Analisis dan Implementasi Hand Tracking Menggunakan Kalman Filter pada Augmented Reality Studi Kasus : Simulasi Alat Musik Tradisional Calung
|
|
- Yohanes Ivan Yuwono
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Analisis dan Implementasi Hand Tracking Menggunakan Kalman Filter pada Augmented Reality Studi Kasus : Simulasi Alat Musik Tradisional Calung Asep Suherman 1, Fitriyani, M.T 2 1,2 Prodi Ilmu Komputasi Telkom University, Bandung 1 asepsuherman0606@gmail.com, 2 fitriyani.y@gmail.com Abstrak Calung merupakan alat musik tradisional yang berasal dari Jawa Barat dan menjadi ciri khas budaya sunda. Untuk mempermudah dan menarik minat seseorang yang ingin bermain alat musik tradisional calung, maka dibuatlah objek 3D virtual berupa alat musik tradisional calung yang bisa dimainkan seperti alat musik tradisional calung aslinya dengan menggunakan Augmented Reality (AR). Dari penelitian yang sudah banyak dilakukan sebelumnya, AR hanya diimplementasikan untuk merotasi dan memindahkan atau menggerakkan objek dengan tangan yang sudah ditelusuri. Dalam Penelitian ini akan dikembangkan sebuah sistem yang akan menangkap pergerakan tangan dengan menggunakan algoritma Kalman Filter dan kemudian menjadikannya sebagai marker dalam AR. Algoritma Kalman Filter merupakan algoritma rekursif yang membutuhkan state sebelumnya dan pengukuran sekarang untuk mengestimasi state sekarang. Sedangkan untuk rendering objek calung dalam AR akan digunakan OpenGL sebagai library dasar. Kemudian akan dilakukan interaksi antara tangan dan objek virtual secara real time. Hasil pengujian menunjukkan bahwa pencahayaan dan kondisi ruangan tidak berpengaruh terhadap waktu processing dan performansi Kalman Filter, mampu mengatasi masalah interferensi warna dan tabrakan antar objek lain, dan error yang dihasilkan ketika user memukul calung, suaranya tidak keluar sebanyak 32 kali. Sehingga error yang dihasilkan dari uji coba aplikasi ini oleh 20 user sebesar 4,57 %. Kata kunci : Calung, Augmented Reality, Hand Tracking, Kalman Filter, OpenGL. Pendahuluan Pada saat ini jarang sekali orang yang memainkan alat musik tradisional, kebanyakan dari mereka lebih memilih memainkan alat musik modern seperti piano, drum, biola dan sebagainya. Sehingga alat musik tradisional di Indonesia banyak yang terlupakan. Alat musik tradisional Indonesia seharusnya kita lestarikan dan kita kenalkan kepada masyarakat di Indonesia dan diajarkan bagaimana cara memainkan alat musik tradisional tersebut. Bila kita ingin memainkan alat musik tradisional tentu harus tersedia dulu alat musiknya agar kita bisa memainkannya. Namun tidak semua orang mempunyai alat musik tradisional. Jadi untuk mempermudah seseorang yang ingin bermain alat musik tradisional, maka dibuatlah objek 3D virtual berupa alat musik tradisional yang bisa dimainkan seperti alat musik tradisional aslinya dengan menggunakan Augmented Reality. Seiring kemajuan teknologi yang ada di dunia dan juga berkembangnya teknologi tersebut dari waktu ke waktu, sehingga muncul teknologi yang disebut Augmented Reality (AR). AR merupakan suatu upaya untuk menggabungkan dunia nyata dan dunia virtual yang dibuat melalui komputer sehingga batas antara keduanya menjadi sangat tipis karena AR mengijinkan penggunanya untuk berinteraksi secara real time dengan sistem [1]. AR bukan merupakan sebuah teknologi baru. Salah satu yang banyak dibahas dalam AR adalah interaksi pengguna dalam AR. Karena penggunaan AR saat ini telah menyebar kesegala aspek di dalam kehidupan kita dan diproyeksikan akan mengalami perkembangan yang signifikan untuk ke depannya. Untuk melakukan interaksi yang interaktif, sistem harus mampu mendeteksi dan menangkap pergerakan objek. Pada Penelitian ini, objek yang akan dideteksi dan dilakukan penelusuran adalah berupa tangan. Pendeteksian dan hand tracking diharapkan mampu menghubungkan dunia nyata dengan dunia virtual dalam sistem AR. Dari penelitian yang sudah banyak dilakukan sebelumnya, hand tracking di dalam sistem AR ini hanya diimplementasikan untuk merotasi dan memindahkan atau menggerakkan objek dengan tangan yang sudah ditelusuri [2][6]. Terdapat berbagai macam metode hand tracking seperti, Particle Filter [9], Occlussion, CAMShift [2], dan Kalman Filter [2][3][5]. Salah satu metode hand tracking yang dapat digunakan adalah algoritma Kalman Filter. Banyak permasalahan yang terjadi dalam suatu penelusuran diantaranya terjadi tabrakan antar objek atau terdapat interferensi warna terhadap objek. Untuk menyelesaikan masalah ini Kalman 138
2 Filter dibutuhkan untuk memberikan prediksi lokasi pasti dari tangan. Kalman Filter adalah sebuah estimator rekursif yang membutuhkan state sebelumnya dan pengukuran sekarang untuk mengestimasi state sekarang. Pada Penelitian ini akan diterapkan metode Kalman Filter pada Hand Tracking di sistem AR. Studi kasus yang digunakan adalah mengimplementasikan sistem AR dalam bermain alat musik tradisional calung secara real time. Dasar Teori 1. Augmented Reality AR adalah teknologi yang menggabungkan benda maya dua dimensi dan ataupun tiga dimensi ke dalam sebuah lingkungan, lalu memproyeksikan benda-benda maya tersebut secara nyata. Dengan kata lain, AR merupakan upaya untuk menggabungkan dunia nyata dan dunia virtual yg dibuat melalui komputer sehingga batas antara keduanya menjadi sangat tipis, hal ini sesuai dengan konsep awal kemunculannya yaitu menggabungkan informasi komputer dengan dunia nyata [1]. Dengan teknologi AR kita dapat menyisipkan suatu informasi tertentu ke dalam dunia maya dan menampilkannya didunia nyata dengan bantuan perlengkapan seperti webcam, komputer, HP, maupun kacamata khusus. 2. Color Space Untuk Deteksi Kulit Warna kulit berada pada kelompok distribusi yang terpisah dari color space RGB (Red, Green, Blue). Oleh karena itu warna kulit dapat digunakan sebagai parameter untuk deteksi kulit pada gambar dan video. HSV dan HS dalam lookup table memberikan hasil terbaik dalam pendeteksian kulit. Gambar 2. 1 Perbandingan 5 color space pada klasifikasi deteksi kulit sebagai lookup table [7]. Adapun distribusi probabilitas warna yang digunakan dalam implementasi sistem ini adalah menggunakan histogram hue dalam model warna HSV (Hue, Saturation, Value). Alasan implementasi penggunaan histogram hue disebabkan oleh distribusi hue untuk kulit manusia seluruh dunia, kecuali albino, berada pada distribusi yang sempit sehingga pencilan tidak muncul. Apapun warna kulitnya, hisrtogram hue yang akan dihasilkan akan sesuai dan konvergen [7]. Perbedaan warna kulit manusia tersebut disebabkan oleh perbedaan value intensity. Adapun tingkat pencahayaan akan diabaikan karena yang digunakan hanyalah mode hue saja. Disamping itu, histogram hue memiliki sifat unik untuk kulit manusia. Oleh karena itu penggunaan distribusi hue akan mengatasi masalah tentang warna kulit yang berbeda, objek yang bukan kulit manusia, dan akuisisi pencahayaan video yang variatif. Algoritma Viola-Jones (Haar Cascade Classifier) 1. Fitur Haar Fitur yang digunakan Viola-Jones berdasarkan Haar wavelets. Haar wavelets merupakan satu panjang gelombang berbentuk persegi panjang (satu interval tinggi dan satu interval rendah). Dalam dua dimensi, sebuah persegi panjang terdiri dari sepasang persegi panjang, yang satu berwarna cerah dan yang satu berwarna gelap. 139
3 Gambar 2. 2 Fitur Haar [13]. Cara menghitung nilai dari fitur haar adalah ditentukan dengan mengurangi rata-rata nilai piksel pada area gelap dari rata-rata nilai piksel pada area cerah. 2. Integral Image Integral image merupakan sebuah citra yang nilai tiap pikselnya adalah jumlah dari semua piksel diatas dan kiri. Penjumlahan dimulai dari kiri atas hingga kanan bawah. Gambar 2. 3 Perhitungan Integral image [8]. Setelah proses pengintegralan, nilai setiap pada lokasi piksel, (x,y) mengandung jumlah dari semua nilai-nilai piksel yang berada dalam suatu area persegi panjang yang memiliki satu sudut dibagian kiri atas dan yang lainnya berada di lokasi (x,y). 3. Algoritma AdaBoost Permasalahan yang terdapat dalam penghitungan fitur ini adalah Viola-Jones memiliki +/ jenis fitur yang berbeda. Untuk memilih fitur haar yang spesifik yang akan digunakan dan untuk mengatur nilai ambang batasnya (threshold). Pemilihan fitur-fitur ini dilakukan menggunakan algoritma AdaBoost. AdaBoost menggabungkan banyak classifier lemah untuk membuat suatu classifier kuat. Lemah disini berarti classifier hanya mendapatkan jawaban benar lebih sedikit. Tapi jika keseluruhan classifier lemah digabungkan maka akan menjadi classifer yang lebih kuat. 4. Cascade Classifier Viola-Jones menggabungkan beberapa classifier lemah sebagai rangkaian filter yang cukup efisien untuk menggolongkan daerah image, yaitu cascade classifier. T T T T T Citra Filter 1 Filter 2 Filter. Filter n F F F F Non - Tangan Tangan Gambar 2. 4 Alur kerja dari klasifikasi bertingkat [9]. Klasifikasi pada algoritma ini terdiri dari n tingkatan dimana tiap tingkatan mengeluarkan subcitra yang diyakini bukan tangan. Pada klasifikasi tingkat pertama, tiap subcitra akan diklasifikasi menggunakan satu fitur. Hasil dari klasifikasi ini berupa T (true) untuk image yang memenuhi fitur haar tertentu dan F (false) bila tidak memenuhinya. Klasifikasi ini kira-kira akan menyisakan 50% subcitra untuk klasifikasi diitahap kedua. Seiring dengan bertambahnya tingkat klasifikasi, maka diperlukan syarat yang lebih spesifik sehingga fitur yang digunakan menjadi lebih banyak. Jumlah subcitra yang lolos klasifikasi pun akan berkurang hingga mencapai jumlah sekitar 2 %. 3. Kalman Filter Kalman Filter merupakan sekumpulan persamaan matematika yang menawarkan cara komputasi rekursif dan efisien untuk mengestimasi state dari sebuah proses, dengan cara meminimumkan rata-rata dari kuadrat eror. Kalman Filter mengestimasi sebuah proses melalui mekanisme control umpan balik. Persamaan untuk Kalman Filter dikelompokkan dalam dua bagian yaitu persamaan time update dan persamaan measurement update. Persamaan time update (predictor) bertugas untuk memprediksi current state dan mendapatkan nilai a priori untuk langkah berikutnya. Sedangkan persamaan measurement (corrector) bertugas untuk keperluan umpan balik, seperti memadukan hasil pengukuran terbaru dengan nilai a priori untuk mendapatkan nilai a posteriori yang lebih baik [3]. 140
4 Time Update(Predic Measurement Update (Correct) Gambar 2. 5 Skema Kalman Filter. i. Time Update 1. Prediksi State 2. Prediksi Kovarian Eror P P ii. Measurement Update 1. Kalman Gain 2. State Update 3. Update Kovarian Eror P P Setelah menjalani satu siklus time update dan measurement update, siklus ini terus berulangulang dengan nilai a posteriori sebelumnya digunakan untuk memprediksi nilai a priori yang baru. Sifat rekursif ini membuat implementasi praktis jauh lebih sederhana. 5. Perancangan Sistem 3.1 Rancangan Aplikasi Kalman Filter Augmented Reality Start Video Input Hand Detection (Algoritma Haar Cascade Classifier) Get Color Histogram From Hand (RGB - HSV) 3D Object Initialization Hand Tracking (Kalman Filter) Control Virtual Object Object Rendering Hentikan Program? No Yes End Gambar 3. 5 Flow Chart Kalman Filter Augmented Reality Keterangan: 141
5 a. Video Input: Kamera akan menangkap pergerakan dalam bentuk video, dan digunakan sebagai input dalam program. Kamera yang digunakan disini adalah webcam pada laptop. b. Hand Detection (Algoritma Haar Cascade classifier): Sistem akan me-load file xml Haar Cascade untuk objek tangan, kemudian pendeteksian akan dilakukan pada awal aplikasi dimulai untuk mengetahui keadaan dari tangan. Gambar 3. 6 Hasil deteksi objek tangan menggunakan Haar Cascade (lingkaran biru pada tangan) c. Get Color Histogram From Hand (RGB - HSV): Sebelum melakukan penelusuran tangan, tangan yang telah terdeteksi akan diambil histogram warna sebagai model referensi. Karena bentuk awal video input dalam proses ini adalah RGB, maka akan dilakukan perubahan menjadi HSV untuk diambil histogram Hue sebagai model referensi. d. Hand Tracking (Kalman Filter): Tracking objek tangan menggunakan metode Kalman Filter yang merupakan estimator rekursif. Kalman Filter menggunakan informasi dari suatu objek terdeteksi di suatu frame dan status objek tersebut di frame sebelumnya untuk membuat suatu perkiraan dari status baru objek tersebut. e. 3D Object Initialization: Objek 3D yang telah disiapkan untuk dimunculkan pada layar hasil AR. Gambar 3. 3 Objek Calung 3D dan Objek Pemukul 3D f. Object Rendering: Hasil dari tracking tangan dan inisialisasi objek 3D akan digabungkan dengan video streaming, apakah terjadi tumbukan pada objek 3D dengan tangan atau dengan objek lain yang di tangkap oleh kamera untuk mendapatkan hasil AR yang interaktif. g. Control Virtual Object: Output yang dihasilkan akan berupa video yang telah teraugmentasi secara real time. Output dari sistem interaksi AR tersebut akan dilakukan dengan merendering objek calung 3D dan objek pemukul 3D dengan menggunakan library OpenGL dan dapat melakukan interaksi yaitu memindahkan atau menggerakkan objek pemukul 3D secara bebas dengan menggunakan tangan. Pada aplikasi ini kita juga dapat berinteraksi dengan objek calung 3D tersebut dengan menggunakan objek pemukul 3D yang di gerakkan ke arah objek calung 3D. Jika posisi ujung objek pemukul 3D berada pada area objek calung 3D maka objek calung 3D tersebut akan berubah warna dan mengeluarkan suara. 6. Pengujian dan Analisis 1. Analisis Hasil Pengujian i. Analisis Hasil Pengujian Skenario 1 142
6 Grafik 4. 1 Pengaruh pencahayaan terhadap rata-rata jarak posisi error Dan dilakukan uji-t untuk mengetahui apakah perbedaan pencahayaan mempengaruhi rata-rata jarak posisi error dengan signifikansi sebesar α = 0.05, dan Hipotesis awal : H 0 : Tidak ada pengaruh antara pencahayaan terhadap rata-rata jarak error pixel H 0 : µ 1 - µ 2 = 0 µ 1 = Rata-rata jarak posisi error pada lampu kamar µ 2 = Rata-rata jarak posisi error pada cahaya matahari H 1 : Ada pengaruh antara pencahayaan terhadap rata-rata jarak error pixel H 1 : µ 1 - µ 2 > 0 µ 1 = Rata-rata jarak posisi error pada lampu kamar µ 2 = Rata-rata jarak posisi error pada cahaya matahari t tabel = Hasil didapat: Lampu Kamar Cahaya Matahari Tabel 4. 1 Hasil Uji-T Rata-rata Jarak Posisi Error Independent Samples Test t-test for Equality of Means Jarak Sig. (2- tailed) T df Equal variances assumed Dari Tabel 4.1 H 0 ditolak bila t hitung > t tabel ditandai dengan nilai p-value (Sig. (2-tailed)) > Sehingga dapat disimpulkan tidak menolak hipotesis H 0, bahwa pencahayaan tidak berpengaruh signifikan terhadap performansi tracking. Hal ini sesuai dengan sifat color space HSV yang tidak terlalu sensitif dengan pencahayaan seperti yang telah dijelaskan pada Bab 2. ii. Analisis Hasil Pengujian Skenario 2 Untuk mengukur performansi algoritma Kalman Filter dalam permasalahan interferensi warna dan tabrakan antar objek maka berikut ini adalah data hasil pengujian yang telah dilakukan : Tabel 4. 2 Penelusuran Tangan Ketika Tabrakan dengan Objek Lain Frame ke-106 Frame ke
7 Frame ke-111 Frame ke-112 Dan berikut hasil pengujian ketika penelusuran tangan dilakukan ketika kasus interferensi warna terjadi. Tabel 4. 3 Penelusuran Tangan Ketika Interferensi Warna Terjadi Frame ke-147 Frame ke-150 Frame ke-154 Frame ke-155 Frame ke-147 Frame ke-150 Frame ke-154 Frame ke-155 Dapat dilihat bahwa ketika ada objek lain yang bertabrakan dengan tangan, maka track window akan kehilangan fokusnya pada tangan. Pada saat itu, algoritma Kalman Filter bekerja dengan memprediksi koordinat titik pusat massa dan menjaga agar track window tidak berpindah posisi secara drastis atau signifikan. Kemudian ketika objek tangan kembali muncul, algoritma Kalman Filter dapat menangkap dan menelusuri tangan secara benar dan meningkatkan stabilitas penelusuran pada tangan yang bergerak. Dapat disimpulkan algoritma Kalman Filter dapat mengatasi masalah tabrakan antar objek. Dapat dilihat bahwa terdapat interferensi warna, yang direpresentasikan dengan sebuah objek tangan yang baru, objek tangan tersebut memiliki probabilitas warna yang sama dengan objek tangan yang berada dalam track window, ketika tangan tersebut bertabrakan dengan objek tangan yang lain, dapat kita lihat bahwa track window akan kehilangan fokusnya. Sehingga algoritma Kalman Filter akan menyesuaikan track window sesuai dengan probabilitas warna yang ada. Setelah itu, ketika objek tangan tersebut berpisah maka track window akan tetap menelusuri objek tangan awal. Maka dapat disimpulkan bahwa penelusuran tangan dengan menggunakan algoritma Kalman Filter dapat mengatasi masalah interferensi warna. 144
8 iii. Analisis Hasil Pengujian Skenario 3 Grafik 4. 2 Pengaruh background terhadap rata-rata waktu pemrosesan Dan dapat dilakukan Uji-T untuk melihat pengaruh backgorund terhadap waktu pemrosesan dengan signifikansi sebesar α = 0.05, dan hasil Hipotesis awal : : Tidak ada pengaruh antara background kompleks dan background sederhana terhadap waktu pemrosesan Kalman Filter Augmented Reality. H 0 : µ 1 - µ 2 = 0 µ 1 = Waktu pemrosesan pada background kompleks µ 2 = Waktu pemrosesan pada background sederhana : Ada pengaruh antara background kompleks dan background sederhana terhadap waktu pemrosesan Kalman Filter Augmented Reality. H 1 : µ 1 - µ 2 < 0 µ 1 = Waktu pemrosesan pada background kompleks µ 2 = Waktu pemrosesan pada background sederhana t tabel = Hasil didapat : Waktu Tabel 4. 4 Hasil Uji-T Waktu Pemrosesan Independent Samples Test t-test for Equality of Means Sig. (2- tailed) t df Equal variances assumed Dari Tabel 4.4 H 0 ditolak bila t hitung < t tabel ditandai dengan nilai p-value (Sig. (2-tailed)) > Sehingga dapat disimpulkan tidak menolak hipotesis H 0, bahwa tidak ada pengaruh yang terlalu signifikan antara kondisi ruangan terhadap waktu pemrosesan Kalman Filter Augmented Reality. iv. Analisis Hasil Pengujian Skenario Komplek s Sederhan a Pada aplikasi ini user dapat berinteraksi dengan objek calung 3D tersebut dengan menggunakan objek pemukul 3D yang di gerakkan ke arah objek calung 3D. Jika posisi ujung objek pemukul 3D berada pada area objek calung 3D maka objek calung 3D tersebut akan berubah warna dan mengeluarkan suara. 145
9 Calung yang dipukul ISSN : Gambar 4. 1 Interaksi dengan objek calung 3D Dari hasil uji coba aplikasi ini oleh 20 user, didapatkan hasil sebagai berikut : Tabel 4. 5 Hasil Uji Validitas Sistem Suara yang keluar Do Re Mi Fa So La Si Merah Kuning Hijau Biru Ungu Orange Cyan Dari Table 4.5 setiap user mencoba 1 set calung sebanyak 5 kali dan terdapat 7 set calung sehingga total percobaan yang dilakukan sebanyak 700 kali dari total 20 user. Dan didapatkan ada beberapa error yang dihasilkan ketika user memukul calung, suaranya tidak keluar sebanyak 32 kali. Karena user terlalu cepat menggerakkan tangannya sehingga berpengaruh terhadap keberhasilan dalam deteksi objek dan suara yang keluar dari sistem. Jadi error dari total 700 percobaan yang dilakukan adalah 4,57 %. Tabel 4.6 Hasil Uji Coba 20 User Tingkat No Parameter kepuasan Kemudahan Penggunaan Keakuratan Deteksi Tangan Kestabilan Objek Augmented Reality 3D Waktu Respon Sistem Interaksi Dengan Objek Calung 3D Tampilan Aplikasi Dalam perhitungan kuisioner diatas menggunakan skala Likert, yaitu dengan memberikan standar tertentu [16]. Maka penilaian jawaban di kuisioner digolongkan menjadi 4 bobot. Sehingga apabila digabungkan menurut kutubnya yaitu kutub negatif (Tidak Puas) dan kutub positif (Puas), maka didapatkan : Tabel 4. 7 Klasifikasi Hasil Kuisioner Persentase Kepuasan Menurut Parameter Kutubnya Tidak Puas Puas 146
10 Dapat dilihat dari Tabel 4.7 bahwa : 1. Banyak user yang merasa sistem sudah mudah digunakan (60%). 2. Keakuratan deteksi masih menjadi kendala bagi user (70%). 3. Kestabilan objek 3D Augmented Reality sudah cukup baik (55%). 4. Waktu respon sistem masih kurang baik (60%). 5. Interaksi dengan objek calung 3D cukup memuaskan (60%). 6. Tampilan aplikasi sudah cukup menarik (65%). 7. Kesimpulan dan Saran 1. Kesimpulan Kesimpulan yang didapat dari penelitian Penelitian ini adalah: 1. Pencahayaan tidak berpengaruh terhadap rata-rata jarak posisi error pada performansi Kalman Filter tracking. Hal ini sesuai dengan sifat color space HSV yang tidak terlalu sensitif dengan pencahayaan. Kalman Filter juga dapat mengatasi masalah interferensi warna dan tabrakan antar objek lain. Dan kondisi ruangan tidak terlalu berpengaruh terhadap waktu processing Kalman Filter Augmented Reality. 2. Pada saat user melakukan uji coba pada aplikasi Kalman Filter Augmented Reality ini, ada beberapa error yang dihasilkan ketika user memukul calung, suaranya tidak keluar sebanyak 32 kali. Sehingga error yang dihasilkan dari uji coba aplikasi ini oleh 20 user sebesar 4,57 %. 3. Aplikasi Kalman Filter Augmented Reality ini sudah cukup baik dari segi kemudahan penggunaan, kestabilan objek 3D Augmented Reality, interaksi dengan objek calung 3D, dan tampilan aplikasi namun performansi dari segi keakuratan dan waktu respon pada sistem masih kurang baik. 2. Saran 1 40% 60% 2 70% 30% 3 45% 55% 4 60% 40% 5 40% 60% 6 35% 65% Saran apabila penelitian Penelitian ini ingin dikembangkan lebih lanjut: 1. Algoritma Viola-Jones sebagai metode deteksi tangan bisa diganti dengan metode metode yang lebih baik lagi. 2. Sistem dibuat berbasis parallel, dengan menggunakan GPU, dikarenakan cabang ilmu Computer Vision berhubungan dengan grafis dan komputasi yang besar. Daftar Pustaka [1] Risty Ammatia Augmented Reality. Institut Teknologi Telkom, Bandung. [2] Anggara Putra, Septioadi Hand Tracking dengan Menggunakan Metode CAMShift dan Kalman Filter Pada Augmented Reality. Institut Teknologi Telkom, Bandung. [3] Welch Greg dan Bishop Gary An Introduction to the Kalman Filter. University of North Carolina, Chapel Hill. [4] S. Bilal, Rini Akmeliawati, Momoh Jimoh El Salami, Amir A. Shafie, dan El Mehdi Bouhabba A Hybrid Method Using Haar-like and Skin-Color Algorithm for Hand Posture Detection, Recognition and Tracking. International Islamic University Malaysia, Kuala Lumpur Malaysia. [5] Xu Sheldon dan Anthony Chang. Robust Object Tracking Using Kalman Filters with Dynamic Covariance. Cornell University. [6] Muhammad Faijar, Vialli Perancangan dan Analisis Performansi Interactive Augmented Reality Berbasis CUDA GPU Computing. Institut Teknologi Bandung. 147
11 [7] [8] [9] [10] [11] [12] [13] Rasiwasia Nikhil Color Space for Skin Detection - A Review. University of Trento, Italy. Hewitt Robin Seeing With OpenCV. SERVO Magazine, Finding Faces in Images, pp. part 2. Tri Hutama Ajie Analisis dan Implementasi Face Tracking Menggunakan Particle Filter Pada Lingkungan Augmented Reality. Telkom University, Bandung. Ford Adrian dan Alan Roberts Color Space Conversions. British Broadcasting Corporation, University of Westminster. Silva, R et al. Introduction to Augmented Reality. National Laboratory for Scientific Computation, Brazil. Unlocking the Hidden Curriculum. Exploring the use of Augmented Reality as an educational resource. University of Exeter. Viola, Paul dan Michael Jones Rapid Object Detection using Boosted Cascade of Simple Features. Conference on Computer Vision and Pattern Recognition, Cambridge. [14] [15] [16] [17] [18] Ramadijanti Nana, Setiawardhana dan Raga Mukti Alhaqqi. Tracking Jari Dengan Haar Cascade dan Filter Kalman Pada Virtual Keyboard. Politeknik Elektronika Negeri, Surabaya. Walpole, Ronald E Ilmu Peluang dan Statistika untuk Insinyur dan Ilmuwan. Bandung: Penerbit ITB. Sugiyono Metode Penelitian Administrasi. Bandung: Penerbit Alfabeta. Lee Taehee dan Tobias Hollerer. Handy AR: Markerless Inspection of Augmented Reality Objects Using Fingertip Trackin. University of California, USA. NHL Computer Vision : Color Image Processing
BAB 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 terperinciBAB IV PENGUJIAN SISTEM. koordinat pada tiap-tiap area, akses pixel, contrast streching, histogram. yang
BAB IV PENGUJIAN SISTEM Sistem yang di ujicoba merupakan dari hasil program yang telah selesai dibuat. Dimulai dari pengambilan citra dari WebCam, pengolahan citra yang dimulai dengan update citra kondisi
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 terperinciMarkerless Augmented Reality Pada Perangkat Android
Markerless Augmented Reality Pada Perangkat Android Yoze Rizki - 2207 100 102 Pembimbing: Mochamad Hariadi, ST.,MSc.,PhD. Cristyowidiasmoro, ST.,MT., Department of Electrical Engineering Faculty of Industrial
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 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 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 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 terperinciANALISIS PENGGUNAAN METODE MARKER TRACKING PADA AUGMENTED REALITY ALAT MUSIK TRADISIONAL JAWA TENGAH
ANALISIS PENGGUNAAN METODE MARKER TRACKING PADA AUGMENTED REALITY ALAT MUSIK TRADISIONAL JAWA TENGAH Risyan Arief Setyawan Program Studi Teknik Multimedia Jaringan, Teknik Informatika Politeknik Negeri
Lebih terperinciPenerapan Algoritma Particle Filter pada Face Tracking
pp. 1~5 ISSN: 1978-1520 1 Penerapan Algoritma Particle Filter pada Face Tracking Very Rahmawan, David Oktavian, Derry Alamsyah STMIK GI MDP, Jalan Rajawali No.14 Palembang, 0711-376400 Jurusan Teknik Informatika,
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 terperinciDrawing, Viewport, dan Transformasi. Pertemuan - 02
Drawing, Viewport, dan Transformasi Pertemuan - 02 Ruang Lingkup Definisi Drawing Viewport Transfomasi Definisi Bagian dari grafik komputer meliputi: 1. Citra (Imaging) : mempelajari cara pengambilan dan
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 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 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 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 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 terperinci1BAB I. 2PENDAHULUAN
1BAB I. 2PENDAHULUAN 2.1. Latar Belakang Pelacak objek (object tracking) pada saat ini merupakan penelitian yang menarik dalam bidang computer vision. Pelacak objek merupakan langkah awal dari berbagai
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 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 terperinciMULTI-BLOB TRACKING PADA CITRA VIDEO MENGGUNAKAN KALMAN FILTER, STUDI KASUS: MULTITOUCH
MULTI-BLOB TRACKING PADA CITRA VIDEO MENGGUNAKAN KALMAN FILTER, STUDI KASUS: MULTITOUCH Rizky Ario Nugroho¹, Tjokorda Agung Budi Wirayuda², Retno Novi Dayawati³ ¹Teknik Informatika,, Universitas Telkom
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 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 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 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 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 terperinciDeteksi Kebakaran pada Video Berbasis Pengolahan Citra dengan Dukungan GPU
Deteksi pada Video Berbasis Pengolahan Citra dengan Dukungan GPU Adhi Prahara Jurusan Ilmu Komputer dan Elektronika Fakultas MIPA, Universitas Gadjah Mada Sekip Utara Bulaksumur, Yogyakarta, Indonesia
Lebih terperinciIJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: PENERAPAN ALGORITMA KALMAN FILTER UNTUK PELACAKAN WAJAH
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 PENERAPAN ALGORITMA KALMAN FILTER UNTUK PELACAKAN WAJAH Ali Daud* 1, Akbar Saputra 2, Derry Alamsyah 3 1,2 STMIK GI MDP; Jl. Rajawali No.14 Palembang,
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 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 3 METODE PENELITIAN. pendapat para responden mengenai Augmented Reality, aplikasi Virtual dressing
BAB 3 METODE PENELITIAN 3.1 Hasil Uji Kuesioner Kuisioner terdiri dari 12 pertanyaan dan terdapat 56 responden yang menjawab kuesioner secara online. Kuisioner ini dimaksudkan untuk mengetahui pendapat
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 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 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 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 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 terperinciPERANCANGAN DAN IMPLEMENTASI ALAT MUSIK PIANO AUGMENTED REALITY BERBASIS DESKTOP
PERANCANGAN DAN IMPLEMENTASI ALAT MUSIK PIANO AUGMENTED REALITY BERBASIS DESKTOP TUGAS AKHIR Diajukan guna memenuhi sebagian persyaratan dalam rangka menyelesaikan Pendidikan Sarjana Strata Satu (S1) Program
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 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 terperinciBAB 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 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 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 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 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 terperinciDeteksi Jenis Kendaraan di Jalan Menggunakan OpenCV
JURNAL TEKNIK ITS Vol. 6, No. 2, (2017) ISSN: 2337-3539 (2301-9271 Print) A-296 Deteksi Jenis di Jalan Menggunakan OpenCV Alvin Lazaro, Prof. Dr. Ir. Joko Lianto Buliali, M.Sc., Bilqis Amaliah S.Kom.,
Lebih terperinciVISUALISASI GERAKAN OBJEK 3D PADA AUGMENTED REALITY DENGAN DETEKSI TUMBUKAN BERBASIS BOUNDING BOX
VISUALISASI GERAKAN OBJEK 3D PADA AUGMENTED REALITY DENGAN DETEKSI TUMBUKAN BERBASIS BOUNDING BOX Adhi Arsandi 2208205734 PROGRAM MAGISTER BIDANG KEAHLIAN JARINGAN CERDAS MULTIMEDIA (TEKNOLOGI PERMAINAN)
Lebih terperinciImplementasi Kalman Filter Pada Sensor Jarak Berbasis Ultrasonik
Implementasi Kalman Filter Pada Sensor Jarak Berbasis Ultrasonik Hendawan Soebhakti, Rifqi Amalya Fatekha Program Studi Teknik Mekatronika, Jurusan Teknik Elektro Politeknik Negeri Batam Email : hendawan@polibatam.ac.id
Lebih terperinciANALISA PERANCANGAN SISTEM
Gambar 2.16. Black Bo Pengujian black bo adalah pengujian aspek fundamental sistem tanpa memperhatikan struktur logika internal perangkat lunak. Metode ini digunakan untuk mengetahui apakah perangkat lunak
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 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 terperinciDAFTAR ISI ABSTRAK... 7 KATA PENGANTAR... 8 DAFTAR ISI DAFTAR TABEL DAFTAR GAMBAR DAFTAR LAMPIRAN BAB I PENDAHULUAN...
DAFTAR ISI Penulis Halaman ABSTRAK..... 7 KATA PENGANTAR... 8 DAFTAR ISI.... 10 DAFTAR TABEL... 15 DAFTAR GAMBAR... 16 DAFTAR LAMPIRAN... 18 BAB I PENDAHULUAN... 2 1.1 Latar Belakang Masalah... 2 1.2 Perumusan
Lebih terperinciDeteksi dan Klasifikasi Citra Berdasarkan Warna Kulit Menggunakan HSV
Jati Sasongko Wibowo Program Studi Teknik Informatika, Universitas Stikubank email : jatisw@gmail.com Abstrak Dalam model HSV (Hue Saturation Value) ini digunakan untuk segmentasi warna kulit manusia dan
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM 3.1 Analisis Sistem Analisis sistem dapat didefinisikan sebagai penguraian dari suatu sistem informasi yang
BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1 Analisis Sistem Analisis sistem dapat didefinisikan sebagai penguraian dari suatu sistem informasi yang utuh kedalam bagian-bagian komponennya dengan maksud
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 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 ANALISA DAN PERANCANGAN SISTEM
BAB III ANALISA DAN PERANCANGAN SISTEM 3.1 Analisis Sistem Analisis sistem dapat didefinisikan sebagai penguraian dari suatu sistem informasi yang utuh kedalam bagian bagian komponennya dengan maksud untuk
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 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 terperinciANALISIS. memungkink. haji. berikut.
BAB II II ANALISIS S KEBUTUHAN SISTEM Dalam penelitian perancangan dan implementasi interaksi untuk media pembelajaran manasik berbasis teknologi AR,, akan dikembangkann beberapa memungkink kan pengguna
Lebih terperinciBAB II KAJIAN PUSTAKA. mengharapkan kenaikan angka penjualan (Suyanto, 2005).
BAB II KAJIAN PUSTAKA A. Promosi Promosi adalah upaya untuk memberitahukan atau menawarkan produk atau jasa pada konsumen dengan tujuan menarik calon konsumen untuk membeli atau mengkonsumsinya. Dengan
Lebih terperinciBAB III KALMAN FILTER DISKRIT. Kalman Filter adalah rangkaian teknik perhitungan matematika (algoritma)
BAB III KALMAN FILTER DISKRIT 3.1 Pendahuluan Kalman Filter adalah rangkaian teknik perhitungan matematika (algoritma) yang memberikan perhitungan efisien dalam mengestimasi state proses, yaitu dengan
Lebih terperinciBAB 2 LANDASAN TEORI. dari sudut pandang matematis, citra merupakan fungsi kontinyu dari intensitas cahaya
5 BAB 2 LANDASAN TEORI 2.1 Citra Secara harfiah citra atau image adalah gambar pada bidang dua dimensi. Ditinjau dari sudut pandang matematis, citra merupakan fungsi kontinyu dari intensitas cahaya pada
Lebih terperinciSistem Pendeteksian Jari Telunjuk pada Game TicTacToe Menggunakan Metode Viola dan Jones
ISSN 1858-4667 JURNAL LINK Vol 16/No. 1/Februari 2012 Sistem Pendeteksian Jari Telunjuk pada Game TicTacToe Menggunakan Metode Viola dan Jones Setiawardhana, S.T, M.T 1), Nana Ramadijanti, S.Kom, M.Kom
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 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 terperinciAplikasi Rekursifitas pada Algoritma Viola Jones
Aplikasi Rekursifitas pada Algoritma Viola Jones Maulana Akmal - 13516084 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung 40132,
Lebih terperinciRANCANG BANGUN APLIKASI PEMBELAJARAN UNSUR KIMIA MENGGUNAKAN SISTEM AUGMENTED REALITY UNTUK PELAJAR SMA
ISSN 1858-4667 JURNAL LINK VOL 23/No. 2/September 2015 RANCANG BANGUN APLIKASI PEMBELAJARAN UNSUR KIMIA MENGGUNAKAN SISTEM AUGMENTED REALITY UNTUK PELAJAR SMA Kholid Fathoni 1, Rizky Yuniar Hakkun 2, Artanisa
Lebih terperinciDAFTAR ISI. Lembar Pengesahan Penguji... iii. Halaman Persembahan... iv. Abstrak... viii. Daftar Isi... ix. Daftar Tabel... xvi
DAFTAR ISI Halaman Judul... i Lembar Pengesahan Pembimbing... ii Lembar Pengesahan Penguji... iii Halaman Persembahan... iv Halaman Motto... v Kata Pengantar... vi Abstrak... viii Daftar Isi... ix Daftar
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN
BAB 3 ANALISIS DAN PERANCANGAN 3.1 Analisis Permasalahan Aplikasi ini tergolong sebagai sistem kecerdasan buatan karena akan menggantikan peran seseorang yang mampu mengenali ekspresi wajah. Tiga ekspresi
Lebih terperinciBAB IV IMPLEMENTASI DAN PENGUJIAN
BAB IV IMPLEMENTASI DAN PENGUJIAN Pada bab ini, akan membahas implementasi dan hasil pengujian dari program aplikasi yang telah dibuat. Pada perancangan aplikasi ini meliputi perbedaan citra hasil foto
Lebih terperinciBAB IV IMPLEMENTASI DAN EVALUASI. Jones, kami membuat sebuah aplikasi sederhana, dengan spesifikasi perangkat lunak
BAB IV IMPLEMENTASI DAN EVALUASI 4.1 Aplikasi Pengujian Untuk menguji kecepatan dan keakuratan metode pendeteksian wajah Viola Jones, kami membuat sebuah aplikasi sederhana, dengan spesifikasi perangkat
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 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 4 PEMROSESAN CITRA DAN IMPLEMENTASI Pemrosesan Citra dan Rancangan Eksperimen untuk Fusi Citra
BAB 4 PEMROSESAN CITRA DAN IMPLEMENTASI 4.1. Pemrosesan Citra dan Rancangan Eksperimen untuk Fusi Citra Pada fusi data citra fluorescent hijau dan fluorescent merah penulis melakukan Pixel Level Fusion
Lebih terperinciObjek Kaca Mata Augmented Reality Berbasis Tracking Mata menggunakan Haar Cascade Classifier
Objek Kaca Mata Augmented Reality Berbasis Tracking Mata menggunakan Haar Cascade Classifier Slamet Bidang Keahlian Jaringan Cerdas Multimedia Institut Teknologi Sepuluh Nopember 60111 Surabaya, Indonesia
Lebih terperinciBAB III ANALISA DAN PERANCANGAN
BAB III ANALISA DAN PERANCANGAN 3.1 Analisa Sistem Tahapan analisa merupakan tahapan awal dalam perekayasaan perangkat lunak. Pada tahapan ini menjelaskan apa yang dilakukan sistem, siapa yang menggunakannya
Lebih terperinciTRANSLASI BAHASA ISYARAT
TRANSLASI BAHASA ISYARAT Juniar Prima Rakhman), Nana Ramadijanti, S.Kom, M.Kom), Edi Satriyanto S.Si, M.Si) Jurusan Teknik Informatika, PENS ITS Surabaya Kampus ITS Sukolilo, Surabaya 60 08050 E-mail :
Lebih terperinciPENGEMBANGAN SISTEM PEROLEHAN CITRA BERBASIS ISI PADA CITRA BATIK MENGGUNAKAN METODE INTEGRATED COLOR AND INTENSITY CO-OCCURRENCE MATRIX (ICICM)
PENGEMBANGAN SISTEM PEROLEHAN CITRA BERBASIS ISI PADA CITRA BATIK MENGGUNAKAN METODE INTEGRATED COLOR AND INTENSITY CO-OCCURRENCE MATRIX (ICICM) Rima Tri Wahyuningrum *) Program Studi Teknik Informatika,
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 4 HASIL DAN PEMBAHASAN
68 BAB 4 HASIL DAN PEMBAHASAN 4.1. Uji Algoritma Pengujian dilakukan untuk mendapatkan algoritma yang paling optimal dari segi kecepatan dan tingkat akurasi yang dapat berjalan secara real time pada smartphone
Lebih terperinciDeteksi Warna. Resty Wulanningrum,S.Kom Universitas Nusantara PGRI Kediri
Thresholding Resty Wulanningrum,S.Kom Universitas Nusantara PGRI Kediri Deteksi Warna Mendeteksi adanya warna-warna tertentu Menentukan posisi pixel dengan warna yang ditentukan Aplikasi: Deteksi rambu-rambu
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 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 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 terperinciMEMBANDINGKAN CITRA DIGITAL UNTUK MEMPREDIKSI KETERHUBUNGANNYA
A7 Seminar Nasional Teknologi Informasi 2016 MEMBANDINGKAN CITRA DIGITAL UNTUK MEMPREDIKSI KETERHUBUNGANNYA Pradita Chandra Kurniawan 1) Yulius Denny Prabowo 2) Teknik Informatika Institut Teknologi dan
Lebih terperinci