Implementasi Haar Cascade Dalam Sistem Pengenalan Emosi Dari Ekspresi Wajah
Keywords:
Haar Cascade, Deteksi Wajah, Pengenalan Emosi, Ekspresi Wajah, Teknologi InteraktifAbstract
Implementasi Haar Cascade dalam sistem pengenalan emosi dari ekspresi wajah telah berhasil menunjukkan hasil yang signifikan dan memuaskan. Sistem ini efisien dalam mendeteksi wajah manusia dan akurat dalam mengenali berbagai ekspresi emosi seperti marah, sedih, takut, kaget, dan netral. Meskipun masih ada ruang untuk pengembangan lebih lanjut, implementasi ini memiliki potensi besar untuk aplikasi praktis dalam berbagai bidang.
References
Ivan Azhari, Fitriyani. (2020) Implementasi Algoritma Concolutional Neural Network Dalam Deteksi Emosi Manusia Berdasarkan Ekspresi Wajah, Vol. 1, No. 1, 2020.
Dimas Setiawan, Suprih Widodo, Taufik Ridwan, Rifqi Ambari. (2022) Perancangan Deteksi Emosi Manusia berdasarkan Ekspresi Wajah Menggunakan Algoritma VGG16, Vol. 11 No. 1 Tahun. 2022.
Lia Farokhah. (2021) Perbandingan Metode Deteksi Wajah Menggunakan OpenCV Haar Cascade, OpenCV Single Shot Multibox Detector (SSD) dan DLib CNN, Vol. 5 No. 3 Tahun. 2021.
Muhammad Bahit, Nadia Putri Utami, Heru Kartika Candra, Yonal Supit, As’ary Ramadhan. (2023) Upaya Validation of the Haar Cascade Classification Method in Face Detection.
Angga Putra Prakoso , Abdurahman Rasyid , Alvito Deannova, Agung Edi Rahmawan. (2021) Manajemen Risiko Pusdatin. DETEKSI WAJAH MENGGUNAKAN CASCADE CLASSIFIER DENGAN OPENCV-PYTHON, Vol. 2 No. 1 Tahun 2024
Ripan Septian , Dede Irawan Saputra , Susanto Sambasri (2022). Klasifikasi Emosi Menggunakan Convolutional Neural Networks.
Andi Asvin Mahersatillah Suradi , Imran Djafar , Samsu Alam , Asrul Syam (2023). Perbandingan Metode Haar Cascade dan Dlib Dalam Mendeteksi Wajah Secara Realtime, Vol 7, No. 2 Agustus 2023.
Tasya Busrizal Putri , Sofia Saidah , Bambang Hidayat , Fadia Qothrunnada , Darwindra. Pentingnya Deteksi Emosi Berdasarkan Sinyal Suara Manusia Menggunakan Discrete Wavelet Transform (DWT) Dengan Klasifikasi Support Vector Machine (SVM), Vol. 3, No. 1, Juni 2023.
