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.

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 Pendeteksi Wajah Secara Real Time pada 2 Degree of Freedom (DOF) Kepala Robot Menggunakan Deep Integral Image Cascade

CYCLOTRON ◽  
2020 ◽  
Vol 3 (1) ◽  
Author(s):  
Dwi Agung Ayubi ◽  
Dwi Arman Prasetya ◽  
Irfan Mujahidin
Keyword(s):  
Real Time ◽  
Face Detection ◽  
Humanoid Robot ◽  
Degree Of Freedom ◽  
Raspberry Pi ◽  
Cascade Classifier ◽  
Integral Image ◽  
Haar Cascade ◽  
Time Accuracy ◽  
Face Detector

Abstrak— Teknologi Robot merupakan karya terbaik yang sangat penting bagi kehidupan manusia modern saat ini untuk mempermudah semua pekerjaan manusia. Perkembangan dunia robot saat ini akan difokuskan pada robot yang memiliki fitur mirip manusia. Bahkan diharapkan memiliki kemampuan berinteraksi dan berperilaku seperti manusia yaitu robot humanoid, mekanisme dari gerakan robot humanoid memiliki derajat kebebasan Degree of Freedom (DOF). Layaknya pada manusia robot diberi kemampuan penglihatan untuk mendeteksi adanya objek yang ditangkap secara real time Penelitian kepala robot 2 degree of freedom (DOF) untuk pendeteksi wajah secara real time menggunakan metode Deep Integral Image Cascade untuk deteksi wajahnya. Untuk keakurasian pendeteksi wajah dengan real time pada penelitian ini dengan pengujian akurasi terbesar adalah 95,25% dengan waktu respons pendeteksi tercepat 7 detik dengan waktu terlama 8,55 second rata-rata data citra semuanya tidak terdeteksi dengan benarKata kunci: Raspberry pi, Pendeteksi wajah, Degree of freedom, Haar cascade classifier, Robot kepalaAbstract— Robot technology is the best work that is very important for modern human life today to facilitate all human work. The development of the robot world today will be focused on being a robot that has human-like features. Even expected to have the ability to interact and behave like a humanoid robot, the mechanism of humanoid robot movement has a degree of freedom of Degree of Freedom (DOF). Like in the robot man is given the ability of vision to detect the presence of objects captured in real time robotic head Research 2 degree of freedom (DOF) for face detection in real time using the Deep Integral Image Cascade method to Face Detection.  For the real-time accuracy of the face detector in this research with the greatest precision testing is 95.25% with the fastest detection response time of 7 seconds with the oldest time 8.55 second the average image data everything is not detected with Really.Keywords: Raspberry Pi, face detector, Degree of freedom, Haar Cascade classifier, Robot head

Real-Time Detection and Clasification System of Biosecurity Elements Using Haar Cascade Classifier with Open Source

2020 ◽  
Author(s):  
Carlos Vicente Nino Rondon ◽  
Sergio Alexander Castro Casadiego ◽  
Byron Medina Delgado ◽  
Dinael Guevara Ibarra ◽  
Miguel Eduardo Posada Haddad
Keyword(s):  
Open Source ◽  
Real Time ◽  
Cascade Classifier ◽  
Haar Cascade ◽  
Real Time Detection

scholarly journals Metode Haar-Cascade Classification Menggunakan Raspberry Pi

MIND Journal ◽  
2018 ◽  
Vol 2 (2) ◽  
pp. 13-22
Author(s):  
Muhammad Ichwan ◽  
Milda Gustiana Husada ◽  
Aldri Helmaputra
Keyword(s):  
Raspberry Pi ◽  
Cascade Classifier ◽  
Integral Image ◽  
Traffic Light ◽  
Haar Cascade

Proses untuk mendeteksi objek dalam citra manggabungkan empat kunci utama yaitu Haar like feature, Integral Image, Adaboost learning dan Cascade Classifier. Metode haar-cascade classification dapat dimanfaatkan sebagai alternatif dalam pengaturan traffic light. Cara kerjanya yaitu, citra yang telah di-capture akan dicocokan dengan data latih, apabila dalam citra tersebut terdapat objek yang sesuai dengan data latih maka objek tersebut di tandai, sehingga objek akan terhitung jumlahnya dengan cara melewati sebuah garis virtual yang dibuat sistem. Dari hasil jumlah objek terdeteksi, sistem dapat mengatur berapa lama lampu merah dan hijau menyala atau mati sesuai dengan jumlah objek yang telah ditentukan. Oleh karena itu, alternatif pengaturan traffic light menggunakan metode Haar-cascade classification digunakan untuk pendeteksian objek. Hasil dari penelitian menggunakan kamera 18 megapiksel 60 FPS jumlah mobil terhitung di garis lebih akurat menggunakan resolusi 480p atau 720p sebesar 79.51%.

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 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 Multi-Object Face Recognition Using Local Binary Pattern Histogram and Haar Cascade Classifier on Low-Resolution Images

2021 ◽  
Vol 11 (1) ◽  
pp. 45-58
Author(s):  
R. Rizal Isnanto ◽  
Adian Rochim ◽  
Dania Eridani ◽  
Guntur Cahyono
Keyword(s):  
Face Recognition ◽  
Real Time ◽  
Local Binary Pattern ◽  
Video Data ◽  
Cascade Classifier ◽  
Low Resolution ◽  
The Face ◽  
Haar Cascade ◽  
Pattern Histogram ◽  
Low Resolution Images

This study aims to build a face recognition prototype that can recognize multiple face objects within one frame. The proposed method uses a local binary pattern histogram and Haar cascade classifier on low-resolution images. The lowest data resolution used in this study was 76 × 76 pixels and the highest was 156 × 156 pixels. The face images were preprocessed using the histogram equalization and median filtering. The face recognition prototype proposed successfully recognized four face objects in one frame. The results obtained were comparable for local and real-time stream video data for testing. The RR obtained with the local data test was 99.67%, which indicates better performance in recognizing 75 frames for each object, compared to the 92.67% RR for the real-time data stream. In comparison to the results obtained in previous works, it can be concluded that the proposed method yields the highest RR of 99.67%.

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.

Sign in / Sign up

Export Citation Format

Share Document