Realisasi Penjejakan Wajah Dan Objek Bukan Wajah Menggunakan Haar-Like Features Berbasis Raspberry Pi 2.
ABSTRAK
REALISASI PENJEJAKAN WAJAH DAN OBJEK BUKAN
WAJAH MENGGUNAKAN HAAR-LIKE FEATURES
BERBASIS RASPBERRY PI 2
Disusun oleh :
Dwi Dharma Senatriya (1022031)
Program Studi Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha Jalan Prof. Drg. Suria Sumantri, MPH. No. 65, Bandung, Jawa Barat, Indonesia
E-mail : dharmafatty@gmail.com
Pada tugas akhir ini, dibuat sistem pergerakan PiCamera dengan menggunakan motor servo untuk pengenalan wajah dan pengenalan objek bukan wajah berdasarkan algoritma Haar-Like Features dengan keduanya berbasis kan pada Raspberry Pi 2. Haar-Like Features adalah metode yang dapat mengidentifikasi sebuah objek dengan menggunakan fitur-fitur yang digunakan untuk mengidentifikasi objek yang dapat digabungkan dengan motor servo sehingga menjadi realisasi Face and Object Tracking.
Dari hasil realisasi dan data pengamatan, sistem ini dapat berfungsi sesuai tujuan, akan tetapi tingkat keberhasilan untuk pendeteksian wajah dan objek bukan wajah dan motor servo bergerak mengikuti posisi wajah masih dibilang rendah (69%) dikarenakan sangat dipengaruhi oleh cahaya dan kecepatan
processor Raspberry Pi 2 yang digunakan terbatas dan juga kecepatan objek
berjalan di depan kamera.
Kata Kunci : Pengenalan wajah, Pengenalan objek bukan wajah, Rasberry Pi 2, PiCamera, Haar-Like Features, motor servo, Face Tracking
(2)
ii
REALIZATION FACE AND NON-FACE TRACKING USING HAAR-LIKE FEATURES BASED ON RASPBERRY PI 2
Composed by :
Dwi Dharma Senatriya ( 1022031 )
Electrical Engineering Department, Maranatha Christian University Jl. Prof. Drg. SuriaSumantri, MPH. No. 65, Bandung, West Java, Indonesia
E-mail : dharmafatty@gmail.com
ABSTRACT
With this final project, will be made PiCamera movement with motor servo for face and non-face tracking using Haar-Like Features basen on Raspberry Pi 2. Haar-Like Features is one of method that can identify one or more object
using it’s features-features that can be combined with motor servo to realization of Face and object tracking.
from the realization and data sampling and analysis, this system function as expected, however the success rate for face detection and object detection and servo motor movement following the face position are still underperforming around ( 69% ) due the affected light around and limited computing reasource avaible within processor and the speed of moving object infront of PiCamera.
Keywords : Face detection, object detection, Raspberry Pi 2, PiCamera,
(3)
DAFTAR ISI
KATA PENGANTAR ...i
ABSTRAK ... iii
DAFTAR ISI... v
Daftar Gambar ...vi
Daftar Tabel ... vii
BAB 1 ... 1
PENDAHULUAN ... 1
1.1 Latar Belakang ... 1
1.2 Identifikasi Masalah ... 2
1.3 Rumusan Masalah ... 2
1.4 Tujuan ... 2
1.5 Pembatasan Masalah ... 2
1.6 Sistematika Penulisan ... 3
BAB 2 ... 5
LANDASAN TEORI ... 5
2.1 Pengolahan Citra[6] ... 5
2.1.1 Operasi Pengolahan Citra ... 7
2.2 Raspberry Pi 2[8] ... 9
2.3 Pi Camera[9] ... 12
2.4 Motor Servo[10] ... 13
2.4.1 ServoBlaster[13]... 14
2.4.2 Prinsip Kerja Motor Servo[10] ... 16
2.5 Bahasa Pemmrograman Python[7] ... 16
2.5.1 Variabel dan Operator ... 17
2.5.1.1 Bilangan ... 18
2.5.1.2 List ... 18
2.5.2 Pernyataan “Conditional” ... 18
(4)
iv
2.5.2.2 Pernyataan “Try/Except” ... 20
2.5.3 Pernyataan “Looping” ... 20
2.6 OpenCV[1][2] ... 21
2.6.1 Fungsi dalam OpenCV ... 21
2.7 NumPy[7] ... 22
2.7.1 Fungsi dalam NumPy ... 22
2.8 Basis Data ( Database ) ... 23
2.9 Haar-Like Features[3][11][12] ... 24
2.10 Adaboost[4] ... 24
2.11 Integral Images[3][4][5] ... 26
2.12 Derajat Keabuan ( Grayscale )[5] ... 27
BAB 3 ... 29
PERANCANGAN DAN REALISASI ... 29
3.1 Perancangan Sistem ... 29
3.2 Perancangan Perangkat Penjejakan Wajah ... 30
3.2.1 Perancangan Struktur Perangkat Penjejakan Wajah ... 30
3.2.2 Realisasi Struktur Alat Penjejakan Wajah ... 31
3.3 Wiring Diagram Rasberry Pi ... 32
3.4 Konfigurasi Pergerakan Servo ... 33
3.5 Diagram Alir Pembuatan Data Base ... 35
3.5.1 Pembuatan Haar-Like Classifier [14] ... 37
3.6 Diagram Alir Proses Pendeteksian Wajah ... 37
3.7 Diagram Alir Proses Pendeteksian Botol ... 39
3.8 Diagram Air Penjejakan Wajah ... 40
3.9 Diagram Alir Pergerakan Motor Servo ... 43
BAB 4 ... 46
DATA PENGAMATAN DAN ANALISIS ... 46
4.1 Data Pengamatan ... 46
4.2 Analisa Data ... 52
4.2.1 Analisa Pengamatan Objek Tanpa Aksesoris ... 52
4.2.2 Analisa Pengamatan Objek Tanpa dan Menggunakan Aksesoris ... 53
(5)
4.2.4 Analisa Pengamatan Objek Menggunakan Aksesoris Topi ... 54
BAB 5 ... 55
SIMPULAN DAN SARAN ... 55
5.1 Simpulan ... 55
5.1 Saran ... 56
Daftar Pustaka ... 57
Daftar Singkatan dan Istilah ... 58
Lampiran-A “SOURCE CODE” ... 60
(6)
vi
Daftar Gambar
Gambar 2.1 Raspberry Pi 2 ... 9
Gambar 2.2 Pi Camera ... 12
Gambar 2.3 Motor Servo Hextronik HXT900 ... 14
Gambar 2.4 Pulse Width Modulation Motor Servo ... 16
Gambar 2.5 Haar-Like Features ... 24
Gambar 2.6 Algoritma AdaBoost ... 25
Gambar 2.7 Perhitungan Integral Image...28
Gambar 3.1 Diagram Blok Sistem Penjejakan Wajah ... 30
Gambar 3.2 Desain Struktur Perangkat... 31
Gambar 3.3 Realisasi Perangkat ... 32
Gambar 3.4 Wiring Diagram Raspberry Pi 2 ... 33
Gambar 3.5 Posisi Wajah Terdeteksi Pada Monitor. ... 34
Gambar 3.6 Diagram Alir Database Wajah ... 38
Gambar 3.7 Diagram Alir Database Botol ... 39
Gambar 3.8 Diagram Alir Proses Pendeteksian Wajah ... 38
Gambar 3.9 Diargam Alir Proses Pendeteksian Botol ... 39
Gambar 3.10 Diagram Alir Penjejakan Wajah ... 44
Gambar 3.11 Diargam Alir Proses Pergerakan Motor Servo X ... 42
Gambar 3.12 Diargam Alir Proses Pergerakan Motor Servo Y ... 43
(7)
Daftar Tabel
Tabel 2.1 Spesifikasi Raspberry Pi 2 ... 10
Tabel 2.2 Pin-pin GPIO Raspberry Pi 2 model B rev 2 ... 11
Tabel 4.1 Pengamatan Objek Tanpa Aksesoris ... 47
Tabel 4.2 Pengamatan Objek Memakai Aksesoris Kacamata ... 48
Tabel 4.3 Pengamatan Objek Memakai Aksesoris Topi ... 49
Tabel 4.4 Kompilasi Pengamatan Objek Tanpa Asesoris ... 50
Tabel 4.5 Kompulasi Pengamatan Objek Memakai Aksesoris Kacamata ... 51
(8)
(9)
1 BAB 1
PENDAHULUAN
1.1 Latar Belakang
Pendeteksian wajah adalah sebuah teknologi yang dapat menentukan lokasi wajah manusia dalam sebuah citra dan mengabaikan objek lain di sernya. Pada perkembangan pendeteksian wajah yang semakin banyak di terapkan dikehidupan sehari-hari, sebagai contoh untuk sistem pengenalan wajah tersangka oleh pihak berwenang, sistem keamanan untuk tempat-tempat yang harus mendapatkan keamanan yang ketat, absensi yang menggunakan sensor retina dan interaksi antara manusia dengan komputer.
Pendeteksian objek adalah sebuah teknologi yang dapat menentukan objek tertentu yang telah ditentukan terlebih dahulu. Pada dunia nyata pendeteksian objek ini digunakan untuk sistem keamanan seperti orang yang kedapatan membawa senjata di tempat umum.
Adapun alat yang dapat menunjang untuk merealisasikan pendeteksian wajah dan objek ini yaitu salah satunya dengan menggunakan computer tunggal atau SBC (Single Board Computer) Raspberry Pi 2. Di dalam Raspberry Pi 2 telah terdapat prosesor ARM1176JZF-S 700 MHz dan cukup baik untuk melakukan pengolahan citra digital. Dengan metoda yang menggunakan
Haar-Like Features adalah metoda yang digunakan untuk pengklasifikasian dalam
computer visual, Haar-Like Features ini berisikan fitur-fitur yang mengidentifikasi objek.
Dalam perealisasian tugas akhir ini, akan dibuat sebuah alat yang dapat mendeteksi wajah dan objek bukan wajah (botol sirup dan botol kecap) dalam waktu yang bersamaan. Dengan menggunakan Raspberry Pi 2 dengan Haar-Like
(10)
2 BAB 1 PENDAHULUAN
Universitas Kristen Maranatha
1.2 Identifikasi Masalah
Permasalahan yang dibahas dalam tugas akhir ini adalah pengolahan citra untuk mengenali wajah dan objek bukan wajah dengan algoritma Haar-Like Features dan implementasinya dengan Single Board Computer Raspberry Pi 2.
1.3 Rumusan Masalah
1. Bagaimana perancangan dan realisasi dari system face and object tracking dengan metoda Haar-Like Features ?
2. Bagaimana merealisasikannya kedalam Raspberry Pi 2 ?
1.4 Tujuan
1. Merancang dan merealisasikan system face and object tracking dengan metoda
Haar-Like Features.
2. Mengetahui tingkat keberhasilan dari rancangan yang telah dibuat.
1.5 Pembatasan Masalah
Penulis membatasi masalah yang dibahas dalam Tugas Akhir ini adalah sebagai berikut :
1. Wajah yang akan dideteksi adalah wajah seseorang yang menghadap langsung ke kamera dengan memegang sebuah objek tertentu.
2. Objek yang telah ditentukan adalah sebuah objek yang berbentuk botol yang mempunyai leher botol
3. Program menggunakan bahasa Python.
4. Digunakan openCV sebagai pengolahan Haar-Like Features
5. Jarak antara PiCamera dengan wajah dan objek bukan wajah berkisar antara 1.8
– 2m.
6. Wajah dan objek bukan wajah yang ditangkap tidak boleh beririsan dan tidak boleh terhalangi oleh objek lain.
(11)
3 BAB 1 PENDAHULUAN
7. Pi Camera mengikuti arah pergerakan dari wajah dan bukan botol
8. Dalam 1 frame hanya boleh terdapat 1 wajah dan 1 botol
1.6 Sistematika Penulisan
Laporan Tugas Akhir ini terbagi menjadi lima bab utama. Untuk memperjelas penulisan laporan ini, akan diuraikan secara singkat sistematika beserta uraian dari masing-masing bab, yaitu :
BAB 1 – PENDAHULUAN
Bab ini menjelaskan tentang latar belakang permasalahan, identifikasi masalah, perumusan masalah, tujuan, pembatasan masalah, dan sistematika penulisan.
BAB 2 – LANDASAN TEORI
Bab ini menjelaskan mengenai teori-teori yang menunjang proses pembuatan tugas akhir ini. Teori-teori penunjang tersebut meliputi penjelasan tentang pengolahan citra,
Raspberry Pi 2, PiCamera, motor servo, bahasa pemmrograman Python, dan metode
yang digunakan dalam pemrosesan gambar dalam tugas akhir ini meliputi teori metode Haar-Like Features.
BAB 3 – PERANCANGAN DAN REALISASI
Bab ini menjelaskan mengenai proses perancangan sistem, diagram blok sistem, perancangan perangkat pergerakan PiCamera, wiring diagram pergerakan motor servo, diagram alir data base wajah dan botol, diagram alir dari sistem pergerakan
PiCamera berdasarkan perubahan posisi wajah menggunakan metode Haar-Like Features, diagram alir deteksi wajah,diagram alir deteksi botol, diagram alir
(12)
4 BAB 1 PENDAHULUAN
Universitas Kristen Maranatha
BAB 4 – DATA PENGAMATAN DAN ANALISIS
Bab ini berisi data pengamatan dan analisis yang diperoleh dari percobaan sistem pergerakan PiCamera berdasarkan perubahan posisi wajah menggunakan metode
Haar-Like Features yang sudah direalisasikan. Pengamatan yang dilakukan adalah
pada bagian pergerakan motor servo untuk mengikuti objek manusia yang bergerak dari kiri ke kanan dan sebaliknya. Objek yang diamati menggunakan aksesoris kacamata, topi dan tanpa aksesoris.
BAB 5 – SIMPULAN DAN SARAN
Bab ini akan diuraikan simpulan mengenai apa yang telah dibahas pada bab-bab sebelumnya dan saran yang dapat dikembangkan mengenai pembahasan sebelumnya.
(13)
BAB 5
SIMPULAN DAN SARAN
5.1 Simpulan
Berdasarkan hasil percobaan dan data yang diperoleh dapat disimpulkan hal-hal sebagai berikut:
1. Perancangan realisasi penjejakan wajah dan objek bukan wajah menggunakan “Haar-Like Features” berbasis Raspberry Pi 2 telah berfungsi dengan baik, tingkat keberhasilan pendeteksian objek tanpa aksesoris pada wajah dan botol dengan 19 kali percobaan dapat berhasil terdeteksi dan servo mengikuti pergerakan objek wajah sebesar 69%.
2. Selama objek yang terdeteksi menghadap ke kamera dan berjalan menyamping ke kiri maupun ke kanan dengan kecepatan yang relatif pelan kira-kira 1 meter/jam dan objek botol tidak beririsan dengan wajah maka kemungkinan kebehasilan penjejakan wajah dan pendeteksian botol ini berhasil.
(14)
56 BAB 5 SIMPULAN DAN SARAN
Universitas Kristen Maranatha
5.1 Saran
Saran untuk penelitiandan penyempurnaan serta pengembangan lebih lanjut :
1. Implementasi dari program ini dapat diaplikasikan pada sistem keamanan atau robot untuk pedeteksian wajah maupun objek tertentu.
2. Perlu juga dipertimbangkan apabila memakai raspi kamera, karena jangkuan dari raspi kamera yang terbatas oleh panjangnya kabel penghubung kamera ke
port video Raspberry Pi 2.
3. Perlu diperhatikan juga tingkat kecerahan dari ruangan yang dipakai. Atur agar tingkat kecerahan ruangan tidak terlalu gelap dan tidak terlalu terang.
(15)
57
Daftar Pustaka
1. Baggio, Daniel L., 2012. Emami, Shervin. Mastering OpenCV with Practical
Computer Vision Project.
2. Bradski, B., A. Kaehler. 2008. Learning OpenCV. United State of America: O’Reilly Media
3. Rainer Lienhart and Jochen Maydt. Sep. 2002, An Extended Set of Haar-like Features for Rapid Object Detection. IEEE ICIP 2002, Vol. 1, pp. 900-903,
4. Alexander Kuranov, Rainer Lienhart, and Vadim Pisarevsky. July02-01, 2002, An Empirical Analysis of Boosting Algorithms for Rapid Objects With an Extended Set of Haar-like Features. Intel Technical Report MRL-TR.
5. Paul Viola and Michael J. Jones. 2001, Rapid Object Detection using a Boosted Cascade of Simple Features. IEEE CVPR.
6. Munir, R. 2004. Pengolahan Citra Digital dengan Pendekatan Algoritmik. Bandung: Informatika Bandung.
7. Lutz, Mark, 2007. Learning Python (3th Edition). United States of America: O’Reilly Media, Inc.
8. https://www.raspberrypi.org/products/raspberry-pi-2-model-b/ (diakses Januari 2016)
9. https;//www.raspberrypi.org/products/camera-module/ (diakses Maret 2016) 10. https://elektronika-dasar.web.id/teori-elektronika/motor-servo/
(diakses Maret 2016)
11. http://coding-robin.de/2013/07/22/train-your-own-opencv-haar-classifier.html
(diakses Maret 2016)
12. http://note.sonots.com/SciSoftware/haartraining.html (diakses Maret 2016)
13. https://github.com/richardghirst/PiBits/tree/master/ServoBlaster (diakses Mei 2016)
(1)
2 BAB 1 PENDAHULUAN
Universitas Kristen Maranatha 1.2 Identifikasi Masalah
Permasalahan yang dibahas dalam tugas akhir ini adalah pengolahan citra untuk mengenali wajah dan objek bukan wajah dengan algoritma Haar-Like Features dan implementasinya dengan Single Board Computer Raspberry Pi 2.
1.3 Rumusan Masalah
1. Bagaimana perancangan dan realisasi dari system face and object tracking dengan metoda Haar-Like Features ?
2. Bagaimana merealisasikannya kedalam Raspberry Pi 2 ?
1.4 Tujuan
1. Merancang dan merealisasikan system face and object tracking dengan metoda Haar-Like Features.
2. Mengetahui tingkat keberhasilan dari rancangan yang telah dibuat.
1.5 Pembatasan Masalah
Penulis membatasi masalah yang dibahas dalam Tugas Akhir ini adalah sebagai berikut :
1. Wajah yang akan dideteksi adalah wajah seseorang yang menghadap langsung ke kamera dengan memegang sebuah objek tertentu.
2. Objek yang telah ditentukan adalah sebuah objek yang berbentuk botol yang mempunyai leher botol
3. Program menggunakan bahasa Python.
4. Digunakan openCV sebagai pengolahan Haar-Like Features
5. Jarak antara PiCamera dengan wajah dan objek bukan wajah berkisar antara 1.8 – 2m.
6. Wajah dan objek bukan wajah yang ditangkap tidak boleh beririsan dan tidak boleh terhalangi oleh objek lain.
(2)
BAB 1 PENDAHULUAN
Universitas Kristen Maranatha 7. Pi Camera mengikuti arah pergerakan dari wajah dan bukan botol
8. Dalam 1 frame hanya boleh terdapat 1 wajah dan 1 botol
1.6 Sistematika Penulisan
Laporan Tugas Akhir ini terbagi menjadi lima bab utama. Untuk memperjelas penulisan laporan ini, akan diuraikan secara singkat sistematika beserta uraian dari masing-masing bab, yaitu :
BAB 1 – PENDAHULUAN
Bab ini menjelaskan tentang latar belakang permasalahan, identifikasi masalah, perumusan masalah, tujuan, pembatasan masalah, dan sistematika penulisan.
BAB 2 – LANDASAN TEORI
Bab ini menjelaskan mengenai teori-teori yang menunjang proses pembuatan tugas akhir ini. Teori-teori penunjang tersebut meliputi penjelasan tentang pengolahan citra, Raspberry Pi 2, PiCamera, motor servo, bahasa pemmrograman Python, dan metode yang digunakan dalam pemrosesan gambar dalam tugas akhir ini meliputi teori metode Haar-Like Features.
BAB 3 – PERANCANGAN DAN REALISASI
Bab ini menjelaskan mengenai proses perancangan sistem, diagram blok sistem, perancangan perangkat pergerakan PiCamera, wiring diagram pergerakan motor servo, diagram alir data base wajah dan botol, diagram alir dari sistem pergerakan PiCamera berdasarkan perubahan posisi wajah menggunakan metode Haar-Like Features, diagram alir deteksi wajah,diagram alir deteksi botol, diagram alir pengontrolan servo.
(3)
4 BAB 1 PENDAHULUAN
Universitas Kristen Maranatha BAB 4 – DATA PENGAMATAN DAN ANALISIS
Bab ini berisi data pengamatan dan analisis yang diperoleh dari percobaan sistem pergerakan PiCamera berdasarkan perubahan posisi wajah menggunakan metode Haar-Like Features yang sudah direalisasikan. Pengamatan yang dilakukan adalah pada bagian pergerakan motor servo untuk mengikuti objek manusia yang bergerak dari kiri ke kanan dan sebaliknya. Objek yang diamati menggunakan aksesoris kacamata, topi dan tanpa aksesoris.
BAB 5 – SIMPULAN DAN SARAN
Bab ini akan diuraikan simpulan mengenai apa yang telah dibahas pada bab-bab sebelumnya dan saran yang dapat dikembangkan mengenai pembahasan sebelumnya.
(4)
55
Universitas Kristen Maranatha BAB 5
SIMPULAN DAN SARAN 5.1 Simpulan
Berdasarkan hasil percobaan dan data yang diperoleh dapat disimpulkan hal-hal sebagai berikut:
1. Perancangan realisasi penjejakan wajah dan objek bukan wajah menggunakan “Haar-Like Features” berbasis Raspberry Pi 2 telah berfungsi dengan baik, tingkat keberhasilan pendeteksian objek tanpa aksesoris pada wajah dan botol dengan 19 kali percobaan dapat berhasil terdeteksi dan servo mengikuti pergerakan objek wajah sebesar 69%.
2. Selama objek yang terdeteksi menghadap ke kamera dan berjalan menyamping ke kiri maupun ke kanan dengan kecepatan yang relatif pelan kira-kira 1 meter/jam dan objek botol tidak beririsan dengan wajah maka kemungkinan kebehasilan penjejakan wajah dan pendeteksian botol ini berhasil.
(5)
56 BAB 5 SIMPULAN DAN SARAN
Universitas Kristen Maranatha 5.1 Saran
Saran untuk penelitiandan penyempurnaan serta pengembangan lebih lanjut :
1. Implementasi dari program ini dapat diaplikasikan pada sistem keamanan atau robot untuk pedeteksian wajah maupun objek tertentu.
2. Perlu juga dipertimbangkan apabila memakai raspi kamera, karena jangkuan dari raspi kamera yang terbatas oleh panjangnya kabel penghubung kamera ke port video Raspberry Pi 2.
3. Perlu diperhatikan juga tingkat kecerahan dari ruangan yang dipakai. Atur agar tingkat kecerahan ruangan tidak terlalu gelap dan tidak terlalu terang.
(6)
Daftar Pustaka
1. Baggio, Daniel L., 2012. Emami, Shervin. Mastering OpenCV with Practical Computer Vision Project.
2. Bradski, B., A. Kaehler. 2008. Learning OpenCV. United State of America: O’Reilly Media
3. Rainer Lienhart and Jochen Maydt. Sep. 2002, An Extended Set of Haar-like Features for Rapid Object Detection. IEEE ICIP 2002, Vol. 1, pp. 900-903,
4. Alexander Kuranov, Rainer Lienhart, and Vadim Pisarevsky. July02-01, 2002, An Empirical Analysis of Boosting Algorithms for Rapid Objects With an Extended Set of Haar-like Features. Intel Technical Report MRL-TR.
5. Paul Viola and Michael J. Jones. 2001, Rapid Object Detection using a Boosted Cascade of Simple Features. IEEE CVPR.
6. Munir, R. 2004. Pengolahan Citra Digital dengan Pendekatan Algoritmik. Bandung: Informatika Bandung.
7. Lutz, Mark, 2007. Learning Python (3th Edition). United States of America: O’Reilly Media, Inc.
8. https://www.raspberrypi.org/products/raspberry-pi-2-model-b/ (diakses Januari 2016) 9. https;//www.raspberrypi.org/products/camera-module/ (diakses Maret 2016)
10. https://elektronika-dasar.web.id/teori-elektronika/motor-servo/ (diakses Maret 2016)
11. http://coding-robin.de/2013/07/22/train-your-own-opencv-haar-classifier.html (diakses Maret 2016)
12. http://note.sonots.com/SciSoftware/haartraining.html (diakses Maret 2016)
13. https://github.com/richardghirst/PiBits/tree/master/ServoBlaster (diakses Mei 2016) 14. https://www.cs.auckland.ac.nz/~m.rezaei/Tutorials/Haar-Training.zip