DETEKSI DAN PENGHITUNGAN MANUSIA PADA VIDEO MENGGUNAKAN METODE HOG DAN SVM
Abstract
Deteksi obyek pejalan kaki lebih sulit daripada mendeteksi obyek lain karena orang dapat menunjukkan gerak yang bervariasi. Selain itu pejalan kaki juga memakai berbagai jenis dan warna pakaian yang berbeda. Oleh karena itu diperlukan suatu metode yang robust yang dapat mendeteksi variabilitas yang tinggi tersebut. Dalam penelitian ini sistem deteksi obyek yang diusulkan menggunakan
Histogram of Oriented Gradient (HOG) yang digunakan untuk mereduksi dimensi dan klasifikasi menggunakan Support Vector Machine (SVM). Reduksi dimensi data ini dapat meningkatkan akurasi dan performa sistem. System ini dapat mendeteksi pejalan kaki dari depan dan belakang. Hasil uji coba terhadap metode yang dibuat ini memiliki tingkat akurasi hingga mencapai adalah 82 %, maka tingkat kegagalannya adalah 18 %. Dan rata-rata waktu komputasi 235.939 detik
Full Text:
PDFReferences
. Malago´n-Borja, Luis., Fuentes, Olac.2007. Object detection using image reconstruction with PCA. Image and Vision Computing.
. R. Gunn, Steve.1998. Support Vector Machines for Classification and Regression. Southampton
. Dalal, N., & Triggs, B. (2005). Histograms of Oriented Gradients for Human Detection. Computer Vision and Pattern Recognition.
. Sembiring, Krisantus. 2007. Penerapan Teknik Support Vector Machine untuk Pendeteksian Intrusi pada Jaringan. Bandung:Indonesia
DOI: http://dx.doi.org/10.36564/njca.v1i1.15
DOI (PDF): http://dx.doi.org/10.36564/njca.v1i1.15.g87
Refbacks
- There are currently no refbacks.
Copyright (c) 2017 Muhammad Imron Rosadi
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.