Teknologi pendeteksian obyek menggunakan kamera telah semakin banyak digunakan antara lain untuk sistem pendeteksian organ biometric seperti wajah, mata, hidung, tangan dan lain-lain. Selain pada organ biometric, pendeteksian obyek juga banyak dilakukan pada obyek-obyek yang lain seperti obyek mobil dan sepeda motor. Deteksi obyek banyak dimanfaatkan pada bidang security dan authorization. Dalam Tugas Akhir ini hanya akan difokuskan pada masalah pendeteksian obyek wajah, deteksi wajah (face detection) adalah salah satu pra proses yang sangat penting didalam sistem pengenalan wajah(face recoginiton) untuk mengetahui letak posisi wajah dalam sebuah citra yang nantinya akan dilakukan untuk proses pengenalan (recognition), sistem pendeteksian wajah ini diimplementasi pada handphone nokia lumia 920 dengan sistem operasi windows phone. Metode yang digunakan dalam penelitian ini adalah Haar Cascade Classifier dengan mengacu pada Haar Rectangular Feature (fitur kotak haar) yang merupakan fitur hasil ekstraksi dari penelition viola jones, dalam penelitian ini terdapat 12876 citra yang digunakan untuk training yang terdiri dari 4916 citra wajah dan 7960 citra non wajah, kemudian terdapat 45 citra yang digunakan untuk testing yang terdir i dari 15 citra yang mengandung single face, 15 citra yang terdapat multiple face dan 15 citra yang tidak terdapat wajah sama sekali.

Object Detection with has been used in the world for example for biometric’s component detection like face, pair of eyes, nose, hand and etc. Beside biometric component, object detection is also implemented for another objects like car and motorcycle detection. Object Detection usually installed on security an authorization. In this research just focus on face detection, face detection is one part of important preprocessing on face recognition system, it will be used to get the face position in the input image before system do face recognition. This research is implemented in Nokia Lumia 920 Device with Windows Phone Operating System. This system use Haar Cascade Classifier to classify the face position in the input image. in this research, system use 12876 sample image for training, 4916 face image and 7960 nonface image. After that system will be test with 45 image, 15 image with singleface object, 15 image with multiface object and 15 image nonface object.