Peningkatan Deteksi Posisi Wajah Manusia dengan Metode Normal PDF berbasis Algoritma Viola-Jones

Ricardus Anggi Pramunendar; Rama Aria Megantara; Farrikh Alzami; Dwi Puji Prabowo; Dewi Pergiwati; Daurat Sinaga

doi:10.24176/simet.v15i1.10617

Peningkatan Deteksi Posisi Wajah Manusia dengan Metode Normal PDF berbasis Algoritma Viola-Jones

Ricardus Anggi Pramunendar
Rama Aria Megantara
Farrikh Alzami
Dwi Puji Prabowo
Dewi Pergiwati
Daurat Sinaga

Abstract

Deteksi kulit manusia dalam pengolahan citra memiliki peran penting dalam aplikasi seperti analisis gerakan, pencarian citra berbasis konten, interaksi manusia komputer, dan analisis pelacakan gerakan manusia. Meskipun banyak penelitian telah dilakukan, masih ada kendala dalam menghadapi variasi warna kulit manusia yang kompleks. Dalam penelitian ini, diusulkan peningkatan kinerja deteksi kulit manusia dengan memanfaatkan algoritma deteksi wajah Viola-Jones untuk menentukan posisi wajah dalam citra. Selain itu, diterapkan juga teknik pemisahan region kasar dan halus pada wajah guna meningkatkan hasil deteksi kulit manusia. Penggunaan Normal PDF digunakan untuk mencari probabilitas piksel kulit dalam citra. Metode yang diusulkan berhasil mencapai tingkat akurasi tinggi, di mana sebagian besar citra uji memiliki akurasi di atas 90%. Meskipun terdapat beberapa citra yang memiliki akurasi lebih rendah dibandingkan metode sebelumnya, secara keseluruhan metode yang diusulkan mampu meningkatkan kinerja deteksi kulit manusia. Oleh karena itu, penelitian ini memberikan kontribusi berharga dalam pengembangan metode deteksi kulit manusia yang lebih baik.

Keywords

deteksi kulit manusia;pengolahan citra;algoritma Viola-Jones;pemisahan region kasar dan halus;normal PDF

Teks Lengkap:

PDF

Referensi

[1] Li, B., Xue, X., & Fan, J. (2007). A robust incremental learning framework for accurate skin region segmentation in color images. Pattern Recognition, 40(12), 3621-3632.

[2] Naji, S. A., Zainuddin, R., & Jalab, H. A. (2012). Skin segmentation based on multi pixel color clustering models. Digital Signal Processing, 22(6), 933-940.

[3] Kakumanu, P., Makrogiannis, S., & Bourbakis, N. (2007). A survey of skin-color modeling and detection methods. Pattern Recognition, 40(3), 1106-1122.

[4] Vezhnevets, V., Sazonov, V., & Andreeva, A. (2003). A survey on pixel-based skin color detection techniques. Proc. Graphicon.

[5] Chang, F., Ma, Z., & Tian, W. (2007). A Region-Based Skin Color Detection Algorithm. Advances in Knowledge Discovery and Data Mining, 4426, 417-424.

[6] Cheddad, A., Condell, J., Curran, K., & Mc Kevitt, P. (2009). A new colour space for skin tone detection. 2009 16th IEEE International Conference on Image Processing (ICIP), 497-500.

[7] Zheng, Q., Zhang, M., & Wang, W. (2004). A Hybrid Approach to Detect Adult Web Images. Advances in Multimedia Information Processing - PCM 2004, 609-616.

[8] Fasel, I., Fortenberry, B., & Movellan, J. (2005). A generative framework for real-time object detection and classification. Computer Vision and Image Understanding, 98(1), 182-210.

[9] Yogarajah, P., Condell, J., Curran, K., McKevitt, P., & Cheddad, A. (2012). A dynamic threshold approach for skin tone detection in colour images. International Journal of Biometrics, 4(1), 38.

[10] Tan, W. R., Chan, C. S., Yogarajah, P., & Condell, J. (2012). A Fusion Approach for Efficient Human Skin Detection. IEEE Transactions on Industrial Informatics, 8(1), 138-147.

[11] Gorunescu, F. (2011). Data Mining Concepts, Models, and Techniques. Springer Berlin Heidelberg.

[12] Landis, J. R., & Koch, G. G. (1977). The Measurement of Observer Agreement for Categorical Data. Biometrics, 33(1), 159.

[13] Fleiss, J., Levin, B., & Paik, M. (1981). The measurement of interrater agreement. In Statistical Methods for Rates and Proportions, Third Edition, 598-626.

[14] Viola, P., & Jones, M. (2001). Rapid object detection using a boosted cascade of simple features. Proceedings of the 2001 IEEE Computer Society Conference on Computer Vision and Pattern Recognition, 1, I-511-I-518.

[15] Lorenzo-Navarro, J. (2011). Viola-Jones Based Detectors: How Much Affects the Training Set? In Pattern Recognition and Image Analysis, 6669, 297-304.

DOI: https://doi.org/10.24176/simet.v15i1.10617