PENGENALAN INDIVIDU BERDASARKAN GAIT

MENGGUNAKAN PCA DAN K-NEAREST NEIGHBOR

1. Latar belakang masalah

Gait adalah cara atau sikap berjalan kaki.[1] Tiap orang memiliki Gait yang berbeda. Karakteristik inilah yang kemudian digunakan untuk identifikasi individu. Kelebihan Gait adalah proses pengambilan Gait dapat dilakukan dari jarak jauh. Tidak seperti identifikasi sidik jari, iris mata, suara, dan wajah yang memerlukan kedekatan antara objek dengan sensor. Kelebihan identifikasi Gait lainnya adalah ia sulit untuk disembunyikan ataupun direkayasa. [2]

Ada dua pendekatan Gait, yakni pendekatan holistik dan model.[2] Pendekatan holistik memandang ciri dari keseluruhan bentuk tubuh.[3] [4] [5][6] Sedangkan pendekatan model dengan menganalisa bagian-bagian tubuh tertentu (tangan, kaki, kepala).[1] Kedua pendekatan tersebut menekankan pada ekstraksi ciri dari bentuk tubuh, bukan kinematik (kecepatan, koordinat). Bentuk memang lebih signifikan dalam menentukan akurasi identifikasi daripada kinematik.[3] Siluet merupakan salah satu bentuk pendekatan holistik. Siluet didapatkan dengan memisahkan objek dari latar belakangnya (background substraction). Kualitas dari siluet tidaklah mempengaruhi hasil analisa Gait.[3]

Dalam Tugas Akhir ini, akan dilakukan pengidentifikasian Gait berdasarkan analisa siluet. Siluet akan dipilih berdasarkan yang paling berpengaruh dalam menentukan satu siklus Gait.[6] Kemudian siluet 2D ini diubah menjadi sinyal 1D untuk mempercepat proses pengenalan. Perubahan gambar 2D menjadi sinyal 1D menggunakan metode perhitungan jarak antara titik beban badan dengan titik terluar kontur siluet.[4] Kemudian dilakukan proses latih dengan menggunakan PCA (Principal Component Analysis) yang berfungsi untuk mengurangi dimensi data.[8] Perhitungan nilai kemiripan dengan Euclidean-distance [9]. Klasifikasi menggunakan K-Nearest-Neighbor yang efisien untuk data dengan noise tinggi. [10]

2. Perumusan masalah

Tugas akhir ini akan berusaha memecahkan permasalahan dalam pengenalan individu dari jarak jauh dengan menggunakan karakteristik cara jalan dengan mengimplementasikan PCA dan K-Nearest-Neighbor.

Adapun asumsi dan batasan masalah dalam penelitian ini adalah :

1. Kamera tidak bergerak
2. Hanya terdapat satu objek bergerak dalam satu file gambar, yaitu si penjalan kaki.
3. Objek berjalan dengan sudut 0° (vertikal), 45°, dan 90° (horizontal) terhadap kamera.
4. Objek tidak mengenakan jaket (dan sejenisnya), serta tidak membawa barang bawaan.
5. Satu siklus Gait diasumsikan terdiri dari empat fase, yaitu dua fase saat kedua kaki berada pada jarak terlebar dan dua fase pada saat kaki berada dalam satu garis lurus.[7]
6. Masukan untuk perangkat lunak adalah file gambar yang berisi siluet individu yang sedang berjalan.

3. Tujuan

Tujuan penelitian ini adalah:

1. Membangun perangkat lunak yang dapat mengidentifikasi Gait dengan kemampuan sebagai berikut:

· Mampu memilih siluet yang signifikan perannya dalam menentukan satu siklus Gait dan mentransformasikannya menjadi sinyal 1D.

· Mampu melakukan pengenalan terhadap siluet.

· Mengimplementasikan algoritma PCA dan K-Nearest-Neighbor.

2. Menganalisis penggunaan PCA dan K-Nearest-Neighbor dalam pengindentifikasian individu berdasarkan Gait.

4. Metodologi penyelesaian masalah

Metode penyelesaian masalah yang digunakan dalam penelitian ini adalah:

1. Identifikasi masalah dan pengumpulan data.

Menganalisa latar belakang, rumusan masalah, tujuan penulisan serta pengumpulan data siluet Gait. Data Gait yang digunakan adalah database CASIA yang sudah berupa gambar siluet. Objek terdiri dari dua puluh individu. Masing-masing individu berjalan dengan tiga sudut pandang dan masing-masing sudut pandang dilakukan sebanyak empat kali pengambilan. Jumlah pengambilan video adalah : 20x3x4= 240. Masing-masing video ini terdiri dari lebih dari enam puluh file gambar, banyaknya tergantung dari kecepatan jalan setiap individu. [7]

1. Studi literatur

Studi literatur tentang video processing, video image retrieval, image processing, PCA, Euclidean-distance, dan K-Nearest Neighbor, melalui buku, jurnal, dan artikel.

1. Analisis sistem

Sistem akan dibuat dengan beberapa modul, yaitu modul ekstraksi siklus Gait, transformasi 1D, pelatihan (training) , dan pengenalan (recognition).

1. Desain

Melakukan perancangan sistem pengenalan Gait dengan menggunakan Use Case Diagram.

1. Implementasi

Membangun perangkat lunak identifikasi Gait berdasarkan siluet dengan menggunakan PCA dan K-Nearest-Neighbor.

1. Pengujian dan Evaluasi

Menguji dan mengevaluasi keberhasilan metode yang digunakan dalam mengidentifikasi Gait. Evaluasi menggunakan CCR (Correct Correlation Rate).

1. Pelaporan

Menganalisa hasil penelitian dan menyusun laporan.

—————–
Tulisan lainnya (tips, jurnal, proposal, dll) tentang Tugas Akhir saya, dapat dilihat di : kategori “Tugas Akhir” (klik saja disini).
—————–