Hasil Pencarian  ::  Simpan CSV :: Kembali

"Pendeteksfan wajah mamtsia merupakan proses dasar dari ap!ikasi yang lebih lua.v, seperti pengenalan wajah, pengenalan ekspresi, pelacakan wajah, estimasi pose, dan pengenalcm isyarat tubuh. Berbagai metode tclah diterapkan untuk melakukan pcndcteksian wajah. salah satunya adafah dengan memanjaatkan infonnasi wama. Warner kulit manusia dar/ berbagai ras tidak jauh berbeda. Perbedaan lehih hanyak terdapai pada intensitas. Karakterisiik ini dapat dimanfaatktm U1tlttk memhuat sebuah model warna kulit yang merepresentasikan wama kulit manusia dalam chromatic color space.Model warna kulit ini digunakan untuk melakukan segmemasi antara skin region dengan non-skin region da!am sualu gambar berwama. Bagian yang diproses lebih fanjut untuk mendeteksi wajah adalah skin region, melalui metode template matching. Tiga huah persyaratan ditetapkan untuk menyelck'ii skin region yang ada, yaitu jumlah luhang dalam satu region, rasio tinggi terhadcrp Iebar region, dan koejisien kare/asi silang antara region yang dianaU.va dengan template face. Region yang memenuhi ketiga persyaratcm ini diidentifikasi sehagai wajah manusia. Hasil simu!asi memmjukktm hahwa ketiga perjyaratan tenebut berperan cukup balk dalam menyeleksi setiap skin region yang akan diidentifikaslkan sehagai wajah manusia, sedangkan keberhasllan deteksi tersehut."

"Pendeteksian wajah manusia merupakan proses dasar dari aplikasi yg lebih luas. Salah satu metodenya adalah pemanfaatan informasi warna. Sebuah model warna kulit yg merepresentasikan warna kulit manusia dibuat utk mensegmentasi skin region dan non skin region dlm gambar berwarna. Tiga persyaratan di terapkan utk menyeleksi skin region yg mempresentasikan wajah manusia (jumlah lubang dlm satu region, rasio tinggi terhadap lebar region dan koefesien korelasi siang antara region dengantemplete face).Makalah ini mensimulasikan deteksi wajah manusia dengan menggunakan segmentasi dan templete matching .Hasil simulasi menunjukan bahwa skin region yaitu jumlah lubang ,rasio tinggi terhadap lebar dan korelasi region dengan templete,ketiganya berperan cukup baik,sedangkan keberhasilan deteksi sangat tergantung pd proses sebelumnya yaitu segmentasi."

"Pengolahan citra merupakan salah satu bidang ilmu komputer yang terus mengalami perkembangan. Tujuan utama dan sebagian besar pengolahan citra adalah untuk mengambil /memisahkan feature-feature dari data citra, dimana deskripsi, interpretasi atau pemahaman terhadap citra disediakan oleh mesin computer vision.Dengan berkembang pesatnya Internet dan world wide web saat ini, jumlah data citra yang dapat diakses oleh pengguna menjadi sangat banyak. Akibatnya, database citra menjadi sangat besar dan luas, dan diperlukan suatu sistem yang mampu membagi citra secara efektif dan efisien. Segmentasi citra merupakan proses pembagian citra menjadi beberapa bagian atau objek. Dari hasil segmentasi region of interest (ROI) dan objek-objek pada citra lebih mudah dikenali.Pada skripsi ini ditampilkan suatu algoritma segmentasi citra dengan menggabungkan tiga metoda yaitu nilai ambang (thresholding), deteksi sisi (edge detection) dan wilayah tumbuh (region growing) dan representasi warna Hue­ Saturatian-Value (HSV) untuk membagi citra dengan karakteristik yang berbeda dan menghasilkan citra keluaran berupa objek-objek tunggal pada citra. Beberapa variasi maksmum block size dan small object threshold dilakukan untuk mendapatkan hasil segmentasi yang jelas bagi pengamalan manusia dan waktu proses yang kecil.Hasil simulasi menunjukkan bahwa ukuran blok maksimum 3, 4, 5, dan 6 serta nilai ambang objek kecil 2 dan 6 menghasilkan citra hasil segmentasi yang lebih baik dan jelas dalam pengamatan manusia, objek yang terdapat pada citra tersegmentasi dengan lebih baik, serta waktu proses yang dibutuhkan juga lebih kecil. Selain itu noise sangat mempengaruhi hasil dan waktu proses segmentasi."

"ABSTRAKSkripsi ini membahas mengenai salah satu metoda segmentasi suatu obyek serta kemampuan klasifikasi obyek dengan menggunakan deformable template. Pemilihan metoda deformable template karena kemampuan yang dimiliki metoda ini untuk beradaptasi terhadap variasi dari obyek yang diamati, dalam skripsi ini ialah kendaraan coda empat. Banyaknya variasi bentuk dari kendaraan roda empat menyebabkan metoda ini ideal untuk diterapkan dalam aplikasi segmentasi ini. Aplikasi yang akan dibahas dalam skripsi ini dapat dipergunakan untuk mengamati obyek kendaraan beroda empat dalam keadaan bergerak. Deformable template ini bekerja berdasarkan suatu bentuk poligonal dengan aturan-aturan khusus yang membatasi nilai tiap-tiap elemennya. Tap elemen tersebut diberikan kebebasan untuk beradaptasi terhadap parameter-parameter masukan dengan kendali dari seperangkat aturan dan algoritma deformasi yang ditentukan. Pola deformasi elemen template tersebut menggunakan algoritma Metropolis untuk meminimalisasi fungsi energi yang merepresentasikan kemiripan bentuk template terhadap obyek, serta terpenuhinya aturan-aturan yang membatasi parameter tiap elemen template. Dalam skripsi ini dibentuk perangkat lunak yang mewakili logika dari aplikasi ini untuk mengamati perilaku umum dari parameter-parameter yang terkait didalamnya. Perangkat lunak tersebut dibuat dalam program Matlab."

"Masalah yang biasa terjadi dalam pembuatan sistem pengenalan wajah adalah jumlah dimensi yang terlalu besar untuk diproses ke dalam classifier, sehingga biaya komputasi yang dibutuhkanpun akan semakin besar pula. Penelitian berikut mencoba untuk mereduksi dimensi dalam ruang spatial akan tetapi dari hasil reduksi dimensi ini tidak membuat proses ekstraksi fitur kehilangan informasi penting yang mengakibatkan penurunan akurasi pengenalan.Reduksi dimensi dalam ruang spatial ini didapatkan dengan cara membangkitkan sejumlah garis pada data citra secara acak. Ada dua metode dalam membangkitan garis yaitu Fitur Garis Acak (FGA) dan Template Fitur Garis Acak (TFGA). Pada FGA, sejumlah garis dibangkitkan pada seluruh data citra secara acak. Sedangkan TFGA, sejumlah garis dibangkitkan hanya satu kali saja dan himpunan garis ini yang akan digunakan untuk membangkitkan garis pada data citra yang lain. Dari masing-masing garis ini dibangkitkan sejumlah spatial window. Vektor representasi citra didapatkan dari rata-rata intensitas yang terdapat pada spatial window tersebut. Vektor representasi citra ini akan dijadikan fitur untuk classifier. Classifier yang digunakan adalah k-nearest neighborhod dan backpropagation sebagai pembanding.Dari hasil percobaan menggunakan database weizmann, didapatkan bahwa pengenalan akan lebih stabil jika metode untuk membangkitkan garis adalah TFGA. Selain stabil dengan metode TFGA ini akurasi pengenalan lebih baik dibandingkan dengan metode FGA pada jumlah garis yang sama. Pada jumlah garis yang terkecil dengan menggunakan classifier k-nearest neighborhod, rata-rata akurasi pengenalan metode FGA adalah 46.67% sedangkan dengan TFGA akurasi pengenalan adalah 57.14%. Dengan classifier pembanding backpropagation dan menggunakan metode TFGA didapatkan rata-rata akurasi pengenalan 78.29%. Secara umum dari keseluruhan metode semakin bertambah jumlah garis maka semakin meningkat pula tingkat akurasi pengenalan."

"Pemanfaatan logika berfikir yang diimplementasi ke dalam algoritma program dibutuhkan untuk membuat sebuah sistem cerdas. Skripsi ini melaporkan hasil rancang bangun sebuah wahana hexacopter dengan berat lepas landas total sebesar 5,9 Kg. Beban tersebut terdiri dari komponen-komponen penyusun wahana, antara lain baling-baling dengan panjang 17 x 5,5 inci, baterai Li-Po dengan kapasitas 10.000 mAh, ESC dengan arus maksimum 40A, GPS, kamera, kerangka hexacopter, single board computer, flight controller, gimbal, motor sebesar 360 Kv, dan komponen-komponen pendukung lainnya. Ujicoba untuk keberhasilan rancang bangun ini dibuktikan dengan waktu mengudara (flight time) yang standar (± 16 menit). Di sisi lain, wahana ini di desain untuk mampu terbang secara otomatis berdasarkan pengolahan citra untuk dapat memposisikan dirinya agar berada di tengah objek target yang ingin dideteksi. Deteksi objek dilakukan dengan menggunakan metode pengolahan citra template matching berbasis color histogram footprint dengan tingkat keberhasilan rata-rata sebesar 78 % dengan jarak deteksi objek sejauh 1 meter. Visual feedback control berbasis pengendali PID digunakan sebagai kendali terbang wahana untuk mengendalikan throttle dan roll agar hexacopter dapat memposisikan dirinya di tengah objek target berdasarkan gambar yang diambil oleh kamera.

---

The use of logic thinking which is implemented into the program algorithms is needed to make a smart system. This paper reports the results of design and build of a hexacopter with total takeoff weight of 5,9 Kg. This weight consists of components used in building the hexacopter, including a propeller with a length of 17 x 5,5 inches, Li-Po battery with a capacity of 10.000 mAh, ESC with a maximum current of 40A, GPS, camera, hexacopter frame, single board computer, flight controller, gimbal, 360 Kv brushless DC motors, and other supporting items. This hexacopter has a standard flight time of ±16 minutes. The vehicle is designed to be able to fly autonomously based on image processing to position itself in the middle of the detected target object. Object detection is performed by image processing with the method of template matching based on color histogram footprint which give us an average success rate of 78% from distance of 1 meter. Visual feedback control based on PID controllers is used to control the throttle and roll of the hexacopter so it can position itself in the middle of the target object based on images taken by the camera."