Pendeteksian Wajah Manusia Pada Citra Digital Menggunakan Algoritma Viola-Jones

Toenlioe, VegiOlkit (2012) Pendeteksian Wajah Manusia Pada Citra Digital Menggunakan Algoritma Viola-Jones. Sarjana thesis, Universitas Brawijaya.

Abstract

Pendeteksian wajah pada citra digital telah berkembang dengan sangat pesat dalam dekade terakhir ini dengan penerapannya pada berbagai bidang. Aplikasi dari proses ini dapat diterapkan pada bidang penyelidikan ataupun keamanan. Sampai saat ini penelitian metode-metode pendeteksian wajah masih terus dilakukan, dengan tujuan keakuratan dan kecepatan proses pendeteksian yang lebih baik Algoritma Viola-Jones diciptakan pada tahun 2001 oleh Paul Viola dan Michael J. Jones, dan dipublikasikan di International Journal of Computer Vision pada tahun 2004. Keunikan algoritma ini ada pada tiga hal kunci, yaitu penggunaan “Integral Image” untuk peningkatan kecepatan penghitungan fitur, penggunaan algoritma JST Adaptive Booster (AdaBoost) untuk pemilihan fitur diantara banyaknya fitur yang ada, dan penggunaan metode pemilihan bagian pada citra yang kemungkinan besar merupakan bagian wajah dan meniadakan perhitungan pada bagian yang kemungkinan besar merupakan bagian latar belakang, yang disebut dengan cascade classifier. Berdasarkan penelitian yang diuji coba oleh Viola dan Jones, akurasi pendeteksian wajah mencapai 95%. Nilai d akhir tahap I untuk kombinasi variabel 1, 2, dan 3 secara berturut-turut adalah 0.91, 0.91, dan 0.99. Nilai d akhir tahap II untuk ketiga kombinasi variabelnya = 0.99. Nilai f akhir tahap I dan II untuk ketiga kombinasi variabelnya = 0. Persentase akurasi pendeteksian pada tahap I untuk kombinasi variabel 1, 2, dan 3 berturut-turut adalah 18.09524%, 0%, dan 0%. Untuk tahap II, dari ketiga kombinasi variabel dihasilkan 100% akurasi. Kesalahan pendeteksian tahap I untuk kombinasi variabel 1, 2, dan 3 berturut-turut adalah 99.77221%, 100%, dan 100%. Kesalahan pendeteksian tahap II untuk kombinasi variabel 1, 2, dan 3 berturut-turut adalah 99.87367%, 99.92711%, dan 99.9317%.

Item Type: Thesis (Sarjana)
Identification Number: SKR/MIPA/2012/441/051204818
Subjects: 500 Natural sciences and mathematics > 510 Mathematics
Divisions: Fakultas Matematika dan Ilmu Pengetahuan Alam > Matematika
Depositing User: Hasbi
Date Deposited: 27 Dec 2012 09:35
Last Modified: 24 Oct 2021 17:10
URI: http://repository.ub.ac.id/id/eprint/153279
[thumbnail of Laporan.pdf]
Preview
Text
Laporan.pdf

Download (8MB) | Preview
[thumbnail of Jurnal.pdf]
Preview
Text
Jurnal.pdf

Download (2MB) | Preview

Actions (login required)

View Item View Item