239Shares

Mungkin sesetengah dari kita pernah melihat video berikut:

 

Adakah anda merasakan perkara ini benar? Takut tak?

 

Betul ke?

Jawapannya: Betul. Dan ada tapi di situ.

 

Tapi apa?

Sebenarnya teknologi memproses imej anda dari sebarang bentuk sumber digital adalah sesuatu yang sudah agak lama berakar dalam sistem pengawasan (surveillance). Bidang ini dipanggil “sistem pemprosesan isyarat digital” atau “Digital Image Processing“.

 

Oh.. sudah lama rupanya. Bagaimana ianya berfungsi?

Sebelum kita pergi ke situ, eloklah kita cuba memahami asas sebuah gambar digital. Perhatkan gambar berikut:

Pembesaran sebuah logo yang agak masyhur. (Nota: gambar bawah kiri tersebut untuk mengisi ruang kosong saja hehe)

Kalau kita amati sebuah gambar jpeg, dan membukanya dalam Microsoft Paint, kita akan mendapati ianya terdiri dari pelbagai kotak-kotak warna seunit. Pada pandangan mata kita, gambar logo tersebut nampak agak “halus”, tapi apabila ianya dibesarkan, ianya hanyalah terdiri dari kotak-kotak warna ini. Perkara yang sama berlaku dalam sebuah kamera yang “merekodkan” gambar tersebut.

 

Erm.. tak faham.

Ya sabar. Setiap “kotak-kotak” tersebut hanyalah diwakili oleh tiga warna sahaja, iaitu Merah, Hijau dan Biru, atau panggilan masyhurnya Red, Green, and Blue (RGB). Kombinasi warna-warna tersebut dihasilkan oleh pengesan imej (image sensor) yang mengesan tahap keamatan (intensity) juzuk-juzuk warna RGB tersebut.

 

Jadi, warna Pink terdiri dari tiga warna tersebut ke?

Ya. Warna merah jambu, atau apa-apa warna sekalipun adalah gabungan tiga warna ini. Contohnya, warna Pink terdiri dari gabungan Merah pada keamatan 247, Hijau 137 dan Biru 222. Anda boleh mencuba kombinasi yang dikehendaki pada link ini.

Masih tak menjelaskan video di atas…

Baik. Sekarang kita sudah faham bahawa sebuah gambar digital hanyalah kombinasi nombor-nombor sahaja. Sebuah video hanyalah terdiri dari gabungan gambar-gambar tersebut!

Jadi, dengan menggunakan pengaturcaraan komputer (programming), anda boleh “menapis” maklumat yang ada bagi setiap objek dalam gambar digital tersebut. Antara software yang percuma bernama OpenCV yang memerlukan kemahiran menggunakan C++ (sebuah bahasa pengaturcaraan).

Contohnya, untuk mengesan muka orang, gambaran umumnya adalah seperti berikut:

  1. Dapatkan gambar muka
  2. Tukarkan gambar kepada hitam putih (grayscale)
  3. Dapatkan corak (feature) berdasarkan dari garisan-garisan yang paling tinggi/rendah keamatannya
  4. Aplikasi meletakkan kotak/bulatan pada muka tersebut.

Image result for facial detection algorithm

Gambar dari Ginesgym

Ada pelbagai formula atau algoritma yang digunakan untuk mengesan muka. Apa pun, semuanya berlaku menggunakan kaedah pengaturcaraan komputer yang agak mudah diperolehi sekarang.

Akan tetapi, pelbagai faktor yang boleh mengelirukan kamera tersebut, termasuklah pencahayaan, resolusi, dan sebagainya. [1]

Apa kegunaannya?

Banyaaaak. Contohnya, teknologi pemprosesan imej membolehkan pasaraya kini mengesan nombor plat pada kereta. Jika anda terlupa di mana kereta anda, anda hanya perlu mengisi nombor plat di ruangan yang disediakan (sesetengahnya terletak di sebelah mesin “autopay”) dan secara automatiknya kedudukan kereta anda akan ditunjukkan! Ada juga aplikasi Android yang dibuat untuk tujuan ini [2].

Berikut adalah video contoh pengesanan teks menggunakan OpenCV:

……dan banyak lagi.

 

Kesimpulan

Pada asasnya, setiap teknologi ada gunanya dan adakalanya disalahgunakan. Ianya tidak lain seperti menggunakan sebilah pisau. Ianya boleh memotong sayur, tetapi ada orang yang menggunakannya untuk perkara yang merbahaya.

Akan tetapi, jika kita memahami dan merasakan ianya boleh digunakan untuk kebaikan masyarakat, maka kebaikannya yang perlu dipertimbangkan juga. Anda boleh membuat keputusan sendiri.

PS: Perlukan kita menutup kamera laptop kerana takut diperhati? Nantikan penjelasan pada masa lain. InsyaAllah.

 

Penulis: Vizier87

Jika anda rasa maklumat ini bermanfaat, sila like page FB kami iaitu Root of Science.

 

Rujukan:

[1] Chawla, D., & Trivedi, M. C. (2018). Difference in Lights and Color Background Differentiates the Color Skin Model in Face Detection for Security Surveillance. In Networking Communication and Data Knowledge Engineering (pp. 127-135). Springer, Singapore.

[2] Ashraf, M., Siddiqui, A. A., Salahuddin, S., Qadri, M. T., & Uddin, Z. M. (2018). Vehicle Recognition and Information System for Parking Guidance Using Image Processing and Android Application. NFC IEFR Journal of Engineering and Scientific Research5.