Penerapan Metode SVM Untuk Deteksi Manusia Secara Realtime

Authors

  • Eva Yulia Puspaningrum Universitas Pembangunan Nasional “Veteran” Jawa Timur
  • Sugiarto Sugiarto Universitas Pembangunan Nasional “Veteran” Jawa Timur
  • Hendra Maulana Universitas Pembangunan Nasional “Veteran” Jawa Timur

DOI:

https://doi.org/10.33005/santika.v1i0.26

Keywords:

Deteksi Manusia, HOG, SVM, Realtime

Abstract

Deteksi manusia pada sebuah video atau gambar adalah tugas yang menantang karena ada beberapa  berbagai macam pose dan gerak yang dilakukan dalam video. Ekstraksi  fitur yang kuat dapat memungkinkan untuk mendeteksi manusia dengan baik, bahkan dalam latar belakang yang acak dan di bawah penerangan yang sulit. Masalah ekstraksi  fitur untuk deteksi manusia, menunjukkan bahwa deskriptor Histogram of Oriented Gradient (HOG) memberikan kinerja yang sangat baik. Selain deskriptor fitur, metode klasifikasi juga memiliki pengaruh besar pada performa deteksi manusia. Support Vector Machine (SVM) merupakan salah satu dari metode klasifikasi yang banyak digunakan karena efisiensinya yang baik . Sehingga dalam penelitian ini akan dilakukan deteksi manusia secara realtime menggunakan metode Histogram Of Oriented Gradient  dan  klasifikasi Support Vector Machine.  Selanjutnya output yang dihasilkan notifikasi berupa audio suara. Pada penelitian ini, dari hasil pengujian didapatkan nilai kecepatan FPS sekitar 22 – 25 fps dengan kecepatan deteksi 328,5 – 510,3 (ms) dan nilai akurasi deteksi manusia dengan 4 skenario memiliki rata rata akurasi sebesar 74,2%

References

[1] Dalal, N., Triggs, B.: Histograms of Oriented Gradients for Human Detection. In: IEEE Int. Conf. CVPR, pp. 886–893. 2005
[2] P. Viola, M. J. Jones, and D. Snow. Detecting pedestrians using patterns of motion and appearance. The 9th ICCV, Nice, France, volume 1, pages 734–741, 2003
[3] Pang, Y.W., Yan, H., Yuan, Y.: Robust CoHOG Feature Extraction in Human Centered Image/Video Management System. IEEE Trans. on Systerms, Man, and Cybernetics 42(2), 458–468 (2012)
[4] Wang, X., Han, T.X., Yan, S.: An HOG-LBP Human Detector with Partial Occlusion Handling. In: IEEE Int. Conf. ICCV, pp. 808–820 (2009)
[5] Maji, S., Berg, A.C., Malik, J.: Classification Using Intersection Kernel SVM is Efficient. In: IEEE Int. Conf. CVPR, pp. 1–8 (2008)
[6] Pang, Y.W., , Yuan, Y. LI X., Pan J: Efficient HOG human detection. Elsevier. Signal Processing 91 (773–781). 2011
[7] Navneet Dalal, Bill Triggs, Histograms of oriented gradients for human detection, in: Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, vol. 2, 2005,pp. 886–893

Downloads

Published

2020-11-01

How to Cite

Puspaningrum, E. Y., Sugiarto, S., & Maulana, H. (2020). Penerapan Metode SVM Untuk Deteksi Manusia Secara Realtime. Prosiding Seminar Nasional Informatika Bela Negara, 1, 93–96. https://doi.org/10.33005/santika.v1i0.26

Issue

Section

Articles

Most read articles by the same author(s)

Obs.: This plugin requires at least one statistics/report plugin to be enabled. If your statistics plugins provide more than one metric then please also select a main metric on the admin's site settings page and/or on the journal manager's settings pages.

Similar Articles

<< < 1 2 3 > >> 

You may also start an advanced similarity search for this article.