BAB 4 IMPLEMENTASI DAN PENGUJIAN SISTEM
48 4.1. Implementasi Sistem
48 4.1.1. Spesifikasi Perangkat Keras dan Lunak
48 4.1.2. Tampilan Menu Utama
48 4.1.3. Tampilan Pengenalan Load File
49 4.1.4. Tampilan Pengenalan Capture Webcam
50 4.1.5. Tampilan Help
50 4.1.6. Tampilan About
50 4.2. Pengujian Sistem
50 4.2.1. Tampilan Hasil Pengujian Load File
50 4.2.2. Tampilan Hasil Pengujian Capture Webcam
58
BAB 5 KESIMPULAN DAN SARAN 64
5.1. Kesimpulan 64
5.2. Saran 64
DAFTAR PUSTAKA 65
Universitas Sumatera Utara
DAFTAR TABEL
Hal. Tabel 2.1. Penelitian Terdahulu
29 Tabel 2.2. Penelitian Terdahulu Lanjutan
30 Tabel 3.1. Matriks Nilai RGB Citra Warna
34 Tabel 3.2. Nilai Grayscale Citra Masukan
36 Tabel 3.3. Perhitungan Citra Integral
36 Tabel 3.4. Hasil Citra Integral
36 Tabel 3.5. Rancangan Hasil Pengujian Deteksi Manusia dengan Load File
46 Tabel 3.6. Rancangan Hasil Pengujian Deteksi Manusia dengan Capture Webcam 47
Tabel 4.1. Hasil Pengujian Deteksi Manusia Load File 57
Tabel 4.2. Hasil Pengujian Deteksi Manusia Load File Lanjutan 58
Tabel 4.3. Hasil Pengujian Deteksi Manusia Capture Webcam 63
Universitas Sumatera Utara
DAFTAR GAMBAR
Hal. Gambar 2.1. Contoh Haar Like Feature
7 Gambar 2.2. Variasi Fitur pada Haar
8 Gambar 2.3. Integral Image
8 Gambar 2.4. Perhitungan Nilai Fitur
9 Gambar 2.5. Cascade Clasifier
11 Gambar 2.6. Klasifikasi Haar digunakan dalam OpenCV
12 Gambar 2.7. Nilai Piksel dari Citra Objek Manusia
15 Gambar 2.8. Citra Biner
16 Gambar 2.9. Citra Keabuan
16 Gambar 2.10. Citra Warna
17 Gambar 2.11. Langkah-Langkah Pengolahan Citra Digital
18 Gambar 2.12. Proses Pencitraan Citra Analog menjadi Citra Digital
20 Gambar 2.13. Proses Konversi Citra RGB menjadi Citra Grayscale
22 Gambar 2.14. Proses Pemisahan
23 Gambar 2.15. Contoh Pembagian Blok yang saling Tumpang Tindih
25 Gambar 2.16. Citra Wajah
27 Gambar 3.1. Arsitektur Umum Deteksi dan Menhitung Manusia
31 Gambar 3.2. Citra Wajah Manusia
32 Gambar 3.3. Contoh Nilai Piksel Citra Warna
33 Gambar 3.4. Matriks Nilai Grayscale
34 Gambar 3.5. Pencarian Fitur Haar
35 Gambar 3.6. Contoh Perhitungan Nilai Integral
36 Gambar 3.7. Hasil Deteksi Wajah
38 Gambar 3.8. Proses Pendeteksian citra Manusia
39 Gambar 3.9. Rancangan Menu Utama
42 Gambar 3.10. Rancangan Pengenalan dengan Load File
43 Gambar 3.11. Rancangan Pengenalan dengan Capture Webcam
44 Gambar 3.12. Rancangan Help
45 Gambar 3.13. Rancangan About
45
Universitas Sumatera Utara
Gambar 4.1. Tampilan Menu Utama 49
Gambar 4.2. Tampilan Pengenalan Load File 49
Gambar 4.3. Tampilan Pengenalan Capture Webcam 50
Gambar 4.4. Tampilan Percobaan 1 51
Gambar 4.5. Tampilan Percobaan 2 51
Gambar 4.6. Tampilan Percobaan 3 52
Gambar 4.7. Tampilan Percobaan 4 53
Gambar 4.8. Tampilan Percobaan 5 53
Gambar 4.9. Tampilan Percobaan 6 54
Gambar 4.10. Tampilan Percobaan 7 55
Gambar 4.11. Tampilan Percobaan 8 55
Gambar 4.12. Tampilan Percobaan 9 56
Gambar 4.13. Tampilan Percobaan 10 57
Gambar 4.14. Tampilan Percobaan 1 58
Gambar 4.15. Tampilan Percobaan 2 59
Gambar 4.16. Tampilan Percobaan 3 59
Gambar 4.17. Tampilan Percobaan 4 60
Gambar 4.18. Tampilan Percobaan 5 60
Gambar 4.19. Tampilan Percobaan 6 61
Gambar 4.20. Tampilan Percobaan 7 61
Gambar 4.21. Tampilan Percobaan 8 62
Gambar 4.22. Tampilan Percobaan 9 62
Gambar 4.23. Tampilan Percobaan 10 63
Universitas Sumatera Utara
ABSTRAK
Pemantauan keramaian di tempat-tempat umum diperlukan untuk pengawasan, monitoring maupun untuk keperluan survey kepadatan manusia. Untuk keperluan
survey kepadatan data hasil pemantauan dibutuhkan guna perbaikan tataruang maupun pengembangan infra struktur pada tempat umum tersebut. Menghitung jumlah
manusia pada tempat keramaian umum dapat menggunakan tenaga manusia manual. Tetapi menggunakan cara manual rentan terhadap kesalahan. Maka pada penelitian ini
dilakukan perhitungan jumlah manusia dengan cara mendeteksi manusia dari citra input berdasarkan deteksi bagian dari tubuh manusia yaitu wajah. Dalam penelitian ini
digunakan Viola Jones untuk mendeteksi wajah manusia dalam citra digital dan capture melalui webcam. Citra diinput mengalami proses resize kemudian diubah
menjadi citra abu-abu dengan proses Grayscaling dilanjutkan pembaca fitur haar yang di ambil dari library OpenCV, perhitungan fitur dengan citra integral, dan
pendeteksian objek dengan cascade of classifier. Dari hasil percobaan menggunakan Load File diperoleh: akurasi sebesar 84.8 , error 14.5 dan koreksi visual 7.3 .
Dan dari hasil percobaan menggunakan Capture Webcam diperoleh: akurasi sebesar 82.9, error 16.5 dan koreksi visual 1.3.
Kata kunci: Deteksi Wajah, Menghitung Manusia, Viola-Jones, Citra, OpenCV, Webcam.
Universitas Sumatera Utara
HUMAN FACE DETECTION APPLICATION FOR CALCULATING THE NUMBER OF PEOPLE USING VIOLA-JONES
ABSTRACT
Monitoring crowds in public places is necessary for supervision, monitoring for survey purposes of human density. For the purposes of the survey data density of
monitoring results needed to repair the spatial and infrastructure development in public places. Calculating people in public places can generally use human labor
manual. But using the manual method is prone to errors. So In this research, calculation of the number of people by means of detecting human from the input
image based on the detection part of the human body, specifically face human. In this research Viola Jones used to detect human object in a digital image and capture via
webcam. inputted image experience resize process then converted into a gray image with Grayscaling process followed reader haar feature taken in OpenCV library, the
calculation of the integral features of the image, and object detection with a cascade of classifier. From the experimental results obtained using the Load File: an accuracy of
84.8, 14.5 error and visual correction of 7.3. And the results of experiments using Webcam Capture obtained: an accuracy of 82.9, 16.5 error and visual
correction of 1.3.
Keyword: Face Detection, People Counting, Viola-Jones, Image, OpenCV, Webcam.
Universitas Sumatera Utara
BAB 1 PENDAHULUAN
Kategori