PERHITUNGAN JUMLAH MANUSIA PADA CITRA TERKOMPRESI DENGAN COMPRESSIVE SENSING

KARINA ANGGRAENI

Informasi Umum

Kode

21.04.2690

Klasifikasi

621.38 2 - Signal processing, Information theory

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Image Processing - Signal Processing

Dilihat

255 kali

Informasi Lainnya

Abstraksi

Salah satu bentuk pengimplementasian dari perhitungan jumlah manusia adalah menjalankan sebuah usaha atau bisnis, dimana diperlukan untuk menghitung lalu lintas pelanggan dan dengan keaadaan pandemik COVID-19 pengusaha bisnis harus bisa mengatur batas jumlah pengunjung. Untuk memproses deteksi wajah manusia dan perhitungan jumlah manusia, diperlukan sebuah sistem yang bisa mengidentifikasi dan menghitung semua daerah citra yang mengandung wajah. Namun, masalah yang biasa terjadi adalah besarnya ukuran file tersebut sehingga pengaruhi kapasitas dari sisi penerima. Oleh karena itu diperlukan sebuah sistem yang dapat memperkecil kapasitas pada file tersebut tanpa mengurangi kualitas dan informasi yang terdapat pada citra tersebut. Tujuan dari penelitian ini adalah mengimplementasikan sistem penghitungan jumlah orang menggunakan metode Viola-Jones pada citra hasil Compressive Sensing, menentukan parameter yang menghasilkan performansi terbaik dan menganalisis pengaruh Compressive Sensing terhadap perubahan akurasi, PSNR dan rasio kompresi dalam sistem. Metode yang digunakan untuk mengkompresi citra adalah dengan Compressive Sensing sebuah sistem yang dapat memperkecil kapasitas file tersebut tanpa mengurangi kualitas dan informasi yang terdapat citra tersebut dan untuk mendeteksi wajah pada penelitian ini adalah dengan metode Viola-Jones. Pada metode Viola-Jones didapatkan akurasi sebesar 93,7%. Akan tetapi kesulitan yang didapatkan pada metode ini yaitu menentukan wajah pada suatu citra dimana posisi wajah harus tegak lurus menghadap ke kamera [1]. Viola-Jones merupakan suatu metode yang digunakan untuk mendeteksi wajah. Terdapat 4 komponen utama yaitu Haar-like Features, Integral Image, AdaBoost dan Cascade Classifier. Hasil dari penelitian ini, dengan menggunakan 4 citra sampel, Untuk yang menggunakan Compressive Sensing mendapatkan nilai PSNR 24,8 dB dan nilai rasio kompresi terbaik adalah 81,1% dan akurasi 63,9% dan untuk yang tidak menggunakan Compressive Sensing mendapatkan akurasi 75%.

Kata Kunci: People Counting, Compressive Sensing, Viola-Jones