut, poligon, penggambaran teks)

47  

Libraries OpenCV menyediakan banyak algoritma visi komputer dasar, dengan

keuntungan bahwa fungsi-fungsi tersebut telah diuji dengan baik dan digunakan oleh

para peneliti di seluruh dunia. Libraries OpenCV juga menyediakan sebuah modul untuk

pendeteksian objek yang menggunakan algoritma Viola Jones (Augusto, 2006, p4).