2013
DOI: 10.7840/kics.2013.38a.6.486
|View full text |Cite
|
Sign up to set email alerts
|

A Fast and Efficient Haar-Like Feature Selection Algorithm for Object Detection

Abstract: 주저자:서강대학교 전자공학과 CAD&ES 연구실,

Help me understand this report

Search citation statements

Order By: Relevance

Paper Sections

Select...
2
1

Citation Types

0
2
0
1

Year Published

2014
2014
2021
2021

Publication Types

Select...
4
2

Relationship

0
6

Authors

Journals

citations
Cited by 9 publications
(3 citation statements)
references
References 16 publications
0
2
0
1
Order By: Relevance
“…Ide dari Haar-like features adalah untuk mengenali obyek berdasarkan nilai sederhana dari fitur tetapi bukan merupakan nilai piksel dari image obyek tersebut. Metode ini memiliki kelebihan yaitu komputasinya sangat cepat, karena hanya bergantung pada jumlah piksel dalam persegi bukan setiap nilai piksel dari sebuah citra (Chung, 2013). Pada penelitian ini Metode Haar-like features digunakan untuk mendeteksi mata dan mulut pada citra wajah seperti yang terlihat pada Gambar 1.…”
Section: Haar-like Featureunclassified
“…Ide dari Haar-like features adalah untuk mengenali obyek berdasarkan nilai sederhana dari fitur tetapi bukan merupakan nilai piksel dari image obyek tersebut. Metode ini memiliki kelebihan yaitu komputasinya sangat cepat, karena hanya bergantung pada jumlah piksel dalam persegi bukan setiap nilai piksel dari sebuah citra (Chung, 2013). Pada penelitian ini Metode Haar-like features digunakan untuk mendeteksi mata dan mulut pada citra wajah seperti yang terlihat pada Gambar 1.…”
Section: Haar-like Featureunclassified
“…Tend to receive much influenced by external factors such as changes in the nature of LBP [1] lighting, facial expressions, and backgrounds used the LGP to compensate [2]. Using the CNN algorithm is the method using the S-LGP and U-LGP improved with a Symmetry Uniform and using Cascade Classifier Training [3] method for detecting skin color in the YCbCr space [4] [5] studied an algorithm that can improve the accuracy more [6] [7]. Using this study was an algorithm that can improve the accuracy.…”
Section: Introductionmentioning
confidence: 99%
“…AdaBoost was successfully used with Haar-like features in a "cascade" for face detection [5,6] . Using the cascade framework, the background region can be excluded to a great extent from further training.…”
Section: ⅰ Introductionmentioning
confidence: 99%