Penerapan Haar Cascade Classification Model Untuk Deteksi Wajah, Hidung, Mulut, dan Mata Menggunakan Algoritma Viola-Jones

Heryana, Nono; Mayasari, Rini; Baihaqi, Kiki Ahmad

doi:10.36805/technoxplore.v5i1.1064

Cited by 5 publications

(3 citation statements)

References 8 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Haar Cascade Object Detector adalah algoritma pengenalan objek berdasarkan fitur Haar-like yang dikembangkan oleh Viola dan Jones pada tahun 2001 [6]. Algoritma ini menggunakan cascade dari klasifikasi sederhana untuk mendeteksi objek dalam citra atau video [7].…”

Section: Haar Cascade Object Detectorunclassified

Deteksi Warna Botol Kemasan Dengan Menggunakan Metode Haar Cascade Dan HSV Feature

Jinggo Pratama,

Rosita,

Ardiantoro

2023

SEMASTEK

View full text Add to dashboard Cite

Pengenalan warna pada objek dalam aplikasi pengolahan gambar memiliki peran penting dalam industri, termasuk industri daur ulang dimana. Identifikasi warna botol minuman plastik merupakan tahap penting dalam proses pengolahan dan pemilahan. Dalam penelitian ini, peneliti mengusulkan metode untuk mengidentifikasi warna botol plastik menggunakan kombinasi dari metode Haar Cascade dan fitur warna HSV.Metode Haar Cascade digunakan untuk mendeteksi botol minuman plastik dalam gambar. Setelah deteksi botol minuman plastik dilakukan, fitur warna HSV digunakan untuk mengidentifikasi warna dari botol. Pertama gambar botol minuman plastik yang terdeteksi dikonversi ke dalam ruang warna HSV. Lalu, range warna HSV yang sesuai dengan warna botol minuman plastik yang diinginkan ditentukan. Setelah itu, nilai rata-rata dari komponen Hue dari (HSV) dihitung untuk memperoleh representasi warna botol. Kemudian, klasifikasi warna dilakukan dengan membandingkan representasi warna botol dengan range warna yang telah ditentukan. Untuk mengevaluasi kinerja aplikasi, peneliti menggunakan dataset gambar botol plastik yang beragam. Hasil eksperimen menunjukkan bahwa metode yang diusulkan berhasil mencapai tingkat deteksi sebesar 90% untuk identifikasi warna botol. Hal ini menunjukkan bahwa metode Haar Cascade dan HSV feature efektif dalam mengidentifikasi warna botol minuman plastik dengan tingkat akurasi yang memadai. Penelitian ini berpotensi untuk diimplementasikan dalam sistem otomatis seperti pemilahan botol plastik pada bank sampah.

show abstract

Section: Haar Cascade Object Detectorunclassified

Deteksi Warna Botol Kemasan Dengan Menggunakan Metode Haar Cascade Dan HSV Feature

Jinggo Pratama,

Rosita,

Ardiantoro

2023

SEMASTEK

View full text Add to dashboard Cite

show abstract

“…Bagian tubuh manusia berlimpah keunikan seperti tangan, kaki, dan kepala yang mana masing -masing bagian tersebut memiliki ciri sendiri. Keunikan pada bagian tubuh tersebut dapat digunakan dalam bidang ilmu komputer sebagai sarana untuk melakukan deteksi dan pengenalan terhadap potongan tubuh manusia [1] . Di bidang computer vision ada beberapa masalah pengenalan visual yang mendasar klasifikasi citra, deteksi objek, dan segmentasi instance dan segmentasi semantic.…”

Section: Pendahuluanunclassified

Pemanfaatan Algoritma Faster R-CNN ResNet-101 Untuk Deteksi Potongan Tubuh Manusia

Hanun¹,

Sarosa²,

Asmara³

2023

ELK

View full text Add to dashboard Cite

Deteksi potongan tubuh manusia adalah tugas yang sangat menantang. Deteksi potongan tubuh manusia dapat diterapkan dalam berbagai situasi seperti pencarian korban bencana alam, pencarian potongan tubuh yang tertutup dengan objek lain, korban kecelakaan, dan lain – lain sehingga dapat memudahkan para pengguna untuk mendeteksi potongan tubuh manusia. Potongan tubuh dalam penelitian ini dibedakan dalam dua kategori yaitu berdasarkan kelengkapan potongan tubuh manusia dan kelas yang dideteksi. Tujuan pada penelitian ini adalah untuk mengetahui kinerja Faster R-CNN dengan ResNet-101 dalam mendeteksi potongan tubuh manusia. Jumlah dataset yang digunakan sebanyak 100 citra gambar. Berdasarkan hasil penelitian, Faster R-CNN dengan ResNet-101 pada step 1000, 2000, dan 3000 menunjukkan bahwa hasil terbaik pada deteksi step 3000 dengan Precision 79,50%, Recall 68,80%, dan F1 score 73,76%. Pada penelitian ini, pemanfaatan algoritma Faster R-CNN dengan ResNet-101 mampu mendeteksi potongan tubuh Manusia namun kualitas piksel dan ketajaman pada citra gambar juga mempengaruhi hasil deteksi.

show abstract

“…Likewise (Suhery & Ruslianto, 2017) use PCA for facial image segmentation, and the accuracy of the face detection model is 90%. In addition to the several methods that have been presented, the face detection method with haar cascade is quite popular, including those used by (Budiman, 2021); Formatting Citation; Nono Heryana, Rini Mayasari, 2020;Abidin, 2018;Utaminingrum et al, 2017;Javed Mehedi Shamrat et al, 2021;Padilla et al, 2012;Minu et al, 2020;Poorvi Taunk, G. Vani Jayasri, Padma Priya J, 2020;Braganza et al, 2020). Almost all of these studies use binary images obtained by applying a certain threshold value with an accuracy rate of 90% (Kirana & Isnanto, 2016;Suharso, 2017;Suhery & Ruslianto, 2017).…”

Section: Introductionmentioning

confidence: 99%

Masked Face Detection Automation System Using Mask Threshold and Viola Jones Method

Nilatika¹,

Anwar²,

Yuniar³

2022

J. Ris. Inform.

View full text Add to dashboard Cite

Reducing or even breaking the chain of Covid-19 virus infections during a pandemic is important. The techniques that are encouraged are mandatory hand washing, social distancing, and mandatory wearing of masks. Wearing masks is urgent, therefore requiring people to wear masks is the right policy. This study aims to detect people who use masks or do not use masks by applying the Viola Jones method. In this study, modification of the tresholder algorithm was carried out by applying a mask thresholder for optimization of facial segmentation. Meanwhile viola jones was built by combining several concepts of Haar Feature, Integral Image, AdaBoost, classivier Cascade into a main method for detecting objects. The performance of the proposed method for face detection has an accuracy of 95%, a precision of 94.73%, and a recall of 100%. 5. The masked face detection test has an accuracy of 94%, precision 100%, and recall 90.90%

show abstract

Penerapan Haar Cascade Classification Model Untuk Deteksi Wajah, Hidung, Mulut, dan Mata Menggunakan Algoritma Viola-Jones

Cited by 5 publications

References 8 publications

Deteksi Warna Botol Kemasan Dengan Menggunakan Metode Haar Cascade Dan HSV Feature

Deteksi Warna Botol Kemasan Dengan Menggunakan Metode Haar Cascade Dan HSV Feature

Pemanfaatan Algoritma Faster R-CNN ResNet-101 Untuk Deteksi Potongan Tubuh Manusia

Masked Face Detection Automation System Using Mask Threshold and Viola Jones Method

Contact Info

Product

Resources

About