Face detection using beta wavelet filter and cascade classifier entrained with Adaboost

2015 ◽  
Author(s):  
Rim Afdhal ◽  
Akram Bahar ◽  
Ridha Ejbali ◽  
Mourad Zaied
Author(s):  
Zaid Arham

Perkembangan teknologi augmented realitymenjadi sangat populer saat ini. Hal ini dikarenakanpenggunaan augmented reality sangat menarik dantelah banyak digunakan dalam kehidupan kita.Salah satu contohnya seperti pada strategipemasaran dan pengenalan produk kepadakonsumen melalui aplikasi virtual mirror eyeglassesyang berbasis web. Biasanya konsumen kesulitanjika ingin mencoba sebuah produk kacamata, merekabiasanya hanya bisa mencoba ketika akan membelikacamata dengan mendatangi langsung toko optikyang ada, jadi dengan begitu akan sangat membuangwaktu konsumen, tidak praktis, dan juga mengurangiminat konsumen terhadap produk yang ditawarkan.Dengan aplikasi kacamata virtual ini diharapkandapat menarik minat konsumen dan mengenalkanproduk-produk yang ditawarkan kepada konsumen.Virtual mirror eyeglasses adalah sebuah aplikasidimana konsumen dapat memakai kacamata secaravirtual menggunakan teknik face detection sepertisedang mencoba di depan cermin. Aplikasi inimensimulasikan model kacamata sehingga penggunaseakan-akan sedang menggunakan kacamata secarareal-time. Metode face detection yang digunakanadalah haar cascades classifier. Metode inimenggunakan haar feature yang banyak dandiorganisir dalam cascade classifier. Apabila tiapsubcitra berhasil melewati seluruh filter yang adamaka citra tersebut terdeteksi sebagai wajah. Melalui proses inilah wajah pengguna dapat terdeteksi


2020 ◽  
pp. 229-231
Author(s):  
Jenifa G ◽  
Yuvaraj N ◽  
SriPreethaa K R

Home security system plays a predominant role in the modern era. The purpose of the security systems is to protect the members of the family from intruders. The main idea behind this system is to provide security for residential areas. In today’s world securing our home takes a major role in the society. Surveillance from home to huge industries, plays a significant role in the fulfilment of our security. There are many machine learning algorithms for home security system but Haar-cascade classifier algorithm gives a better result when compared with other machine learning algorithm This system implements a face recognition and face detection using Haar-cascade classifier algorithm, OpenCV libraries are used for training and testing of the face detection process. In future, face recognition will be everywhere in the world. Face recognition is creating a magic in every field with its advanced technology. Visitor/Intruder monitoring system using Machine Learning is used to monitor the person and find whether the person is a known or unknown person from the captured picture. Here LBPH (Local Binary Pattern Histogram) Face Recognizer is used. After capturing the image, it is compared with the available dataset then their respective name and picture is sent to the specified email to alert the owner.


CYCLOTRON ◽  
2020 ◽  
Vol 3 (1) ◽  
Author(s):  
Dwi Agung Ayubi ◽  
Dwi Arman Prasetya ◽  
Irfan Mujahidin

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


2016 ◽  
Vol 10 (3) ◽  
pp. 187-197 ◽  
Author(s):  
Huachun Yang ◽  
Xu An Wang

2019 ◽  
Vol 18 (1) ◽  
pp. 119
Author(s):  
Zul Fachmi ◽  
Made Sudarma ◽  
Lie Jasa

Daftar kehadiran perkuliahan adalah salah satu faktor penting pada aktivitas perkuliahan karena merupakan salah satu syarat untuk mengikuti ujian akhir semester. Pentingnya faktor kehadiran, maka diperlukan suatu sistem kehadiran dengan teknologi komputer vision yang mampu mengatasi permasalahan yang ada pada presensi secara manual. Teknologi komputer vision yang digunakan ialah pendeteksian dan pengenalan citra wajah dengan tujuan dapat memonitoring data kehadiran dari perkuliahan secara tersistem. Pada penelitian ini, proses pendeteksian wajah menggunakan algoritma Viola-Jones, adapun cara kerja dari algoritma Viola-Jones yaitu Haar Like Feature, Integral Image, Adaboost learning dan Cascade classifier. Hasil dari penelitian ini adalah algoritma Viola-Jones berhasil diterapkan pada proses pendeteksian wajah dan pada proses pengenalan citra wajah menggunakan metode KNN (K-Nearest Neighbor) dengan tingkat keakurasian sebesar 94.79%.


Sign in / Sign up

Export Citation Format

Share Document