TRACKING GERAK TANGAN BERBASIS PYRAMIDAL LUCAS-KANADE
|
|
- Djaja Yuwono
- 7 tahun lalu
- Tontonan:
Transkripsi
1 TRACKING GERAK TANGAN BERBASIS PYRAMIDAL LUCAS-KANADE Affan Mahtarami 1, Moch. Hariadi 2 1,2 Jurusan Teknik Elektro, Fakultas Teknologi Industri, ITS Sukolilo, Surabaya Abstrak Kebutuhan akan metode interaksi dan komunikasi yang lebih alami antara user dan komputer adalah salah satu tuntutan dari perkembangan teknologi. Metode interaksi pada apilikasi Virtual Reality, Wearable Computer, dan Augmented Reality menyarankan bahwa perangkat interaksi tradisional seperti keyboard, mouse, dan joystik, tidak lagi nyaman digunakan. Teknik interaksi berbasis visi komputer menjadi kandidat teknik interaksi yang bersifat alami. Teknik ini tidak membutuhkan kontak langsung pengguna dengan peralatan input, melainkan komputer menangkap gerakan pengguna melalui kamera video dan menginterpretasikannya. Salah satu gerakan dari tubuh manusia yang sering digunakan sebagai alat komunikasi adalah gerakan tangan. Pada tesis ini dilakukan penelitian tracking gerak tangan berbasis kamera tunggal menggunakan algoritma Pyramidal Lucas-Kanade. Tracking dilakukan terhadap marker yang terpasang pada tiap posisi ujung jari dan telapak tangan. Dengan menggunakan tiga buah warna marker, yaitu merah, hijau, dan biru, hasil penelitian menunjukkan tidak terdapat perbedaan signifikan pada hasil tracking terhadap ketiga warna marker tersebut. Selain itu proses re-identifikasi corner dapat meningkatkan rata-rata marker yang dapat ditracking. Kata kunci : tracking gerak tangan, teknik interaksi, interaksi manusia dan komputer 1. Pendahuluan Seiring dengan terus meningkatnya kemajuan teknologi komputer, peranan teknologi komputer dalam mendukung kepentingan manusia juga semakin meningkat. Termasuk salah satunya adalah bidang interaksi manusia dan komputer (IMK), atau sering disebut Human Computer Interaction (HCI). Perangkat keras interaksi antara manusia dan komputer yang digunakan sekarang ini lebih bersifat mekanis, seperti: keyboard, mouse, dan joystick. Meskipun peralatan-peralatan tersebut akurat dan handal (reliable), tetapi model interaksi yang dilakukan tidak bersifat alami sebagaimana manusia berinteraksi dengan sesamanya. Penggunaan peralatan-peralatan tersebut untuk mengoperasikan komputer membutuhkan kontak langsung antara user dengan komputer. Kebutuhan akan komunikasi yang lebih alami antara user dan komputer adalah tuntutan dari perkembangan teknologi komputer itu sendiri. Ketika user berinteraksi dengan komputer tidak hanya di depan meja, melainkan dalam lingkungan virtual (Virtual Reality), menggunakan komputer yang terpasang di badan (Wearable Computer), ataupun dengan perangkat Augmented Reality, maka perangkat-perangkat interaksi tradisional tidak lagi handal untuk digunakan. Teknik interaksi berbasis visi komputer menjadi kandidat teknik interaksi yang bersifat alami. Teknik ini tidak membutuhkan kontak langsung pengguna dengan peralatan input, melainkan komputer menangkap gerakan pengguna melalui kamera video dan menginterpretasikannya. Input secara visual dapat memberikan kemampuan penginderaan pada komputer sebagaimana manusia melakukan penginderaan menggunakan mata. Interaksi antar manusia secara alami tidak membutuhkan mouse atau keyboard, melainkan diantaranya menggunakan tangan, mata, dan telinga untuk mendapatkan informasi dari lingkungan. Salah satu alternatif anggota badan manusia yang dapat dapat digerakan untuk menghasilkan beragam pose adalah tangan. Manusia secara alami terbiasa menggunakan tangan untuk melakukan komunikasi. Manusia menggerakkan tangan untuk mendapatkan beragam pose. Tiap pose memiliki maksud dan makna tersendiri sesuai dengan kesepakatan umum ataupun kesepakatan diantara personal yang melakukan komunikasi. Untuk dapat menangkap informasi yang diberikan, seseorang harus mampu melihat pose tangan dari lawan
2 komunikasinya secara benar, sebelum kemudian menginterpretasikan maknanya. Adopsi teknik interaksi menggunakan isarat tangan pada komputer menuntut hal serupa. Sebelum proses interpretasi, komputer pertama kali harus mampu menangkap pose tangan pengguna dengan benar. Metode tracking yang digunakan menjadi salah satu faktor penting untuk memastikan komputer dapat menangkap pose tangan pengguna dengan benar. Salah satu metode estimasi pose tangan berbasis visual adalah dengan menggunakan ujung jari sebagai fitur yang menjadi titik acuan proses tracking. Metode ini melakukan generalisasi pose tangan 3D menjadi 2D berdasarkan posisi ujung jari relatif terhadap posisi suatu acuan utama pada telapak tangan. Dari informasi tersebut maka sudut rotasi dari tiap-tiap sendi ruas tangan dapat diketahui dengan mengimplementasikan rumusan umum gerak ruas-ruas tangan (Lee, 1995). Terkait dengan metode tracking objek, terdapat beberapa algoritma yang dapat digunakan. Salah satunya adalah metode tracking berbasis optical flow dengan menggunakan algoritma Lucas-Kanade. 2. Rumusan Masalah, Tujuan, dan Manfaat Secara umum, permasalahan yang ingin dipecahkan pada penelitian ini adalah bagaimana melakukan tracking terhadap gerakan tangan pada sebuah sekuen video menggunakan metode optical flow. Dengan mengimplementasikan algoritma optical flow Pyramidal Lucas-Kanade, dan membatasi bagian tangan yang ingin diketahui adalah 6 posisi acuan, yaitu 5 acuan pada ujung jari, dan 1 acuan pada telapak tangan, maka rumusan masalahnya secara khusus adalah bagaimana melakukan tracking terhadap keenam acuan tersebut dengan menggunakan algoritma Optical Flow Pyramidal Lucas-kanade pada sebuah sekuen video. Gerakan tangan diambil menggunakan sebuah kamera, sehingga data yang diolah berupa sebuah sekuen video. informasi dari posisi-posisi titik acuan yang ditracking tersebut secara umum dapat digunakan sebagai dasar estimasi pose tangan pada tiap video. Hasil dari penelitian ini diharapkan dapat diimplementasikan sebagai salah satu teknik interaksi pada beberapa bidang aplikasi, seperti: virtual reality, augmented reality, game komputer, robotika, dan juga dapat dijadikan sebagai dasar aplikasi pengenalan gestur. 3. Kajian Pustaka Beberapa penelitian telah dilakukan berkaitan dengan deteksi ujung jari dengan implementasi pada beragam aplikasi. Deteksi ujung jari dengan pendekatan teknik korelasi dengan menggunakan mask berbentuk lingkaran dilakukan oleh Koike (Koike, 2001), Oka (Oka, 2001), dan Letessier (Letessier,2004). Sedangkan deteksi ujung jari menggunakan teknik template matching dilakukan oleh Crowley (Crowley, 1995), dan O Hagan (O Hagan, 1997). Pendekatan yang dilakukan oleh Malik (Malik, 2004), Segen (Segen, 1998), dan O Hagan (O Hagan, 2002) menggunakan localmaxima bentuk kurva dari batas-luar (boundary) silhuet tangan. Penggunaan marker dalam deteksi ujung jari juga dilakukan pada beberapa penelitian guna meningkatkan kecepatan pemrosesan. Maggioni et al. (Maggioni, 1998) menggunakan marker berbentuk ellips untuk melakukan estimasi terhadap tangan 3D. Metode serupa juga dilakukan oleh Usabiaga (Usabiaga, 2005), namun dengan menggunakan pendekatan multipleview. Sedangkan Kim dan Felner (Kim, 2004) menggunakan marker berwarna putih yang ditempelkan pada ujung jari dengan latar belakang hitam. 4. Model Tangan Manusia Tangan manusia adalah sebuah struktur mekanik kompleks yang terdiri atas beberapa segmen tulang, ligame-ligamen yang menghubungkan antar segmen tulang secara leluasa, otot-otot yang berperan sebagai motor gerak, tendon yang berperan untuk menghubungkan otot dengan tulang, dan kulit serta saraf-saraf halus yang menyelubungi otot dan tulang. Tulang-tulang saling terhubung pada pesendian dan tidak berubah ukurannya. Otot-otot menghasilkan tenaga penggerak dan menggerakkan sendi-sendi. Berdasarkan tipe gerakan dan rotasi yang mungkin dilakukan, sendi-sendi pada tangan manusia dapat diklasifikasikan sebagai flexion, twist, directive, atau spherical. Contoh sendi bertipe flexion dengan 1 DOF adalah lutut dan siku, sedangkan contoh sendi bertipe twist dengan 1 DOF adalah sendi pronation dari lengan bawah. Gerakan direktif dari sendi dengan 2 DOF menghasilkan gerakan flexion dengan arah lebih dari 2. Sendi spherical, sebagaimana pada sendi bahu, memiliki 3 DOF dan dapat melakukan gerakan directive dan twist secara simultan. Gambar 1 mengilustrasikan tipe-tipe sendi pada tangan manusia. Setiap jari (II-V) memiliki empat DOF (dua pada MP, satu pada PIP, dan sati DIP). Sedangkan ibu jari (I) memiliki lima DOF (dua pada MP, dua pada PIP, dan satu pada DIP). Sendi pada pergelangan tangan dilibatkan karena tangan dipandang sebagai bagian terpisah dari lengan bawah. Berdasar pada klasifikasi gerak sendi tersebut, secara keseluruhan tangan manusia memiliki 27 DOF, termasuk 6 DOF untuk memindah posisi dan mengubah orientasi tangan secara keseluruhan.
3 Gambar 2. Pyramidal Optical Flow Gambar 1. Model Persendian Tangan dan Tipe Gerakannya 5. Pyramidal Lucas-Kanade Penyelesaian algoritma Lucas-Kanade dengan pendekatan piramida, atau disebut pyramidal Lucas- Kanade diajukan pertama kali oleh Jean-Yves Bouguet (Bouguet, 2000). Pendekatan ini menggunakan prinsip piramida, yaitu bekerja dari detil citra paling rendah hingga detil citra paling tinggi (Gambar 2). Tujuannya adalah agar gerakan yang besar dapat diperhitungkan. Sementara asumsi yang digunakan pada algoritma Lucas- Kanade adalah gerakan yang kecil dan koheren, sehingga tidak dapat menangkap gerakan yang besar. Solusi untuk dapat menangkap gerakan yang besar pada algoritma Lucas-Kanade adalah dengan menggunakan window yang besar. Tetapi penggunaan window yang besar sering kali membuat gerakan yang ditangkap adalah gerakan yang tidak koheren. Algoritma Pyramidal Lucas- Kanade menyelesaikan permasalahan tersebut tanpa menghilangkan asumsi gerakan yang koheren. Algoritma Pyramidal Lucas-Kanade pertama bekerja pada layer piramida paling tinggi. Kemudian hasilnya digunakan sebagai titik awal untuk bekerja pada layer dibawahnya. Hal ini berlanjut hingga mencapai level paling rendah. Berdasarkan makalah yang diajukan oleh Bouquet (Bouquet, 2000), algoritma Pyramidal Lucas-Kanade dapat dijelaskan sebagai berikut: Misalkan I dan J adalah dua citra gray scale 2D. Dua nilai I(x) = I(x;y) dan J(x) = J(x;y) adalah nilai gray scale dari dua citra pada lokasi x = [x;y] T, dengan x dan y merupakan koordinat dua pixel dari point citra generik x. Citra I akan direferensikan sebagai citra pertama, dan citra J sebagai citra kedua. Anggap sebuah titik u = [u x u y ] T pada citra pertama I. Tujuan dari tracking fitur adalah untuk menemukan lokasi v = u + d = [u x +d x u y +d y ] T pada citra kedua J dengan I(u) dan J(v) adalah serupa. Vektor d = [d x d y ] T merupakan kecepatan citra pada x, juga diketahui sebagai aliran optis pada x. Hal ini penting untuk mendefinisikan dugaan kesamaan dalam ketetanggaan 2D. Misalkan x dan y dua integer yang mendefinisikan setengah ukuran dari window integrasi di atas x. Didefinisikan kecepatan citra d sebagai vektor yang meminimasi fungsi yang didefinisikan sebagai berikut: (1) Untuk menyelesaikan masalah tersebut, digunakan implementasi pyramidal dari algoritma klasik Lucas-Kanade. Implementasi iteratif dari komputasi aliran optis Lucas-Kanade memiliki keakuratan tracking lokal yang memuaskan. 6. Metode Penelitian Langkah-langkah yang dilakukan dalam penelitian ini secara umum dapat dibagi menjadi dua kegiatan utama, yaitu pengambilan data, dan pengolahan data. Pengambilan data adalah pekerjaan yang dilakukan pertama kali. Hasilnya adalah sekuen video gerak tangan. Sekuen video tersebt kemudian menjadi input bagi proses pengolahan data. Eksperimen dilakukan terkait dengan penggunaan beberapa warna marker, yaitu merah, hijau, dan biru. Alur pekerjaan diperlihatkan pada gambar Pengambilan Data Tahap pengambilan data dimulai dengan beberapa persiapan. Persiapan-persiapan tersebut meliputi persiapan alat dan tempat. Peralatan yang disiapkan antara lain: sarung tangan, marker, software, dan kamera web-cam. Sarung tangan yang digunakan adalah sarung tangan kain berwarna
4 putih. Sedangkan marker berwarna merah, hijau, dan biru. Marker dipasangkan pada sarung tangan pada posisi tiap ujung jari dan tengah-pangkal tangan pada bagian telapak. Seting tempat dilakukan berdasarkan kondisi pencahyaan dan latar. Kondisi pencahayaan yang digunakan adalah kondisi pencahayaan ruang (indoor). Sedangkan latar yang digunakan adalah latar dengan warna putih. Pemilihan warna marker ditentukan berdasarkan chanel-chanel warna RGB (Red, Green, Blue). Sedangkan posisi-posisi marker ditentukan pada ujung-ujung jari dan satu di telapak tangan karena dengan informasi lokasi posisi-posisi tersebut gerakan tangan secara keseluruhan dapat diestimasi. Sedangkan latar putih digunakan agar marker dapat teridentifikasi tanpa harus menggunakan proses segmentasi. Proses pengambilan data dilakukan beberapa kali sehingga didapatkan hasil yang paling memuaskan terkait dengan proses segmentasi dan tracking. Pada saat pengambilan data, tangan dengan memakai sarung tangan yang telah ditempeli marker digerakkan didepan kamera dengan telapak tangan menghadap kamera (Gambar 4). Gerakan yang dibuat meliputi gerakan bergeser, berotasi, jari-jari membuka dan menutup, serta mencengkram. tangan kamera Sotware video capture Sekuen video Identifikasi Corner Tracking Sekuen video Hasil tracking Gambar 3. Alur Kerja Penelitian Pengambilan data Pengolahan data 6.2 Pengolahan Data Dalam tahap ini dibuat sebuah program untuk melakukan tracking terhadap marker pada tiap ujung jari tangan dan satu pada pangkal telapak tangan. Metode tracking yang digunakan berbasis opticalflow, yaitu algoritma Pyramidal Lucas-Kanade. Proses tracking diawali dengan identifikasi marker sebagai corner dengan menggunakan algoritma Good Feature to Track Shi-Tomasi. Cornercorner yang teridentifikasi tersebut digunakan sebagai input bagi algoritma Pyramidal Lucas- Kanade untuk dicari area yang sesuai pada berikutnya. 7. Hasil dan Pembahasan 7.1 Pengambilan Data Output dari proses pengambilan data adalah tiga buah sekuen video gerakan tangan, masingmasing untuk marker berwarna merah, hijau, dan biru. Gerakan yang dilakukan tangan meliputi gerakan berputar, bergeser, membuka dan menutup jari, serta mencengkram. Gerakan dilakukan dengan telapak tangan menghadap kamera (frontal view). Gambar 5 memperlihatkan beberapa dari sekuen video tersebut. 7.2 Identifikasi Corner Identifikasi corner adalah proses yang mengawali proses tracking. Corner yang terdeteksi adalah bagian dari yang akan dicari lokasi perpindahannya pada berikutnya. Sebagai eksperimen dicoba tracking terhadap sekuen video gerakan tangan terbuka tanpa menggunakan marker. Hasil proses identifikasi corner pada tangan terbuka, tanpa memakai sarung tangan & marker, menunjukkan bahwa algoritma identifikasi corner Shi-Tomasi berhasil mendeteksi corner-corner hanya pada area tangan, walaupun dengan posisi yang tidak beraturan. Pada proses identifikasi corner yang dilakukan terhadap sekuen video gerakan tangan bermarker, seting variabel nilai maksimal corner yang dideteksi disesuaikan dengan marker yang digunakan, yaitu 6. Diagram pada Gambar 6 menampilkan corner yang terdeteksi tepat pada marker. Dari diagram-diagram tersebut tampak bahwa untuk keseluruhan corner yang terdeteksi tidak selalu tepat pada marker. Hasil deteksi corner tepat pada marker untuk sekuen video gerakan tangan bermarker warna merah memiliki rata-rata 5,68 tiap. Sedangkan untuk sekuen video gerakan tangan bermarker warna hijau memiliki rata-rata 5,64 tiap. Dan untuk sekuen video gerakan tangan bermarker warna biru memiliki rata-rata 5,51 tiap. Ketiga hasil tersebut tidak dapat saling dibandingkan secara
5 corner corner Gambar 4. Situasi Pengambilan Data corner Gambar 6. Jumlah corner yang terdeteksi pada tiap sekuen video langsung karena gerakan pada ketiga sekuen video tidak persis sama. Namun demikian kita dapat melihat tipe-tipe kesalahan deteksi corner. Beberapa deteksi corner yang tidak tepat pada marker jatuh pada area lain dari citra karena marker tidak tertangkap dengan jelas oleh kamera. Hal ini disebabkan karena gerakan yang dilakukan oleh tangan relatif cepat terhadap banyaknya per detik yang ditangkap oleh kamera. Selain itu juga disebabkan karena ada area lain dari citra yang memiliki nilai eigen (eigen value) yang lebih tinggi dibandingkan marker untuk diidentifikasi sebagai marker. 7.3 Tracking Gambar 5. Beberapa Frame Sekuen Video Gerak Tangan Tracking dilakukan terhadap titik-titik yang terdeteksi sebagai corner pada pertama. Gambar 7 menampilkan corner yang terdeteksi pada pertama dari ketiga sekuen video. Dari gambar terlihat bahwa ketidaktepatan deteksi corner
6 terjadi pada pertama sekuen video gerak tangan bermarker warna merah dan biru. Pada kedua tersebut marker pada posisi ujung jari tengah tidak terdeteksi. Deteksi corner pada pertama ini berpengaruh terhadap marker yang dapat ditracking dengan tepat. Jumlah marker yang dapat ditracking dengan tepat tiap-tiap pada ketiga sekuen video ditunjukkan oleh diagram pada 8. Perhitungan ketepatan tracking berdasarkan pada posisi titik hasil tracking. Jika posisi titik tersebut berada pada area marker maka tracking dianggap tepat pada marker (marker berhasil di tracking). Jika tidak maka tracking dianggap gagal. Dari ketiga diagram tersebut terlihat bahwa marker yang berhasil ditracking nya tidak tentu dan memiliki kecenderungan semakin sedikit nya seiring dengan bertambahnya yang ditracking. Jika dianalisa hal tersebut dapat disebabkan karena titik-titik hasil tracking pada suatu digunakan sebagai corner bagi proses tracking pada berikutnya. Sehingga kesalahan tracking suatu titik pada suatu akan berimbas kesalahan pula pada tracking berikutnya. Untuk itu, sebagai eksperimen, dilakukan proses tracking dengan menggunakan proses pengidentifikasian kembali (re-identifikasi) corner setelah proses tracking dilakukan pada se. Perbandingan rata-rata marker yang dapat ditracking tiap pada proses tracking menggunakan proses re-identifikasi setelah n ditampilkan pada Tabel 1 dan Gambar 9. Gambar 7. Hasil deteksi corner pada pertama tiap sekuen video marker marker marker Gambar 8. Jumlah marker yang dapat ditracking dengan tepat tiap-tiap pada ketiga sekuen video Rata-rata marker n Gambar 9. Rata-rata marker yang dapat ditracking pada ketiga sekuen video dengan proses re-identifikasi corner setelah n
7 Tabel 1. Rata-rata marker yang dapat ditracking pada ketiga sekuen video dengan proses re-identifikasi corner setelah n Corporation, Microprocessor Research Labs, n ~ Marker Merah Marker Hijau Marker Biru Kesimpulan Dari hasil penelitian yang telah dilakukan, tampak bahwa penggunaan proses re-identifikasi corner setelah tracking dilakukan pada n meningkatkan rata-rata marker yang berhasil ditracking jika dibandingkan tracking tanpa proses re-identifikasi corner. Rata-rata peningkatannya adalah 1,291 untuk marker merah, 1,418 untuk marker hijau, dan 0,747 untuk marker biru. Begitu pula ketika tracking dilakukan dengan berbasis pada identifikasi corner saja. Nilai rata-rata marker yang berhasil diidentifikasi juga lebih besar, yaitu rata-rata 5,610 dibandingkan 4,319 jika marker ditracking tanpa menggunakan proses reidentifikasi marker. Dengan demikian proses tracking dapat dilakukan hanya dengan menggunakan proses identifikasi corner saja. Sedangkan jika dibandingkan, penggunaan warna marker berbeda, yaitu merah, hijau, dan biru, pada proses tracking ini tidak membuahkan perbedaan hasil yang signifikan. Nilai selisih ratarata marker yang berhasil ditracking terbesar adalah antara marker warna biru dan hijau, yaitu 0,595. Jika dianalisa, perbedaan-perbedaan yang ada lebih disebabkan oleh gerakan-gerakan tangan pada ketiga sekuen video yang tidak persis sama. Daftar Pustaka: Baron, J.L., dan Thacker, N.A., (1995), Tutorial: Computing 2D and 3D Optical Flow, Tina Memo Internal No , Manchester, UK Barron, J., Fleet, D., Beauchemin, S., dan Burkitt, T., (1992), Performance of Optical Flow Techniques, Proc. of the IEEEon Computer Vision and Pattern Recognition, hal Black, M.J., (1992), Robust Incremental Optical Flow, Phd Thesis, Departement of Computer Science, Yale University, New Haven, CT, 1992 Bouguet, J.Y., (2000), Pyramidal Implementation of The Lucas-Kanade Feature Tracker, Intel Bowman, D.A., dan Hodges, L.F., (1999), Formalizing the Design, Evaluation, and Application of Interaction Techniques for Immersive Virtual Environments, Journal of Visual Languages and Computing, Vol. 10, Hal Crawford, C., (2003), Chris Crawford on Game Design, New Riders Publishing, USA. Crowley, J., Berard, F., dan Coutaz, J., (1995), Finger tracking as an input device for augmented reality, IWAGFR 95: International Workshop on Gesture and face recognition, 1995 Davis, J. dan Shah, M., (1994), Visual Gesture Recognition, Vision, Image, and Signal Processing, vol. 141, hal Erol, A. et. al., (2007), Vision-based Hand Pose Estimation: A Review, Computer Vision and Image Understanding, vol. 108, hal Galvin, et. al., (1998), Recovering Motion Fields: An Evaluation of Eight Optical Flow Algorithms, Proc. of British Machine Vision Conference, hal Horn, B.K.P. dan Schunk, B.G., (1980), Determining Optical Flow, AI Memo 572, Massachusetes Institute of Technology, USA Hu, C., Liang, L., Ma, S., dan Lu, H., (2000), Virtual Mouse Inputing Device by Hand Gesture Tracking and Recognition, Proceeding of Third International Conference, Beijing, Cina, 2000 Jo, K.H., Kuno, Y., dan Shirai, Y., (1998), Manipulative gesture recognition using task knowledge for human computer interaction, FG 98: 3 rd International Conference on Face and Gesture Recognition, IEEE Computer Society, Washington DC, USA, 1998 Kim, H., dan Felner, D.W., (2004), Interaction with hand gesture for a back projection wall, CGI 04: Computer Graphics International, IEEE Computer Society, Washigton, USA, 2004 Koike, H., Saito, Y., dan Ozawa, S., (2001), Integrating paper and digital information on
8 enhanceddesk: a method for realtime finger tracking on an augmented desk system, ACM Transaction on Computer Human Interface. Vol. 8(4), hal Lee, J., dan Kunii, T., (1995), Model-based Analysis of hand posture, IEEE Computer Graphics and Applications, Vol. 15, hal Letessier, J., dan Berard, F., (2004), Visual tracking of bare fingers for interactive surfaces, UIST 04: 17 th Annual ACM Symposium on User Interface Software and Technology, NewYork, USA, 2004 Lucas, B. dan Kanade, T., (1981), An Iterative Image Registration Technique With An Application to Stereo Vision, Proc. of DARPA IU Workshop, hal Maggioni, C., (2004), Gesturecomputer history, design, and application, Computer Vision and Human-Machine Interaction, Cambridge, hal Malik, S., dan Laszlo, J., (2004), Visual touchpad: a two-handed gestural input device, ICMI 04: 6 th International Conference on Multimodal Interfaces, ACM Press, NewYork, USA, 2004 Mo, Z., Lewis, J.P., dan Neumann, U., Smartcanvas: a gesture driven intelligent drawing desk system, IUI 05: 10 th International Conference on Intelligent User Interface, ACM Press, NewYork, USA, 2005 Moeslund, T.B. dan Granum E.,(2001), A Survey of Computer Vision-Based Human Motion Capture, Computer Vision and Image Understanding, Vol. 81, hal Noelker, C., dan Ritter, H., (2002), Visual Recognition of Continuous Hand Posture, IEEE Trans. Neural Networks, vol, 15, no. 4, hal O Hagan, R., dan Zelinsky, A.,(1997), Finger track a robust and realtime gesture interface, AI 97: 10 th Australian Joint Conference on Artificial intelligence, Springer-Verlag, London, UK, 1997 O Hagan, R., Zelinsky, A.,dan Rougeaux, S., (2002), Visual gesture interfaces for virtual environments, Interacting with Computers, Vol. 4, hal Oka, K., Sato, Y., dan Koike, H., (2002), Real-time tracking of multiple fingertips and gesture recognition for augmented desk interface systems, FGR 02: Fifth IEEE International Conference on Automatic Face and Gesture Recognition, IEEE Computer Society, Washington DC, USA, 2002 Pernkopf, E., (1989), Pernkopf s Anatomy, Vol. 2, 2 nd ed., Urban & Schwarzenberg Segen, J., dan Kumar, S., (1998), Gesture VR: vision-based 3D interface for spatial interaction, Sixth ACM International Conference on Multimedia, ACM Press, NewYork, USA, 1998 Usabiaga, J.H., (2005), Global hand pose estimation using multiple camera ellipse tracking, Thesis Master, Department of Computer Science, University Of Nevada, Reno, 1995
STUDI PERBANDINGAN WARNA MARKER PADA TRACKING GERAK TANGAN BERBASIS VIDEO
STUDI PERBANDINGAN WARNA MARKER PADA TRACKING GERAK TANGAN BERBASIS VIDEO Affan Mahtarami Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia Jl. Kaliurang Km. 14,5, Yogyakarta
Lebih terperinciTRACKING GERAK TANGAN BERBASIS PYRAMIDAL LUCAS-KANADE
TRACKING GERAK TANGAN BERBASIS PYRAMIDAL LUCAS-KANADE Affan Mahtarami Game Technology NRP: 2207 205 753 Pendahuluan Perkembangan teknologi menuntut teknik interaksi yang natural Virtual reality, augmented
Lebih terperinciTRACKING ARAH GERAKAN TELUNJUK JARI BERBASIS WEBCAM MENGGUNAKAN METODE OPTICAL FLOW
TRACKING ARAH GERAKAN TELUNJUK JARI BERBASIS WEBCAM MENGGUNAKAN METODE OPTICAL FLOW Ubaidillah Umar, Reni Soelistijorini, B. Eng, MT, Haryadi Amran Darwito, S.ST Jurusan Teknik Telekomunkasi - Politeknik
Lebih terperinciTracking Arah Gerakan Telunjuk Jari Berbasis Webcam Menggunakan Metode Optical Flow
The 3 th Industrial Electronics Seminar 2 (IES 2) Electronic Engineering Polytechnic Institute of Surabaya (EEPIS), Indonesia, October 26, 2 Tracking Arah Gerakan Telunjuk Jari Berbasis Webcam Menggunakan
Lebih terperinciPemanfaatan Leap Motion (Hand Motion Tracking) sebagai Pengganti Mouse dan Keyboard Disusun oleh : Rusmono Yulianto, SE,S.
Pemanfaatan Leap Motion (Hand Motion Tracking) sebagai Pengganti Mouse dan Keyboard Disusun oleh : Rusmono Yulianto, SE,S.ST, MM,MT Abstrak Tujuan Leap Motion memberikan alternatif dalam pemanfaatan gerakan
Lebih terperinciPENERAPAN HAND MOTION TRACKING PENGENDALI POINTER PADA VIRTUAL MOUSE DENGAN METODE OPTICAL FLOW
PENERAPAN HAND MOTION TRACKING PENGENDALI POINTER PADA VIRTUAL MOUSE DENGAN METODE OPTICAL FLOW Reza Umami 1*, Irawan Hadi 1, Irma Salamah 1 1 Jurusan Teknik Elektro Program Studi Teknik Telekomunikasi
Lebih terperinciAplikasi Mendeteksi Gerakan Tangan untuk Bermain Game Pingpong dengan Teknik Pengolahan Citra
Citec Journal, Vol. 4, No. 1, November 2016 Januari 2017 ISSN: 2460-4259 Aplikasi Mendeteksi Gerakan Tangan untuk Bermain Game Pingpong dengan Teknik Pengolahan Citra Application to Detect Hand Movements
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN
BAB 3 ANALISIS DAN PERANCANGAN 3.1 Analisis 3.1.1 Permasalahan Pemanfaatan Augmented Reality pada umumnya berfokus pada kemampuan visualnya, yaitu berupa bentuk tiga dimensi, lingkungan tiga dimensi, animasi,
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Seiring dengan terus meningkatnya kemajuan teknologi komputer, peranan teknologi komputer dalam mendukung kepentingan manusia juga semakin meningkat. Termasuk salah
Lebih terperinciBAB III PERANCANGAN SISTEM. Pada dewasa sekarang ini sangat banyak terdapat sistem dimana sistem tersebut
BAB III PERANCANGAN SISTEM 3.1 Definisi Masalah Pada dewasa sekarang ini sangat banyak terdapat sistem dimana sistem tersebut sudah terintegrasi dengan komputer, dengan terintegrasinya sistem tersebut
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Seiring perkembangan teknologi yang amat pesat, menuntut pula adanya otomatisasi dan efisiensi dalam memperoleh informasi. Hal ini didukung pula oleh perkembangan mobile
Lebih terperinciBAB 1 PENDAHULUAN 1.1. Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Zaman semakin berkembang pesat, begitu pula dengan teknologi dan ilmu pengetahuan yang juga turut berkembang dengan pesatnya. Hal ini, membuat manusia berpikir dan
Lebih terperinciFACE TRACKING DAN DISTANCE ESTIMATION PADA REALTIME VIDEO MENGGUNAKAN 3D STEREO VISION CAMERA
FACE TRACKING DAN DISTANCE ESTIMATION PADA REALTIME VIDEO MENGGUNAKAN 3D STEREO VISION CAMERA Edy Winarno¹, Agus Harjoko² ¹ Program Studi Teknik Informatika FTI Universitas Stikubank (UNISBANK) Semarang
Lebih terperinciSISTEM PENDETEKSI WAJAH MANUSIA PADA CITRA DIGITAL (PROPOSAL SKRIPSI) diajukan oleh. NamaMhs NIM: XX.YY.ZZZ. Kepada
SISTEM PENDETEKSI WAJAH MANUSIA PADA CITRA DIGITAL (PROPOSAL SKRIPSI) diajukan oleh NamaMhs NIM: XX.YY.ZZZ Kepada JURUSAN TEKNIK INFORMATIKA STMIK STIKOM BALIKPAPAN LEMBAR PERSETUJUAN Proposal Skripsi
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN
BAB 3 ANALISIS DAN PERANCANGAN Pada bab ini, akan diuraikan perancangan program, mulai dari perancangan algoritma sampai rancangan tampilan. Selain itu akan disajikan juga skema flowchart yang menjelaskan
Lebih terperinciINTERAKSI SCALING TERHADAP OBJECT AUGMENTED REALITY DENGAN TANGAN 3D ALAMI MENGGUNAKAN PENDEKATAN STEREO-VISION
A-157 INTERAKSI SCALING TERHADAP OBJECT AUGMENTED REALITY DENGAN TANGAN 3D ALAMI MENGGUNAKAN PENDEKATAN STEREO-VISION Yories Yolanda, Rifkie Primartha, Hadipurnawan Satria Fakultas Ilmu Komputer, Universitas
Lebih terperinciAnalisis Perbandingan Algoritma Optical Flow dan Background Estimation untuk Pendeteksian Objek pada Video
Analisis Perbandingan Algoritma Optical Flow dan Background Estimation untuk Pendeteksian Objek pada Video Ety Sutanty dan Ari Rosemala Jurusan Sistem Informasi, Universitas Gunadarma Depok, Indonesia
Lebih terperinciAPLIKASI IDENTIFIKASI ISYARAT TANGAN SEBAGAI PENGOPERASIAN E-KIOSK
APLIKASI IDENTIFIKASI ISYARAT TANGAN SEBAGAI PENGOPERASIAN E-KIOSK Wiratmoko Yuwono Jurusan Teknologi Informasi Politeknik Elektronika Negeri Surabaya-ITS Jl. Raya ITS, Kampus ITS, Sukolilo Surabaya 60111
Lebih terperinciKonsep Penambahan High Pass Filter pada Pengenalan Pola Metode SIFT
Konsep Penambahan High Pass Filter pada Pengenalan Pola Metode SIFT Argo Wibowo 1 1 Universitas Atma Jaya Yogyakarta,Yogyakarta 55281 ABSTRAK Salah satu tools pengenalan obyek yang sedang banyak dikembangkan
Lebih terperinciDETEKSI WAJAH UNTUK OBJEK 3D MENGGUNAKAN ANDROID
DETEKSI WAJAH UNTUK OBJEK 3D MENGGUNAKAN ANDROID Afdhol Dzikri 1, Dwi Ely Kurniawan 2, Handry Elsharry Adriyanto 3 1,2,3 Jurusan Teknik Informatika, Prodi Teknik Multimedia dan Jaringan, Politeknik Negeri
Lebih terperinciInterior Design in Augmented Reality Environment
Interior Design in Augmented Reality Environment Harta Shuwanto +62856 580 99 144 waeshu@yahoo.com Augmented Reality (AR) akan diaplikasikan pada bidang interior design untuk memudahkan designer dalam
Lebih terperinciPengenalan Benda di Jalan Raya dengan Metode Kalman Filter. Roslyn Yuniar Amrullah
Pengenalan Benda di Jalan Raya dengan Metode Kalman Filter Roslyn Yuniar Amrullah 7406040026 Abstrak Computer Vision merupakan disiplin ilmu perpanjangan dari pengolahan citra digital dan kecerdasan buatan.
Lebih terperinciSISTEM KONTROL GERAK SEDERHANA PADA ROBOT PENGHINDAR HALANGAN BERBASIS KAMERA DAN PENGOLAHAN CITRA
SISTEM KONTROL GERAK SEDERHANA PADA ROBOT PENGHINDAR HALANGAN BERBASIS KAMERA DAN PENGOLAHAN CITRA Dirvi Eko Juliando Sudirman 1) 1) Teknik Komputer Kontrol Politeknik Negeri Madiun Jl Serayu No. 84, Madiun,
Lebih terperinciIDENTIFIKASI KEMATANGAN BUAH TOMAT MENGGUNAKAN METODA BACKPROPAGATION
IDENTIFIKASI KEMATANGAN BUAH TOMAT MENGGUNAKAN METODA BACKPROPAGATION Dila Deswari [1], Hendrick, MT. [2], Derisma, MT. [3] Jurusan Sistem Komputer, Fakultas Teknologi Informasi, Universitas Andalas [1][3]
Lebih terperinciBAB I PENDAHULUAN. paradigma belajar manusia terutama pada kalangan muda, dari cara belajar yang
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Perkembangan teknologi telah membawa banyak perubahan pada aspek kehidupan, salah satunya dalam proses belajar mengajar. Teknologi telah menggeser paradigma
Lebih terperinciBAB 1 PENDAHULUAN. seperti suara, gambar, maupun GPS. Bertolak belakang dengan Virtual Reality. diperkuat, diperlemah, atau dimodifikasi.
BAB 1 PENDAHULUAN 1.1 Latar Belakang Realita yang diperkuat atau Augmented Reality (untuk selanjutnya akan digunakan istilah ini) adalah sebuah istilah untuk teknologi yang memperkaya penglihatan terhadap
Lebih terperinciCOMPUTER VISION UNTUK PENGHITUNGAN JARAK OBYEK TERHADAP KAMERA
Seminar Nasional Teknologi Terapan SNTT 2013 (26/10/2013) COMPUTER VISION UNTUK PENGHITUNGAN JARAK OBYEK TERHADAP KAMERA Isnan Nur Rifai *1 Budi Sumanto *2 Program Diploma Elektronika & Instrumentasi Sekolah
Lebih terperinci1. Pendahuluan 1.1 Latar Belakang
1. Pendahuluan 1.1 Latar Belakang Salah satu cara untuk berkomunikasi adalah dengan cara melakukan interaksi langsung. Dengan interaksi maka setiap orang dapat mengerti maksud pernyataan ataupun perintah
Lebih terperinciFitur Matriks Populasi Piksel Untuk Membedakan Frame-frame Dalam Deteksi Gerakan
Fitur Matriks Populasi Piksel Untuk Membedakan Frame-frame Dalam Deteksi Gerakan Teady Matius Surya Mulyana tmulyana@bundamulia.ac.id, teadymatius@yahoo.com Teknik Informatika Universitas Bunda Mulia Abstrak
Lebih terperinciPEMANFAATAN KAMERA CCTV SEBAGAI ALAT BANTU TRAFFIC SURVEY BIDANG : TRAFFIC ENGINEERING. Ressi Dyah Adriani NPP
PEMANFAATAN KAMERA CCTV SEBAGAI ALAT BANTU TRAFFIC SURVEY BIDANG : TRAFFIC ENGINEERING Ressi Dyah Adriani NPP 10529 ressi.adriani@jasamarga.co.id ABSTRAK Data kepadatan lalu-lintas merupakan kebutuhan
Lebih terperinciUKDW BAB 1 PENDAHULUAN
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Manusia hidup di dunia ini tidak akan pernah terlepas dari yang namanya suatu karya seni, salah satunya seni musik. Pada musik terdapat banyak nada, dan banyak
Lebih terperinciProgram Aplikasi Komputer Pengenalan Angka Dengan Pose Jari Tangan Sebagai Media Pembelajaran Interaktif Anak Usia Dini
Program Aplikasi Komputer Pengenalan Angka Dengan Pose Jari Tangan Sebagai Media Pembelajaran Interaktif Anak Usia Dini Wawan Kurniawan Jurusan PMIPA, FKIP Universitas Jambi wwnkurnia79@gmail.com Abstrak
Lebih terperinciPeningkatan Kualitas Citra Digital Berbasis Color Constancy Menggunakan Gray World
Peningkatan Kualitas Citra Digital Berbasis Color Constancy Menggunakan Heri Priya Waspada, *, Supeno Mardi Susiki Nugroho, Eko Mulyanto Yuniarno S Teknik Elektro, Fakultas Teknologi Industri, ITS Surabaya
Lebih terperinciIDENTIFIKASI DAN TRACKING OBJEK BERBASIS IMAGE PROCESSING SECARA REAL TIME
IDENTIFIKASI DAN TRACKING OBJEK BERBASIS IMAGE PROCESSING SECARA REAL TIME Hendy Mulyawan, M Zen Hadi Samsono, Setiawardhana Jurusan Telekomunkasi - Politeknik Elektronika Negeri Surabaya Institut Teknologi
Lebih terperinciVisualisasi Bentuk Ruangdari Gambar Denah dan Dinding
Visualisasi Bentuk Ruangdari Gambar Denah dan Dinding Kartika Gunadi, UK Petra, Siwalankerto 121 Surabaya, kgunadi@petra.ac.id Liliana, UK Petra, Siwalankerto 121 Surabaya, lilian@petra.ac.id Anthony Wibisono,
Lebih terperinciDETEKSI MARKA JALAN DAN ESTIMASI POSISI MENGGUNAKAN MULTIRESOLUTION HOUGH TRANSFORM
DETEKSI MARKA JALAN DAN ESTIMASI POSISI MENGGUNAKAN MULTIRESOLUTION HOUGH TRANSFORM Charles Edison Chandra; Herland Jufry; Sofyan Tan Computer Engineering Department, Faculty of Engineering, Binus University
Lebih terperinciPEMANFAATAN REAL-TIME FACE TRACKING DALAM APLIKASI AUGMENTED REALITY FRAME KACAMATA ABSTRAK
PEMANFAATAN REAL-TIME FACE TRACKING DALAM APLIKASI AUGMENTED REALITY FRAME KACAMATA 1 Endang Setyati, 2 David Alexandre Teknik Informatika Sekolah Tinggi Teknik Surabaya 1 endang@stts.edu, 2 v.davidalexandre@gmail.com
Lebih terperinciRANCANG BANGUN SISTEM PELACAKAN OBJEK SECARA REAL TIME BERDASARKAN WARNA
ISSN : 2442-5826 e-proceeding of Applied Science : Vol.2, No.1 April 2016 Page 383 RANCANG BANGUN SISTEM PELACAKAN OBJEK SECARA REAL TIME BERDASARKAN WARNA Luki Wahyu Hendrawan 1 Mohammad Ramdhani, S.T.,M.T
Lebih terperinciGambar 15 Contoh pembagian citra di dalam sistem segmentasi.
dalam contoh ini variance bernilai 2000 I p I t 2 = (200-150) 2 + (150-180) 2 + (250-120) I p I t 2 = 28400. D p (t) = exp(-28400/2*2000) D p (t) = 8.251 x 10-4. Untuk bobot t-link {p, t} dengan p merupakan
Lebih terperinciJurnal Ilmiah Komputer dan Informatika (KOMPUTA) PEMBANGUNAN VIRTUAL MIRROR EYEGLASSES MENGGUNAKAN TEKNOLOGI AUGMENTED REALITY
79 PEMBANGUNAN VIRTUAL MIRROR EYEGLASSES MENGGUNAKAN TEKNOLOGI AUGMENTED REALITY Zaid Arham 1, Nelly Indriani W. 2 1,2 Jurusan Teknik Informatika Fakultas Teknik dan Ilmu Komputer - Universitas Komputer
Lebih terperinciBAB I PENDAHULUAN. pengetahuan yang sangat populer saat ini. Dengan ilmu pengetahuan ini, teknologi di
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Teknologi Informasi dan Komunikasi (TIK) merupakan suatu cabang ilmu pengetahuan yang sangat populer saat ini. Dengan ilmu pengetahuan ini, teknologi di dunia
Lebih terperinciNavigasi Perangkat Lunak ebook Reader Berbasis Mobile Menggunakan Fitur Face Tracking
Navigasi Perangkat Lunak ebook Reader Berbasis Mobile Menggunakan Fitur Face Tracking Rikza Azriyan, Saparudin, dan Reza Firsandaya Malik Jurusan Teknik Informatika, Fakultas Ilmu Komputer, Universitas
Lebih terperinciBAB III LANDASAN TEORI
BAB III LANDASAN TEORI Bab ini akan membahas uraian dasar teori yang akan digunakan penulis dalam melakukan perancangan dan pembuatan program yang dapat dipergunakan sebagai pembanding atau acuan di dalam
Lebih terperinciDETEKSI WAJAH BERBASIS SEGMENTASI WARNA KULIT MENGGUNAKAN RUANG WARNA YCbCr & TEMPLATE MATCHING
DETEKSI WAJAH BERBASIS SEGMENTASI WARNA KULIT MENGGUNAKAN RUANG WARNA YCbCr & TEMPLATE MATCHING Rony Wijanarko *, Nugroho Eko Fakultas Teknik Universitas Wahid Hasyim Semarang Jl. Menoreh Tengah X/22 Semarang
Lebih terperinciBAB 3 PERANCANGAN DAN PEMBUATAN SISTEM
BAB 3 PERANCANGAN DAN PEMBUATAN SISTEM Dalam bab ini akan dibahas mengenai perancangan dan pembuatan sistem aplikasi yang digunakan sebagai user interface untuk menangkap citra ikan, mengolahnya dan menampilkan
Lebih terperinciANALISIS PENGARUH EXPOSURE TERHADAP PERFORMA ALGORITMA SIFT UNTUK IMAGE MATCHING PADA UNDERWATER IMAGE
ANALISIS PENGARUH EXPOSURE TERHADAP PERFORMA ALGORITMA SIFT UNTUK IMAGE MATCHING PADA UNDERWATER IMAGE HANANTO DHEWANGKORO A11.2009.04783 Universitas Dian Nuswantoro. Semarang, Indonesia Email: hanantodhewangkoro@gmail.com
Lebih terperinciDETEKSI DAN SEGMENTASI OTOMATIS DERET PADA CITRA METERAN AIR
DETEKSI DAN SEGMENTASI OTOMATIS DERET PADA CITRA METERAN AIR Naser Jawas STIKOM Bali Jl. Raya Puputan, No.86, Renon, Denpasar, Bali Email: naser.jawas@gmail.com ABSTRAK Meter air adalah sebuah alat yang
Lebih terperinciDAFTAR PUSTAKA. [1] Azuma, R. T. (1997), A Survey of Augmented Reality, Presence, 6(4), hal
DAFTAR PUSTAKA [1] Azuma, R. T. (1997), A Survey of Augmented Reality, Presence, 6(4), hal 355-385. [2] Azuma, R. T. et. al. (2001), Recent Advances in Augmented Reality, IEEE Computer Graphics and Applications,
Lebih terperinciAPLIKASI PENGENALAN WAJAH UNTUK VALIDASI PESERTA UJIAN ONLINE MENGGUNAKAN METODE HAAR CASCADE DAN EIGEN FACE VECTOR
APLIKASI PENGENALAN WAJAH UNTUK VALIDASI PESERTA UJIAN ONLINE MENGGUNAKAN METODE HAAR CASCADE DAN EIGEN FACE VECTOR Mika Tandililing Program Studi Teknik Komputer, STMIK Profesional ladabarra@gmail.com
Lebih terperinciTRACKING OBJECT MENGGUNAKAN METODE TEMPLATE MATCHING BERBASIS STEREO VISION
TRACKING OBJECT MENGGUNAKAN METODE TEMPLATE MATCHING BERBASIS STEREO VISION Indra Pramana, M Zen Hadi Samsono, Setiawardhana Jurusan Telekomunkasi - Politeknik Elektronika Negeri Surabaya Institut Teknologi
Lebih terperinciRaycasting Pada Augmented Reality Dimensi Tiga
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-7 1 Raycasting Pada Augmented Reality Dimensi Tiga Wahyu Setyo Budi, Supeno Mardi Susiki Nugroho, dan Christyowidiasmoro Jurusan Teknik Elektro, Fakultas Teknologi
Lebih terperinciSistem Pendeteksi Gambar Termanipulasi Menggunakan Metode SIFT
Sistem Pendeteksi Gambar Termanipulasi Menggunakan Metode SIFT Regina Lionnie 1, Mudrik Alaydrus 2 Program Studi Magister Teknik Elektro, Universitas Mercu Buana, Jakarta 1 regina.lionnie.id@ieee.org,
Lebih terperinciSISTEM PENDETEKSI WAJAH MANUSIA PADA CITRA DIGITAL
1 SISTEM PENDETEKSI WAJAH MANUSIA PADA CITRA DIGITAL (Human Face Detection System on Digital Images) Setyo Nugroho 1, Agus Harjoko 2 Program Studi Ilmu Komputer Program Pascasarjana Universitas Gadjah
Lebih terperinciPenjejakan Objek Visual berbasis Algoritma Mean Shift dengan menggunakan kamera Pan-Tilt
Penjejakan Objek Visual berbasis Algoritma Mean Shift dengan menggunakan kamera Pan-Tilt Sulfan Bagus Setyawan 1, Djoko Purwanto 2 Jurusan Teknik Elektro, Institut Teknologi Sepuluh Nopember 1 sulfan13@mhs.ee.its.ac.id
Lebih terperinciPengembangan Program Simulator Frame Kacamata Secara Real-Time 3D Face Tracking dengan Menggunakan Augmented Reality
Pengembangan Program Simulator Frame Kacamata Secara Real-Time 3D Face Tracking dengan Menggunakan Augmented Reality Endang Setyati Information Technology Department Sekolah Tinggi Teknik Surabaya endang@stts.edu,
Lebih terperinciDETEKSI GERAK BANYAK OBJEK MENGGUNAKAN BACKGROUND SUBSTRACTION DAN DETEKSI TEPI SOBEL
DETEKSI GERAK BANYAK OBJEK MENGGUNAKAN BACKGROUND SUBSTRACTION DAN DETEKSI TEPI SOBEL Muhammad Affandes* 1, Afdi Ramadani 2 1,2 Teknik Informatika UIN Sultan Syarif Kasim Riau Kontak Person : Muhammad
Lebih terperinciUJI COBA THRESHOLDING PADA CHANNEL RGB UNTUK BINARISASI CITRA PUPIL ABSTRAK
UJI COBA THRESHOLDING PADA CHANNEL RGB UNTUK BINARISASI CITRA PUPIL I Gusti Ngurah Suryantara, Felix, Ricco Kristianto gusti@bundamulia.ac.id Teknik Informatika Universitas Bunda Mulia ABSTRAK Beberapa
Lebih terperinciKLASIFIKASI KAYU DENGAN MENGGUNAKAN NAÏVE BAYES-CLASSIFIER
KLASIFIKASI KAYU DENGAN MENGGUNAKAN NAÏVE BAYES-CLASSIFIER ACHMAD FAHRUROZI 1 1 Universitas Gunadarma, achmad.fahrurozi12@gmail.com Abstrak Masalah yang akan diangkat dalam makalah ini adalah bagaimana
Lebih terperinciBAB 3 PERANCANGAN SISTEM
BAB 3 PERANCANGAN SISTEM 3.1 Metode Perancangan Perancangan sistem didasarkan pada teknologi computer vision yang menjadi salah satu faktor penunjang dalam perkembangan dunia pengetahuan dan teknologi,
Lebih terperinciMENGHITUNG JUMLAH JARI PADA CITRA TANGAN DENGAN MENGGUNAKAN RUANG WARNA YCBCR DAN TEKNIK DETEKSI KONTUR SKRIPSI. Disusun oleh :
MENGHITUNG JUMLAH JARI PADA CITRA TANGAN DENGAN MENGGUNAKAN RUANG WARNA YCBCR DAN TEKNIK DETEKSI KONTUR SKRIPSI Disusun oleh : DEDY SETIANTO NPM. 0934010203 JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI
Lebih terperinciLeast Square Estimation
Least Square Estimation Untuk menyelesaikan koefisien proyeksi di posisi output, pendekatan Least-Squares pada fungsi aplikabel di ditulis dengan persamaan berikut: dimana sinyal kepastian c menetapkan
Lebih terperinciBAB 1 PENDAHULUAN. Dewasa ini, lahan parkir menjadi kebutuhan utama pengguna kendaraan,
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dewasa ini, lahan parkir menjadi kebutuhan utama pengguna kendaraan, terutama di kota-kota besar. Pada tempat-tempat yang ramai dikunjungi, untuk memudahkan dokumentasi
Lebih terperinciBAB III METODOLOGI PENELITIAN. Penelitian ini menekankan pada objek virtual tiga dimensi gedung-gedung
25 BAB III METODOLOGI PENELITIAN 3.1. Waktu dan Tempat Penelitian Penelitian ini menekankan pada objek virtual tiga dimensi gedung-gedung utama pada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas
Lebih terperinciPENDETEKSI DOCKING STATION MENGGUNAKAN ROTATION INVARIANT LOCAL BINARY PATTERN PADA VISUAL BASED SERVICE ROBOT
PENDETEKSI DOCKING STATION MENGGUNAKAN ROTATION INVARIANT LOCAL BINARY PATTERN PADA VISUAL BASED SERVICE ROBOT Riza Agung Firmansyah 1), Djoko Purwanto 2), Ronny Mardiyanto 3) 1), 2),3) Teknik Elektro
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Deteksi pandangan pada ruang nyata merupakan proses untuk mengestimasi koordinat 3D (x, y, z) titik pandang terhadap objek yang dilihat dalam satuan fisik. Ketika suatu
Lebih terperinciBAB 1 PENDAHULUAN. Augmented Reality menjadi semakin luas. Teknologi Computer Vision berperan
BAB 1 PENDAHULUAN 1.1 Latar Belakang Teknologi Augmented Reality dapat memvisualisasikan dengan baik model 3 dimensi, video, paparan area, maupun animasi 3 dimensi dengan hanya membutuhkan deteksi visual
Lebih terperinciBAB 4 IMPLEMENTASI DAN EVALUASI. menggunakan serial port (baudrate 4800bps, COM1). Menggunakan Sistem Operasi Windows XP.
BAB 4 IMPLEMENTASI DAN EVALUASI Bab ini menjelaskan tentang hasil penelitian yang berupa spesifikasi sistem, prosedur operasional penggunaan program, dan analisa sistem yang telah dibuat. 4.1 Spesifikasi
Lebih terperinciInterior Design in Augmented Reality Environment
Interior Design in Augmented Reality Environment Nama : Harta Shuwanto Contact Number : +62856 580 99 144 Email : waeshu@yahoo.com JURUSAN SISTEM KOMPUTER BINUS UNIVERSITY JAKARTA 2012 Interior Design
Lebih terperinciSISTEM PENGENALAN WAJAH MENGGUNAKAN WEBCAM UNTUK ABSENSI DENGAN METODE TEMPLATE MATCHING
SISTEM PENGENALAN WAJAH MENGGUNAKAN WEBCAM UNTUK ABSENSI DENGAN METODE TEMPLATE MATCHING Mohamad Aditya Rahman, Ir. Sigit Wasista, M.Kom Jurusan Teknik Elektronika, Politeknik Elektronika Negeri Surabaya
Lebih terperinciPENERAPAN GRABBER PADA OPTICAL FLOW UNTUK MENGGERAKKAN CURSOR MOUSE MENGGUNAKAN BOLPOIN
PENERAPAN GRABBERPADA OPTICAL FLOWUNTUK MENGGERAKKAN CURSORMOUSEMENGGUNAKAN BOLPOIN PENERAPAN GRABBER PADA OPTICAL FLOW UNTUK MENGGERAKKAN CURSOR MOUSE MENGGUNAKAN BOLPOIN Anton Setiawan Honggowibowo,
Lebih terperinciDETEKSI KEBAKARAN BERBASIS WEBCAM SECARA REALTIME DENGAN PENGOLAHAN CITRA DIGITAL
DETEKSI KEBAKARAN BERBASIS WEBCAM SECARA REALTIME DENGAN PENGOLAHAN CITRA DIGITAL Ari Sutrisna Permana 1, Koredianto Usman 2, M. Ary Murti 3 Jurusan Teknik Elektro - Institut Teknologi Telkom - Bandung
Lebih terperinciPENGENDALI POINTER DENGAN GAZE TRACKING MENGGUNAKAN METODE HAAR CLASSIFIER SEBAGAI ALAT BANTU PRESENTASI (EYE POINTER)
PENGENDALI POINTER DENGAN GAZE TRACKING MENGGUNAKAN METODE HAAR CLASSIFIER SEBAGAI ALAT BANTU PRESENTASI (EYE POINTER) Edi Satriyanto (edi@eepis-its.edu) Fernando Ardilla Risa Indah Agustriany Lubis Politeknik
Lebih terperinciPerceptual Human Computer Interaction / Interface Menggunakan Teknik Computer Vision
Perceptual Human Computer Interaction / Interface Menggunakan Teknik Computer Vision Khairul Sani Program Magister Teknologi Informasi, Fakultas Teknik, Universitas Gadjah Mada E-mail : khairul.mti13@mail.ugm.ac.id
Lebih terperinciPengantar PENGOLAHAN CITRA. Achmad Basuki PENS-ITS Surabaya 2007
Pengantar PENGOLAHAN CITRA Achmad Basuki PENS-ITS Surabaya 2007 TUJUAN Mahasiswa dapat membuat aplikasi pengolahan citra Mahasiswa dapat menerapkan konsep-konsep pengolahan citra untuk menghasilkan suatu
Lebih terperinciBAB 4 IMPLEMENTASI DAN EVALUASI. Spesifikasi minimum dari perangkat keras yang diperlukan agar dapat. Graphic Card dengan memory minimum 64 mb
BAB 4 IMPLEMENTASI DAN EVALUASI 4.1 Spesifikasi Driver 4.1.1 Spesifikasi Perangkat Keras Spesifikasi minimum dari perangkat keras yang diperlukan agar dapat menjalankan driver ini adalah: Prosesor Pentium
Lebih terperinciKorelasi Jarak Wajah Terhadap Nilai Akurasi Pada Sistem Pengenalan Wajah Menggunakan Stereo Vision Camera
Seminar Nasional Teknologi Informasi dan Komunikasi Terapan (SEMANTIK) 2015 7 Korelasi Jarak Wajah Terhadap Nilai Akurasi Pada Sistem Pengenalan Wajah Menggunakan Stereo Vision Camera Edy Winarno *), Wiwien
Lebih terperinciAminudin NRP Dosen Pembimbing Dr. Ronny Mardiyanto, ST., MT. Dr.Ir. Djoko Purwanto, M. Eng.
Aminudin NRP 2209100050 Dosen Pembimbing Dr. Ronny Mardiyanto, ST., MT. Dr.Ir. Djoko Purwanto, M. Eng. Bidang Studi Elektronika JURUSAN TEKNIK ELEKTRO Fakultas Teknologi Industri Institut Teknologi Sepuluh
Lebih terperinciROBOT CERDAS PEMADAM API MENGGUNAKAN PROYEKSI INTEGRAL
ROBOT CERDAS PEMADAM API MENGGUNAKAN PROYEKSI INTEGRAL Setiawardhana, Riyanto Sigit, Dadet Pramadihanto Politeknik Elektronika Negeri Surabaya Kampus ITS Keputih Sukolilo Surabaya 60111, Indonesia Tel:+62-31-5947280
Lebih terperinciTEKNIK PENGOLAHAN CITRA MENGGUNAKAN METODE KECERAHAN CITRA KONTRAS DAN PENAJAMAN CITRA DALAM MENGHASILKAN KUALITAS GAMBAR
TEKNIK PENGOLAHAN CITRA MENGGUNAKAN METODE KECERAHAN CITRA KONTRAS DAN PENAJAMAN CITRA DALAM MENGHASILKAN KUALITAS GAMBAR Zulkifli Dosen Tetap Fakultas Ilmu Komputer Universitas Almuslim Email : Zulladasicupak@gmail.com
Lebih terperinciEKSTRAKSI CIRI GEOMETRIS UNTUK APLIKASI IDENTIFIKASI WAJAH. Oleh: Kholistianingsih
EKSTRAKSI CIRI GEOMETRIS UNTUK APLIKASI IDENTIFIKASI WAJAH Oleh: Kholistianingsih Abstract Face recognition is a non-contact biometric identification that tries to verify individuals automatically based
Lebih terperinciBAB I PENDAHULUAN. memposisikan diri pada suatu lingkungan baru, sedangkan mapping merupakan
BAB I PENDAHULUAN 1. 1.1 Latar Belakang Localisation merupakan proses yang dilakukan oleh robot untuk memposisikan diri pada suatu lingkungan baru, sedangkan mapping merupakan proses untuk membangun peta
Lebih terperinciRancang Bangun Sistem Penghitung Laju dan Klasifikasi Kendaraan Berbasis Pengolahan Citra
Rancang Bangun Sistem Penghitung Laju dan Klasifikasi Kendaraan Berbasis Pengolahan Citra M Agus Taksiono, Dr. Ronny Mardiyanto, ST., MT.dan Ir. Joko Purwanto M.Eng, Ph.d Jurusan Teknik Elektro, Fakultas
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN
BAB 3 ANALISIS DAN PERANCANGAN 3.1 Kerangka Pikir Pengenalan wajah merupakan suatu teknologi dalam dunia kecerdasan buatan agar komputer dapat meniru kemampuan otak manusia dalam mendeteksi dan mengenali
Lebih terperinciPERKEMBANGAN teknologi dalam bidang animasi 3
PROCEEDING TUGAS AKHIR 1 Perkiraan Pose Manusia Menggunakan 3D Cylindrical Model Hasbi Dwinanto Saputra, Mochammad Hariadi, Ahmad Zaini Jurusan Teknik Elektro Institut Teknologi Sepuluh Nopember, Surabaya
Lebih terperinciDeteksi Posisi dan Ekstraksi Fitur Wajah Manusia Pada Citra Berwarna
Deteksi Posisi dan Ekstraksi Fitur Wajah Manusia Pada Citra Berwarna Iping Supriana 1) Yoseph Suryadharma 2) 1) Program Studi Teknik Informatika Institut Teknologi Bandung email: iping@informatika.org
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
1.1. Latar Belakang BAB I PENDAHULUAN Perkembangan perangkat human-robot interaction (HRI) dalam waktu ke waktu semaking pesat. Seperti seorang peneliti nyatakan dalam sebuah makalah, yaitu Sanna dkk.
Lebih terperinciRabiner L, Juang BH Fundamental of Speech Recognition. New Jersey: PTR Prentice-Hall, Inc. Reynolds D.A An Overview of Automatic
DAFTAR PUSTAKA Bolat B, Yildirim T. 2003. Performance increasing methods for probabilistic Neural Networks. Pakistan Journal of Information and Technology 2(3):250-255. Campbell, J.P., 1997, Speaker Recognition:
Lebih terperinciPENDETEKSI DOCKING STATION MENGGUNAKAN ROTATION INVARIANT LOCAL BINARY PATTERN PADA VISUAL BASED SERVICE ROBOT
PENDETEKSI DOCKING STATION MENGGUNAKAN ROTATION INVARIANT LOCAL BINARY PATTERN PADA VISUAL BASED SERVICE ROBOT Riza Agung Firmansyah1) Djoko Purwanto2) Ronny Mardiyanto3) 1) 2)3) Teknik Elektro Institut
Lebih terperinciUKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Teknologi informasi di dunia yang perkembangannya cukup pesat dalam beberapa tahun terakhir ini membuat aktivitas sehari-hari manusia semakin mudah dilakukan.
Lebih terperinciANALISA HASIL PERBANDINGAN IDENTIFIKASI CORE POINT PADA SIDIK JARI MENGGUNAKAN METODE DIRECTION OF CURVATURE DAN POINCARE INDEX
ANALISA HASIL PERBANDINGAN IDENTIFIKASI CORE POINT PADA SIDIK JARI MENGGUNAKAN METODE DIRECTION OF CURVATURE DAN POINCARE INDEX Mohammad imron (1), Yuliana Melita (2), Megister Teknologi Informasi Institusi
Lebih terperinciArga Wahyumianto Pembimbing : 1. Dr. I Ketut Eddy Purnama, ST., MT 2. Christyowidiasmoro, ST., MT
IDENTIFIKASI DAUN BERDASARKAN FITUR TULANG DAUN MENGGUNAKAN ALGORITMA EKSTRAKSI MINUTIAE Arga Wahyumianto 2209 105 047 Pembimbing : 1. Dr. I Ketut Eddy Purnama, ST., MT 2. Christyowidiasmoro, ST., MT LATAR
Lebih terperinciSISTEM PELACAKAN WAJAH METODE HAAR
SISTEM PELACAKAN WAJAH METODE HAAR Endah Sudarmilah Jurusan Teknik Informatika, Fakultas Komunikasi dan Informatika, Universitas Muhammadiyah Surakarta Email : endah_te@yahoo.com Abstrak. Penelitian deteksi
Lebih terperinciPERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDESAIN KARTU UCAPAN
PERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDESAIN KARTU UCAPAN Rudy Adipranata 1, Liliana 2, Gunawan Iteh Fakultas Teknologi Industri, Jurusan Teknik Informatika, Universitas Kristen Petra Jl. Siwalankerto
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengenalan Citra Citra adalah suatu representasi (gambaran), kemiripan atau imitasi dari suatu objek. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa
Lebih terperinciVisualisasi Model 3D Jari Menggunakan Finger Motion Capture
1 Visualisasi Model 3D Jari Menggunakan Finger Motion Capture Heri Risman, Ahmad Zaini, dan Muhtadin Jurusan Teknik Elektro, Fakultas Teknologi Industri, Institut Teknologi Sepuluh Nopember (ITS) Jl. Arief
Lebih terperinciAPLIKASI PENGOLAHAN CITRA SEBAGAI PENDETEKSI JARI PADA VIRTUAL KEYPAD
APLIKASI PENGOLAHAN CITRA SEBAGAI PENDETEKSI JARI PADA VIRTUAL KEYPAD Akuwan Saleh, Haryadi Amran D, Ahmad Bagus L Dept. Teknik Elektro, Program Studi Teknik Telekomunikasi Politeknik Elektronika Negeri
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Dewasa ini, dengan semakin berkembangnya penggunaan komputer yang semakin interaktif dan pintar, interaksi antara manusia dan komputer menjadi aspek yang sangat penting
Lebih terperinciAnalisis Perbandingan Algoritma Optical Flow dan Background Estimation untuk Pendeteksian Objek pada Video
Analisis Perbandingan Algoritma Optical Flow dan Background Estimation untuk Pendeteksian Objek pada Video 1 Ety Sutanty, 2 Ari Rosemala 1,2 Universitas Gunadarma, Jurusan Sistem Informasi, Depok, Indonesia
Lebih terperinciSISTEM PENDETEKSI PENGHALANG DIAM MENGGUNAKAN METODE PYRAMIDAL LUCAS KANADE OPTICAL FLOW DENGAN PUSTAKA OPENCV
SISTEM PENDETEKSI PENGHALANG DIAM MENGGUNAKAN METODE PYRAMIDAL LUCAS KANADE OPTICAL FLOW DENGAN PUSTAKA OPENCV oleh Sukra Bambang Wahyu Tri Hatmaja NIM : 612008023 Skripsi Untuk melengkapi salah satu syarat
Lebih terperinci