DETEKSI JUMLAH WAJAH MENGGUNAKAN METODE YOLO

Djifa Layn

doi:10.23960/jitet.v14i3.9908

Djifa Layn
Politeknik Negeri Samarinda

DOI: https://doi.org/10.23960/jitet.v14i3.9908

Keywords face detection, YOLO, object detection, komputer vision, deep learning

Abstract Views (Last 12 Months)

4 Abstract Views

6 Downloads

Abstract

Abstrak. Deteksi wajah merupakan salah satu teknologi yang banyak digunakan dalam bidang komputer vision dan kecerdasan buatan. Penelitian ini bertujuan untuk membangun sistem pendeteksi jumlah wajah secara real-time menggunakan metode YOLO (You Only Look Once), khususnya YOLOv8 yang dikenal memiliki kecepatan dan akurasi tinggi dalam deteksi objek. Sistem dibuat menggunakan bahasa pemrograman Python, library OpenCV, dan webcam laptop sebagai media input. Metode YOLO dipilih karena memiliki kecepatan deteksi yang baik dan tingkat akurasi yang cukup tinggi dalam mendeteksi objek dibandingkan metode tradisional seperti Haar Cascade. Tahapan penelitian meliputi studi literatur, pengumpulan data, implementasi sistem, dan pengujian. Pengumpulan data dilakukan dengan merekam frame video dalam tiga skenario: variasi jumlah wajah (1 hingga 5 wajah), variasi kondisi pencahayaan (sangat terang, normal, redup, gelap), dan variasi jarak deteksi (0,5 hingga 3 meter). Hasil pengujian menunjukkan bahwa sistem mampu mendeteksi wajah dengan baik secara real-time dengan tingkat akurasi mencapai 93% pada kondisi pencahayaan normal. Sistem juga mampu mendeteksi lebih dari satu wajah secara bersamaan, dengan akurasi mencapai 95% untuk dua wajah dan 90% untuk lima wajah. Namun, kinerja sistem menurun signifikan pada kondisi pencahayaan redup (akurasi 70%) dan pada jarak di atas 2 meter. Sistem diharapkan dapat membantu pengembangan absensi otomatis, keamanan ruangan, dan sistem monitoring berbasis komputer vision.

Downloads

Download data is not yet available.

References

J. Redmon, S. Divvala, R. Girshick, and A. Farhadi, "You Only Look Once: Unified, Real-Time Object Detection," in Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2016, pp. 779-788.

J. Redmon, A. Farhadi, "YOLO9000: Better, Faster, Stronger," in Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2017, pp. 7263-7271.

J. Redmon, A. Farhadi, "YOLOv3: An Incremental Improvement," arXiv preprint arXiv:1804.02767, 2018.

A. Bochkovskiy, C. Y. Wang, and H. Y. M. Liao, "YOLOv4: Optimal Speed and Accuracy of Object Detection," arXiv preprint arXiv:2004.10934, 2020.

Ultralytics, "YOLOv8: A State-of-the-Art Object Detection Model," GitHub Repository, 2023. [Online]. Available: https://github.com/ultralytics/ultralytics

G. Jocher et al., "ultralytics/yolov5: v6.2 - YOLOv5 Classification Models, Apple M1, Reproducibility, ClearML and Deci.ai Integrations," Zenodo, 2022.

W. Chen, H. Huang, S. Peng, C. Zhou, and C. Zhang, "YOLO-face: a real-time face detector," The Visual Computer, vol. 37, no. 4, pp. 805-813, 2021.

Z. Yu, H. Huang, W. Chen, Y. Su, Y. Liu, and X. Wang, "YOLO-FaceV2: A scale and occlusion aware face detector," Pattern Recognition, vol. 155, p. 110714, Nov. 2024.

D. Qi, W. Tan, Q. Yao, and J. Liu, "YOLO5Face: Why Reinventing a Face Detector," in Computer Vision – ECCV 2022 Workshops, Cham, 2023, pp. 228-244.

S. Yang, P. Luo, C. C. Loy, and X. Tang, "WIDER FACE: A Face Detection Benchmark," in Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), Jun. 2016, pp. 5525-5533.

T. Y. Lin, P. Goyal, R. Girshick, K. He, and P. Dollár, "Focal Loss for Dense Object Detection," IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 42, no. 2, pp. 318-327, 2020.

M. Tan and Q. V. Le, "EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks," arXiv preprint arXiv:1905.11946, 2020.

G. Bradski, "The OpenCV Library," Dr. Dobb's Journal of Software Tools, vol. 25, no. 11, pp. 120-125, 2000.

S. Ren, K. He, R. Girshick, and J. Sun, "Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks," IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 39, no. 6, pp. 1137-1149, 2017.

N. A. Sari and R. Ferdiana, "Deteksi Wajah Real-time Menggunakan Metode You Only Look Once (YOLO)," Jurnal Informatika dan Teknik Elektro Terapan (JITET), vol. 11, no. 2, 2023.