Search

Cigarettes are one of the biggest contributors to preventable causes of death in society. Cigarette smoke contains various chemicals that can cause various diseases such as chronic coughs, lung cancer, and other health problems. Cigarette smoke not only harms the health of the smoker itself but also the health of others. Sometimes written warnings about smoking bans are often not followed by active smokers. This study aims to identify smokers 'facial recognition in order to recognize and identify smokers' faces who do not obey the rules by using dimensional reduction techniques oriented to the Principal component Analysis (PCA) method. Principal Component Analysis will later be integrated with the Eigenface and Eucladean analysis algorithms to reduce the image size in obtaining the best value vectors to simplify the face image in the input image space and look for the threshold value which is the threshold that the test data must pass so that it can prove the data value. testing becomes recognizable data through the calculation of the distance for each weight. In this study, there were 8 smoker faces with 5 different facial poses that were tested for 40 face recognition experiments and resulted in 34 correct smoker face recognition and 6 wrong smoker face recognition with an accuracy rate of 92.5% and a long face recognition process time of 80. second. This test has proven that the Eigenface and Euclidean distance in the Principal Component Analysis (PCA) are able to handle and recognize smoker's facial image data well., Rokok merupakan salah satu penyumbang terbesar penyebab kematian yang sulit dicegah dalam masyarakat. Asap rokok mengandung berbagai bahan kimia yang dapat menyebabkan berbagai macam penyakit seperti batuk kronis, kanker paru-paru, dan gangguan kesehatan lainnya. Asap rokok tidak hanya membahayakan kesehatan perokok itu sendiri melainkan juga kesehatan orang lain. Terkadang Peringatan tertulis tentang larangan merokok ini sering tidak dipatuhi oleh para perokok aktif. Penelitian ini bertujuan untuk mengidentifikasi pengenalan wajah perokok agar dapat mengenali dan mengetahui wajah perokok yang tidak taat pada aturan dengan menggunakan teknik pereduksian dimensi yang berorientasi pada metode Principal component Analysis (PCA). Principal Component Analaysis nantinya akan di integrasikan dengan algoritma Eigenface dan Eucladean ditance untuk mengurangkan ukuran citra dalam mendapatkan vektor-vektor nilai terbaik untuk mempermudah citra wajah dalam ruang citra masukan dan mencari nilai threshold yang menjadi ambang yang harus dilewati oleh data pengujian sehingga dapat membuktikan nilai data pengujian menjadi data yang dikenali melalui perhitungan jarak tiap bobot. Pada penelitian ini ada 8 wajah perokok dengan 5 pose wajah yang berbeda yang di ujikan sebanyak 40 kali percobaan pengenalan wajah dan menghasilkan 34 pengenalan wajah perokok yang benar dan 6 pengenalan wajah perokok yang salah dengan tingkat akurasi 92.5% dan lama waktu proses pengenalan wajah selama 80 detik. Pengujian Ini sudah membuktikan bahwa Eigenface dan Euclidian distance pada Principal Component Analysis (PCA) mampu menangani dan mengenali data gambar wajah perokok dengan baik .

This study aims to design a system that is able to recognize the face of a people search list (DPO). The application is built using opencv and dlib ddan system testing is done with a dataset consisting of 6 target people. The target was identified when it was exactly perpendicular to the camera but the detection failed when the target's face was not exactly perpendicular. This study also models the transmission of target data detected using long range radio (LORA) at a frequency of 915