scholarly journals Pengenalan Pola Bentuk Wajah dengan OpenCV

2020 ◽  
Vol 3 (2) ◽  
pp. 181
Author(s):  
Tengku Cut Al-Saidina Zulkhaidi ◽  
Eny Maria ◽  
Yulianto Yulianto
Keyword(s):  
Computer Vision ◽  
Open Source ◽  
Cascade Classifier ◽  
Integral Image ◽  
Haar Features

Pada penelitian ini akan menggunakan module OpenCV pada bahasa pemrograman python untuk mengenali wajah sesorang yang menggunakan Haar Cascades untuk mengenali bentuk wajah dan mata. Tahapan awal menggunakan open source dari intel untuk data wajah dan mata, dipadukan dengan module cascade classifier pada openCV untuk merubah data menjadi pengenalan bentuk wajah dari titik pada wajah yang dianggap sesuai dengan data yang telah disediakan. Banyak dari beberapa sistem pendeteksian wajah menggunakan metode computer vision sebagai metode pendeteksi objek. Metode computer vision dikenal memiliki kecepatan dan keakuratan yang tinggi karena menggabungkan beberapa konsep (Haar Features, Integral Image, AdaBoost, dan Cascade Classifier) menjadi sebuah metode utama untuk mendeteksi objek. Banyak dari sistem deteksi tersebut menggunakan C atau C++ sebagai bahasa pemrograman, dan OpenCV sebagai librari deteksi objek. Hal ini dikarenakan librari OpenCV menerapkan metode computer vision kedalam sistem deteksinya,  sehingga memudahkan dalam pembuatan sistem. Penelitian ini bertujuan untuk  mengimplementasikan computer vision  ke dalam sistem deteksi wajah sederhana dengan memanfaatkan library yang ada pada OpenCV dan memanfaatkan bahasa pemrograman Python sebagai pondasi sistem.

scholarly journals PENDETEKSIAN OBJEK ROKOK PADA VIDEO BERBASIS PENGOLAHAN CITRA DENGAN MENGGUNAKAN METODE HAAR CASCADE CLASSIFIER

2018 ◽  
Vol 1 (3) ◽  
pp. 92
Author(s):  
Kadek Oki Sanjaya ◽  
Gede Indrawan ◽  
Kadek Yota Ernanda Aryanto
Keyword(s):  
Image Processing ◽  
Detection System ◽  
High Accuracy ◽  
Special Study ◽  
Cascade Classifier ◽  
Integral Image ◽  
Main Method ◽  
Average Accuracy ◽  
Haar Features ◽  
Haar Cascade

Object detection is a topic widely studied by the scientists as a special study in image processing. Although applications of this topic have been implemented, but basically this technology is not yet mature, futher research is needed to developed to obtain the desired result. The aim of the present study is to detect cigarette objects on video by using the Viola Jones method (Haar Cascade Classifier). This method known to have speed and high accuracy because of combining some concept (Haar features, integral image, Adaboost, and Cascade Classifier) to be a main method to detect objects. In this research, detection testing of cigarettes object is in samples of video with the resolution 160x120 pixels, 320x240 pixels, 640x480 pixels under condition of on 1 cigarette object and condition 2 cigarettes object. The result of this research indicated that percentage of average accuracy highest 93.3% at condition 1 cigarette object and 86,7% in the condition 2 cigarette object that was detected on the video with resolution 640x480 pixels, while the percentage of accuracy lowest 90% at condition 1cigarette object, and 81,7% at the condition 2 cigarette objects, detected on the video with the lowest resolution 160x120 pixels. The percentage of average errors at detection cigarettes object was inversely with percentage of accuracy. So that the detection system is able to better recognize the object of the cigarette, then the number of samples in the database needs to be improved and able to represent various types of cigarettes under various conditions and can be added new parameters related to cigarette object

scholarly journals Deteksi Mata Mengantuk Pada Pengemudi Mobil Menggunakan Metode Viola Jones

2019 ◽  
Vol 4 (2) ◽  
pp. 45
Author(s):  
Imanuddin Imanuddin ◽  
Rahmat Maulana ◽  
Munawir Munawir
Keyword(s):  
Cascade Classifier ◽  
Integral Image ◽  
Haar Features

Sistem pendeteksian dan pengenalan wajah semakin banyak. Walaupun semakin banyak, bukan berarti penelitian mengenai hal ini sudah selesai. Tuntutan akan efektifitas, baik kecepatan maupun tingkat keakuratan dalam sebuah sistem pendeteksian semakin diperhitungkan.  Banyak dari beberapa sistem pendeteksian wajah menggunakan metode Viola Jones sebagai metode pendeteksi objek. Metode Viola Jones dikenal memiliki kecepatan dan keakuratan yang tinggi karena menggabungkan beberapa konsep (Haar Features, Integral Image, AdaBoost, dan Cascade Classifier) menjadi sebuah metode utama untuk mendeteksi objek. Bahasa pemrograman yang digunakan dalam makalah ini menggunakan bahasa pemrograman matlab sehingga memudahkan dalam pembuatan sistem. Makalah ini bertujuan untuk  mengimplementasikan Viola Jones  ke dalam sistem deteksi mata kantuk sederhana dengan memanfaatkan library yang ada pada matlab. Setelah sistem selesai dibuat, dilakukan pengujian sistem terhadap karakteristik deteksi mata kantuk yang dapat dideteksi. Deteksi mata mengantuk ini bertujuan untuk menentukan  apakah pengendara kendaraan mobil mengantuk atau tidak pada saat berkendara dengan input berupa deteksi mata yang diambil menggunakan kamera digital kemudian di masukkan ke dalam sebuah bahasa pemrograman GUI Matlab dimana diambil  nilai mata biner mata mengantuk dan tidak mengantuk menjadi referensi yang nanti akan diolah sehingga menghasilkan output berupa suara peringatan pengendara kendara mobil mengantuk atau tidak secara otomatis.

scholarly journals Face Detection Using Viola Jones Algorithm

2020 ◽  
Vol 6 (11) ◽  
pp. 131-134
Author(s):  
Dherya Bengani and Prof. Vasudha Bah
Keyword(s):  
Computer Vision ◽  
Face Detection ◽  
Integral Image ◽  
Haar Features ◽  
Computer Vision Technology

Face detection is one of the most widely researched topics in recent times and is at the helm of the computer vision technology. This paper aims to review and study in detail the implementation of Viola Jones algorithm to detect faces in Realtime. Viola Jones algorithm is reviewed first followed by its main steps which include Haar features, integral image and cascading classifiers.

scholarly journals Prototype Pendeteksi Jumlah Orang Dalam Ruangan

2017 ◽  
Vol 1 (2) ◽  
pp. 36-48 ◽  
Author(s):  
Nesi Syafitri ◽  
Adri Saputra
Keyword(s):  
Cascade Classifier ◽  
Integral Image ◽  
Haar Features

Penelitian ini berisikan tentang suatu sistem deteksi wajah pada manusia dengan menggunakan metode Viola Jones. Metode Viola Jones dikenal memiliki kecepatan dan keakuratan yang tinggi karena menggabungkan beberapa konsep (Haar Features, Integral Image, AdaBoost, dan Cascade Classifier) menjadi sebuah metode utama untuk mendeteksi objek. Banyak dari sistem deteksi tersebut menggunakan OpenCV sebagai librari deteksi objek. Hal ini dikarenakan librari OpenCV menerapkan metode Viola Jones kedalam sistem deteksinya, sehingga memudahkan dalam pembuatan sistem. Data yang digunakan pada penelitian ini berupa sampel gambar sebanyak 19 citra. Dimensi sampel citra berukuran 300 x 400 pixel dan 400 x 300 pixel. Setelah sistem selesai dibuat, dilakukan pengujian sistem terhadap karakteristik wajah yang dapat dideteksi. Ketika dilakukan pengujian wajah manusia dalam keadaan frontal, sistem mampu mendeteksi dengan akurasi 100% dan waktu deteksi kurang dari 0.15 detik dan batasan jarak wajah yang dapat dideteksi adalah <= 2,3 m dari kamera. Sistem juga dapat mendeteksi adanya beberapa wajah dalam suatu citra.

scholarly journals Sistem Penegakan Speed Bump Berdasarkan Kecepatan Kendaraan yang Diklasifikasikan Haar Cascade Classifier

Techno Com ◽  
2019 ◽  
Vol 18 (2) ◽  
pp. 97-109
Author(s):  
Muhammad Zulfikri ◽  
Erni Yudhaningtyas ◽  
Rahmadwati Rahmadwati
Keyword(s):  
Real Time ◽  
Cascade Classifier ◽  
Integral Image ◽  
Haar Features ◽  
Haar Cascade

Kecelakaan lalu lintas sering terjadi disebabkan kendaraan yang melaju dengan kecepatan tinggi. Penelitian ini mengembangkan sistem penegakan speed bump (polisi tidur) yang dapat memberikan peringatan bagi pengemudi dalam memperlambat laju kendaraan dan memberikan kenyamanan saat melaju dengan kecepatan rendah. Penegakan speed bump dilakukan berdasarkan kecepatan kendaraan yang terdeteksi menggunakan metode Haar Cascade Classifier, yang merupakan gabungan beberapa konsep yaitu Haar Features, Integral Image, AdaBoost Learning, dan Cascade Classifier. Pengujian dilakukan menggunakan video jalan raya pada satu jalur. Sistem dibuat menggunakan interpreter python dengan library OpenCV. Pendeteksian didapatkan hasil yang cukup baik apabila dilakukan pada intensitas cahaya tinggi, dan didapatkan tingkat akurasi deteksi sebesar 97,92%. Perhitungan kecepatan kendaraan didapatkan dengan membandingkan hasil kecepatan pada sistem dengan video dalam keadaan real time, yang dibuktikan dari tingkat error dengan nilai MSE yaitu 2,88.

ON METHODS OF OBJECT DETECTION IN VIDEO STREAMS

2017 ◽  
Vol 2 (1) ◽  
pp. 80-87
Author(s):  
Puyda V. ◽  
◽  
Stoian. A.
Keyword(s):  
Computer Vision ◽  
Object Detection ◽  
Open Source ◽  
Feature Detection ◽  
Video Stream ◽  
Object Identification ◽  
Vision Systems ◽  
Modern Computer ◽  
Computer Vision Systems ◽  
Open Source Hardware

Detecting objects in a video stream is a typical problem in modern computer vision systems that are used in multiple areas. Object detection can be done on both static images and on frames of a video stream. Essentially, object detection means finding color and intensity non-uniformities which can be treated as physical objects. Beside that, the operations of finding coordinates, size and other characteristics of these non-uniformities that can be used to solve other computer vision related problems like object identification can be executed. In this paper, we study three algorithms which can be used to detect objects of different nature and are based on different approaches: detection of color non-uniformities, frame difference and feature detection. As the input data, we use a video stream which is obtained from a video camera or from an mp4 video file. Simulations and testing of the algoritms were done on a universal computer based on an open-source hardware, built on the Broadcom BCM2711, quad-core Cortex-A72 (ARM v8) 64-bit SoC processor with frequency 1,5GHz. The software was created in Visual Studio 2019 using OpenCV 4 on Windows 10 and on a universal computer operated under Linux (Raspbian Buster OS) for an open-source hardware. In the paper, the methods under consideration are compared. The results of the paper can be used in research and development of modern computer vision systems used for different purposes. Keywords: object detection, feature points, keypoints, ORB detector, computer vision, motion detection, HSV model color

scholarly journals End-To-End Computer Vision Framework: An Open-Source Platform for Research and Education

Sensors ◽  
2021 ◽  
Vol 21 (11) ◽  
pp. 3691
Author(s):  
Ciprian Orhei ◽  
Silviu Vert ◽  
Muguras Mocofan ◽  
Radu Vasiu
Keyword(s):  
Machine Learning ◽  
Image Processing ◽  
Computer Vision ◽  
Open Source ◽  
Visual Processing ◽  
Research Field ◽  
Learning Models ◽  
Research Activity ◽  
End To End ◽  
Machine Learning Models

Computer Vision is a cross-research field with the main purpose of understanding the surrounding environment as closely as possible to human perception. The image processing systems is continuously growing and expanding into more complex systems, usually tailored to the certain needs or applications it may serve. To better serve this purpose, research on the architecture and design of such systems is also important. We present the End-to-End Computer Vision Framework, an open-source solution that aims to support researchers and teachers within the image processing vast field. The framework has incorporated Computer Vision features and Machine Learning models that researchers can use. In the continuous need to add new Computer Vision algorithms for a day-to-day research activity, our proposed framework has an advantage given by the configurable and scalar architecture. Even if the main focus of the framework is on the Computer Vision processing pipeline, the framework offers solutions to incorporate even more complex activities, such as training Machine Learning models. EECVF aims to become a useful tool for learning activities in the Computer Vision field, as it allows the learner and the teacher to handle only the topics at hand, and not the interconnection necessary for visual processing flow.

scholarly journals Open source computer vision-based layer-wise 3D printing analysis

2020 ◽  
Vol 36 ◽  
pp. 101473 ◽  
Author(s):  
Aliaksei L. Petsiuk ◽  
Joshua M. Pearce
Keyword(s):  
Computer Vision ◽  
3D Printing ◽  
Open Source

scholarly journals Analisis Pendeteksian Pola Wajah Menggunakan Metode Haar-Like Feature

2019 ◽  
Vol 2 (2) ◽  
pp. 69 ◽  
Author(s):  
Sugandi Chau ◽  
Jepri Banjarnahor ◽  
Dikky Irfansyah ◽  
Sinta Kumala
Keyword(s):  
Edge Detection ◽  
Bilateral Filter ◽  
Cascade Classifier ◽  
Integral Image ◽  
Canny Edge Detection ◽  
Canny Edge

Pencatatan kehadiran mahasiswa merupakan salah satu faktor penting dalam pengolahan kedisiplinan, kewajiban, dan ketaatan mahasiswa dalam mengikuti proses perkuliahan. Pencatatan kehadiran mahasiswa sebelumnya dilakukan dengan cara manual yaitu dengan menggunkan tanda tangan, pencatatan kehadiran dengan cara manual dapat menjadi penghambat pemantauan kedisiplinan, ketaatan mahasiswa dalam hal ketepatan waktu datang mahasiswa. Pencatatan kehadiran mahasiswa secara manual dapat diganti dengan pencatatan kehadiran mahasiswa secara terkomputerisasi yang menggunakan proses indentifikasi teknologi biometrik, untuk mengidentifikasi pola wajah mahasiswa digunakan metode <em>bilateral filter</em>, <em>canny edge detection</em>, <em>haar-like feature</em>, <em>integral image</em>, <em>cascade classifier adaboost</em>. Dari hasil pengujian, tingkat keberhasilan pencatatan kehadiran mahasiswa berdasarkan pola wajah dari masing-masing mahasiswa sebesar 70.43%.

scholarly journals Pendeteksian Bagian Tubuh Manusia untuk Filter Pornografi dengan Metode Viola-Jones

2012 ◽  
Vol 3 (1) ◽  
pp. 482
Author(s):  
Benny Senjaya ◽  
Alexander A. S. Gunawan ◽  
Jerry Pratama Hakim
Keyword(s):  
Human Body ◽  
Image Features ◽  
The Internet ◽  
Body Parts ◽  
Cascade Classifier ◽  
Integral Image ◽  
Desktop Application ◽  
Boosting Algorithm ◽  
Similar Body ◽  
Complete Framework

Information Technology does help people to get information promptly anytime and anywhere. Unfortunately, the information gathered from the Internet does not always come out positive. Some information can be destructive, such as porn images. To mitigate this problem, the study aims to create a desktop application that could detect parts of human body which can be expanded in the future to become an image filter application for pornography. The detection methodology in this study is Viola-Jones method which provides a complete framework for extracting and recognizing image features. A combination of Viola-Jones method with Haar-like features, integral image, boosting algorithm, and cascade classifier provide a robust detector for the application. First, several parts of the human body are chosen to be detected as the data training using the Viola-Jones method. Then, another set of images (similar body parts but different images) are run through the application to be recognized. The result shows 86.25% of successful detection. The failures are identified and show that the inputted data are completely different with the data training.

Sign in / Sign up

Export Citation Format

Share Document