PROYEK MANAGEMENT RUMAH SAKIT

Disusun Oleh:

Maruansa Iruanto Sianipar (223303030248)

Daniel Roppu Ganda Panjaitan (223303030205)
Desward Sigalingging (223303030249)
Surya Alfredo Simanjuntak (223303030246)
Lasia Tomi Sembiring (223303030241)
Laporan Proyek: Deteksi Wajah dengan OpenCV

Pendahuluan
Proyek ini bertujuan untuk mengimplementasikan program deteksi wajah menggunakan OpenCV
dengan menggunakan bahasa pemrograman C++. Program ini dirancang untuk memberikan
kemampuan deteksi wajah secara real-time dalam video, baik melalui webcam maupun file video
lokal. Proyek ini relevan karena deteksi wajah merupakan langkah penting dalam berbagai
aplikasi, termasuk pengenalan wajah dan analisis emosi.

Tujuan
Tujuan utama dari proyek ini adalah menyediakan solusi sederhana namun efektif untuk deteksi
wajah dalam video menggunakan OpenCV. Dengan memanfaatkan kekuatan OpenCV, proyek ini
bertujuan memberikan alat yang dapat digunakan sebagai dasar untuk pengembangan lebih lanjut
dalam aplikasi pengenalan wajah atau pemrosesan video berbasis wajah. Melalui proyek ini,
diharapkan pengguna dapat dengan mudah mengintegrasikan kemampuan deteksi wajah ke dalam
aplikasi mereka.

Persyaratan dan Instalasi

Untuk memulai proyek, pastikan OpenCV sudah terinstal di komputer lokal. Selanjutnya,
tentukan path ke file XML klasifikasi seperti "haarcascade_eye.xml" dan
“haarcascade_frontalface_default” sebelum menjalankan program. File ini dapat ditemukan di
Github dalam direktori OpenCV pada path "opencv/data/haarcascades". Berikut adalah tangkapan
layar struktur direktori dengan file XML klasifikasi yang diperlukan:
Implementasi
Program ini menggunakan kelas VideoCapture dari OpenCV untuk memulai streaming video.
Algoritma deteksi wajah memanfaatkan klasifikasi cascades yang telah dilatih sebelumnya. Setiap
frame video diproses, dan lingkaran digambar di sekitar wajah dan mata yang terdeteksi. Hasil
deteksi ditampilkan dalam jendela video. Berikut adalah tangkapan layar dari program:
Alur Program
Program dimulai dengan menginisialisasi VideoCapture untuk memulai streaming video.
Klasifikasi XML untuk wajah dan mata dimuat untuk digunakan dalam proses deteksi. Program
memasuki loop, di mana setiap frame video ditangkap, dan deteksi wajah dan mata diterapkan
pada setiap frame. Lingkaran kemudian digambar di sekitar wajah dan mata yang terdeteksi. Hasil
deteksi ditampilkan dalam jendela video, dan program dapat dihentikan dengan menekan tombol
'q' atau menutup jendela.
Output
Sebagai contoh hasil dari proyek ini, berikut adalah tangkapan layar dari deteksi wajah pada
berbagai jenis video atau situasi:
Situasi dibawah bagian mata yang dikira tertutup akan tidak terdeteksi

Situasi dibawah ketika banyak wajah yang terdeteksi akan sulit mendeteksi wajah yang lain
Kesimpulan
Dengan berhasilnya implementasi program deteksi wajah menggunakan OpenCV, proyek ini
memberikan solusi sederhana namun efektif untuk aplikasi deteksi wajah dalam video. Program
ini dapat dijadikan dasar untuk pengembangan lebih lanjut dalam konteks pengenalan wajah atau
pemrosesan video berbasis wajah. Dengan menyertakan gambar-gambar yang relevan, laporan ini
diharapkan memberikan pemahaman yang lebih baik kepada pembaca tentang hasil dari proyek
deteksi wajah menggunakan OpenCV.