Hasil Pencarian  ::  Simpan CSV :: Kembali

"Angka penularan COVID-19 yang terus meningkat mendorong berbagai inovasi diciptakan untuk memutus rantai penyebarannya. Salah satu inovasi tersebut dapat diciptakan dengan menggabungkan pengetahuan dari Algoritma Haar Cascade sebagai pendeteksi wajah forntal dan jaringan saraf konvolusional (CNN) sebagai klasifikator. Konsep ini digunakan untuk membuat computer vision sebagai media pendeteksi penggunaan masker di lingkungan masyarakat. Media yang dapat digunakan untuk membuat pendeteksi ini adalah kamera. Hasil deteksi ini dapat menghasilkan suatu data baru yang dapat bermanfaat untuk kepentingan bersama seperti perhitungan jumlah pengguna masker, bukan pengguna masker, dan total orang yang terdeteksi oleh kamera. Pengujian dilakukan untuk meneliti kemampuan inovasi untuk diimplementasikan. Dilakukan dua jenis pengujian yaitu pengujian berbasis scenario penambahan jumlah objek dan pengujian langsung. Pengujian berbasis scenario ditujukkan untuk melakukan pengujian performansi minimum hasil tuning model dengan menambahkan jumlah objek ataupun variasi dari objek. Sedangkan pengujian langsung ditujukkan untuk menguji performansi maksimal dari model yang diujikan secara langsung. Hasil yang difokuskan dari seluruh pengujian adalah nilai akurasi dan hasil perhitungan setiap jenis objek. Didapatkan beberapa factor yang mempengaruhi hasil seperti resolusi kamera, kecepatan gerak objek dan sudut hadap wajah, jumlah dan variasi dataset yang digunakan untuk membuat model, dan sumber pencahayaan. Rata-rata nilai akurasi dari masing-masing pengujian adalah 95% untuk pengujian scenario dan 68,9% untuk pengujian langsung.

---

The increasing number of COVID-19 transmission has encouraged various innovations to be created to break the chain of its spread. One such innovation can be found by combining knowledge from the Haar Cascade Algorithm as a forntal face detection and convolutional neural network (CNN) as a classifier. This concept is used to make computer vision a medium for detecting the use of masks in the community. The media that can be used to make this detector is a camera. The results of this detection can generate new data that can be of mutual benefit, such as the calculation of the number of mask users, not mask users, and the total number of people detected by the camera. Tests are carried out to examine the ability of innovation to be implemented. Two types of examiners were carried out, namely scenario-based testing of increasing the number of objects and direct testing. Scenario-based testing is intended to perform tests to test the minimum result model by adding the number of objects or variations of the objects. Meanwhile, the direct tester is aimed at testing the maximum performance of the model being tested directly. The focused results of the test are accurate values and the calculation results of each type of object. There are several factors that affect the results such as camera resolution, object speed and face angle, number and variation of datasets used to create models, and lighting sources. The average accuracy value of each test is 95% for the test scenario and 68,9% for the direct test."

"In this book, the design of two new planar patterns for camera calibration of intrinsic parameters is addressed and a line-based method for distortion correction is suggested. The dynamic calibration of structured light systems, which consist of a camera and a projector is also treated. Also, the 3D Euclidean reconstruction by using the image-to-world transformation is investigated. Lastly, linear calibration algorithms for the catadioptric camera are considered, and the homographic matrix and fundamental matrix are extensively studied. In these methods, analytic solutions are provided for the computational efficiency and redundancy in the data can be easily incorporated to improve reliability of the estimations. This volume will therefore prove valuable and practical tool for researchers and practioners working in image processing and computer vision and related subjects."

"Degan perkembangan dunia informasi dan teknologi yang sangat pesat mendorong manusia untuk menciptakan sistem simulasi. Sistem simulasi ini bisa digunakan untuk mensimulasikan dunia manufacturing. Untuk membuat simulasi ini menjadi terasa natural maka digunakanlah hand tracking dan hand recognition sebagai media inputnya. Skripsi ini membahas implementasi algoritma SURF, CAMSHIFT dan Convex Hull untuk melakukan Hand Tracking dan Hand Recognition. Input yang diberikan berupa koordinat telapak tangan kemudian sistem akan melakukan tracking dengan membuat boundaries segi empat. Kemudian dilakukan pemisahaan antara citra tangan dan background pada boundaries tersebut. Setelah itu dilakukan perhitunngan pengolahan citra untuk menentukan pose dari tangan tersebut. Hasil akir dari penelitian ini adalah sistem yang akan melakukan tracking dan recognition kemudian mengirimkan hasilnya ketahap berikutnya untuk dilakukan simulasi.

---

Development of information and technology very rapidly encourage people to create a simulation system. This simulation system can be used to simulate the manufacturing field. To make this simulation become more naturaly it is used hand tracking and hand recognition as input device. This thesis discusses the implementation of SURF, CAMSHIFT and Convex Hull algorithms for Hand Tracking and Hand Recognition. Input given in the form of palm coordinates then the system will do the tracking by creating boundaries rectangle. Then separated between the hand image and the background on the boundaries. After that done calculate image processing to determine the pose of the hand. The result of this research is a system that will perform tracking and recognition and then send the result next stage to be simulated."