Kontrol Media Player Komputer Berbasis Pose Tangan Menggunakan Convolutional Neural Network
Total View This Week0
Total View This Week0
Institusion
Institut Teknologi Sepuluh Nopember
Author
Wiguna, I Gusti Komang Agung
Subject
Q325.5 Machine learning.
Datestamp
2023-08-03 04:16:29
Abstract :
Tugas Akhir ini bertujuan untuk mengembangkan sistem kontrol media player komputer alternatif berbasis pose tangan menggunakan Convolutional Neural Network (CNN). Latar belakang penelitian ini yaitu kontrol media player alternatif saat ini memiliki jeda waktu lama untuk mengenali tangan dan bergantung pada warna latar belakang, yang membuatnya tidak efisien dalam segi waktu dan keakuratan kontrol. Metode penelitian ini menggunakan deteksi tangan dan 21 landmark untuk mengestimasikan pose tangan pada citra. Pendeteksian dan estimasi pose dilakukan dengan MediaPipe dan klasifikasi menggunakan CNN. Sistem ini mampu mendeteksi pose tangan dengan akurasi 97.78% dan waktu respon rata-rata 310.9 miliseconds. Sistem ini dapat mengontrol media player dengan pose tangan dari jarak 50 sampai 200 sentimeter. Kontribusi Tugas Akhir ini adalah pengembangan sistem kontrol media player alternatif untuk meningkatkan efektivitas, efisiensi, dan kecepatan respon kontrol media player komputer. ==================================================================================================================================== This Final Project aims to develop an alternative computer media player control system based on hand pose using Convolutional Neural Network (CNN). The background of this research is that the current alternative media player control has a long delay in recognizing hands and relies on the background color, making it inefficient in terms of time and control accuracy. The research method involves hand detection and 21 landmarks to estimate hand pose in images. Hand detection and pose estimation are performed using MediaPipe, and the classification is done using CNN. The system is capable of detecting hand poses with an accuracy of 97.78% and an average response time of 310.9 milliseconds. The system can control the media player based on hand poses from a distance of 50 to 200 centimeters. The contribution of this Final Project is the development of an alternative media player control system to enhance effectiveness, efficiency, and response speed in computer media player control.
Tugas Akhir ini bertujuan untuk mengembangkan sistem kontrol media player komputer alternatif berbasis pose tangan menggunakan Convolutional Neural Network (CNN). Latar belakang penelitian ini yaitu kontrol media player alternatif saat ini memiliki jeda waktu lama untuk mengenali tangan dan bergantung pada warna latar belakang, yang membuatnya tidak efisien dalam segi waktu dan keakuratan kontrol. Metode penelitian ini menggunakan deteksi tangan dan 21 landmark untuk mengestimasikan pose tangan pada citra. Pendeteksian dan estimasi pose dilakukan dengan MediaPipe dan klasifikasi menggunakan CNN. Sistem ini mampu mendeteksi pose tangan dengan akurasi 97.78% dan waktu respon rata-rata 310.9 miliseconds. Sistem ini dapat mengontrol media player dengan pose tangan dari jarak 50 sampai 200 sentimeter. Kontribusi Tugas Akhir ini adalah pengembangan sistem kontrol media player alternatif untuk meningkatkan efektivitas, efisiensi, dan kecepatan respon kontrol media player komputer. ==================================================================================================================================== This Final Project aims to develop an alternative computer media player control system based on hand pose using Convolutional Neural Network (CNN). The background of this research is that the current alternative media player control has a long delay in recognizing hands and relies on the background color, making it inefficient in terms of time and control accuracy. The research method involves hand detection and 21 landmarks to estimate hand pose in images. Hand detection and pose estimation are performed using MediaPipe, and the classification is done using CNN. The system is capable of detecting hand poses with an accuracy of 97.78% and an average response time of 310.9 milliseconds. The system can control the media player based on hand poses from a distance of 50 to 200 centimeters. The contribution of this Final Project is the development of an alternative media player control system to enhance effectiveness, efficiency, and response speed in computer media player control.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
