COMPARING HISTOGRAM OF ORIENTED GRADIENT BY COLOR SPACES FOR HUMAN CLASSIFICATION

MUH ADI PRASETYO, Medi, Drs., M.Kom

2022 | Skripsi | S1 ILMU KOMPUTER

Manusia adalah suatu objek yang penting dalam deteksi objek, maka dari itu teknologi deteksi manusia sangat penting dalam semua teknologi deteksi objek yang bisa mendeteksi dan menunjuk objek. klasifikasi objek sangatlah penting karena klasifikasi objek adalah bagian inti dari deteksi objek, maka dari itu klasifikasi manusia sangatlah penting. riset ini mengklasifikasi apakah terdapat objek manusia dalam suatu gambar atau tidak dengan menggunakan dataset yang diambil dari berbagai kamera pengintai. Inti fokus pada riset ini adalah untuk membandingkan efek pengaruh ruang warna pada klasifikasi manusia menggunakan HOG dan SVM Linear. HOG digunakan untuk mengekstrak fitur gambar untuk diberikan kepada SVM Linear untuk melakukan klasifikasi. Hasil dari setiap kombinasi ruang warna, C parameter, dan normalisasi blok akan dibandingkan untuk mendapatkan kombinasi yang paling optimal. Hasil dari riset akan menunjukkan berapa banyak hasil klasifikasi positif dan negatif pada kedua positif dan negatif data pada setiap kombinasi ruang warna, C parameter, dan normalisasi blok dan juga skor akurasi, presisi, recall, dan F1. Himpunan data mengandung 572 gambar positif dan 363 data negatif untuk dimasukkan ke HOG untuk mengekstrak fitur dan SVM Linear untuk klasifikasi.

Humans are an important object for object detection, thus human detection technologies are very important for all object detection technologies which could detect and pinpoint the object. Object classification is very important as it is the core of object detection, thus human classification is very important. This research classifies whether there's a human or not in the image with a dataset taken from various surveillance cameras. The main focus of this research is to compare the effect color spaces have on human classification results by using HOG and Linear SVM. HOG is used to extract the features of the images to be fed into the Linear SVM to do the classification. The results of each color space, C parameter, and block normalization combination will then be compared to find the most optimum combination. The results of the research will contain how many the positive and negative classification in both positive and negative data result each color space, block normalization, and C parameter combination gives and also its accuracy, precision, recall, and F1 scores. The dataset contains 572 positive images and 363 negative images to be fed into the HOG for feature extraction and SVM Linear for classification.

Kata Kunci : Human Classification, HOG (Histogram of Oriented Gradients), SVM (Support Vector Machine), Machine Learning