ANALISIS KINERJA HAND TRACKING-BY-DETECTION UNTUK HOLOGRAM INTERAKTIF MENGGUNAKAN MODEL ADAPTIVE BOOSTING
Total View This Week0
Total View This Week0
Institusion
Universitas Telkom
Author
MUHAMMAD YANUAR RIZQI
Subject
Image processing - computer vision
Datestamp
2020-02-04 00:00:00
Abstract :
Human Computer Interaction atau HCI adalah ilmu yang digunakan untuk menghubungkan manusia dengan komputer sehingga dapat berinteraksi secara efisien dengan meliputi perancangan, evaluasi, dan implementasi antarmuka dari komputer agar mudah digunakan. Pada Tugas Akhir ini dibuat sebuah sistem untuk menampilkan informasi tiga dimensi hologram menggunakan media proyeksi kaca mika yang diintegrasikan dengan metode pengenalan objek untuk mendeteksi gerakan tangan sebagai pengganti pointer, contohnya Haar-Cascade Classifier yang merupakan weak learner sehingga untuk meningkatkan performa diperlukan algoritma boosting (contohnya Adaptive Boosting). Penulis membagi permasalahan tersebut ke dalam 4 skenario, dimana skenario 1 yaitu tes akurasi, skenario 2 IoU, skenario 3 presisi dan skenario 4 waktu komputasi yang akan diujikan pada 2 model data uji, yaitu tangan terbuka dan tertutup. Lalu parameter yang akan dioptimalisasi, yaitu jumlah dataset, dan nilai minimum neighbour. Dari sistem yang dioptimalisasi, penulis mendapatkan hasil terbaik pada akurasi yaitu 99.72% untuk semua model, lalu pada IoU 0.58 untuk tangan terbuka dan 0.71 untuk tangan tertutup, sedangkan pada presisi 40.31 piksel untuk tangan terbuka dan 14.06 piksel untuk tangan tertutup, dan pada waktu komputasi 0.13 sekon untuk tangan terbuka dan 0.17 sekon untuk tangan tertutup.
Human Computer Interaction atau HCI adalah ilmu yang digunakan untuk menghubungkan manusia dengan komputer sehingga dapat berinteraksi secara efisien dengan meliputi perancangan, evaluasi, dan implementasi antarmuka dari komputer agar mudah digunakan. Pada Tugas Akhir ini dibuat sebuah sistem untuk menampilkan informasi tiga dimensi hologram menggunakan media proyeksi kaca mika yang diintegrasikan dengan metode pengenalan objek untuk mendeteksi gerakan tangan sebagai pengganti pointer, contohnya Haar-Cascade Classifier yang merupakan weak learner sehingga untuk meningkatkan performa diperlukan algoritma boosting (contohnya Adaptive Boosting). Penulis membagi permasalahan tersebut ke dalam 4 skenario, dimana skenario 1 yaitu tes akurasi, skenario 2 IoU, skenario 3 presisi dan skenario 4 waktu komputasi yang akan diujikan pada 2 model data uji, yaitu tangan terbuka dan tertutup. Lalu parameter yang akan dioptimalisasi, yaitu jumlah dataset, dan nilai minimum neighbour. Dari sistem yang dioptimalisasi, penulis mendapatkan hasil terbaik pada akurasi yaitu 99.72% untuk semua model, lalu pada IoU 0.58 untuk tangan terbuka dan 0.71 untuk tangan tertutup, sedangkan pada presisi 40.31 piksel untuk tangan terbuka dan 14.06 piksel untuk tangan tertutup, dan pada waktu komputasi 0.13 sekon untuk tangan terbuka dan 0.17 sekon untuk tangan tertutup.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
