Pratama, BobyMugi (2016) Rancang Bangun Sistem Pendeteksian Real-Time Obyek Mobil Berbasis Raspberry Pi 3 Dengan Metode Ekstraksi Fitur Mirip-Haar Dan Jaringan Syaraf Tiruan. Sarjana thesis, Universitas Brawijaya.
Abstract
Di era digital saat ini pendeteksian obyek merupakan hal yang sudah umum dilakukan. Terutama pada obyek wajah manusia. Sistem deteksi wajah ini bahkan sudah banyak ditanamkan pada kamera perangkat ponsel cerdas. Sistem ini dapat mendeteksi keberadaan dan lokasi wajah saat melakukan pemotretan. Dalam penelitian ini dilakukan hal serupa namun pada obyek yang berbeda, yaitu mobil. Penelitian ini menggabungkan ekstraksi fitur mirip-Haar yang banyak diterapkan pada pendeteksian wajah otomatis dengan pengklasifikasi jaringan syaraf tiruan algoritma propagasi balik yang telah banyak digunakan dalam bidang kecerdasan buatan untuk klasifikasi data. Tahap pembelajaran jaringan syaraf tiruan dilakukan dengan memberikan sejumlah hasil ekstraksi fitur mirip-Haar dari sampel positif dan sampel negatif. Jaringan syaraf tiruan yang telah dilatih selanjutnya diuji menggunakan tiga buah berkas video secara real-time yang diambil dari kondisi lingkungan yang berbeda. Didapatkan dalam penelitian ini bahwa akurasi pendeteksian dapat dipengaruhi oleh berbagai fsktor. Sistem yang dibuat menghasilkan performa dengan koefisien akurasi maksimum 0,948. Kecepatan pendeteksian berada pada kisaran 700ms per frame-nya.
English Abstract
In digital era, object detections have been an ordinary thing to do. This is especially for human face detection. Human face detection has been commonly implemented in smartphone cameras. This system can detect and locate faces on frame while taking a capture. This research does a similar one to car which is called a car detection system. The research combined Haar-like feature extraction and artificial neural network. Haar-like feature extraction is commonly used in an automatic face detection system. Artificial neural network classifier with backpropagation algorithm is commonly used in artificial intelligence system for data classification. The artificial neural network was trained by giving it some Haar-like feature extracted from negative samples and positive samples. The trained artificial neural network was tested using three real-time videos which was taken from different locations. The research results show that the detection accuracy is influenced by many factors. The developed system performed at up to 0,948 of accuracy coefficient. The detection time is about 700ms per frame.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/MIPA/2016/483/ 051610421 |
| Subjects: | 500 Natural sciences and mathematics > 530 Physics |
| Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Fisika |
| Depositing User: | Kustati |
| Date Deposited: | 25 Oct 2016 14:36 |
| Last Modified: | 25 Oct 2016 14:36 |
| URI: | http://repository.ub.ac.id/id/eprint/155023 |
Actions (login required)
 |
View Item |