...

IDENTIFIKASI DAN TRACKING OBJEK BERBASIS IMAGE

by user

on
Category: Documents
1

views

Report

Comments

Transcript

IDENTIFIKASI DAN TRACKING OBJEK BERBASIS IMAGE
IDENTIFIKASI DAN TRACKING OBJEK BERBASIS IMAGE
PROCESSING SECARA REAL TIME
Hendy Mulyawan, M Zen Hadi Samsono, Setiawardhana
Jurusan Telekomunkasi - Politeknik Elektronika Negeri Surabaya
Institut Teknologi Sepuluh Nopember (ITS) Surabaya
Kampus PENS-ITS, Keputih, Sukolilo, Surabaya.
Telp : +62+031+5947280; Fax. +62+031+5946011
Email : [email protected]
Abstrak - Dengan kemajuan teknologi pengolahan citra digital ( Digital Image Processing ) yang
semakin pesat, maka dapat mempermudah kehidupan manusia, dan dewasa ini banyak aplikasi yang dapat
menerapkannya, dalam berbagai bidang. Pengolahan citra (image processing) adalah teknik mengolah citra yang
mentransformasikan citra masukan menjadi citra lain agar keluaran memiliki kualitas yang lebih baik
dibandingkan kualitas citra masukan. Pengolahan citra sangat bermanfaat, diantaranya adalah untuk
meningkatkan kualitas citra, menghilangkan cacat pada citra, mengidentifikasi objek, penggabungan dengan
bagian citra yang lain. Dengan memanfaatkan teknologi tersebut, maka diharapkan adanya suatu aplikasi yang
dapat menangkap suatu obyek yang ada di depan kamera bisa mengidentifikasi jenis objek serta melakukan
tracking objek secara realtime.
Dengan menggunakan webcam akan melakukan pengambilan citra sehingga akan didapatkan gambar
objek. Kemudian gambar objek diproses menggunakan metode template matching untuk mengidentifikasi dan
melakukan tracking gambar objek tersebut. Setelah didapatkan citra gambar objek kemudian proses selanjutnya
adalah membandingkan dengan database. Apabila cocok dengan database, maka output yang dihasilkan berupa
suara yang sesuai dengan gambar objek.
Hasil dari proyek akhir ini bertujuan untuk membuat software yang dapat mengidentifikasi dan
melaukan tracking objek secara real-time, Dari hasil pengujian sistem diperoleh presentase keberhasilan pada
siang hari dalam ruangan sebesar 54.4% dengan range jarak terbaik antara 90cm hingga 160cm, sedangkan
untuk luar ruangan sebesar 34.40% dengan jarak terbaik antara 90cm hingga 130cm. Dan untuk malam hari
dalam ruangan dengan tingkat keberhasilan tertinggi mencapai 59.94% dengan jarak terbaik 30cm hingga
140cm, sedangkan untuk luar ruangan dengan presentase terendah yaitu 52.16% dengan jarak terbaik antara
30cm hingga 130cm.
Kata Kunci : Image Processing, Template Matching, OpenCV.
1.
PENDAHULUAN
Dengan
kemajuan
ilmu
teknologi
pengolahan citra digital ( Digital Image Processing
) yang semakin pesat, maka dapat mempermudah
kehidupan manusia, dan dewasa ini banyak aplikasi
yang dapat menerapkannya, dalam berbagai
bidang. Pengolahan citra (image processing) adalah
teknik mengolah citra yang mentransformasikan
citra masukan menjadi citra lain agar keluaran
memiliki kualitas yang lebih baik dibandingkan
kualitas citra masukan. Pengolahan citra sangat
bermanfaat,
diantaranya
adalah
untuk
meningkatkan kualitas citra, menghilangkan cacat
pada citra, mengidentifikasi objek, penggabungan
dengan bagian citra yang lain. Dengan
memanfaatkan teknologi tersebut, maka diharapkan
adanya suatu aplikasi yang dapat menangkap suatu
obyek yang ada di depan kamera bisa
mengidentifikasi jenis objek serta melakukan
tracking objek secara real-time.
Metode pendefinisian tracking objek yang
di aplikasikan pada proyek akhir ini yaitu dengan
menggunakan metode template matching serta
software pendukung yaitu open cv. Tujuan
digunakannya metode template matching dengan
perbandingan ini adalah untuk memudahkan
penggguna dalam tracking objek secara sederhana
dan tidak terlalu rumit. Ada beberapa tahapan
dalam proses tracking objek ini diantaranya yaitu
proses pengambilan gambar dari webcam untuk
database gambar yang dimaksudkan, kemudian
proses cropping gambar untuk memisahkan
background dengan objek yang dimaksudkan, dan
kemudian proses matching antara gambar database
dengan gambar yang ditangkap oleh webcam
secara real-time, sehingga program dapat
membandingkan gambar database yang tersimpan
dengan gambar yang ditangkap dari webcam .
Apabila cocok dengan database, maka output yang
dihasilkan berupa suara yang sesuai dengan gambar
objek.
Hasil dari proyek akhir ini bertujuan untuk
membuat software yang dapat mengidentifikasi dan
melaukan tracking
objek secara real-time,
sehingga dapat membantu para pengguna software
dalam
mendefinisikan
objek
disekitarnya
menggunakan teknologi yang lebih modern.
2. TUJUAN
Tujuan dari Proyek Akhir adalah membuat
software aplikasi real time, yang dapat
mengidentifikasi
suatu
obyek
dengan
menggunakan sebuah kamera berbasis images
processing secara real-time. Output dari aplikasi ini
berupa suara. Software ini berguna untuk
pengawasan cctv, dan melakukan proses
identifikasi jika dikembangkan lebih lanjut.
3. TEORI PENUNJANG
3.1 Pengertian Citra Digital
A. Pengolahan Citra (Image Processing)
Pengolahan citra atau Image Processing
adalah suatu sistem dimana proses dilakukan
dengan masukan (input) berupa citra (image) dan
hasilnya (output) juga berupa citra (image). Pada
awalnya pengolahan citra ini dilakukan untuk
memperbaiki kualitas citra, namun dengan
berkembangnya dunia komputasi yang ditandai
dengan semakin meningkatnya kapasitas dan
kecepatan proses komputer, serta munculnya ilmuilmu komputer yang memungkinkan manusia dapat
mengambil informasi dari suatu citra maka image
processing tidak dapat dilepaskan dengan bidang
computer vision.
B. Citra Digital
Citra atau image adalah angka, dari segi
estetika, citra atau gambar adalah kumpulan warna
yang bisa terlihat indah, memiliki pola, berbentuk
abstrak dan lain sebagainya. Citra dapat berupa
foto udara, penampang lintang (cross section) dari
suatu benda, gambar wajah, hasil tomografi otak
dan lain sebagainya. Dari segi ilmiah,citra adalah
gambar 3-dimensi (3D) dari suatu fungsi, biasanya
intensitas warna sebagai fungsi spatial x dan y. Di
komputer, warna dapat dinyatakan, misalnya
sebagai angka dalam bentuk skala RGB. Karena
citra adalah angka, maka citra dapat diproses secara
digital.
C. Model Citra
Oleh karena citra merupakan matrik dua
dimensi dari fungsi intensitas cahaya, maka
referensi citra menggunakan dua variabel yang
menunjuk posisi pada bidang dengan sebuah fungsi
intensitas cahaya yang dapat dituliskan sebagai
f(x,y) dimana f adalah nilai amplitudo pada
koordinat spasial (x,y). Karena cahaya merupakan
salah satu bentuk energi, f(x,y) tidak berharga nol
atau negatif dan merupakan bilangan berhingga,
yang dalam pernyataan matematis adalah sebagai
berikut, 0 < f(x.y).
Gambar 1. Sistim koordinat citra diskrit
C. RGB
Untuk citra berwarna maka digunakan model
RGB (Red-Green-Blue), satu citra berwarna
dinyatakan sebagai 3 buah matrik grayscale yang
berupa matrik untuk Red (R-layer), matrik Green
(G-layer) dan matrik untuk Blue(B-layer).R-layer
adalah matrik yang menyatakan derajat kecerahan
untuk warna merah (misalkan untuk skala keabuan
0-255, nilai 0 menyatakan gelap (hitam) dan 255
menyatakan merah. G-layer adalah matrik yang
menyatakan derajat kecerahan untuk warna hijau,
dan B-layer adalah matrik yang menyatakan derajat
kecerahan untuk warna biru. Dari definisi tersebut,
untuk menyajikan warna tertentu dapat dengan
mudah dilakukan, yaitu dengan mencampurkan
ketiga warna dasar RGB.
Gambar 2 Komposisi Warna RGB
D. Grayscale ( Derajat Keabuan )
Proses awal yang banyak dilakukan dalam
image processing adalah mengubah citra berwarna
menjadi citra grayscale, hal ini digunakan untuk
menyederhanakan model citra. Seperti dijelaskan
didepan, citra berwarna terdiri 3 layer matrik yaitu
R-layer, G-layer, B-layer. Sehingga untuk
melakukan proses selanjutnya tetap diperhatikan 3
layer diatas.
E. Thresholding
Thresholding merupakan konversi citra hitam
– putih ke citra biner dilakukan dengan cara
mengelompokkan nilai derajat keabuan setiap pixel
kedalam 2 kelas, hitam dan putih. Pada citra hitam
putih terdapat 256 level, artinya mempunyai skala
“0” sampai “255” atau [0,255], dalam hal ini nilai
intensitas 0 menyatakan hitam, dan nilai intensitas
255 menyatakan putih, dan nilai antara 0 sampai
255 menyatakan warna keabuan yang terletak
antara hitam dan putih.
3.2 Template Matching
Template matching adalah sebuah teknik
dalam pengolahan citra digital untuk menemukan
bagian-bagian kecil dari gambar yang cocok
dengan template gambar. Energi cahaya yang
terpancar dari suatu bentuk mengena pada retina
mata dan diubah menjadi energi neural yang
kemudian dikirim ke otak. Selanjutnya terjadi
pencarian di antara template - template yang ada.
Jika sebuah template ditemukan sesuai (match )
dengan pola tadi, maka subjek dapat mengenal
bentuk tersebut. Setelah kecocokan antara objek
dan template terjadi, proses lebih lanjut dan
interpretasi terhadap objek bisa terjadi.
3.3 OpenCV
OpenCV adalah singkatan dari Open
Computer Vision, yaitu suatu library gratis yang
dikembangkan oleh Intel Corporation yang di
khususkan untuk melakukan image prosessing.
Tujuaannya adalah agar komputer mempunyai
kemampuan yang mirip dengan cara pengolahan
visual pada manusia. OpenCv mempunyai API
(Aplication Programming Interface) untuk High
level maupun low level, terdapat fungsi2 yang siap
pakai, baik untuk loading, saving, akuisisi gambar
maupun video.
2.
Keberhasilan Program dapat melakukan
tracking objek benda yang dimaksud.
5. Experiment Dan Analisa Sistem
Perancangan sistem pada proyek akhir ini meliputi:
1. Melakukan instalasi library openCV.
2. Melakukan konfigurasi library openCV
dengan software microsoft visual C++.
3. Melakukan include file-file library yang
akan digunakan pada openCV pada
pemrograman Image Processing.
4. Pemrograman kombinasi antara openCV
dan C/C++ yang digunakan.
7. PERENCANAAN DAN IMPLEMENTASI
SISTEM SECARA KESELURUHAN
4. METODOLOGI
Perancangan Sistem
Pembuatan sistem untuk mengidentifikasi
objek, menggunakan webcam yang disambungkan
ke PC (Personal Komputer) untuk menangkap
gambar secara realtime, kemudian gambar diolah
menggunakan metode template matching berbasis
image processing, dengan cara membandingkan
image database yang telah dibuat dengan
pengambilan gambar secara real time. sehingga
komputer dapat mengidentifikasi dan melakukan
tracking objek tersebut.
1.
2. Perancangan
Perangkat
Keras
Dan
Perangkat Lunak
Pada sub bab ini akan dijelaskan bahan
dan alat apa saja yang akan digunakan dalam
pembuatan system proyek akhir ini, diantaranya
meliput :
1. Notebook Compaq Presario V3906TU dengan
spesifikasi RAM 1526MB RAM, Intel(R)
Pentium(R) Dual CPU T230 @ 1,86GHz
2. Kamera Logitech Pro 9000 , 8 Mega Pixel
3. Software OpenCV, Visual Studio C++ 2008.
3. Pembuatan dan Pengujian Perangkat Keras
dan Perangkat Lunak.
Dari hasil perancangan dilakukan realisasi
pembuatan perangkat lunak. Dan diadakan
pengujian masing-masing bagian dari perangkat
lunak tersebut sebelum dilakukan integrasi.
4.
Integrasi Pengujian Sistem
Integrasi pengujian sistem guna mengetahui
permasalahan-permasalahan yang mungkin muncul
diantara lain pengujian :
1. Keberhasilan Capture objek untuk image
pembanding pada database objek.
Gambar 3. Blok Diagram Sistem Keseluruhan
Flowchart
START
180
160
140
120
100
80
60
40
20
0
Webcam
Mengambil Image
Objek
Image objek diproses
Jarak
Maksimum
Image sama dengan database,
tracking objek sukses
N
Y
Gambar 6. Grafik Pengujian Siang Hari Luar
Ruang
Output berupa
suara
END
Gambar 4. Flowchart Sistem
Penjelasan flowchart diatas, dijelaskan
untuk melakukan proses tracking objek, diperlukan
adanya gambar pembanding, yang berguna untuk
proses tracking object. Jika Object tidak
ditemukan, maka tracking object tidak berhasil,
dan kembali kepada proses load image untuk
membandingkan image yang ada pada database,
dengan Load image secara real time.
5.
1.
ANALISA DAN HASIL PENGUJIAN
Pengujian Pada Siang Hari
200
180
160
140
120
100
80
60
40
20
0
Ketika pengujian pada siang hari dan berada
dalam ruangan, untuk tracking objek jarak maksimum
yang bisa dilakukan sampai 190cm yaitu pada objek
gelas besar. Dan ketika pengujian dilakukan pada malam
hari jarak maksimum yang dapat dilakukan untuk
mentracking objek adalah sebesar 160cm.Adanya
perbedaan jarak disebabkan karena diluar ruangan
mendapatkan cahaya dari sinar matahari lebih banyak
daripada didalam ruangan. Dengan adanya cahaya yang
terlalu banyak membuat tracking objek tidak sempurna.
2.
Pengujian pada Malam Hari
200
180
160
140
120
100
80
60
40
20
0
Jarak
Maksimu
m
Jarak
Minimum
Mizone
Kotak Kopi
Gelas Kecil
Gelas Besar
Botol Pengharum
Jarak
Maksimu
m
Jarak
Minimum
Gambar 5. Grafik Pengujian Siang Hari Dalam Ruang
Gambar 7. Grafik Pengujian Malam Hari Dalam
ruang
180
160
140
120
100
80
60
40
20
0
yang lebih jauh dibandingkan dengan hasil
pengujian yang dilakukan di luar ruangan yaitu
antara 90cm sampai dengan 120cm, sedangkan
pada luar ruangan hanya jarak 90 cm yang dapat
melakukan tracking objek dengan baik. Perbedaan
hasil pengujian baik yang dilakukan pada siang hari
maupun malam hari dipengaruhi oleh intensitas
cahaya.
Jarak
Maksimum
Jarak
Minimum
6. KESIMPULAN
Dari uji coba yang dilakukan, dapat diambil suatu
kesimpulan sebagai berikut
:
1.
2.
Gambar 8. Grafik Pengujian Malam Hari Luar
ruang
Ketika pengujian dilakukan pada malam hari
dan berada dalam ruangan, untuk tracking objek jarak
maksimum yang bisa dilakukan sampai 190cm yaitu
pada objek gelas besar. Dan ketika pengujian dilakukan
pada malam hari dan berada di luar ruangan jarak
maksimum yang dapat dilakukan untuk tracking objek
adalah sebesar 160cm.Adanya perbedaan jarak
disebabkan karena diluar ruangan mendapatkan kurang
cahaya sehingga semakin jauh objek semakin tidak
terdeteksi oleh kamera. Sedangkan ketika dalam ruangan,
mendapatkan cahaya yang cukup sehingga objek dapat
tertracking jelas oleh kamera.
3.
3.
4.
5.
Analisa Sistem Keseluruhan
Dari hasil pengujian tracking objek
dengan satu benda diperoleh
presentase
keberhasilan pada siang hari dalam ruangan sebesar
54.4% dengan range jarak terbaik antara 90cm
hingga 160cm, sedangkan untuk luar ruangan
sebesar 34.40% dengan jarak terbaik antara 90cm
hingga 130cm. Dan untuk malam hari dalam
ruangan dengan tingkat keberhasilan tertinggi
mencapai 59.94% dengan jarak terbaik 30cm
hingga 140cm, sedangkan untuk luar ruangan
dengan presentase yaitu 52.16% dengan jarak
terbaik antara 30cm hingga 130cm.
Pengujian tracking objek dengan lima
benda secara langsung yang dilakukan pada siang
hari, hasil pengujian yang dilakukan dari dalam
ruangan didapatkan jarak yang lebih jauh
dibandingkan dengan hasil pengujian yang
dilakukan di luar ruangan yaitu antara 90cm sampai
dengan 110cm, sedangkan pada luar ruangan
hanya jarak 90 cm yang dapat melakukan tracking
objek dengan baik. Kemudian ketika pengujian
dilakukan pada malam hari, hasil pengujian yang
dilakukan dari dalam ruangan didapatkan jarak
Penentuan posisi dan jarak webcam dengan
objek dan pencahayaan memiliki pengaruh
besar dalam pengenalan objek, untuk itu
dibutuhkan
pengaturan
kamera
dan
pencahayaan yang cukup.
Pengenalan image dengan metode Template
Matching ini dapat mengidentifikasi dan
mentracking 5 objek secara langsung.
Pada pengujian tracking objek ini, sangat
berpengaruh
terhadap beberapa hal,
diantaranya berpengaruh dengan cropping
objek pada saat awal pengenalan image yang
digunakan untuk database, pencahayaan, dan
kesamaan bentuk objek.
Pengujian yang dilakukan dalam ruangan
memperoleh tingkat keberhasilan yang lebih
tinggi yaitu 59.94% daripada ketika pengujian
dilakukan diluar ruangan yaitu 52.16% .
Ketika diluar ruangan jarak maksimum yang
dapat dilakukan untuk tracking objek sebesar
160cm, sedangkan jarak maksimum yang
dapat dilakukan untuk tracking objek didalam
ruangan 190cm.
7.
[1]
[2]
[3]
[4]
DAFTAR PUSTAKA
Gary Bradski dan Kaebler Adrian “Learning
OpenCV”, _____, 2008.
Mukhlas Arihutomo, “Rancang Bangun
Sistem Penjejakan Objek Menggunakan
Metode Viola Jones”, Tugas Akhir PENS ITS Surabaya, 2010.
Riza Anshori, 2010, “Deteksi Kendaraan
Bergerak Secara Real Time”, Tugas Akhir
PENS - ITS Surabaya, 2010.
Sangap Mulyadi, Mochamad Hariadi dan
Mauridhi Hery Purnomo,”Pengujian Hasil
Template Maching Untuk Deteksi Posisi
Mata Menggunakan Receiver Operating
Characteristic (ROC)”, Thesis Jurusan Teknik
Elektro ITS, Surabaya.
Fly UP