BAB II LANDASAN TEORI
|
|
- Susanti Sugiarto
- 7 tahun lalu
- Tontonan:
Transkripsi
1 BAB II LANDASAN TEORI 3.1 Tinjauan Pustaka Beberapa penelitian yang berhubungan dengan penelitian ini dirangkum dalam table berikut : Tabel 2.1 Tinjauan Pustaka Penelitian No. Penelitian Deskripsi 1. (Patel, Lal, Kavanagh, & Rossiter, 2010) Penelitian ini mengusulkan sistem untuk mendeteksi kelelahan pada pengemudi kendaraan. Penelitian ini menggunakan teknik segmentasi kulit dan diuji dengan menggunakan video rekaman (tidak real time atau offline). 5
2 6 2 (Królak & Strumiłło, 2011) Penelitian ini mengusulkan sistem kontrol untuk mengendalikan komputer dengan menggunakan eye tracking dan eye blink detection. Penelitian ini menggunakan menggunakan metode template matching. Sistem ini diuji oleh 49 responden dan mencapai tingkat keakuratan sebesar 99%. 3 (Pimplaskar, Nagmode, & Borkar, 2013) Penelitian ini mengusulkan sistem eye tracking secara real time untuk mendeteksi kantuk pada pengendara kendaraan dengan metode yang dikembangkan sendiri. Sistem ini dijalankan pada frame per detik. Sistem ini mencapai tingkat keakuratan sebesar 97.67%.
3 7 4 (Han, Yang, Kim, & Gerla, 2012) Penelitian ini mengusulkan pencegahan Computer Vision Syndrome pada pengguna Mobile Device. Aplikasi mobile yang diusulkan melacak tingkat berkedip pengguna. Untuk deteksi kedipan mata menggunakan template matching. Deteksi kedipan mata dilakukan secara dinamis terhadap perubahan posisi antara responden dengan mobile device. 5 (Mohammed & Anwer, 2014) Penelitian ini mengusulkan suatu kontrol untuk mengendalikan panggilan masuk pada handphone dengan menggunakan kedipan mata. Untuk mendeteksi kedipan mata menggunakan perhitungan jumlah piksel pada daerah mata yang dideteksi. Tingkat keakuratan mencapai 98% dan 100% untuk jarak 35cm.
4 8 6 (Polatsek, 2013) Penelitian ini mengusulkan metode deteksi kedipan mata untuk mencegah Computer Vision Syndrome, yaitu: Histogram Backprojection dan Inner Movement Detection (berdasarkan KLT Tracker). Metode Inner Movement Detection memiliki tingkat akurasi yang lebih baik dibanding dengan metode Histogram Backprojection. 7 (Desai, 2012) Penelitian ini mengusulkan sistem deteksi kewaspadaan untuk mendeteksi kelelahan pada pengendara kendaraan dengan menggunakan EOG (Electrooculogram) dan EEG (Electroencephalogram). Sistem ini berhasil dibuat dengan biaya rendah (low cost).
5 9 8 (Horng, Chen, Chang, & Fan, 2004) Penelitian ini mengusulkan sistem deteksi kelelahan pada pengemudi. Untuk mendeteksi posisi mata terbuka atau tertutup menggunakan perhitungan pikselpada daerah bola mata yang telah dideteksi. Pengujian dilakukan dengan menggunakan 4 video dan tingkat akurasi mencapai 88.9%. 9 (Chau & Betke, 2005) Penelitian ini mengusulkan sistem Human Computer Interface untuk membantu orangorang yang memiliki cacat fisik dalam menggunakan komputer. Sistem ini menggunakan template matching untuk bagian mata terbuka dengan menghitung normalisasi koefisien korelasi. Sistem ini mencapai tingkat akurasi 95,3%.
6 10 10 (Victor, Kosasih, & Klara, 2009) Penelitian ini mengusulkan suatu sistem yang mengendalikan mouse komputer menggunakan mata dengan tujuan untuk membantu orang-orang dengan cacat fisik. Sistem ini menggunakan metode Lucas Kanade untuk melakukan tracking pergerakan mata dan kedipan mata. Sistem ini memiliki akurasi kedipan mata : 90% untuk mata kiri dan 75% untuk mata kanan. Beberapa penelitian yang terkait dengan deteksi kedipan mata telah banyak dilakukan sebelumnya untuk berbagai macam tujuan, antara lain: mendeteksi kelelahan pada pengendara kendaraan(patel, Lal, Kavanagh, & Rossiter, 2010), mengendalikan komputer(królak & Strumiłło, 2011), mengendalikan panggilan masuk pada telepon genggam (Mohammed & Anwer, 2014), dan pencegahan Computer Vision Syndrome pada pengguna mobile device(han, Yang, Kim, & Gerla, 2012) ataupun komputer(polatsek, 2013). Berbagai jenis metode juga telah diterapkan pada penelitian sebelumnya, antara lain: metode template matching pada daerah mata(królak & Strumiłło, 2011), metode histogram backprojection(polatsek, 2013), dan metode Centre Aligned Movement Detection(Polatsek, 2013). Yang membedakan penelitian ini dengan penelitianpenelitian sebelumnya adalah metode untuk eye blink detection menggunakan Background Subtraction. Metode Background Subtraction sudah banyak diterapkan sebelumnya untuk kepentingan lain seperti: mendeteksi aktifitas pekerja dalam sebuah perusahaan dan mendeteksi arus lalu lintas di jalan raya.
7 11 Namun metode Background Subtraction belum pernah diterapkan sebelumnya untuk mendeteksi kedipan mata. Aplikasi eye blink detection ini menggunakan library OpenCV dan berbasis C Dry Eye Permukaan mata terus-menerus dialiri dengan air mata yang berguna untuk menjaga kebahasan mata, melindungi dari infeksi, dan membantu penyembuhan luka. Kondisi yang menunjukkan bahwa mata mengalami kekeringan adalah kualitas atau kuantitas air mata menjadi tidak normal sehingga mengakibatkan kerusakan permukaan okular, iritasi mata atau gangguan penglihatan(singapore National Eye Centre, n.d.). Mata kering dipengaruhi oleh beberapa faktor eksternal dan internal (Rosenfield, 2011), yaitu: 1. Environmental factors producing corneal drying: cuaca kering atau berangin, penggunaan AC atau kipas angin, danudara yang berdebu. 2. Reduced blink rate: Saat menggunakan VDT tingkat berkedip berkurang. Ketika mata berkedip, air mata membuat permukaan mata menjadi lembab dan membasuh debu. Sebuah penelitian yang disebutkan dalam (Rosenfield, 2011) membandingkan tingkat berkedip saat bersantai, membaca buku dan membaca teks pada VDT. Saat bersantai tingkat berkedip rata-rata adalah 22 per menit. Namun saat membaca buku 10 per menit dan selama melihat VDT itu hanya 7 per menit. 3. Incomplete blinking: Hal ini terjadi ketika bekerja dengan menggunakan komputer. Mengacu pada studi yang menunjukkan bahwa incomplete
8 12 blinking mungkin juga penyebab Computer Vision Syndrome (Rosenfield, 2011). 4. Increased corneal exposure: Terkait dengan tinggi sudut pandangan yang bisa mengakibatkan peningkatan laju penguapan air mata sehingga cepat membuat mata menjadi kering. 5. Age and gender: Pada umumnya mata kering meningkat sesuai dengan pertambahan usia, dan lebih sering dialami oleh wanita daripada pria. 6. Systemic diseases and medications: Penyakit seperti arthritis, alergi atau penyakit tiroid dapat menyebabkan pengeringan mata. Mata kering juga memiliki hubungan dengan berbagai obat sistemik termasuk diuretik, antihistamin, psikotropika, dan antihipertensi. 7. Contact lens wear: Memakai lensa kontak mengubah tingkat berkedip secara signifikan. Penyebabnya merupakan iritasi dengan lensa atau air mata lebih tidak stabil. 8. Ocular conditions: mata kering mungkin akibat dari disfungsi kelenjar yang memproduksi air mata film. 3.3 Pengolahan Citra Digital Pengolahan citra digital (Digital Image Processing) adalah sebuah disiplin ilmu yang mempelajari tentang teknik-teknik mengolah citra. Citra yang dimaksud disini adalah gambar diam (foto) maupun gambar bergerak atau video (yang berasal dari webcam). Sedangkan digital disini mempunyai maksud bahwa pengolahan citra/gambar dilakukan secara digital menggunakan komputer. Secara matematis, citra merupakan fungsi kontinyu (continue) dengan intensitas cahaya pada bidang dua dimensi. Agar dapat diolah dengan komputer
9 13 digital, maka suatu citra harus dipresentasikan secara numerik dengan nilainilaidiskrit. Representasi dari fungsi kontinyu menjadi nilai-nilai diskrit disebut digitalisasi citra(pambudi & Simorangkir, 2012) Computer Vision Terminologi lain yang berkaitan erat dengan pengolahan citra digital adalah computer vision atau machine computer. Pada hakikatnya, computer vision mencoba meniru cara kerja visual manusia (Human Vision). Human Vision sesungguhnya sangat kompleks, manusia melihat obyek dengan indera penglihatan (mata) lalu obyek citra diteruskan ke otak untuk diinterpretasi sehingga manusia mengerti obyek apa yang tampak dalam pandangan matanya. Hasil interpretasi ini mungkin digunakan untuk mengambil suatu keputusan. Sebagaimana layaknya mata dan otak, computer vision adalah suatu sistem yang mempunyai kemampuan untuk menganalisis obyek secara visual, setelah data obyek yang bersangkutan dimasukkan dalam bentuk citra. Proses-proses dalam computer visiondibagi dalam 3 (tiga) aktifitas: Memperoleh atau mengakuisisi citra digital, proses ini bisa disebut juga sebagai proses image preprocessing. Melakukan teknik komputasi untuk memproses atau memodifikasi data citra berupapiksel. Menganalisis dan menginterpretasi citra menggunakan hasil pemrosesan untuk tujuan tertentu, misalnya memandu robot, mengontrol peralatan, memantau manufaktur dan lain-lain.
10 14 Pengolahan citra merupakan proses awal (preprocessing) pada computer vision, sedangkan pengenalan pola merupakan proses untuk menginterpretasi citra. Teknik-teknik di dalam pengenalan pola memainkan peranan penting dalam computer vision untuk mengenali objek (Pambudi & Simorangkir, 2012) Haar-Like Feature Penelitian mengenai deteksi dan pengenalan wajah teknologi computer vision telah banyak dilakukan, salah satunya adalah menggunakan Haar-Like Feature(Mustafa, Min, & Zhu, 2014). Haar-Like Feature yang dikenal sebagai Haar Cascade Classifier merupakan rectangular (persegi) features, yang memberikan indikasi secara spesifik pada sebuah gambar atau image. Ide dari Haar-Like Feature adalah untuk mengenali obyek berdasarkan nilai sederhana dari fitur tetapi bukanmerupakan nilai piksel dari image obyek tersebut. Metode ini memiliki kelebihan yaitu komputasinya sangat cepat, karena hanya bergantung pada jumlah piksel dalam persegi bukan setiap nilai piksel dari sebuah image. Metode ini merupakan metode yang menggunakan statistical model (classifier). Pendekatan untuk mendeteksi objek dalam gambar menggabungkan empat konsep utama (Pambudi & Simorangkir, 2012): Training data Fitur segi empat sederhana yang disebut fitur Haar. Integral image untuk pendeteksian fitur secara cepat. Pengklasifikasi bertingkat (Cascade classifier) untuk menghubungkan banyak fitur secaraefisien.cascade classifier adalah sebuah rantai stage
11 15 classifier, dimana setiap stage classifier digunakan untuk mendeteksi apakah didalam image sub window terdapat obyek yang diinginkan (object of interest). Stage classifier dibangun dengan menggunakan algoritma adaptive-boost (AdaBoost). Algoritma tersebut mengkombinasikan performance banyak weak classifier untuk menghasilkan strong classifier. Weak classifier dalam hal ini adalah nilai dari Haar-Like Feature. Jenis AdaBoost yang digunakan adalah Gentle AdaBoost. Template informasi Haar Cascade disimpan dalam file dengan format XML (Mustafa, Min, & Zhu, 2014) Format File XML (Extensible Markup Language) XML (Extensible Markup Language) adalah sebuah bahasa markup yang digunakan untuk memuat, mengatur, dan menjelaskan informasi. XML dapat digunakan sebagai wadah untuk setiap informasi yang dapat direpresentasikan secara tekstual. XML terdiri dari elemen sebagai container untuk setiap bagian potongan data dalam dokumen. Elemen yang mengandung unsur-unsur lain atau teks memiliki tag pembuka dan penutup,dan elemen kosong yang ditulis dengan tag tunggal(gamble, 2011). Sebagian besar dokumen XML mudah dibaca oleh manusia: mudah untuk membedakan data, tag awal dan tag penutup dan untuk mendapatkan beberapa ide tentang bagaimana data terstruktur. Dokumen XML memiliki tree structure danroot element yang berisi semua elemen lainnya(gamble, 2011).
12 16 OpenCV menyimpan template informasi Haar Cascade dalam bentuk format file XML Citra Grayscale Citra Grayscale merupakan citra digital yang hanya memiliki satu nilai kanal pada setiap pixelnya, dengan kata lain nilai bagian RED = GREEN = BLUE. Nilai tersebut digunakan untuk menunjukkan tingkat intensitas. Warna yang dimiliki adalah warna dari hitam, keabuan, dan putih. Tingkatan keabuan di sini merupakan warna abu dengan berbagai tingkatan dari hitam hingga mendekati putih (Putra, 2010) Citra Biner Citra biner adalah citra digital yang hanya memiliki dua kemungkinan nilai pixel yaitu hitam dan putih. Citra biner juga disebut sebagai citra B&W (black and white) atau citra monokrom. Hanya dibutuhkan 1 bit untuk mewakili nilai setiap pixel dari citra biner. Citra biner seringkali muncul sebagai hasil dari proses pengolahan seperti segmentasi, pengambangan, morfologi, ataupun dithering(putra, 2010) Face Detection Pengenalan wajah adalah tugas yang biasa dilakukan manusia secara mudah dan rutin dalam kehidupan sehari-hari. Sehingga muncul minat yang sangat besar untuk membuat agar pengenalan wajah dapat dilakukan oleh sistem komputer dalam pengolahan gambar digital otomatis. Sistem
13 17 pengenalan wajah pertama dikembangkan oleh Takeo Kanade pada tahun 1973 (Li & Jain, 2011). Sistem pengenalan wajah adalah salah satu metode identifikasi biometrik dari individu dengan fitur wajah. Selama dekade terakhir, pengenalan wajah telah menjadi penelitian umum di bidang visual mesin dan juga salah satu aplikasi yang sukses dari pengolahan gambar yang memainkan peran penting dalam banyak aplikasi saat ini. Contoh aplikasi yang menerapkan sistem pengenalan wajah adalah: otentikasikeamanan untuk membuat akses ke sistem perbankan, smart card, hiburan dan lainlain(tofighi, Khairdoost, Monadjemi, & Jamshidi, 2014).Secara umum, sistem deteksi wajah dalam penelitian yang dilakukan oleh Tofighi et al. (2014) terdiri dari bagian-bagian berikut: Mendeteksi wajah dari input video Fitur ekstraksi untuk menentukan identitas wajah dalam video Perbandingan dengan gambar yang direkam dalam database dan mengidentifikasi wajah Pengenalan wajah adalah masalah pengenalan pola visual, di mana wajah direpresentasikan sebagai objek tiga dimensi yang dipengaruhioleh pencahayaan, pose, ekspresi dan faktor lainnya, perlu diidentifikasi berdasarkan gambar yang diperoleh. Aplikasi tertentu membutuhkan tingkat keamanan yang lebih tinggi dengan menggunakan gambar tiga dimensi (kedalaman jangkauan) atau gambar optikdi luar spektrum visual (Li & Jain, 2011). Sistem pengenalan wajah mendeteksi wajah dari latar belakang atau background(li & Jain, 2011).
14 18 Metode viola-jonesmerupakan sebuah metode yang sesuaiuntukpendeteksianobjek padacitrayangbersifatasimetris(jumlahpersebaranantaraobjekyangdicaridan bukan objek tidak seimbang). Metode ini menggunakan 3 hal utama dalam melakukan pendeteksian objek(viola & Jones, 2004), yaitu: 1. Features: klasifikasi citra gambar dilakukan berdasarkan nilai dari sebuah fitur 2. Algoritma AdaBoost: memilih fitur spesifik yang akan digunakan dan mengatur nilai ambang (threshold) 3. Cascade Classifier: meningkatkankecepatan pendeteksian obyek dengan memfokuskan pada daerah citra yang berpeluang Metode viola-jones cukup efektif untuk diterapkan pada pendeteksian wajah. Setelah wajah terdeteksi maka akan dilanjutkan dengan pendeteksian area mata Eye Detection Deteksi mata merupakan langkah pengolahan yang diperlukan untuk banyak algoritma pengenalan wajah. Koordinat kedua mata diperlukan untuk normalisasi geometris yang tepat sebelum recognition atau pengenalan. Selain itu, mata juga berfungsi sebagai titik referensi untuk menemukan fitur penting lainnya seperti wajah, hidung dan mulut. Deteksi mata merupakan hal yang diteliti dengan baik untuk masalah pengenalan wajah yang dibatasiterhadap jarak, pencahayaan, dan variasi pose yang terbatas(heflin, Scheirer, Rocha, & Boult, 2011).
15 19 Posisi mata pada gambar wajah ditemukan atas dasar ketergantungan geometri tertentu yang dikenal untuk wajah manusia. Aturan tradisional proporsi menunjukkan wajah dibagi menjadi enam kotak yang sama, dua kali tiga. Menurut aturan ini, lokasi mataterletak sekitar 0,4 dari atas kepala ke mata.wilayah mata diekstrak dari citra wajah dan digunakan sebagai template untuk pelacakan mata lebih lanjut dengan cara pencocokan pola (template matching). Ekstraksi wilayah mata dilakukan hanya pada inisialisasi sistem dan dalam kasus-kasus ketika prosedur deteksi wajah diulang (Królak & Strumiłło, 2011). Wilayah mata diekstrak dari wajah menggunakan asumsi bahwa terletak diantara 1/6 bagian atas dan 2/5 dari seluruh daerah wajah (Patel, Lal, Kavanagh, & Rossiter, 2010). Wilayah mata ini dibagi menjadi dua bagian mata yaitu mata kiri dan mata kanan. Hal ini dilakukan dengan membagi wilayah gambar mata yang diambil secara vertikal dari tengah. Iris diekstraksi dengan memanfaatkan fakta bahwa wilayah iris adalah fitur gelap mata dibandingkan dengan daerah sekitarnya. Daerah mata yang diekstraksi diubah menjadi citra biner sehingga iris dapat divisualisasikan dengan jelas dibandingkan dengan daerah sekitarnya. Iris selanjutnya diekstraksi menggunakan teknik proyeksi horizontal dan vertikal yang digunakan untuk mengekstrak daerah wajah awal Eye Blink Detection Deteksi kedipan mata atau Eye Blink Detection memiliki berbagai kegunaan misalnya deteksi kelelahan pengemudi, pemantauan pengguna untuk pencegahan mata kering, membantu orang cacat untuk berinteraksi
16 20 dengan komputer atau face detection liveness(drutarovsky & Fogelton, 2015). Kedipan mata didefinisikan denganmenutup dan membuka kembali kelopak mata dengan cepat. Mata tertutup parsial disebut berkedip tidak lengkap. Kedipan mata pada umumnya berlangsung dari 150 sampai 300ms. Jadi kamera standar dengan frame per detik (fps) cukup untuk melakukan monitoring kedipan mata(drutarovsky & Fogelton, 2015). Tingkat kedipan mata atau Eye Blink Rate (EBR) dipengaruhi oleh faktor lingkungan, jenis kegiatan dan karakteristik individu(remeseiro, Fernández, & Lira, 2015). Sistem deteksi kelelahan didasarkan pada penilaian tingkat kedipan mata atau EBR.Peningkatan tingkat berkedip menunjukkan peningkatan rasa kantuk(patel, Lal, Kavanagh, & Rossiter, 2010) Background Subtraction Background subtraction adalah teknik yang digunakan untuk menghasilkan daerah foreground (citra biner yang berisi piksel dari objek bergerak dalam Region of Interest) dengan menggunakan kamera statis. Background subtraction menghitung daerah foreground dengan melakukan pengurangan antara frame dan model latar belakang (background), yang mengandung bagian statis dari suatu ROI (Region of Interest)(KaewTraKulPong & Bowden, 2001). Pemodelan latar belakang terdiri dari dua langkah utama, yaitu : background initialization dan background update. Pada langkah pertama, menghitung latar belakang dari model yang diinisialisasi, sedangkan pada
17 21 langkah kedua model diperbarui untuk beradaptasi dengan kemungkinan perubahan dalam ROI (Region of Interest). Setiap piksel latar belakang dimodelkan dengan campuran distribusi K Gaussian (nilai K = 3 sampai 5)(KaewTraKulPong & Bowden, 2001). Algoritma Gaussian Mixture Model untuk background subtraction terus dikembangkan (Zivkovic, 2004), dimana waktu pemrosesan yang cepat, jumlah komponen Gaussian disesuaikan per piksel,dan segmentasi yang membaik(zivkovic & van der Heijden, 2006). Dan pada library OpenCV, metode ini disajikan dalam BackgroundSubtractorMOG2.
Pengenalan Bahasa Isyarat Tangan Menggunakan Metode PCA dan Haar-Like Feature
Pengenalan Bahasa Isyarat Tangan Menggunakan Metode PCA dan Haar-Like Feature Dosen Pembimbing : 1) Prof.Dr.Ir. Mauridhi Hery Purnomo M.Eng. 2) Dr. I Ketut Eddy Purnama ST., MT. Oleh : ATIK MARDIYANI (2207100529)
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Sistem pengenalan wajah adalah aplikasi dari pengolahan citra yang dapat mengidentifikasi seseorang melalui citra digital atau frame video. Sistem pengenalan wajah
Lebih terperinciBAB II LANDASAN TEORI. Pengolahan Citra adalah pemrosesan citra, khususnya dengan menggunakan
BAB II LANDASAN TEORI 2.1. Citra Citra adalah gambar pada bidang dwimatra (dua dimensi). Ditinjau dari sudut pandang matematis, citra merupakan fungsi menerus dan intensitas cahaya pada bidang dwimatra
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Citra Berikut adalah beberapa definisi dari citra, antara lain: rupa; gambar; gambaran (Kamus Besar Bahasa Indonesia). Sebuah fungsi dua dimensi, f(x, y), di mana x dan y adalah
Lebih terperinciMuhammad Zidny Naf an, M.Kom. Gasal 2015/2016
MKB3383 - Teknik Pengolahan Citra Pengolahan Citra Digital Muhammad Zidny Naf an, M.Kom. Gasal 2015/2016 CITRA Citra (image) = gambar pada bidang 2 dimensi. Citra (ditinjau dari sudut pandang matematis)
Lebih terperinciPengenalan Benda di Jalan Raya dengan Metode Kalman Filter. Roslyn Yuniar Amrullah
Pengenalan Benda di Jalan Raya dengan Metode Kalman Filter Roslyn Yuniar Amrullah 7406040026 Abstrak Computer Vision merupakan disiplin ilmu perpanjangan dari pengolahan citra digital dan kecerdasan buatan.
Lebih terperinciSistem Pengenal Wajah Manusia untuk Personalisasi Perintah pada Robot
Sistem Pengenal Wajah Manusia untuk Personalisasi Perintah pada Robot Mara Nugraha Teknik Informatika Universitas Gunadarma Jl. Margonda Raya 100, Depok maranugraha@sta.gunadarma.ac.id Abstrak Pengenalan
Lebih terperinciBAB II LANDASAN TEORI. Kamera web (singkatan dari web dan camera) merupakan sebuah media
BAB II LANDASAN TEORI 2.1 Webcam Kamera web (singkatan dari web dan camera) merupakan sebuah media yang berorientasi pada image dan video dengan resolusi tertentu. Umumnya webcam adalah sebuah perngkat
Lebih terperinci1. BAB I PENDAHULUAN
1. BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Deteksi kulit manusia berperan penting dan digunakan secara luas sebagai langkah awal pada aplikasi pengolahan citra seperti gesture analysis, content based
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Citra Citra (image) sebagai salah satu komponen multimedia memegang peranan sangat penting sebagai bentuk informasi visual. Citra mempunyai karakteristik yang tidak dimiliki oleh
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Pengolahan citra digital merupakan salah satu subjek dari teknologi informasi yang sangat menarik dan menantang saat ini. Proses pengolahan citra digital bertujuan
Lebih terperinciBAB IV IMPLEMENTASI DAN EVALUASI. implementasi dan evaluasi yang dilakukan terhadap perangkat keras dan
BAB IV IMPLEMENTASI DAN EVALUASI Implementasi dan Evaluasi yang dilakukan penulis merupakan implementasi dan evaluasi yang dilakukan terhadap perangkat keras dan perangkat lunak dari sistem secara keseluruhan
Lebih terperinciOleh: Riza Prasetya Wicaksana
Oleh: Riza Prasetya Wicaksana 2209 105 042 Pembimbing I : Dr. I Ketut Eddy Purnama, ST., MT. NIP. 196907301995121001 Pembimbing II : Muhtadin, ST., MT. NIP. 198106092009121003 Latar belakang Banyaknya
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI 2.1 Citra Digital Citra digital merupakan sebuah fungsi intensitas cahaya, dimana harga x dan y merupakan koordinat spasial dan harga fungsi f tersebut pada setiap titik merupakan
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN
BAB 3 ANALISIS DAN PERANCANGAN 3.1 Kerangka Pikir Pengenalan wajah merupakan suatu teknologi dalam dunia kecerdasan buatan agar komputer dapat meniru kemampuan otak manusia dalam mendeteksi dan mengenali
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan pemrosesan data untuk sistem pendeteksi senyum pada skripsi ini, meliputi metode Viola Jones, konversi citra RGB ke grayscale,
Lebih terperincipengambilan citra video, pemrosesan citra pada setiap frame,, pendeteksian objek
BAB IV MODEL SISTEM 4.1. Model Sistem Aplikasi yang dibangun adalah aplikasi yang dapat mengolah citra yang diambil dari kamera video, dan menganalisisnya untuk mengetahui keberadaan suatu objek. Ada beberapa
Lebih terperinciBAB 3 ANALISIS & PERANCANGAN
BAB 3 ANALISIS & PERANCANGAN 3.1 Analisis 3.1.1 Permasalahan Menurut Wakapolda Sulawesi Selatan dan Barat (tvone, 2010), Brigjen Pol Wisjnu Amat Sastro, Indonesia saat ini menempati urutan pertama berdasarkan
Lebih terperinciCOMPUTER VISION UNTUK PENGHITUNGAN JARAK OBYEK TERHADAP KAMERA
Seminar Nasional Teknologi Terapan SNTT 2013 (26/10/2013) COMPUTER VISION UNTUK PENGHITUNGAN JARAK OBYEK TERHADAP KAMERA Isnan Nur Rifai *1 Budi Sumanto *2 Program Diploma Elektronika & Instrumentasi Sekolah
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengenalan Citra Citra adalah suatu representasi (gambaran), kemiripan atau imitasi dari suatu objek. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa
Lebih terperinciBAB I PENDAHULUAN. telinga, wajah, infrared, gaya berjalan, geometri tangan, telapak tangan, retina,
BAB I PENDAHULUAN 1.1 Latar Belakang Sistem biometrika merupakan teknologi pengenalan diri dengan menggunakan bagian tubuh atau perilaku manusia. Sidik jari, tanda tangan, DNA, telinga, wajah, infrared,
Lebih terperinciPrototype Pendeteksi Jumlah Orang Dalam Ruangan
e-issn: 2528-4053 36 Prototype Pendeteksi Jumlah Orang Dalam Ruangan Nesi Syafitri 1, Adri 2 1,2 Jurusan Teknik Informatika, Fakultas Teknik, Universitas Islam Riau E-mail: nesisyafitri@uir.ac.id, adrisaputra91@gmail.com
Lebih terperinciDETEKSI GERAK BANYAK OBJEK MENGGUNAKAN BACKGROUND SUBSTRACTION DAN DETEKSI TEPI SOBEL
DETEKSI GERAK BANYAK OBJEK MENGGUNAKAN BACKGROUND SUBSTRACTION DAN DETEKSI TEPI SOBEL Muhammad Affandes* 1, Afdi Ramadani 2 1,2 Teknik Informatika UIN Sultan Syarif Kasim Riau Kontak Person : Muhammad
Lebih terperinciREALISASI SISTEM DETEKSI RASA KANTUK BERDASARKAN DURASI KEDIPAN MATA SECARA REAL TIME MENGGUNAKAN METODE VIOLA-JONES
REALISASI SISTEM DETEKSI RASA KANTUK BERDASARKAN DURASI KEDIPAN MATA SECARA REAL TIME MENGGUNAKAN METODE VIOLA-JONES Avrian Andreas Marjono NRP : 1222006 e-mail : avrianandreas@yahoo.co.id ABSTRAK Rasa
Lebih terperinciAplikasi Sensor Vision untuk Deteksi MultiFace dan Menghitung Jumlah Orang
Aplikasi Sensor Vision untuk Deteksi MultiFace dan Menghitung Jumlah Orang RD. Kusumanto 1, Wahyu S. Pambudi 2, Alan N. Tompunu 1 1 Jurusan Teknik Komputer, Politeknik Negeri Sriwijaya, Palembang 30139
Lebih terperinciAPLIKASI PENGENALAN WAJAH MENGGUNAKAN METODE EIGENFACE DENGAN BAHASA PEMROGRAMAN JAVA
APLIKASI PENGENALAN WAJAH MENGGUNAKAN METODE EIGENFACE DENGAN BAHASA PEMROGRAMAN JAVA Anita T. Kurniawati dan Afrilyan Ruli Dwi Rama Teknik Informatika-ITATS, Jl. Arief Rahman Hakim 100 Surabaya Email:
Lebih terperinci1BAB I. 2PENDAHULUAN
1BAB I. 2PENDAHULUAN 2.1. Latar Belakang Pelacak objek (object tracking) pada saat ini merupakan penelitian yang menarik dalam bidang computer vision. Pelacak objek merupakan langkah awal dari berbagai
Lebih terperinciPELACAKAN DAN DETEKSI WAJAH MENGGUNAKAN VIDEO LANGSUNG PADA WEBCAM ABSTRAK ABSTRACT
PELACAKAN DAN DETEKSI WAJAH MENGGUNAKAN VIDEO LANGSUNG PADA WEBCAM Dhanar Intan Surya Saputra 1, Wahyu Septi Anjar 2, Kurnia Aswin Nuzul Ramadhan 3, Riki Aji Pamungkas 4 1234 Program Studi Teknik Informatika
Lebih terperinciBAB 3 PERANCANGAN SISTEM. Perancangan sistem dimulai dari penempatan posisi kamera dengan posisi yang
23 BAB 3 PERANCANGAN SISTEM 3.1 Deskripsi Sistem Perancangan sistem dimulai dari penempatan posisi kamera dengan posisi yang sesuai kemudian dihubungkan dengan komputer yang akan mengolah gambar seperti
Lebih terperinciBAB III METODE PENELITIAN. melacak badan manusia. Dimana hasil dari deteksi atau melacak manusia itu akan
BAB III METODE PENELITIAN 3.1. Model Pengembangan Tujuan dari tugas akhir ini adalah untuk membuat sebuah aplikasi untuk mengatur kontras pada gambar secara otomatis. Dan dapat meningkatkan kualitas citra
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Akhir akhir ini teknologi yang berbasis " Sound and Video Capture Device " telah banyak berkembang. Para ilmuwan ataupun perusahaan yang bergerak di bidang IT memanfaatkan
Lebih terperinciAPLIKASI PENGOLAHAN CITRA SEBAGAI PENDETEKSI JARI PADA VIRTUAL KEYPAD
APLIKASI PENGOLAHAN CITRA SEBAGAI PENDETEKSI JARI PADA VIRTUAL KEYPAD Akuwan Saleh, Haryadi Amran D, Ahmad Bagus L Dept. Teknik Elektro, Program Studi Teknik Telekomunikasi Politeknik Elektronika Negeri
Lebih terperinciPERANGKAT LUNAK PENGENDALI POINTER MENGGUNAKAN PELACAKAN MATA (EYE TRACKING) DENGAN ALGORITMA LUCAS- KANADE
PERANGKAT LUNAK PENGENDALI POINTER MENGGUNAKAN PELACAKAN MATA (EYE TRACKING) DENGAN ALGORITMA LUCAS- KANADE Yuli Syarif *), R. Rizal Isnanto, Kodrat Iman Satoto Jurusan Teknik Elektro, Universitas Diponegoro
Lebih terperinciAPLIKASI MENGHITUNG JUMLAH KENDARAAN RODA EMPAT MENGGUNAKAN ALGORITMA VIOLA JONES PROPOSAL SKRIPSI
APLIKASI MENGHITUNG JUMLAH KENDARAAN RODA EMPAT MENGGUNAKAN ALGORITMA VIOLA JONES PROPOSAL SKRIPSI PROGRAM STUDI TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA
Lebih terperinciBAB II DASAR TEORI. CV Dokumentasi CV berisi pengolahan citra, analisis struktur citra, motion dan tracking, pengenalan pola, dan kalibrasi kamera.
BAB II DASAR TEORI Pada bab ini akan dibahas teori yang berkaitan dengan skripsi ini, meliputi pustaka OpenCV, citra, yaitu citra grayscale dan citra berwarna, pengolahan citra meliputi image enhancement
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
68 BAB 4 HASIL DAN PEMBAHASAN 4.1. Uji Algoritma Pengujian dilakukan untuk mendapatkan algoritma yang paling optimal dari segi kecepatan dan tingkat akurasi yang dapat berjalan secara real time pada smartphone
Lebih terperinciPERANCANGAN APLIKASI DETEKSI WAJAH MENGGUNAKAN ALGORITMA VIOLA-JONES
PERANCANGAN APLIKASI DETEKSI WAJAH MENGGUNAKAN ALGORITMA VIOLA-JONES TUGAS AKHIR Disusun sebagai salah satu syarat untuk kelulusan Program Strata 1, Program Studi Teknik Informatika, Universitas Pasundan
Lebih terperinciSISTEM PENGENALAN WAJAH MENGGUNAKAN WEBCAM UNTUK ABSENSI DENGAN METODE TEMPLATE MATCHING
SISTEM PENGENALAN WAJAH MENGGUNAKAN WEBCAM UNTUK ABSENSI DENGAN METODE TEMPLATE MATCHING Mohamad Aditya Rahman, Ir. Sigit Wasista, M.Kom Jurusan Teknik Elektronika, Politeknik Elektronika Negeri Surabaya
Lebih terperinciBAB 1 PENDAHULUAN. keakuratan dari penglihatan mesin membuka bagian baru dari aplikasi komputer.
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Melihat perkembangan teknologi sekarang ini, penggunaan komputer sudah hampir menjadi sebuah bagian dari kehidupan harian kita. Semakin banyak muncul peralatan-peralatan
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN Dalam tugas akhir ini penguji melakukan pengujian dari judul tugas akhir sebelumnya, yang dilakukan oleh Isana Mahardika. dalam tugas akhir tersebut membahas pendeteksian tempat
Lebih terperinciESTIMASI FUNGSI SPASIAL PADA IDENTIFIKASI FITUR WAJAH
ESTIMASI FUNGSI SPASIAL PADA IDENTIFIKASI FITUR WAJAH Akhyar 1*, Risanuri Hidayat 1, Bimo Sunarfri Hantono 1 1 Department of Electrical Engineering and Information Technology, Universitas Gadjah Mada *
Lebih terperinciSistem Deteksi Wajah dengan Menggunakan Metode Viola-Jones
Sistem Deteksi Wajah dengan Menggunakan Metode Viola-Jones M. Dwisnanto Putro Mahasiswa Magister Instrumentasi Teguh Bharata Adji Staf Pengajar Jurusan Teknik Bondhan Winduratna Staf Pengajar Jurusan Teknik
Lebih terperinciSISTEM PELACAKAN WAJAH METODE HAAR
SISTEM PELACAKAN WAJAH METODE HAAR Endah Sudarmilah Jurusan Teknik Informatika, Fakultas Komunikasi dan Informatika, Universitas Muhammadiyah Surakarta Email : endah_te@yahoo.com Abstrak. Penelitian deteksi
Lebih terperinciDETEKSI WAJAH UNTUK OBJEK 3D MENGGUNAKAN ANDROID
DETEKSI WAJAH UNTUK OBJEK 3D MENGGUNAKAN ANDROID Afdhol Dzikri 1, Dwi Ely Kurniawan 2, Handry Elsharry Adriyanto 3 1,2,3 Jurusan Teknik Informatika, Prodi Teknik Multimedia dan Jaringan, Politeknik Negeri
Lebih terperinciPENGAMAN RUMAH DENGAN SISTEM FACE RECOGNITION SECARA REAL TIME MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS
PENGAMAN RUMAH DENGAN SISTEM FACE RECOGNITION SECARA REAL TIME MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS Sinar Monika 1, Abdul Rakhman 1, Lindawati 1 1 Program Studi Teknik Telekomunikasi, Jurusan
Lebih terperinciPERANGKAT LUNAK PENGENDALI POINTER MENGGUNAKAN PELACAKAN MATA (EYE TRACKING) DENGAN ALGORITMA LUCAS KANADE
PERANGKAT LUNAK PENGENDALI POINTER MENGGUNAKAN PELACAKAN MATA (EYE TRACKING) DENGAN ALGORITMA LUCAS KANADE Yuli Syarif *), R. Rizal Isnanto, and Kodrat Iman Satoto Jurusan Teknik Elektro, Universitas Diponegoro
Lebih terperinciBAB 3 PERANCANGAN SISTEM
BAB 3 PERANCANGAN SISTEM 3.1 Rancangan Perangkat Keras 3.1.1 Diagram Blok Sistem Rancangan perangkat keras dari aplikasi pengenalan wajah ini dapat dilihat pada diagram blok Gambar 3.1 sebagai berikut
Lebih terperinciBAB II DASAR TEORI. 2.1 Meter Air. Gambar 2.1 Meter Air. Meter air merupakan alat untuk mengukur banyaknya aliran air secara terus
BAB II DASAR TEORI 2.1 Meter Air Gambar 2.1 Meter Air Meter air merupakan alat untuk mengukur banyaknya aliran air secara terus menerus melalui sistem kerja peralatan yang dilengkapi dengan unit sensor,
Lebih terperinciBAB III ANALISA DAN PERANCANGAN
BAB III ANALISA DAN PERANCANGAN 3.1 Analisa Sistem Tahapan analisa merupakan tahapan awal dalam perekayasaan perangkat lunak. Pada tahapan ini menjelaskan apa yang dilakukan sistem, siapa yang menggunakannya
Lebih terperinci... BAB 2 LANDASAN TEORI. 2.1 Citra
6 BAB 2 LANDASAN TEORI 2.1 Citra Citra atau image adalah suatu matriks dimana indeks baris dan kolomnya menyatakan suatu titik pada citra tersebut dan elemen matriksnya (yang disebut sebagai elemen gambar
Lebih terperinciAnalisis Perbandingan Algoritma Optical Flow dan Background Estimation untuk Pendeteksian Objek pada Video
Analisis Perbandingan Algoritma Optical Flow dan Background Estimation untuk Pendeteksian Objek pada Video Ety Sutanty dan Ari Rosemala Jurusan Sistem Informasi, Universitas Gunadarma Depok, Indonesia
Lebih terperinciVerifikasi Citra Wajah Menggunakan Metode Discrete Cosine Transform Untuk Aplikasi Login
The 13 th Industrial Electronics Seminar 011 (IES 011) Electronic Engineering Polytechnic Institute of Surabaya (EEPIS), Indonesia, October 6, 011 Verifikasi Citra Wajah Menggunakan Metode Discrete Cosine
Lebih terperinciBAB 3 PERANCANGAN SISTEM
BAB 3 PERANCANGAN SISTEM Sistem vision yang akan diimplementasikan terdiri dari 2 bagian, yaitu sistem perangkat keras dan perangkat lunak. Perangkat lunak yang digunakan dalam sistem vision ini adalah
Lebih terperinciPENGENALAN WAJAH DENGAN METODE ADJACENT PIXEL INTENSITY DIFFERENCE QUANTIZATION TERMODIFIKASI
PENGENALAN WAJAH DENGAN METODE ADJACENT PIXEL INTENSITY DIFFERENCE QUANTIZATION TERMODIFIKASI Nama Mahasiswa : Yuliono NRP : 1206 100 720 Jurusan : Matematika Dosen Pembimbing : Drs. Soetrisno, M.IKomp
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM. secara otomatis. Sistem ini dibuat untuk mempermudah user dalam memilih locker
BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1 Metode Penelitian Pada perancangan tugas akhir ini menggunakan metode pemilihan locker secara otomatis. Sistem ini dibuat untuk mempermudah user dalam memilih
Lebih terperinciAnalisa Perbandingan Algoritma Histogram of Oriented Gradient (HOG) dan Gaussian Mixture Model (GMM) Dalam Mendeteksi Manusia
Analisa Perbandingan Algoritma Histogram of Oriented Gradient (HOG) dan Gaussian Mixture Model (GMM) Dalam Mendeteksi Manusia Yolinda Fatimah Munawaroh 1), Ciksadan 2), Irma Salamah 3) 1),2),3 ) Program
Lebih terperinciSuatu proses untuk mengubah sebuah citra menjadi citra baru sesuai dengan kebutuhan melalui berbagai cara.
Image Enhancement Suatu proses untuk mengubah sebuah citra menjadi citra baru sesuai dengan kebutuhan melalui berbagai cara. Cara-cara yang bisa dilakukan misalnya dengan fungsi transformasi, operasi matematis,
Lebih terperinciPENDETEKSI TEMPAT PARKIR MOBIL KOSONG MENGGUNAKAN METODE CANNY
PENDETEKSI TEMPAT PARKIR MOBIL KOSONG MENGGUNAKAN METODE CANNY Minati Yulianti 1, Cucu Suhery 2, Ikhwan Ruslianto 3 [1] [2] [3] Jurusan Sistem Komputer, Fakultas MIPA Universitas Tanjungpura Jl. Prof.
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN. Tahap & Hasil Langkah Penelitian Literatur & Referensi. Memahami konsep deteksi wajah
BAB 3 ANALISIS DAN PERANCANGAN Pada bab ini berisi tentang analisis dan perancangan terhadap permasalahan yang sedang diteliti seperti analisis kebutuhan data dan informasi serta teknik dan peralatan yang
Lebih terperinciPENGENDALI POINTER DENGAN GAZE TRACKING MENGGUNAKAN METODE HAAR CLASSIFIER SEBAGAI ALAT BANTU PRESENTASI (EYE POINTER)
PENGENDALI POINTER DENGAN GAZE TRACKING MENGGUNAKAN METODE HAAR CLASSIFIER SEBAGAI ALAT BANTU PRESENTASI (EYE POINTER) Edi Satriyanto (edi@eepis-its.edu) Fernando Ardilla Risa Indah Agustriany Lubis Politeknik
Lebih terperinciBAB II TINJAUAN PUSTAKA. menggunakan PCA, kemudian penelitian yang menggunakan algoritma Fuzzy C-
8 BAB II TINJAUAN PUSTAKA 2.1 Studi Pendahuluan Sebelumnya telah ada penelitian tentang sistem pengenalan wajah 2D menggunakan PCA, kemudian penelitian yang menggunakan algoritma Fuzzy C- Means dan jaringan
Lebih terperinciTRACKING OBJECT MENGGUNAKAN METODE TEMPLATE MATCHING BERBASIS STEREO VISION
TRACKING OBJECT MENGGUNAKAN METODE TEMPLATE MATCHING BERBASIS STEREO VISION Indra Pramana, M Zen Hadi Samsono, Setiawardhana Jurusan Telekomunkasi - Politeknik Elektronika Negeri Surabaya Institut Teknologi
Lebih terperinciPELACAKAN LEVEL KETINGGIAN AIR BERDASARKAN WARNA DENGAN BACKGROUND SUBSTRACTION
PELACAKAN LEVEL KETINGGIAN AIR BERDASARKAN WARNA DENGAN BACKGROUND SUBSTRACTION Adhadi Kurniawan 1), I Wayan Mustika 2), dan Sri Suning Kusumawardani 3) 1),2), 3) Laboratorium Sistem Elektronis, Jurusan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertian Citra Citra adalah suatu representasi (gambaran), kemiripan, atau imitasi suatu objek. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa
Lebih terperinciBAB 4 IMPLEMENTASI DAN EVALUASI. Spesifikasi minimum dari perangkat keras yang diperlukan agar dapat. Graphic Card dengan memory minimum 64 mb
BAB 4 IMPLEMENTASI DAN EVALUASI 4.1 Spesifikasi Driver 4.1.1 Spesifikasi Perangkat Keras Spesifikasi minimum dari perangkat keras yang diperlukan agar dapat menjalankan driver ini adalah: Prosesor Pentium
Lebih terperinciProgram Aplikasi Komputer Pengenalan Angka Dengan Pose Jari Tangan Sebagai Media Pembelajaran Interaktif Anak Usia Dini
Program Aplikasi Komputer Pengenalan Angka Dengan Pose Jari Tangan Sebagai Media Pembelajaran Interaktif Anak Usia Dini Wawan Kurniawan Jurusan PMIPA, FKIP Universitas Jambi wwnkurnia79@gmail.com Abstrak
Lebih terperinciPengenalan Objek Berdasarkan Warna Merah Menggunakan Metode Subtraction dan Blobanalysis Pada Canal Rgb Melalui Real-Time Video
Pengenalan Objek Berdasarkan Warna Merah Menggunakan Metode Subtraction dan Blobanalysis Pada Canal Rgb Melalui Real-Time Video Abstrak Mochamad Faisol Baharun¹, T.Sutojo, SSi., M.Kom² Program Studi S1
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Pengolahan Citra Pengolahan citra (image processing) merupakan proses untuk mengolah pixel-pixel dalam citra digital untuk tujuan tertentu. Beberapa alasan dilakukan pengolahan
Lebih terperinciBAB IV PENGUJIAN SISTEM. mendeteksi tempat parkir yang telah selesai dibuat. Dimulai dari pengambilan
BAB IV PENGUJIAN SISTEM Pengujian sistem yang dilakukan merupakan pengujian terhadap program mendeteksi tempat parkir yang telah selesai dibuat. Dimulai dari pengambilan citra dari webcam, pengolahan citra
Lebih terperinciIMPLEMENTASI FACE IDENTIFICATION DAN FACE RECOGNITION PADA KAMERA PENGAWAS SEBAGAI PENDETEKSI BAHAYA
IMPLEMENTASI FACE IDENTIFICATION DAN FACE RECOGNITION PADA KAMERA PENGAWAS SEBAGAI PENDETEKSI BAHAYA IMPLEMENTATION OF FACE IDENTIFICATION AND FACE RECOGNITION ON SECURITY CAMERA AS THREAT DETECTOR Panji
Lebih terperinciPertemuan 2 Representasi Citra
/29/23 FAKULTAS TEKNIK INFORMATIKA PENGOLAHAN CITRA DIGITAL ( DIGITAL IMAGE PROCESSING ) Pertemuan 2 Representasi Citra Representasi Citra citra Citra analog Citra digital Matrik dua dimensi yang terdiri
Lebih terperinciAnalisa dan Pemodelan Kerumunan Orang pada Video Digital
Sidang Tugas Akhir Analisa dan Pemodelan Kerumunan Orang pada Video Digital Oleh: Nick Darusman (2209106015) Dosen Pembimbing Dr. Ir. Wirawan, DEA Jumat, 24 Januari 2012 Surabaya 1 Latar Belakang Angka
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Face Recognition Face recognition dapat dipandang sebagai masalah klasifikasi pola dimana inputnya adalah citra masukan dan akan ditentukan output yang berupa label kelas dari
Lebih terperinciBAB 3 ANALISA DAN PERANCANGAN
44 BAB 3 ANALISA DAN PERANCANGAN 3.1 Analisa Analisa yang dilakukan terdiri dari : a. Analisa terhadap permasalahan yang ada. b. Analisa pemecahan masalah. 3.1.1 Analisa Permasalahan Pengenalan uang kertas
Lebih terperinciDeteksi Jenis Kendaraan di Jalan Menggunakan OpenCV
JURNAL TEKNIK ITS Vol. 6, No. 2, (2017) ISSN: 2337-3539 (2301-9271 Print) A-296 Deteksi Jenis di Jalan Menggunakan OpenCV Alvin Lazaro, Prof. Dr. Ir. Joko Lianto Buliali, M.Sc., Bilqis Amaliah S.Kom.,
Lebih terperinciDETEKSI DAN REPRESENTASI FITUR MATA PADA SEBUAH CITRA WAJAH MENGGUNAKAN HAAR CASCADE DAN CHAIN CODE
DETEKSI DAN REPRESENTASI FITUR MATA PADA SEBUAH CITRA WAJAH MENGGUNAKAN HAAR CASCADE DAN CHAIN CODE Riandika Lumaris dan Endang Setyati Teknologi Informasi Sekolah Tinggi Teknik Surabaya riandika.lumaris@gmail.com
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI
BAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI Bab ini berisi analisis pengembangan program aplikasi pengenalan karakter mandarin, meliputi analisis kebutuhan sistem, gambaran umum program aplikasi yang
Lebih terperinciBAB I PENDAHULUAN. dengan memanfaatkan ciri wajah yang telah tersimpan pada database atau wajah
BAB I 1. asd PENDAHULUAN 1.1. Latar Belakang Masalah Dewasa ini perkembangan teknologi di bidang informasi khususnya dengan menggunakan komputer telah berkembang, hal ini menyebabkan banyak aplikasi baru
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan sistem pendeteksi orang tergeletak mulai dari : pembentukan citra digital, background subtraction, binerisasi, median filtering,
Lebih terperinciPENGENALAN PLAT NOMOR KENDARAAN MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS DAN SUPPORT VECTOR MACHINE BERBASIS PENGOLAHAN CITRA DIGITAL
PENGENALAN PLAT NOMOR KENDARAAN MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS DAN SUPPORT VECTOR MACHINE BERBASIS PENGOLAHAN CITRA DIGITAL Silviana Utari, Tjut Awaliyah, M.Kom, Irma Anggraeni, M.Kom
Lebih terperinciTRACKING ARAH GERAKAN TELUNJUK JARI BERBASIS WEBCAM MENGGUNAKAN METODE OPTICAL FLOW
TRACKING ARAH GERAKAN TELUNJUK JARI BERBASIS WEBCAM MENGGUNAKAN METODE OPTICAL FLOW Ubaidillah Umar, Reni Soelistijorini, B. Eng, MT, Haryadi Amran Darwito, S.ST Jurusan Teknik Telekomunkasi - Politeknik
Lebih terperinciIDENTIFIKASI DAN TRACKING OBJEK BERBASIS IMAGE PROCESSING SECARA REAL TIME
IDENTIFIKASI DAN TRACKING OBJEK BERBASIS IMAGE PROCESSING SECARA REAL TIME Hendy Mulyawan, M Zen Hadi Samsono, Setiawardhana Jurusan Telekomunkasi - Politeknik Elektronika Negeri Surabaya Institut Teknologi
Lebih terperinciIMPLEMENTASI METODE SPEED UP FEATURES DALAM MENDETEKSI WAJAH
IMPLEMENTASI METODE SPEED UP FEATURES DALAM MENDETEKSI WAJAH Fitri Afriani Lubis 1, Hery Sunandar 2, Guidio Leonarde Ginting 3, Lince Tomoria Sianturi 4 1 Mahasiswa Teknik Informatika, STMIK Budi Darma
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Dalam kehidupan sehari-hari semakin banyak masalah yang terjadi seiring meningkatnya populasi di daerah perkotaan, akibatnya lalu lintas menjadi lebih padat karena
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Deteksi wajah pada suatu citra merupakan bagian yang penting dalam perkembangan sistem pengenalan wajah (Face Recognition). Pengenalan wajah banyak digunakan untuk
Lebih terperinciPEMANFAATAAN BIOMETRIKA WAJAH PADA SISTEM PRESENSI MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK
PEMANFAATAAN BIOMETRIKA WAJAH PADA SISTEM PRESENSI MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK Program Studi Matematika FMIPA Universitas Negeri Semarang Abstrak. Saat ini, banyak sekali alternatif dalam
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini mulai dilaksanakan pada bulan September 2011 s/d bulan Februari
48 III. METODE PENELITIAN A. Waktu dan Tempat Penelitian Penelitian ini mulai dilaksanakan pada bulan September 2011 s/d bulan Februari 2012. Pembuatan dan pengambilan data dilaksanakan di Laboratorium
Lebih terperinciUKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Sistem parkir khususnya untuk parkir mobil di tempat-tempat pusat perbelanjaan di Indonesia pada umumnya sudah menerapkan sistem otomatis. Setiap mobil yang
Lebih terperinci1. BAB I PENDAHULUAN Latar Belakang
1 1. BAB I PENDAHULUAN Latar Belakang Iris mata merupakan salah satu organ internal yang dapat di lihat dari luar. Selaput ini berbentuk cincin yang mengelilingi pupil dan memberikan pola warna pada mata
Lebih terperinciSISTEM INTERAKSI MANUSIA DAN ROBOT MENGGUNAKAN DETEKSI WAJAH REAL TIME DENGAN METODE HAAR CASCADE CLASSIFIER UNTUK SALES PROMOTION ROBOT
ISSN : 2355-9365 e-proceeding of Engineering : Vol.2,.2 Agustus 2015 Page 2206 SISTEM INTERAKSI MANUSIA DAN ROBOT MENGGUNAKAN DETEKSI WAJAH REAL TIME DENGAN METODE HAAR CASCADE CLASSIFIER UNTUK SALES PROMOTION
Lebih terperinciLAPORAN PENELITIAN DOSEN MUDA. Sistem Identifikasi Teroris Dengan Pelacakan Dan Pengenalan Wajah
LAPORAN PENELITIAN DOSEN MUDA Sistem Identifikasi Teroris Dengan Pelacakan Dan Pengenalan Wajah Oleh : Endah Sudarmilah, S.T, M.Eng Umi Fadlillah, S.T Dibiayai oleh Koordinasi Perguruan Tinggi Swasta Wilayah
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Mata Mata adalah indra terbaik yang dimiliki oleh manusia sehingga citra (gambar) memegang peranan penting dalam perspektif manusia. Namun mata manusia memeliki keterbatasan
Lebih terperinciBAB 3 METODOLOGI PENELITIAN. a. Spesifikasi komputer yang digunakan dalam penelitian ini adalah
BAB 3 METODOLOGI PENELITIAN 3.1 Alat dan Bahan Penelitian 3.1.1 Alat Penelitian a. Spesifikasi komputer yang digunakan dalam penelitian ini adalah sebagai berikut: 1) Prosesor Intel (R) Atom (TM) CPU N550
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Perkembangan teknologi internet berkembang dengan sangat pesat dan sangat mudah sekali untuk mengaksesnya. Akan tetapi, didalamnya terdapat banyak konten yang
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Bab ini membahas tentang teori penunjang dan penelitian sebelumnya yang berhubungan dengan penerapan viola-jones untuk pendeteksian manusia. 2.1. Computer Vision Computer Vision merupakan
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
48 BAB IV HASIL DAN PEMBAHASAN 4.1 Analisis Sistem Sistem yang akan dibangun dalam penelitian ini adalah Implementasi Algoritma Template Matching dan Feature Extraction untuk Pengenalan Pola Angka Untuk
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Meteran Air Meteran air merupakan alat untuk mengukur banyaknya aliran air secara terus menerus melalui sistem kerja peralatan yang dilengkapi dengan unit sensor, unit penghitung,
Lebih terperinciSISTEM IDENTIFIKASI WAJAH MANUSIA BERDASARKAN GENDER DAN USIA
SISTEM IDENTIFIKASI WAJAH MANUSIA BERDASARKAN GENDER DAN USIA Bayu Tri Wibowo 1 Karmilasari 2 1,2 Teknik Informatika Universitas Gunadarma, 1 bayu.tigundar@gmail.com 2 karmila@staff.gunadarma.ac.id Abstrak
Lebih terperinciBAB III PERANCANGAN SISTEM. Pada dewasa sekarang ini sangat banyak terdapat sistem dimana sistem tersebut
BAB III PERANCANGAN SISTEM 3.1 Definisi Masalah Pada dewasa sekarang ini sangat banyak terdapat sistem dimana sistem tersebut sudah terintegrasi dengan komputer, dengan terintegrasinya sistem tersebut
Lebih terperinci