Ekstraksi Fitur Mirip Haar Untuk Pendeteksian Obyek Dalam Real-Time Video Menggunakan Opencv Dan Implementasinya Pada Sistem Tertanam Beagleboard Xm

Dalam bidang robotika aksi yang tepat diperlukan untuk me-nanggapi keadaan lingkungan. Kondisi lingkungan dapat diperoleh dari sensor-sensor yang terhubung dengan suatu unit pemroses. Salah satu jenis sensor dapat digunakan adalah sensor visual. Suatu obyek yang hanya dapat dikenali secara visual sangat bergantung pada kemam-puan robot dalam mengolah informasi warna atau bentuk obyek. Dalam penelitian ini digunakan pendeteksian obyek berdasarkan eks-traksi fitur mirip haar yang banyak diterapkan pada pengenalan wa-jah otomatis. Metode ini menggunakan metode pembelajaran terarah (supervised learning) AdaBoost untuk melakukan pembelajaran terhadap suatu obyek tertentu. Tahap pembelajaran dilakukan meng-gunakan rasio sampel positif dan negatif sebesar 5:3 untuk membuat tabel look-up. Tiga set tabel training dibuat dengan jumlah sampel dan stage training yang berbeda. Tiga set tabel yang dibuat telah diu-ji menggunakan 2 buah berkas video suatu lingkungan yang diambil dari dua sudut pandang yang berbeda. Telah didapatkan dalam pene-litian ini rasio pendeteksian pada kedua video memberikan kecende-rungan yang sama. Suatu aturan yang sederhana ditunjukkan dalam penelitian ini untuk meningkatkan akurasi tabel look-up. Pustaka OpenCV digunakan dalam penelitian ini karena kemampuannya yang dapat di-tanamkan pada bermacam-macam perangkat keras, termasuk piranti-piranti bergerak dan sistem tertanam. Kecepatan pendeteksian obyek menggunakan sistem tertanam Beagleboard XM juga ditunjukkan dalam penelitian ini