ESTIMASI POSISI ARAH PANDANG MATA DENGAN MENGGUNAKAN WEB CAMERA

Prosiding Seminar Nasional Manajemen Teknologi VIII Program Studi MMT-ITS, Surabaya 2 Agustus 2008

ESTIMASI POSISI ARAH PANDANG MATA DENGAN MENGGUNAKAN WEB CAMERA 1)

Agus Supranartha 1,2) dan Djoko Purwanto 1) Jurusan Teknik Elektro – FTI, Institut Teknologi Sepuluh November 2) Jurusan Teknik Elektro – Undiknas Jl. Tukad Yeh Aya, Denpasar-Bali Email : Email: [email protected]

ABSTRAK Dewasa ini, penelitian tentang estimasi arah pandang mata menjadi topik penelitian utama beberapa ilmuwan. Penelitian sebelumnya telah berhasil mengembangkan suatu sistem input komputer dengan memanfaatkan estimasi arah pandang mata untuk mengoperasikan komputer tanpa memakai keyboard. Pada penelitian ini diusulkan suatu metode untuk mendapatkan estimasi posisi arah pandang mata dengan menggunakan prinsip pencocokan bentuk (dari informasi citra). Untuk mendapatkan estimasi posisi arah pandang mata yaitu dengan cara membandingkan file citra referensi arah pandang mata yang disimpan di database dengan arah pandang mata saat ini yang diambil dari web camera. Dari perbandingan tersebut dihasilkan estimasi posisi arah pandang mata yaitu arah kanan, kiri, atas, dan bawah. Pengambilan citra posisi arah pandang mata dilakukan dengan menggunakan web camera yang diletakkan di depan operator dengan jarak sekitar 50 cm searah mata. Kata kunci : Metode Pencocokan Bentuk, estimasi posisi arah pandang mata

PENDAHULUAN Perkembangan teknologi khususnya dalam bidang komputer telah sedemikian pesatnya dan sudah memberikan kontribusi yang besar disegala bidang kehidupan. Bidang komputer terdiri dari dua bagian yaitu software dan hardware. Baik hardware maupun software telah mengalami perkembangan dan memberikan manfaat diseluruh sektor kehidupan manusia. Perkembangan di bidang sofware salah satunya kemajuan teknologi dibidang computer vision yang telah mewarnai kehidupan manusia, pengenalan isyarat gerakan mata terus dikembangkan pada berbagai aplikasi. Isyarat gerakan mata atau yang disebut arah pandang mata dapat dimanfaatkan untuk mengoperasikan komputer tanpa memakai keyboard (Kohei arai), sebagai remote kontrol (kendali jarak jauh) untuk memberikan perintah gerakan robot (Maja Pantic, 2005). Mengingat pentingnya hasil pengenalan, beberapa usaha yang signifikan telah dilakukan untuk dapat mengenali arah pandang mata secara real time. METODA PENELITIAN Mata adalah organ penglihatan yang mendeteksi cahaya. Yang dilakukan mata yang paling sederhana tak lain hanya mengetahui apakah lingkungan sekitarnya adalah terang atau gelap. Mata yang lebih kompleks dipergunakan untuk memberikan pengertian visual yang berperan dalam proses pencitraan.


Gambar 1. Bagian-bagian organ – organ mata (Sandra Trejouerrero,2006)

Deteksi arah pandang mata (eye detection) dibagi 2 menjadi pendeteksian posisi mata dan pendeteksian kontur mata. Algoritma Pendeteksian kontur mata pada awal pengolahannya membutuhkan informasi awal posisi mata dan template yang bisa ditentukan. Dalam pendeteksian mata terlebih dahulu melalui tahapan pendeteksian wajah yaitu ketika wajah atau citra yang mengandung wajah ditangkap oleh kamera dalam sistem, maka pendeteksian wajah pertama – tama akan melakukan penentuan lokasi garis besar obyek atu region face yang terdapat pada citra tersebut. Langkah kedua, dengan menggunakan metode segmentasi atau ekstrasi fitur, menentukan lokasi kedua mata secara garis besar yang terdapat di dalam wajah pada citra. Pada waktu yang sama, dengan memanfaatkan informasi lokasi kedua mata tersebut, sistem mengevaluasi ukuran kedua mata dan menetukan template yang digunakan dengan estimasi ukuran kedua mata yang diperoleh. Pada akhirnya sistem menentukan posisi pusat iris mata yang disesuaikan dengan template yang diperoleh yang telah diaplikasikan terhadap kedua region mata tersebut (Fadlisyah, 2007). Proses akuisisi citra digital adalah proses yang paling penting pada pencitraan karena proses ini sangat menentukan kualitas dari citra digital yang akan diperoleh. Agar proses akuisisi citra digital dapat terjadi diperlukan tiga komponen utama yang harus dipenuhi yaitu sumber cahaya, obyek atau benda yang akan diamati dan sensor peka cahaya atau kamera itu sendiri. Sedangkan proses akuisisi citra digital tersebut dapat dijelaskan sebagai berikut, cahaya yang akan mengenai permukaan suatu benda atau obyek 3 dimensi akan dipantulkan ke segala arah. Pantulan cahaya ini sebagian ditangkap oleh sensor peka cahaya pada kamera. Intensistas cahaya yang diterima oleh sensor merepresentasikan kondisi obyek tersebut. Sehingga citra digital yang diperoleh merupakan informasi tentang obyek yang terbentuk dari pantulan cahaya atau refleksi pada permukaan obyek. Grayscale Pada dasarnya semua pemprosesan citra digital dilakukan dalam bentuk black and white atau citra biner sehingga citra berwarna harus diubah terlebih dahulu kebentuk greyscale kemudian dilakukan proses theresholding untuk mendapatkan citra biner (Purwanto, Djoko). Pengubahan dari citra berwarna ke bentuk grey scale mengikuti aturan berikut: R(i, j) + G(i, j ) + B(i, j) (1) I (i, j ) = 3 Thresholding Thresholding adalah pendekatan yang paling penting dalam image segmentation. Oleh karena itu sering diperlukan theresholding untuk mengubah citra grayscale menjadi citra biner, sehingga dapat dengan mudah dipisahkan antara daerah background dan foreground. Thresholding mengubah nilai pixel menjadi bernilai 1 jika lebih besar daripada nilai thereshold tertentu dan bernilai 0 jika kecil daripada nilai thereshold.

ISBN : 978-979-99735-6-6 C-11-2


ìï 1; f (i, j ) ³ T g (i, j ) = ïí ïïî 0; f (i, j ) < T

(2)

pemilihan nilai thereshold T adalah sangat penting. Biasanya digunakan histogram untuk membentuk pemilihan nilai thereshold ini. Sebuah citra grayscale biasanya terdiri dari dua buah puncak atau lebih yang dipisahkan oleh lembah yang jelas.Nilai thereshold harus dipilih sedemikian rupa sehingga dapat membedakan pixel objek dan background dengan benar(Purwanto, Djoko). Pada Metoda penelitian yang akan digunakan dalam penelitian ini dibahas mengenai rancangan sistem yang terdiri dari: 1. pre-processing Image 2. mendeteksi mata 3. mendeteksi arah pandang mata

Citra sekuen

Pre – processing Image

Deteksi Mata

Deteksi Arah Pandang Mata

Arah Pandang mata

Gambar 2. Blok Diagram Rancangan Sistem

Pre-Processing Dalam proses pre-processing, tujuan yang dilakukan dalam tahap ini adalah usaha agar waktu pemrosesan citra lebih cepat. Terdapat dua tahapan dalam preprocessing, yaitu re-sampling dan image difference.

Re-sampling

Citra sekuen

Image Difference

Pre – processing

Gambar 3. Blok diagram Pre-Processing

Re-sampling image dilakukan dengan pengambilan citra melalui web kamera dengan jarak tertentu dalam hal ini sekitar 50 cm dan web kamera diatur resolusinya dalam hal ini dengan resolusi 640 x 480 piksel, Hasil dari re-sampling kemudian diteruskan keproses image difference yang bertugas untuk membandingkan image sekarang dengan image sebelumnya. Proses ini perlu dilakukan agar image yang tidak sama saja yang diproses sehingga membantu mempercepat proses.

ISBN : 978-979-99735-6-6 C-11-3


Deteksi Mata Hasil dari proses pada image processing dilakukan pengolahan citra dengan metode pada opencv yaitu Haar Cascade Classifier dengan menggunakan XML untuk pengklasifikasian areal mata dalam hal ini salah satu nama XML yang digunakan yaitu XML Parojos yaitu mengklasifikasikan untuk mendapatkan wajah dengan cara membandingkan pengambilan gambar yang ditangkap oleh web camera akan ditentukan apakah wajah atau bukan dengan file referensi untuk citra wajah. Setelah didapatkan citra wajah, maka di dalam XML parojos sudah dilakukan untuk mendapatkan posisi citra mata. Sehingga keluaran dengan metode ini akan dihasilkan posisi areal citra mata. Selanjutnya pengambilan citra mata dengan ukuran 60x 30 pixel dilakukan untuk proses gray yang kemudian disimpan untuk dilakukan proses pengolahan citra selanjutnya. Deteksi arah pandang mata Citra mata yang dicapture dari web camera akan dibandingkan dengan citra mata yang sudah disimpan sebagai database, dalam hal ini disebut metode prinsip pecocokan bentuk atau metode matching template. Dalam Open CV digunakan cvnorm yaitu mencari nilai perubahan bentuk membandingkan citra mata dalam bentuk gray yang dicapture dari web camera dengan citra mata dalam bentuk gray yang disimpan sebagai database, sehingga didapatkan arah posisi pandangan mata yaitu arah mata ke kanan, ke kiri, ke atas, ke bawah. HASIL DAN DISKUSI Arah Pandang Mata Dari hasil uji coba program pada penelitian ini didapatkan arah pandang mata atau arah gerakan mata ke kanan, ke kiri, ke atas, dan ke bawah didapatkan dengan cara membandingkan file citra referensi arah pandang mata ke kanan, kiri, atas, dan bawah yang disimpan di database dalam bentuk gray dengan arah pandang mata saat ini dalam bentuk gray yang diambil dari web camera. Adapun hasil eksekusi program didapat dengan mengedipkan mata terlebih dahulu sebagai berikut :

Gambar 4. Hasil eksekusi Program untuk estimasi arah pandang mata

ISBN : 978-979-99735-6-6 C-11-4


Hasil Pengujian Arah Pandang Mata ke Kanan, Kiri, Atas, dan Bawah Tabel 1 Hasil Pengujian Arah pandang Mata Arah Pandang Mata ke Percobaan ke

Kanan

Kiri

Atas

Bawah

1 2 3 4 5 6 7 8 9 10 Total x 100%

v v v v v v v t v v 90%

v v v t v v v v v v 90%

v v v v t v v v v v 90%

v v v v v v t v v v 90%

Keterangan : v = percobaan berhasil t = percobaan gagal Hasil eksekusi program untuk menguji ke empat arah pandang mata yang dilakukan dengan bergantian, dimana didapatkan kegagalan (error) sebesar 10 % dari 10 kali percobaan untuk menentukan ke empat arah pandang mata. Hal dikarenakan dalam penggunaan metode template matching masih mempergunakan algoritma sederhana yaitu dengan membandingkan file citra referensi arah pandang mata yang disimpan di database dalam bentuk gray dengan arah pandang mata saat ini dalam bentuk gray yang diambil dari web camera. KESIMPULAN 1. Dari hasil uji coba program pada penelitian ini hanya dapat mengetahui 4 arah pandang mata atau arah gerakan mata yaitu arah ke kanan, ke kiri, ke atas, dan ke bawah. 2. Dalam uji estimasi arah mata kanan, kiri, atas, dan bawah yang dilakukan secara bergantian terdapat error sebesar 10 % dari 10 kali hasil uji estimasi arah pandang mata atau arah gerakan mata, dikarenakan dalam penggunaan metode template matching masih mempergunakan algoritma sederhana yaitu dengan membandingkan file citra referensi arah pandang mata yang disimpan di database dalam bentuk gray dengan arah pandang mata saat ini dalam bentuk gray yang diambil dari web camera. DAFTAR PUSTAKA Craig A. Lindley,(1991), Practical Image Processing in C, John Wiley and Sons, Inc. Fadlisyah, (2007), Computer Vision dan Pengolahan Citra, Andi Yogyakarta Ilkwon Park, Jung-Ho Ahn, and Hyeran Byun, Efficient Measurement of Eye Blinking under Various Illumination Conditions for Drowsiness Detection Systems, IEEE Proceedings of the 18th International Conference on Pattern Recognition 07695-2521-0/2006

ISBN : 978-979-99735-6-6 C-11-5


Kohei Arai.journal ,Computer input system based on viewing vector estimation with iris center detection from the image of users acquired with relatively cheap web camera allowing user movements, Saga University Linda Shapiro, George Stockman, (2000), “Computer Vision”, The University of Washington. Maja Pantic, Alex Pentland, Anton Nijholt and Thomas Huang ’ Machine Understanding of Human Behavior’ Beckman Institute, ICMI'06, November 2– 4, 2006, Banff, Alberta, Canada. Purwanto, Djoko. Image Filtering. File Kuliah Machine Vision. Phillips Dwayne,(1994), Image Processing in C Second Edition. R &D publications, Kansas. Julie Badri, Christophe Tilmant, Jean-Marc Lavest, Quonc-Cong Pham, and Patrick Sayd, 2007, Camera-to-Camera Mapping for Hybrid Pan-Tilt-Zoom Sensors Calibration, Springer-Verlag Berlin Heidelberg SCIA 2007, LNCS 4522, pp. 132–141 Kai-Tai Song, Dynamic Calibration of Pan–Tilt–Zoom Cameras for Traffic Monitoring, IEEE CYBERNETICS, VOL. 36, NO. 5, October 2006 Rafael C. Gonzales, Richard E. Woods, (1992), Digital Image Processing, AddisonWesley Publishing Company. Sandra Trejo Guerrero,(2006), Model-Based Eye Detection and Animation,Department of Electrical Engineering 581 83 Linkoping Sweden Sweden Takuma Funahashi,Takayuki Fujiwara dan Hiroyasu Koshimizu, HierarchicaI tracking of face, facial parts and their contours with PTZ camera’ IEEE 0-7803-86620/04/2004

ISBN : 978-979-99735-6-6 C-11-6

ESTIMASI POSISI ARAH PANDANG MATA DENGAN MENGGUNAKAN WEB CAMERA

Recommend Documents