Computing and Education Technology Journal
Vol 4, No 1 (2024): APRIL

Perancangan Pendeteksi Wajah dengan Metode Haar Cascade dan Local Binary Pattern Berbasis OpenCV

M. Andry Gunawan (Universitas Lambung Mangkurat)
Harja Santana Purba (Universitas Lambung Mangkurat)
Novan Alkaf Bahraini Saputra (Universitas Lambung Mangkurat)
Nuruddin Wiranda (Universitas Lambung Mangkurat)
Muhammad Hifdzi Adini (Universitas Lambung Mangkurat)



Article Info

Publish Date
20 Jun 2024

Abstract

Pada era perkembangan ilmu dan teknologi saat ini penggunaan teknologi biometrik menjadi salah satu solusi teknologi yang tepat untuk digunakan sebagai sistem keamanan identitas dikarenakan dapat mengenali identitas seseorang secara tepat, cepat, akurat, dan konsisten. Salah satu sistem biometrik yaitu adalah Pengenalan wajah. Pertama, deteksi wajah merupakan bagian pertama dan terpenting dari berbagai jenis proses pemrosesan fitur wajah, seperti pengenalan wajah, pelacakan pose kepala, dan verifikasi wajah, dan masih banyak lagi. Kombinasi antara Haar Cascade dan LBPH memungkinkan untuk mendeteksi dan mengenali wajah dengan akurasi yang tinggi. Pertama, Haar Cascade digunakan untuk mendeteksi wajah dalam gambar atau video. Kemudian, setelah wajah berhasil dideteksi, LBPH digunakan untuk mengekstrak fitur wajah dan merepresentasikannya sebagai histogram. Akhirnya, histogram fitur ini dibandingkan dengan histogram fitur dari wajah yang telah diidentifikasi sebelumnya untuk mengenali identitas seseorang. Secara keseluruhan, pengenalan wajah menggunakan algoritma Haar Cascade dan LBPH dapat digunakan dalam berbagai aplikasi seperti keamanan, pengawasan, dan mengenali wajah pada media sosial. Namun, perlu diingat bahwa teknologi ini memiliki kekurangan seperti sensitivitas terhadap cahaya, jarak, posisi wajah, dan ekspresi wajah, yang dapat mempengaruhi akurasi pengenalan wajah. Pengujian mendeteksi wajah berdasarkan posisi sudut wajah mendapatkan hasil sudut maksimal yang bisa dideteksi yaitu 22,5o kekiri/kenan dengan persentase 85%, dan sistem pengenalan menggunakan Local Binary Pattern Histogram diuji dangan 10 posisi wajah yang diambil secara acak dengan 2 waktu yang berbeda menunjukkan bahwa sistem mampu mengenali wajah dengan tingkat akurasi menghasilkan rata-rata persentase keberhasilan 69%.

Copyrights © 2024






Journal Info

Abbrev

cetj

Publisher

Subject

Computer Science & IT Other

Description

Computing and Education Technology Journal publishes articles about the results of research in the field of computer education including: Interactive learning media Online Assessment Online Teaching Computer Science in ...