Face Detection and Recognition Using Raspberry Pi

2021 ◽  
pp. 351-354
Author(s):  
P. R. Dolas ◽  
Pratiksha Ghogare ◽  
Apurva Kshirsagar ◽  
Vidya Khadke ◽  
Sanjana Bokefode
2016 ◽  
Vol 7 (3) ◽  
Author(s):  
Fadli Sirait ◽  
Yoserizal Yoserizal

Teknologi biometrik adalah teknologi untuk mengindetifikasi mahluk hidup. Tujuan perancangan  adalah  untuk  membangun  sistem  pendeteksi  wajah  dari  objek  citra  yang  didapat dari  gambar  frame  video  melalui  kamera.  Kemudian  dilakukan  pendeteksi  pola  wajah  yang dikenali  dan  mencari  kemiripan  terhadap  database  model  wajah  menggunakan  Raspberri  Pi berbasis  penggunaan  perangkat  lunak  Free  dan  Opensource.  Perancangan  ini  menggunakan metode  pengenalan  objek  citra  wajah  dengan  Haar  Cascade  Classifier  yang  diimplentasikan pada libarary OpenCV, sedangkan metode pengenalan pola wajah dengan menggunakan analisa PCA (Principal Component Analysist) dan LDA (Linear Discriminant Analysis) menggunakan pemograman  prerangkat  lunak  yang  dibuat  berbasis  Python.  Perangkat  lunak  yang dikembangkan  juga  dijalankan  pada  sistem  operasi  berbasis  Linux  Raspbian  (Jessie  dan Wheezy)  yang  diinstal  di  Raspberry  Pi.  Proses  input  citra  menggunakan  USB  kamera  yang dipasang  pada  Raspberry  Pi  2  Model  B  yang  dilengkapi  dengan  LCD  3,5  inchi.  Berdasarkan data pengujian terhadap 127 input didapat tingkat akurasi untuk pendeteksian satu objek wajah 84-97% sementara performa penggunaan CPU pada Raspberry Pi 41.87-46.25%.Kata kunci: face detection and recognition, Raspberry pi, pengolahan citra, embedded system.


2011 ◽  
Vol 225-226 ◽  
pp. 437-441
Author(s):  
Jing Zhang ◽  
You Li

Nowadays, face detection and recognition have gained importance in security and information access. In this paper, an efficient method of face detection based on skin color segmentation and Support Vector Machine(SVM) is proposed. Firstly, segmenting image using color model to filter candidate faces roughly; And then Eye-analogue segments at a given scale are discovered by finding regions which are darker than their neighborhoods to filter candidate faces farther; at the end, SVM classifier is used to detect face feature in the test image, SVM has great performance in classification task. Our tests in this paper are based on MIT face database. The experimental results demonstrate that the proposed method is encouraging with a successful detection rate.


Sign in / Sign up

Export Citation Format

Share Document