PENINGKATAN DETEKSI MULTIFACE MENGGUNAKAN PENDEKATAN BIMODALITY PADA VIOLA JONES

Pendeteksian multiface memiliki tingkat kesulitan yang berbeda dengan pendeteksian singleface karena membutuhkan kemampuan dalam mendeteksi pada berbagai skala/ukuran. Viola Jones dapat mendeteksi multiface tampak depan dengan sangat baik dengan dukungan dari AdaBoost yang merupakan salah satu algoritme paling populer untuk menciptakan strong classifier didalam pendeteksian meskipun masih terdapat masalah pada tingkat kemuncul false positive. Penelitian ini akan membahas pengoptimalan kinerja AdaBoost dengan melakukan modifikasi pada tahapan post stage dengan menggunakan konsep pendekatan Bimodality yang bekerja secara split and merge. Dataset yang digunakan berbentuk file gambar yang akan diuji menggunakan aplikasi yang dibangun menggunakan Library ACCORD yang telah dimodifikasi sesuai dengan metode yang diusulkan. Pengujian akan dilakukan secara bertahap terhadap beberapa mode warna dan juga dengan dan tanpa menerapkan metode usulan untuk kemudian dibandingkan hasil pengujiannya. Hasil pengujian menunjukkan peningkatan akurasi dari 68% menjadi 75% dibandingkan dengan pengujian tanpa menerapkan metode usulan.