PERANCANGAN SISTEM ROBOT MOBIL PENDETEKSI BOLA TENIS MEJA
|
|
- Siska Budiono
- 7 tahun lalu
- Tontonan:
Transkripsi
1 PERANCANGAN SISTEM ROBOT MOBIL PENDETEKSI BOLA TENIS MEJA Ario Witjakso 1 ; Puspita Harum Larasati 2 ; Andi Nurdiansah 3 ; Nathaniel 4 Jurusan Sistem Komputer, Fakultas Ilmu Komputer, BINUS University Jalan K.H. Syahdan No. 9, Palmerah, Jakarta Barat ABSTRACT Computer vision is a branch of science supported developing robotics industry in many benefits. The purpose of the research is to design a robot mobil which could detect object (pingpong balls) and estimate probable distance to approach the object. This research is hoped to be useful in the next robot contests or other application. The method used in this object detection research is integral image technique. Algorithm AdaBoost (Adaptive Boosting) is used to choose best features from other tens of thousands features. Keywords: image processing, ping-pong balls, AdaBoost, integral image. ABSTRAK Computer Vision merupakan salah satu cabang ilmu yang mendukung perkembangan industri robotika yang mengalami perkembangan pesat dalam berbagai kegunaannya. Tujuan dari penelitian ini adalah merancang sebuah robot mobil yang dapat mendeteksi objek (dalam hal ini adalah bola ping-pong) dan mengestimasi jarak agar dapat melakukan pergerakan untuk mendekati objek tersebut, yang diharapkan dapat berguna dalam kontes-kontes robot mendatang ataupun aplikasi lainnya. Metode yang digunakan dalam pendeteksian objek pada penelitian ini adalah dengan teknik integral image. Algoritma AdaBoost (Adaptive Boosting) digunakan untuk memilih fitur-fitur terbaik dari puluhan ribu fitur lain yang mungkin dapat digunakan. Kata kunci: image processing, bola ping-pong, AdaBoost, integral image. Perancangan Sistem Robot... (Ario Witjakso; dkk) 153
2 PENDAHULUAN Semakin banyaknya kontes-kontes robot yang melibatkan penggunaan vision di dalamnya, memperlihatkan semakin berkembangnya penelitian-penelitian di bidang robotika. Salah satu contoh dari kontes robot yang sudah ada adalah RoboSoccer, sebuah robot mobil yang dapat mentracking bola berdasarkan keunikan warna bola tersebut. Dalam jurnal ini hanya akan dibahas tentang bagaimana robot mobil dapat mendeteksi objek yang diinginkan, yakni bola ping-pong dan dapat melakukan pergerakan mendekati objek tersebut dengan pengestimasian jarak dan posisi antara objek dengan robot mobil. Metode pendeteksian objek yang digunakan pada jurnal ini adalah integral image. Metode ini menggunakan fitur-fitur, yang merupakan fitur versi mini dari fungsi basis Haar (Haar basis functions). Kelebihan dari metode ini dibandingkan dengan metode scaning pada citra secara piksel per piksel adalah kecepatannya. Citra di-scan dengan menggunakan fitur-fitur yang telah dipilih sebelumnya dengan ukuran fitur terkecil 16x16 piksel. Algoritma AdaBoost akan menentukan fitur-fitur terbaik yang akan digunakan dalam melakukan pendeteksian. Di dalam algoritma AdaBoost, kita telah men-training gambar-gambar yang terdiri dari positive image (yaitu objek berupa bola ping-pong) dan negative image (objek selain bola ping-pong) yang akan dijadikan gambar acuan dalam komputasi fitur. Fitur-fitur yang telah dipilih dengan menggunakan algoritma AdaBoost tadi dan mendapati hasil yang dideteksi (bola ping-pong), akan ditandai dengan sebuah sub-window. Kumpulan dari beberapa sub-window akan digabungkan (merge), sehingga akan tampak sebuah sub-window baru yang menandakan bahwa objek yang diinginkan telah didapat. Dengan metode seperti ini diharapkan dapat memperkecil kesalahan dalam pendeteksian. Akan tetapi beberapa kelemahan masih dapat terjadi, antar lain karena faktor pencahayaan, warna objek lain, dan warna latar belakang. Setelah proses pendeteksian objek selesai, perhitungan jarak dilakukan guna mengestimasi jarak dan posisi yang harus ditempuh robot mobil untuk mendekati bola. Pergerakan robot mobil pada penelitian ini belum dilakukan secara real time. PEMBAHASAN Pembahasan meliputi seluruh bagian dari sistem yang meliputi, yaitu webcam, PC, dua buah motor servo, dan mikropengendali AT89S52, seperti ditunjukkan pada gambar 1: Gambar 1 Sistem secara keseluruhan 154 Jurnal Teknik Komputer Vol. 18 No. 2 Agustus 2008:
3 Algoritma yang digunakan dalam penelitian ini terdiri atas 3 modul utama (Gambar 2), yakni modul komputasi fitur, modul learning (pemilihan fitur), dan modul pencarian bola. Komputasi fitur merupakan proses untuk menentukan nilai threshold dari setiap fitur yang digunakan berdasarkan teknik perhitungan integral image. Selanjutnya adalah pemilihan fitur yang merupakan proses untuk melakukan pemilihan fitur-fitur terbaik yang akan digunakan, dengan menggunakan algoritma AdaBoost. Sementara, pencarian bola termasuk proses scaning, merging, dan pengkalkulasian jarak dan posisi objek. 1. Modul Komputasi Fitur Gambar 2 Proses Pendeteksian Objek Modul komputasi fitur digunakan untuk menentukan nilai threshold dari setiap fitur yang digunakan. Prosedur penelitian ini mengklasifikasikan citra berdasarkan nilai dari fitur-fitur sederhana yang digunakan. Alasan pemilihan penggunaan fitur dibandingkan dengan penggunaan piksel per piksel adalah kecepatan pemrosesannya. Fitur yang digunakan merupakan versi mini dari fungi basis Haar (Haar basis functions). Dalam penelitian ini digunakan 3 jenis fitur, yaitu fitur dengan 2 persegi panjang, fitur dengan 3 persegi panjang, dan fitur dengan 4 persegi panjang. Gambar 3 menunjukan contoh dari fitur-fitur yang digunakan. Gambar 3 (A) dan (B) merupakan fitur dengan 2 persegi panjang, (C) merupakan fitur dengan 3 persegi panjang, dan (D) merupakan fitur dengan 4 persegi panjang Perancangan Sistem Robot... (Ario Witjakso; dkk) 155
4 Cara perhitungan fitur ialah dengan menggunakan integral image. Integral image merupakan penjumlahan dari seluruh piksel yang berada dalam persegi panjang berwarna putih dikurangi dengan seluruh jumlah piksel yang ada di persegi panjang berwarna abu-abu, seperti pada Gambar 4. Gambar 4 Contoh gambar bola grayscale dengan fitur A, B, C, dan D. 2. Modul Learning (Pemilihan Fitur) AdaBoost (Adaptive Boosting) AdaBoost merupakan sebuah algoritma learning yang banyak digunakan dalam masalah pengklasifikasian. Dalam penelitian ini AdaBoost digunakan untuk memilih fitur-fitur yang baik (weak-classifier) dan membentuk sebuah strong-classifier (kumpulan dari beberapa weakclassifier). Untuk kemudahan dalam pembacaan dan penyusunan buku, maka hanya akan diberikan ilustrasi cara kerja AdaBoost menggunakan 30 gambar dan 4 fitur (pada percobaan sebenarnya, digunakan 60 gambar dan 112 fitur) dengan ukuran gambar training 16 x 16 piksel. Gambar 5 menunjukkan gambar-gambar yang digunakan untuk training, dengan 6 gambar positif (gambar bola) dan 24 gambar negatif (gambar bukan bola). Gambar 5 contoh gambar yang digunakan untuk training (6 gambar positif dan 24 gambar negatif) Dan gambar di bawah menunjukkan 4 fitur yang digunakan untuk ilustrasi proses pemilihan fitur dengan AdaBoost. Gambar 6 Beberapa contoh fitur yang digunakan Tabel 1 menunjukkan hasil klasifikasi dengan menggunakan 4 fitur. 156 Jurnal Teknik Komputer Vol. 18 No. 2 Agustus 2008:
5 Tabel 1 Hasil klasifikasi fitur Fitur 1 Fitur 2 Fitur 3 Fitur 4 Gambar 1 * Gambar 2 * Gambar 3 * Gambar 4 * Gambar 5 * Gambar 6 * Gambar 7 ** Gambar 8 ** Gambar 9 ** Gambar 10 ** Gambar 11 ** Gambar 12 ** Gambar 13 ** Gambar 14 ** Gambar 15 ** Gambar 16 ** Gambar 17 ** Gambar 18 ** Gambar 19 ** Gambar 20 ** Gambar 21 ** Gambar 22 ** Gambar 23 ** Gambar 24 ** Gambar 25 ** Gambar 26 ** Gambar 27 ** Gambar 28 ** Gambar 29 ** Gambar 30 ** = Gambar berhasil diklasifikasi dengan benar oleh fitur bersangkutan = Gambar yang salah diklasifikasi oleh fitur bersangkutan * = Gambar positif ** = Gambar negatif Berdasarkan tabel 1, dilihat dari jumlah gambar yang berhasil diklasifikasi dengan benar, fitur 2 terpilih sebagai fitur terbaik, disusul oleh fitur 1, fitur 4 dan terakhir fitur 3. Akan tetapi, dengan menggunakan algoritma AdaBoost, urutan Fitur terbaik ialah Fitur 2, disusul oleh Fitur 4, Fitur 3 dan Fitur 1. AdaBoost menggunakan sistem pembobotan untuk masing-masing gambar. Pada umumnya AdaBoost dilatih dengan menggunakan jumlah gambar positif yang lebih sedikit dibandingkan dengan gambar negatif, sehingga memberikan nilai bobot untuk gambar positif yang sedikit lebih tinggi dibanding dengan gambar negatif, dengan tujuan supaya kesalahan deteksi pada benda yang bukan bola menjadi lebih kecil (Viola & Jones, 2001). Algoritma AdaBoost yang secara umum dipakai untuk pengklasifikasian ialah sebagai berikut: 1. Input berupa gambar untuk training, dengan = gambar, = 1 untuk gambar positif, = 0 untuk gambar negatif, dan i ialah jumlah gambar dengan i = 1...N 2. Inisialisasi bobot awal, dengan m = jumlah gambar negatif, dan l = jumlah gambar positif 3. For t = 1...T, dimana t ialah jumlah iterasi (tergantung dari banyaknya fitur yang akan dipilih) a. Normalisasi semua bobot, sehingga penjumlahan total dari semua bobot ialah satu Perancangan Sistem Robot... (Ario Witjakso; dkk) 157
6 b. Untuk setiap fitur, hitung error rate c. Pilih Fitur dengan error rate terkecil d. Update bobot dengan = 1 bila gambar diklasifikasi dengan benar dan 0 bila salah diklasifikasi, dan 4. hasil akhir klasifikasi yang bagus : 1, dimana αt = βt Tabel 2 menunjukkan proses pemilihan urutan fitur terbaik dengan menggunakan AdaBoost dari 4 fitur. Tabel 2 Proses pemilihan urutan fitur terbaik dengan menggunakan AdaBoost Bobot Awal Bobot setelah Iterasi 1 Bobot setelah Iterasi 2 Bobot setelah Iterasi 3 Bobot setelah Iterasi 4 Gambar 1 * Gambar 2 * Gambar 3 * Gambar 4 * Gambar 5 * Gambar 6 * Gambar 7 ** Gambar 8 ** Gambar 9 ** Gambar 10 ** Gambar 11 ** Gambar 12 ** Gambar 13 ** Gambar 14 ** Gambar 15 ** Gambar 16 ** Gambar 17 ** Gambar 18 ** Gambar 19 ** Gambar 20 ** Gambar 21 ** Gambar 22 ** Gambar 23 ** Gambar 24 ** Gambar 25 ** Gambar 26 ** Gambar 27 ** Gambar 28 ** Gambar 29 ** Gambar 30 ** Error Rate Fitur 1 Error Rate Fitur 2 Error Rate Fitur 3 Error Rate Fitur # # # # = Error rate yang diabaikan, karena fitur bersangkutan telah dipilih pada iterasi sebelumnya * = Gambar positif ** = Gambar negatif # # # 158 Jurnal Teknik Komputer Vol. 18 No. 2 Agustus 2008:
7 Pada setiap iterasi, bobot untuk setiap gambar di-update berdasarkan tingkat kesalahan (error rate) dari fitur yang terkecil, dan fitur dengan tingkat kesalahan terkecil akan dipilih. Perhatikan bahwa pada iterasi awal, tingkat kesalahan terkecil pada fitur 2 dan tingkat kesalahan terbesar pada fitur 3. Akan tetapi, pada iterasi berikutnya, tingkat kesalahan terkecil ada pada fitur 4 dan terbesar pada fitur 1. Dalam penelitian ini, dalam hal pemilihan fitur dengan AdaBoost, fitur dengan tingkat kesalahan di atas 0.5 tidak akan digunakan. Karena banyaknya jumlah fitur yang dapat digunakan maka untuk menambah kecepatan pemrosesan cukup dipilih fitur-fitur yang terbaik untuk mengklasifikasikan bola, misalnya dengan Sub-Window dengan ukuran 24x24 piksel, kemungkinan jumlah fitur yang dapat digunakan ialah fitur (Carnegie Mellon School of Computer Science, 2002). Dari 55 fitur yang menggunakan algoritma ini, terpilih 28 fitur yang cocok untuk digunakan dalam sistem pendeteksian objek. 3. Modul Pencarian Bola Gambar 7 Diagram alir pencarian bola Berdasarkan diagram alir (Gambar 7), setelah citra di-capture, dilakukan pengkonversian citra dari RGB ke grayscale. Setelah itu proses scanning, dimana ukuran terkecil sub-window akan dijalankan terlebih dahulu pada setiap classifier, kemudian fitur yang sama dengan ukuran yang lebih besar akan dijalankan pada proses berikut dan seterusnya hingga didapat gambar yang cocok dengan pendeteksian. Setelah proses scanning selesai, dilakukan proses merging sehingga tampak sebuah sub-window baru yang menandakan bahwa objek yang diinginkan telah terdeteksi. proses selanjutnya adalah pengalkulasian jarak dan posisi objek guna menentukan arah pergerakan robot mobil. Penjelasan tentang scanning, merging dan pengalkulasian jarak dan posisi akan dibahas lebih lanjut dalam sub-bab berikut. Perancangan Sistem Robot... (Ario Witjakso; dkk) 159
8 3.1 Scanning Pada bagian ini menguraikan suatu algoritma untuk membangun classifier cascade untuk mengurangi waktu komputasi yang didasarkan pada fitur-fitur yang telah terseleksi dalam classifier, dengan fitur ini akan dilakukan scanning gambar pada classifier cascade yang digunakan. Semua contoh fitur yang digunakan untuk latihan mengklasifikasi gambar yang dinormalisir (nilai piksel gambar menjadi setara dalam kondisi lingkungan yang berbeda) untuk memperkecil pengaruh dari kondisi cahaya yang berbeda, dan ukuran sub-window yang berbeda. Normalisasi dilakukan dengan membagi nilai fitur (penjumlahan nilai fitur dalam metode integral image) dengan nilai piksel total pada sub-window tersebut. Proses scanning fitur dilakukan ke seluruh bagian gambar. Ukuran dari fitur yang digunakan terbagi beberapa ukuran. Ukuran yang paling kecil dijalankan terlebih dahulu, kemudian fitur yang sama dengan ukuran yang lebih besar akan dijalankan pada proses berikut dan seterusnya hingga didapat gambar yang cocok dengan pendeteksian bagian dari citra. Gambar-gambar yang lolos seleksi dari semua classifier akan ditandai dengan sebuah gambar bujur sangkar putih (subwindow) Merging Merging merupakan penggabungan dari beberapa sub-window menjadi satu sub-window berdasarkan titik pusat pada banyaknya kumpulan sub-window pada hasil scanning fitur tersebut. Algoritma merging menggunakan teknik yang sama dengan teknik labeling, dengan mengelompokkan sub-window yang berdekatan menjadi satu kelompok Kalkulasi Jarak dan Posisi Apabila PC telah berhasil menentukan posisi bola berdasarkan algoritma yang digunakan pada program MATLAB, maka PC akan mengalkulasi jumlah step yang diperlukan untuk menggerakkan motor servo. Algoritma yang dipakai untuk menentukan jumlah step yang ditunjukkan pada Gambar 8, yaitu dengan: 1. Menentukan titik acuan/titik tengah pada gambar (Xtengah) 2. Menentukan titik sudut sub-window berdasarkan hasil deteksi bola (Xbola, Ybola) 3. Memprediksi jarak bola sebenarnya, dengan rumus: jarakbola = (d^1.5)/50 + d/12 + offset/ Menentukan sudut kemiringan (orientasi) bola terhadap kamera, dengan rumus: Sudutbola = atan(y/x) Gambar 8 Hubungan posisi bola dengan estimasi perpindahan robot mobil 5. Jarak yang harus ditempuh robot untuk mencapai bola dengan jumlah step putaran motor dengan rumus berikut ini: Jumlah step robot maju= jarakbola/s 160 Jurnal Teknik Komputer Vol. 18 No. 2 Agustus 2008:
9 Di mana: - S = Konstanta jarak = Besar sudut yang harus ditempuh robot untuk mencapai bola dengan jumlah step putaran motor dengan rumus berikut ini: Jumlah step robot berbelok = sudutbola/c Di mana: - C = Konstanta orientasi = 7 Format data serial yang dikirimkan oleh PC ke mikropengendali untuk menggerakkan motor servo ialah berupa 8 bit. Data serial yang dikirimkan oleh PC ke mikrokontroller akan diinterpretasi oleh mikrokontroler sebagai perintah, yaitu: = maju selangkah = mundur selangkah = kiri selangkah = kanan selangkah Untuk menguji kehandalan sistem, beberapa percobaan dilakukan, antara lain: pengujian terhadap jarak antara objek dengan kamera, kondisi cahaya, latar belakang, dan pengujian terhadap objek lain. Berikut ringkasan dari hasil deteksi pada berbagai kondisi yang berbeda, termasuk waktu proses dan tingkat keberhasilan ditunjukkan pada tabel 3: Jarak antara Objek Dengan kamera Tabel 3 Tingkat keberhasilan percobaan pada berbagai kondisi Kondisi Tingkat Keakuratan Bola putih Bola orange Jumlah Percobaan 25 cm 100% 100% cm 100% 95% cm 100% 90% cm 90% 90% cm 80% 90% 20 Kondisi Cahaya Redup 90% 95% 20 Sedang 95% 95% 20 Terang 95% 100% 20 Pengujian terhadap objek lain Pengujian terhadap warna latar Waktu proses (ukuran gambar 176 x 144) pada Pentium IV 1.4 MHz PC, 512 MB RAM Kotak 5% 20 Steker 5% 20 Bola sepak kecil 5% 20 Lingkaran 10% 20 Kubus & silinder 5% 20 Biru 95% 100% 20 Kuning 100% 95% 20 Merah 95% 100% 20 Hijau 100% 100% 20 Hitam 95% 95% 20 Warna-warni 95% 95% 20 Lantai 95% 95% detik 20 Perancangan Sistem Robot... (Ario Witjakso; dkk) 161
10 PENUTUP Berdasarkan penelitian yang telah dilakukan, simpulan yang diperoleh yaitu bahwa objek (bola ping-pong putih/jingga) yang akan dideteksi harus dalam keadaan diam dan jarak minimum objek yang dapat dideteksi adalah 25 cm dan jarak maksimumnya adalah 65 cm. Jarak terbaik pendeteksian antara objek dengan kamera adalah 25 cm. Sementara, ¾ ukuran bola yang tertangkap kamera masih dapat terdeteksi oleh sistem ini. Objek harus mendapatkan cahaya yang merata; kondisi cahaya yang baik untuk pendeteksian ini adalah cahaya terang dan kondisi cahaya yang gelap akan mempengaruhi pendeteksian menjadi tidak baik. Estimasi jarak dan pergerakan robot mobil kurang baik dan waktu proses untuk pendeteksian ini lebih kurang 1,25 detik. DAFTAR PUSTAKA Anonim, Kejuaraan sepakbola dunia ROBOcup (Human vs Humanoid). (2003). ( Anonim, MATLAB communication with external device. Carnegie Mellon School of Computer Science. (2002). Dari Hanselman, Duance., Bruce Littlefield. (1997). Matlab the language of technical computing. Prentice Hall. Haralick, Robert M., Linda G Shapiro. (1992). Computer and robot vision. Addison Wesley. Jain, Ramesh, Kasturi, Rangachar, Schunck Brian G. (1995). Machine vision. McGraw-Hill. P. Viola and M.J. Jones. Robust real-time object detection. In Proc. of IEEE Workshop on Statistical and Theories of Computer Vision, Tabratas, Tharom (2003). Pengolahan Citra pada Robot mobil Jurnal Teknik Komputer Vol. 18 No. 2 Agustus 2008:
11 LAMPIRAN PC WebCam sv1 sv RXD TXD 1μF 1μF Vcc ( 5V ) Vcc ( 5V ) μF μF K 7 10 RXD 8 9 Max232 TXD L 7805 C-V V 22pF 12MHz pF Gambar 9 Skematik Rangkaian AT89S52 Gambar 10 GUI Gambar 11 Sistem Perancangan Sistem Robot... (Ario Witjakso; dkk) 163
BAB 3 PERANCANGAN SISTEM
BAB 3 PERANCANGAN SISTEM Sistem vision yang akan diimplementasikan terdiri dari 2 bagian, yaitu sistem perangkat keras dan perangkat lunak. Perangkat lunak yang digunakan dalam sistem vision ini adalah
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 terperinciAPLIKASI PENGENALAN WAJAH MENGGUNAKAN METODE EIGENFACE DENGAN BAHASA PEMROGRAMAN JAVA
APLIKASI PENGENALAN WAJAH MENGGUNAKAN METODE EIGENFACE DENGAN BAHASA PEMROGRAMAN JAVA Anita T. Kurniawati dan Afrilyan Ruli Dwi Rama Teknik Informatika-ITATS, Jl. Arief Rahman Hakim 100 Surabaya Email:
Lebih terperinciBAB II LANDASAN TEORI. Pengolahan Citra adalah pemrosesan citra, khususnya dengan menggunakan
BAB II LANDASAN TEORI 2.1. Citra Citra adalah gambar pada bidang dwimatra (dua dimensi). Ditinjau dari sudut pandang matematis, citra merupakan fungsi menerus dan intensitas cahaya pada bidang dwimatra
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Sistem pengenalan wajah adalah aplikasi dari pengolahan citra yang dapat mengidentifikasi seseorang melalui citra digital atau frame video. Sistem pengenalan wajah
Lebih terperinciPengenalan Bahasa Isyarat Tangan Menggunakan Metode PCA dan Haar-Like Feature
Pengenalan Bahasa Isyarat Tangan Menggunakan Metode PCA dan Haar-Like Feature Dosen Pembimbing : 1) Prof.Dr.Ir. Mauridhi Hery Purnomo M.Eng. 2) Dr. I Ketut Eddy Purnama ST., MT. Oleh : ATIK MARDIYANI (2207100529)
Lebih terperinciPELACAKAN DAN DETEKSI WAJAH MENGGUNAKAN VIDEO LANGSUNG PADA WEBCAM ABSTRAK ABSTRACT
PELACAKAN DAN DETEKSI WAJAH MENGGUNAKAN VIDEO LANGSUNG PADA WEBCAM Dhanar Intan Surya Saputra 1, Wahyu Septi Anjar 2, Kurnia Aswin Nuzul Ramadhan 3, Riki Aji Pamungkas 4 1234 Program Studi Teknik Informatika
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 terperinciDETEKSI WAJAH METODE VIOLA JONES PADA OPENCV MENGGUNAKAN PEMROGRAMAN PYTHON
DETEKSI WAJAH METODE VIOLA JONES PADA OPENCV MENGGUNAKAN PEMROGRAMAN PYTHON Dedi Ary Prasetya 1, Imam Nurviyanto 2 1,2 Teknik Elektro Fakultas Teknik Universitas Muhammadiyah Surakarta Jl. A. Yani Tromol
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 terperinciPengendalian Posisi Mobile Robot Menggunakan Metode Neural Network Dengan Umpan Balik Kamera Pemosisian Global
The 13 th Industrial Electronics Seminar 2011 (IES 2011) Electronic Engineering Polytechnic Institute of Surabaya (EEPIS), Indonesia, October 26, 2011 Pengendalian Posisi Mobile Robot Menggunakan Metode
Lebih terperinciPENGENDALIAN POSISI MOBILE ROBOT MENGGUNAKAN METODE NEURAL NETWORK DENGAN UMPAN BALIK KAMERA PEMOSISIAN GLOBAL
PENGENDALIAN POSISI MOBILE ROBOT MENGGUNAKAN METODE NEURAL NETWORK DENGAN UMPAN BALIK KAMERA PEMOSISIAN GLOBAL Randy Reza Kautsar (1), Bima Sena Bayu D S.ST M.T (2), A.R. Anom Besari. S.ST, M.T (2) (1)
Lebih terperinciPrototype Pendeteksi Jumlah Orang Dalam Ruangan
e-issn: 2528-4053 36 Prototype Pendeteksi Jumlah Orang Dalam Ruangan Nesi Syafitri 1, Adri 2 1,2 Jurusan Teknik Informatika, Fakultas Teknik, Universitas Islam Riau E-mail: nesisyafitri@uir.ac.id, adrisaputra91@gmail.com
Lebih terperinciREALISASI SISTEM DETEKSI RASA KANTUK BERDASARKAN DURASI KEDIPAN MATA SECARA REAL TIME MENGGUNAKAN METODE VIOLA-JONES
REALISASI SISTEM DETEKSI RASA KANTUK BERDASARKAN DURASI KEDIPAN MATA SECARA REAL TIME MENGGUNAKAN METODE VIOLA-JONES Avrian Andreas Marjono NRP : 1222006 e-mail : avrianandreas@yahoo.co.id ABSTRAK Rasa
Lebih terperinciSistem Deteksi Wajah Dengan Modifikasi Metode Viola Jones
Jurnal Emitor Vol.17 No. 01 ISSN 1411-8890 Sistem Deteksi Wajah Dengan Modifikasi Metode Viola Jones Adinda Rizkita Syafira Program Studi Informatika Universitas Muhammadiyah Surakarta (UMS) Surakarta,
Lebih terperinciBAB IV IMPLEMENTASI DAN EVALUASI. implementasi dan evaluasi yang dilakukan terhadap perangkat keras dan
BAB IV IMPLEMENTASI DAN EVALUASI Implementasi dan Evaluasi yang dilakukan penulis merupakan implementasi dan evaluasi yang dilakukan terhadap perangkat keras dan perangkat lunak dari sistem secara keseluruhan
Lebih terperinciSISTEM INTERAKSI MANUSIA DAN ROBOT MENGGUNAKAN DETEKSI WAJAH REAL TIME DENGAN METODE HAAR CASCADE CLASSIFIER UNTUK SALES PROMOTION ROBOT
ISSN : 2355-9365 e-proceeding of Engineering : Vol.2,.2 Agustus 2015 Page 2206 SISTEM INTERAKSI MANUSIA DAN ROBOT MENGGUNAKAN DETEKSI WAJAH REAL TIME DENGAN METODE HAAR CASCADE CLASSIFIER UNTUK SALES PROMOTION
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 terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan pemrosesan data untuk sistem pendeteksi senyum pada skripsi ini, meliputi metode Viola Jones, konversi citra RGB ke grayscale,
Lebih terperinciBab III Perangkat Pengujian
Bab III Perangkat Pengujian Persoalan utama dalam tugas akhir ini adalah bagaimana mengimplementasikan metode pengukuran jarak menggunakan pengolahan citra tunggal dengan bantuan laser pointer dalam suatu
Lebih terperinciABSTRAK Robovision merupakan robot yang memiliki sensor berupa indera penglihatan seperti manusia. Untuk dapat menghasilkan suatu robovision, maka
ABSTRACT Robovision is a robot that has a sensor in the form of the human senses such as vision. To be able to produce a robovision, it is necessary to merge the technologies of robotics and computer vision
Lebih terperinciDETEKSI DAN REPRESENTASI FITUR MATA PADA SEBUAH CITRA WAJAH MENGGUNAKAN HAAR CASCADE DAN CHAIN CODE
DETEKSI DAN REPRESENTASI FITUR MATA PADA SEBUAH CITRA WAJAH MENGGUNAKAN HAAR CASCADE DAN CHAIN CODE Riandika Lumaris dan Endang Setyati Teknologi Informasi Sekolah Tinggi Teknik Surabaya riandika.lumaris@gmail.com
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN. Tahap & Hasil Langkah Penelitian Literatur & Referensi. Memahami konsep deteksi wajah
BAB 3 ANALISIS DAN PERANCANGAN Pada bab ini berisi tentang analisis dan perancangan terhadap permasalahan yang sedang diteliti seperti analisis kebutuhan data dan informasi serta teknik dan peralatan yang
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM. secara otomatis. Sistem ini dibuat untuk mempermudah user dalam memilih locker
BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1 Metode Penelitian Pada perancangan tugas akhir ini menggunakan metode pemilihan locker secara otomatis. Sistem ini dibuat untuk mempermudah user dalam memilih
Lebih terperinciPERANCANGAN APLIKASI DETEKSI WAJAH MENGGUNAKAN ALGORITMA VIOLA-JONES
PERANCANGAN APLIKASI DETEKSI WAJAH MENGGUNAKAN ALGORITMA VIOLA-JONES TUGAS AKHIR Disusun sebagai salah satu syarat untuk kelulusan Program Strata 1, Program Studi Teknik Informatika, Universitas Pasundan
Lebih terperinciAUTOMATIC HEAD ROTATING SYSTEM PADA DIGITAL PET MEMANFAATKAN FACE DETECTION
AUTOMATIC HEAD ROTATING SYSTEM PADA DIGITAL PET MEMANFAATKAN FACE DETECTION Hadriansa 1 dan Yosi Kristian 2 1 Teknik Informatika STMIK PPKIA Tarakanita Rahmawati 2 Teknik Informatika Sekolah Tinggi Teknik
Lebih terperinciSISTEM PENJEJAK POSISI OBYEK BERBASIS UMPAN BALIK CITRA
SISTEM PENJEJAK POSISI OBYEK BERBASIS UMPAN BALIK CITRA Syahrul 1, Andi Kurniawan 2 1,2 Jurusan Teknik Komputer, Fakultas Teknik dan Ilmu Komputer, Universitas Komputer Indonesia Jl. Dipati Ukur No.116,
Lebih terperinciBAB III METODE PENELITIAN. tracking obyek. Pada penelitian tugas akhir ini, terdapat obyek berupa bola. Gambar 3.1. Blok Diagram Penelitian
BAB III METODE PENELITIAN 3.1 Metode Penelitian Metode penelitian yang digunakan dalam pengerjaan Tugas Akhir ini adalah studi literatur, pembuatan program serta melakukan deteksi dan tracking obyek. Pada
Lebih terperinciAplikasi Metoda Random Walks untuk Kontrol Gerak Robot Berbasis Citra
Abstrak Aplikasi Metoda Random Walks untuk Kontrol Gerak Robot Berbasis Citra R. Febriani, Suprijadi Kelompok Keahlian Fisika Teoritik Energi Tinggi dan Instrumentasi Fakultas Matematika dan Ilmu Pengetahuan
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 terperinciBAB 3 PERANCANGAN SISTEM. Perancangan sistem dimulai dari penempatan posisi kamera dengan posisi yang
23 BAB 3 PERANCANGAN SISTEM 3.1 Deskripsi Sistem Perancangan sistem dimulai dari penempatan posisi kamera dengan posisi yang sesuai kemudian dihubungkan dengan komputer yang akan mengolah gambar seperti
Lebih terperinciBAB III PERANCANGAN. 3.1 Diagram blok sistem
BAB III PERANCANGAN 3.1 Diagram blok sistem Sistem pada penginderaan jauh memiliki dua sistem, yaitu sistem pada muatan roket dan sistem pada ground segment. Berikut merupakan gambar kedua diagram blok
Lebih terperinciKONTROL ROBOT MOBIL PENJEJAK GARIS BERWARNA DENGAN MEMANFAATKAN KAMERA SEBAGAI SENSOR
KONTROL ROBOT MOBIL PENJEJAK GARIS BERWARNA DENGAN MEMANFAATKAN KAMERA SEBAGAI SENSOR Thiang, Felix Pasila, Agus Widian Electrical Engineering Department, Petra Christian University 121-131 Siwalankerto,
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Pengolahan citra digital merupakan salah satu subjek dari teknologi informasi yang sangat menarik dan menantang saat ini. Proses pengolahan citra digital bertujuan
Lebih terperinciBAB III METODE PENELITIAN. melacak badan manusia. Dimana hasil dari deteksi atau melacak manusia itu akan
BAB III METODE PENELITIAN 3.1. Model Pengembangan Tujuan dari tugas akhir ini adalah untuk membuat sebuah aplikasi untuk mengatur kontras pada gambar secara otomatis. Dan dapat meningkatkan kualitas citra
Lebih terperincipengambilan citra video, pemrosesan citra pada setiap frame,, pendeteksian objek
BAB IV MODEL SISTEM 4.1. Model Sistem Aplikasi yang dibangun adalah aplikasi yang dapat mengolah citra yang diambil dari kamera video, dan menganalisisnya untuk mengetahui keberadaan suatu objek. Ada beberapa
Lebih terperinciBAB 1 PENDAHULUAN. dalam kehidupan manusia. Perkembangan robot dari zaman ke zaman terus
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Teknologi robotika di masa sekarang sudah menjadi bagian penting dalam kehidupan manusia. Perkembangan robot dari zaman ke zaman terus meningkat dengan sangat
Lebih terperinciPengembangan Prototype Sistem Untuk Manajemen Lahan Parkir Dengan Jaringan Sensor Kamera Nirkabel
Pengembangan Prototype Sistem Untuk Manajemen Lahan Parkir Dengan Jaringan Sensor Kamera Nirkabel ALDELLA PUTRA A. NRP 070006 Bidang Studi Telekomunikasi Multimedia Jurusan Teknik Elektro-FTI, Institut
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Citra Berikut adalah beberapa definisi dari citra, antara lain: rupa; gambar; gambaran (Kamus Besar Bahasa Indonesia). Sebuah fungsi dua dimensi, f(x, y), di mana x dan y adalah
Lebih terperinciRancang Bangun Sistem Pengujian Distorsi Menggunakan Concentric Circle Method Pada Kaca Spion Kendaraan Bermotor Kategori L3 Berbasis Edge Detection
JURNAL TEKNIK POMITS Vol., No., (22) -6 Rancang Bangun Sistem Pengujian Distorsi Menggunakan Concentric Circle Method Pada Kaca Spion Kendaraan Bermotor Kategori L3 Berbasis Edge Detection Muji Tri Nurismu
Lebih terperinciPERANCANGAN PENDETEKSI WAJAH DENGAN ALGORITMA LBP (LOCAL BINARY PATTERN) BERBASIS RASPBERRY PI
PERANCANGAN PENDETEKSI WAJAH DENGAN ALGORITMA LBP (LOCAL BINARY PATTERN) BERBASIS RASPBERRY PI Nadia R.W (0822084) Email: neko882neko@yahoo.co.id Jurusan Teknik Elektro, Fakultas Teknik,, Jl. Prof. Drg.
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Tubuh Manusia Tubuh manusia merupakan salah satu objek pendeteksian yang sedang populer, hal ini dapat dibuktikan dengan banyaknya jurnal mengenai perancangan program pendeteksian
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 terperinciIDENTIFIKASI CITRA BILANGAN DESIMAL 0-9 BERBASIS LEARNING VECTOR QUANTIZATION SECARA REAL TIME
Jurnal POROS TEKNIK, Volume 4, No. 1, Juni 2012 : 24-29 IDENTIFIKASI CITRA BILANGAN DESIMAL 0-9 BERBASIS LEARNING VECTOR QUANTIZATION SECARA REAL TIME Gunawan Rudi Cahyono (1) (1) Staf Pengajar Jurusan
Lebih terperinciIMPLEMENTASI DAN EVALUASI
BAB 4 IMPLEMENTASI DAN EVALUASI Pada bab ini dibahas mengenai implementasi serta evaluasi terhadap metode transformasi wavelet dalam sistem pengenalan sidik jari yang dirancang. Untuk mempermudah evaluasi,
Lebih terperinciBAB III PERANCANGAN SISTEM
BAB III PERANCANGAN SISTEM 3.1 Definisi Masalah Dalam beberapa tahun terakhir perkembangan Computer Vision terutama dalam bidang pengenalan wajah berkembang pesat, hal ini tidak terlepas dari pesatnya
Lebih terperinciBAB 3 PERANCANGAN SISTEM
BAB 3 PERANCANGAN SISTEM 3.1 Rancangan Perangkat Keras 3.1.1 Diagram Blok Sistem Rancangan perangkat keras dari aplikasi pengenalan wajah ini dapat dilihat pada diagram blok Gambar 3.1 sebagai berikut
Lebih terperinciBAB 4 IMPLEMENTASI DAN EVALUASI. Atmel (www.atmel.com).
BAB 4 IMPLEMENTASI DAN EVALUASI 4.1 Spesifikasi Sistem 4.1.1 Spesifikasi Perangkat Keras Proses pengendalian mobile robot dan pengenalan image dilakukan oleh microcontroller keluarga AVR, yakni ATMEGA128
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 terperinciSistem Deteksi Wajah dengan Menggunakan Metode Viola-Jones
Sistem Deteksi Wajah dengan Menggunakan Metode Viola-Jones M. Dwisnanto Putro Mahasiswa Magister Instrumentasi Teguh Bharata Adji Staf Pengajar Jurusan Teknik Bondhan Winduratna Staf Pengajar Jurusan Teknik
Lebih terperinciRealisasi Perangkat Color Object Tracking Menggunakan Raspberry Pi
Realisasi Perangkat Color Object Tracking Menggunakan Raspberry Pi Disusun Oleh: Iona Aulia Risnadi (0922049) Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof.Drg.Suria Sumantri, MPH no. 65, Bandung,
Lebih terperinciAPLIKASI WEBCAM UNTUK MENJEJAK PERGERAKAN MANUSIA DI DALAM RUANGAN
APLIKASI WEBCAM UNTUK MENJEJAK PERGERAKAN MANUSIA DI DALAM RUANGAN Kuncoro Adi D, Lukas B. Setyawan, F. Dalu Setiaji APLIKASI WEBCAM UNTUK MENJEJAK PERGERAKAN MANUSIA DI DALAM RUANGAN Kuncoro Adi D 1,
Lebih terperinciPENDETEKSIAN HALANGAN PADA ROBOT CERDAS PEMADAM API MENGGUNAKAN KAMERA DENGAN INTEGRAL PROYEKSI
PENDETEKSIAN HALANGAN PADA ROBOT CERDAS PEMADAM API MENGGUNAKAN KAMERA DENGAN INTEGRAL PROYEKSI Setiawardhana 1), Nana Ramadijanti 2), Rizky Yuniar Hakkun 3), Aji Seto Arifianto 4) 1,2,3) Dosen Jurusan
Lebih terperinciRancang Bangun Sistem Pelacakan Obyek Menggunakan CCTV dan Webcam. Kampus ITS, Surabaya
Rancang Bangun Sistem Pelacakan Obyek Menggunakan CCTV dan Webcam Choirul Umul Islami 1, Mike Yuliana 2, Akuwan Shaleh 2 1 Mahasiswa Politeknik Elektronika Negeri Surabaya, Jurusan Teknik Telekomunikasi
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Bab ini berisi landasan-landasan teori yang penulis gunakan untuk seluruh laporan penelitian ini. Landasan-landasan teori ini dijelaskan untuk membentuk pemahaman yang sama antara
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN SISTEM PROGRAM APLIKASI HANDS RECOGNIZER
BAB 3 ANALISIS DAN PERANCANGAN SISTEM PROGRAM APLIKASI HANDS RECOGNIZER Dalam analisis dan perancangan sistem program aplikasi ini, disajikan mengenai analisis kebutuhan sistem yang digunakan, diagram
Lebih terperinciBAB 4 IMPLEMENTASI DAN EVALUASI. menjalankan aplikasi ini adalah : Prosesor Pentium IV 2.6 Ghz. Graphic Card dengan memori minimum 64 MB
BAB 4 IMPLEMENTASI DAN EVALUASI 4.1 Spesifikasi Perangkat Lunak Aplikasi 4.1.1 Spesifikasi Perangkat Keras Spesifikasi minimum dari perangkat keras yang dibutuhkan agar dapat menjalankan aplikasi ini adalah
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 terperinciBAB III PROSEDUR DAN METODOLOGI. banyak dipelajari dan dikembangkan saat ini, baik oleh para pelajar, maupun para ahli.
BAB III PROSEDUR DAN METODOLOGI 3.1 Pendeteksian Objek Viola Jones Pendeteksian objek merupakan salah satu topik dalam visi komputer yang cukup banyak dipelajari dan dikembangkan saat ini, baik oleh para
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 III PERANCANGAN ALAT
BAB III PERANCANGAN ALAT Pada bab ini akan dibahas mengenai perancangan dan realisasi sistem yang telah dibuat dalam skripsi ini yaitu perancangan sebuah mesin yang menyerupai bor duduk pada umumnya. Di
Lebih terperinciPERBAIKAN ORIENTASI CITRA BERDASARKAN KEBERADAAN MANUSIA MENGGUNAKAN FITUR GRADIEN DAN HAAR-LIKE
PERBAIKAN ORIENTASI CITRA BERDASARKAN KEBERADAAN MANUSIA MENGGUNAKAN FITUR GRADIEN DAN HAAR-LIKE Ahmad Hifdhul Abror 1) Handayani Tjandrasa 2) 1) Pusat Teknologi Informasi dan Pangkalan Data 1) Universitas
Lebih terperinciBAB 3 PERANCANGAN SISTEM
BAB 3 PERANCANGAN SISTEM 3.1 Perancangan Perangkat Keras 3.1.1 Blok Diagram Sistem Gambaran sistem dapat dilihat pada blok diagram sistem di bawah ini : Gambar 3.1 Blok Diagram Sistem Berdasarkan blok
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Rancangan Penelitian Pengerjaan tugas akhir ini ditunjukkan dalam bentuk blok diagram pada gambar 3.1. Blok diagram ini menggambarkan proses dari sampel citra hingga output
Lebih terperinciRancang Bangun Robot PANTILT: Pendeteksian Posisi Kepala Manusia Menggunakan Algoritma Genetika
Rancang Bangun Robot PANTILT: Pendeteksian Posisi Kepala Manusia Menggunakan Algoritma Genetika Ferman Hakiki 1, Indra Adji Sulistijono 2 1 Jurusan Teknik Elektornika, Politeknik Elekronika Negeri Surabaya
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN Dalam tugas akhir ini penguji melakukan pengujian dari judul tugas akhir sebelumnya, yang dilakukan oleh Isana Mahardika. dalam tugas akhir tersebut membahas pendeteksian tempat
Lebih terperinciElvin Nur Afian, Rancang Bangun Sistem Navigasi Kapal Laut berbasis pada Image Processing metode Color Detection
RANCANG BANGUN SISTEM NAVIGASI KAPAL LAUT BERBASIS PADA IMAGE PROCESSING DENGAN METODE COLOR DETECTION (DESIGN OF SHIPS NAVIGATION SYSTEM BASED ON IMAGE PROCESSING WITH COLOR DETECTION METHOD ) 1 Elvin
Lebih terperinciSistem Pengenal Wajah Manusia untuk Personalisasi Perintah pada Robot
Sistem Pengenal Wajah Manusia untuk Personalisasi Perintah pada Robot Mara Nugraha Teknik Informatika Universitas Gunadarma Jl. Margonda Raya 100, Depok maranugraha@sta.gunadarma.ac.id Abstrak Pengenalan
Lebih terperinciBAB IV PENGUJIAN SISTEM. pada PC yang dihubungkan dengan access point Robotino. Hal tersebut untuk
BAB IV PENGUJIAN SISTEM Pengujian sistem yang dilakukan merupakan pengujian terhadap Robotino dan aplikasi pada PC yang telah selesai dibuat. Dimulai dari menghubungkan koneksi ke Robotino, menggerakan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini akan dibahas teori-teori dasar yang digunakan untuk merealisasikan suatu sistem penjejak obyek bergerak. 2.1 Citra Digital Citra adalah suatu representasi (gambaran),
Lebih terperinciPENGENALAN WAJAH MENGGUNAKAN METODE VIOLA JONES PADA INTELLIGENT HOME SECURITY SKRIPSI
PENGENALAN WAJAH MENGGUNAKAN METODE VIOLA JONES PADA INTELLIGENT HOME SECURITY SKRIPSI Diajukan untuk memenuhi persyaratan guna meraih gelar Sarjana Strata I Teknik Elektro Universitas Muhammadiyah Malang
Lebih terperinciBAB III PERANCANGAN ALAT
BAB III PERANCANGAN ALAT Pada bab ini akan dijelaskan mengenai perancangan dan realisasi dari perangkat keras, serta perangkat lunak dari trainer kendali kecepatan motor DC menggunakan kendali PID dan
Lebih terperinciPERANCANGAN dan REALISASI FACETRACKER WEBCAM MENGGUNAKAN METODE HAAR-LIKE FEATURE BERBASIS RASPBERRY PI 2
PERANCANGAN dan REALISASI FACETRACKER WEBCAM MENGGUNAKAN METODE HAAR-LIKE FEATURE BERBASIS RASPBERRY PI 2 Disusun oleh : Steven Christian Santosa (1222038) Program Studi Teknik Elektro, Fakultas Teknik,
Lebih terperinciAPLIKASI MENGHITUNG JUMLAH KENDARAAN RODA EMPAT MENGGUNAKAN ALGORITMA VIOLA JONES PROPOSAL SKRIPSI
APLIKASI MENGHITUNG JUMLAH KENDARAAN RODA EMPAT MENGGUNAKAN ALGORITMA VIOLA JONES PROPOSAL SKRIPSI PROGRAM STUDI TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA
Lebih terperinciBAB IV PENGUJIAN SISTEM. mendeteksi tempat parkir yang telah selesai dibuat. Dimulai dari pengambilan
BAB IV PENGUJIAN SISTEM Pengujian sistem yang dilakukan merupakan pengujian terhadap program mendeteksi tempat parkir yang telah selesai dibuat. Dimulai dari pengambilan citra dari webcam, pengolahan citra
Lebih terperinciIMPLEMENTASI PERHITUNGAN KECEPATAN OBJEK BERGERAK BERBASIS WEBCAM DAN PENGOLAHAN CITRA DIGITAL
Powered by TCPDF (www.tcpdf.org) Tugas Akhir - 2009 IMPLEMENTASI PERHITUNGAN KECEPATAN OBJEK BERGERAK BERBASIS WEBCAM DAN PENGOLAHAN CITRA DIGITAL Bambang Hermanto¹, Koredianto Usman², Iwan Iwut Tirtoasmoro³
Lebih terperinciESTIMASI FUNGSI SPASIAL PADA IDENTIFIKASI FITUR WAJAH
ESTIMASI FUNGSI SPASIAL PADA IDENTIFIKASI FITUR WAJAH Akhyar 1*, Risanuri Hidayat 1, Bimo Sunarfri Hantono 1 1 Department of Electrical Engineering and Information Technology, Universitas Gadjah Mada *
Lebih terperinciKAMERA PENDETEKSI GERAK MENGGUNAKAN MATLAB 7.1. Nugroho hary Mindiar,
KAMERA PENDETEKSI GERAK MENGGUNAKAN MATLAB 7.1 Nugroho hary Mindiar, 21104209 Mahasiswa Sarjana Strata Satu (S1) Jurusan Sistem Komputer, Fakultas Ilmu Komputer Universitas Gunadarma mindiar@yahoo.com
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI
BAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI Bab ini berisi analisis pengembangan program aplikasi pengenalan karakter mandarin, meliputi analisis kebutuhan sistem, gambaran umum program aplikasi yang
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 terperinciSistem Deteksi Bola Berdasarkan Warna Bola Dan Background Warna Lapangan Pada Robot Barelang FC
Sistem Deteksi Bola Berdasarkan Warna Bola Dan Background Warna Lapangan Pada Robot Barelang FC Hanjaya Mandala (1).EkoRudiawan,S.ST (2).HendawanSoebhakti,ST.,MT (3). (1) (2) (3) Politeknik Negeri Batam
Lebih terperinciNASKAH PUBLIKASI DETEKSI WAJAH DENGAN METODE VIOLA JONES PADA OPENCV MENGGUNAKAN PEMROGRAMAN PYTHON
NASKAH PUBLIKASI DETEKSI WAJAH DENGAN METODE VIOLA JONES PADA OPENCV MENGGUNAKAN PEMROGRAMAN PYTHON Disusun untuk Memenuhi Tugas dan Syarat-syarat Guna Memperoleh Gelar Sarjana Strata Satu Jurusan Teknik
Lebih terperinciBAB IV IMPLEMENTASI & EVALUASI
BAB IV IMPLEMENTASI & EVALUASI Pada bab ini membahas tentang bagaimana cara mengimplementasikan dan pengambilan data serta melakukan evaluasi terhadap data-data yang sudah didapatkan. Pertama disini digunakan
Lebih terperinciImplementasi OpenCV pada Robot Humanoid Pemain Bola Berbasis Single Board Computer
Implementasi OpenCV pada Robot Humanoid Pemain Bola Berbasis Single Board Computer Disusun Oleh: Nama : Edwin Nicholas Budiono NRP : 0922004 Jurusan Teknik Elektro, Fakultas Teknik,, Jl. Prof.Drg.Suria
Lebih terperinciBAB 3 ANALISIS & PERANCANGAN
BAB 3 ANALISIS & PERANCANGAN 3.1 Analisis 3.1.1 Permasalahan Menurut Wakapolda Sulawesi Selatan dan Barat (tvone, 2010), Brigjen Pol Wisjnu Amat Sastro, Indonesia saat ini menempati urutan pertama berdasarkan
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 terperinciIII. METODE PENELITIAN. Penelitian ini mulai dilaksanakan pada bulan September 2011 s/d bulan Februari
48 III. METODE PENELITIAN A. Waktu dan Tempat Penelitian Penelitian ini mulai dilaksanakan pada bulan September 2011 s/d bulan Februari 2012. Pembuatan dan pengambilan data dilaksanakan di Laboratorium
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Tahapan Penelitian Pada penelitian tugas akhir ini ada beberapa tahapan penelitian yang akan dilakukan seperti yang terlihat pada gambar 3.1 : Mulai Pengumpulan Data Analisa
Lebih terperinciORIENTASI CITRA SECARA OTOMATIS BERDASARKAN KEBERADAAN WAJAH MENGGUNAKAN FITUR HAAR-LIKE
pissn: 2442-3386 eissn: 2442-4293 Vol 1 No 1 January 2015, 1-6 ORIENTASI CITRA SECARA OTOMATIS BERDASARKAN KEBERADAAN WAJAH MENGGUNAKAN FITUR HAAR-LIKE Ahmad Hifdhul Abror 1, Handayani Tjandrasa 2 1 Pusat
Lebih terperinciRancang Bangun Sistem Pengukuran Posisi Target dengan Kamera Stereo untuk Pengarah Senjata Otomatis
A216 Rancang Bangun Sistem Pengukuran Posisi Target dengan Kamera Stereo untuk Pengarah Senjata Otomatis Anas Maulidi Utama, Djoko Purwanto, dan Ronny Mardiyanto Jurusan Teknik Elektro, Fakultas Teknologi
Lebih terperinciBAB IV ANALISA DAN PENGUJIAN ALAT
BAB IV ANALISA DAN PENGUJIAN ALAT 4.1 Umum Robot merupakan kesatuan kerja dari semua kerja perangkat penyusunnya. Perancangan robot dimulai dengan menggali informasi dari berbagai referensi, temukan ide,
Lebih terperinciOTOMASI PEMISAH BUAH TOMAT BERDASARKAN UKURAN DAN WARNA MENGGUNAKAN WEBCAM SEBAGAI SENSOR
Seminar Nasional Ilmu Komputer dan Aplikasinya SNIKA 2008 27/11/2008 OTOMASI PEMISAH BUAH TOMAT BERDASARKAN UKURAN DAN WARNA MENGGUNAKAN WEBCAM SEBAGAI SENSOR Thiang, Leonardus Indrotanoto Jurusan Teknik
Lebih terperinciAPLIKASI CAMBOT MENGGUNAKAN METODE VIOLA JONES SEBAGAI SISTEM PENJEJAK OBJEK
APLIKASI CAMBOT MENGGUNAKAN METODE VIOLA JONES SEBAGAI SISTEM PENJEJAK OBJEK Nizar Haris Masruri, Andi Sunyoto STMIK AMIKOM Yogyakarta email : andi@amikom.ac.id 2) Abstract Technology in the field of robotics
Lebih terperinciBAB 1 PENDAHULUAN. Sudah tidak diragukan lagi bahwa penerapan teknologi komputer dan teknologi informasi
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Sudah tidak diragukan lagi bahwa penerapan teknologi komputer dan teknologi informasi telah memiliki pengaruh sampai ke fondasi kehidupan sehari-hari manusia.
Lebih terperinciPENGENALAN BILANGAN ARAB MENGGUNAKAN TEMPLATE MATCHING
Powered by TCPDF (www.tcpdf.org) PENGENALAN BILANGAN ARAB MENGGUNAKAN TEMPLATE MATCHING Muhammad Hanif Dwiadi¹, Sofia Naning Hertiana², Gelar Budiman³ ¹Teknik Telekomunikasi,, Universitas Telkom Abstrak
Lebih terperinciPERANCANGAN MOBILE ROBOT DENGAN SENSOR KAMERA MENGGUNAKAN SISTEM KENDALI FUZZY
PERANCANGAN MOBILE ROBOT DENGAN SENSOR KAMERA MENGGUNAKAN SISTEM KENDALI FUZZY Lasti Warasih H E-mail : lushtea @gmailcom Abstrak Manusia selalu ingin menciptakan robot yang dapat bernavigasi seperti dirinya
Lebih terperinciTeknik face-detection yang akan digunakan adalah teknik yang
BAB III TEORI PENDETEKSIAN WAJAH 3.1 Teori Viola Jones Detection Teknik face-detection yang akan digunakan adalah teknik yang dikembangkan oleh Paul Viola dan Michael Jones-yang biasa dikenal sebagai pendeteksi
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 terperinciBAB III METODE PENELITIAN. ada beberapa cara yang telah dilakukan, antara lain : akan digunakan untuk melakukan pengolahan citra.
BAB III METODE PENELITIAN Untuk pengumpulan data yang diperlukan dalam melaksanakan tugas akhir, ada beberapa cara yang telah dilakukan, antara lain : 1. Studi Kepustakaan Studi kepustakaan berupa pencarian
Lebih terperinciPENDETEKSIAN OBJEK BOLA DENGAN METODE COLOR FILTERING HSV PADA ROBOT SOCCER HUMANOID
PENDETEKSIAN OBJEK BOLA DENGAN METODE COLOR FILTERING HSV PADA ROBOT SOCCER HUMANOID Nur Khamdi 1*, Muhammad Susantok 2, Piter Leopard 1 1 Program Studi Teknik Mekatronika, Politeknik Caltex Riau 2 Program
Lebih terperinci