Pelacakan Gerak Tangan dengan Metode Metode Pelacakan Objek Berbasis Korelasi
DOI:
https://doi.org/10.21067/smartics.v4i2.2706Kata Kunci:
pelacakan gerak tangan, filter korelasi, object trackingAbstrak
Pelacakan tangan (hand tracking) saat ini tengah mendapat perhatian dari para peneliti di bidang visi komputer (computer vision). Tujuan utama dari pelacakan tangan adalah untuk mengetahui lokasi tangan di setiap deretan frame video atau deretan citra. Ada tiga buah fitur yang dapat digunakan untuk melacak objek yakni bentuk, warna, dan gerak. Fitur bentuk susah untuk digunakan melacak tangan, sedangkan fitur warna dan gerak lebih mudah dan lebih reliabel untuk melacak gerak tangan. Fitur warna dan gerak memiliki kelemahan-kelemahan masing-masing, sehingga pada penelitian sebelumnya diusulkanlah penggabungan kedua buah fitur tersebut untuk digunakan dalam melacak tangan secara bersama-sama agar dapat saling menutupi kelemahan masing-masing fitur. Namun melihat dari proses yang dilakukan pada metode yang diusulkan pada penelitian sebelumnya, peran yang lebih memiliki andil adalah peran dari fitur gerak. Pergerakan tangan yang cepat juga belum dapat ditangani dengan baik padahal dalam bahasa isyarat, gestur, dan aktivitas keseharian manusia, tidak jarang tangan bergerak dengan cepat. Oleh karena itu, pada penelitian ini diusulkan sebuah metode pelacakan tangan dengan menggunakan fitur gerak dan warna menggunakan metode pelacakan berbasis korelasi. Secara sederhana, metode berbasis korelasi ini akan melacak tangan di frame selanjutnya secara melingkar di sekitar lokasi sebelumnya dan setelah ditemukan dilakukan pelacakan menjauh dari lokasi awal ke arah yang ditemukan di pelacakan pertama. Fitur warna dan gerak akan digunakan secara seimbang dalam melacak arah pergerakan tangan. Diharapkan dengan menggunakan metode pelacakan yang diusulkan ini, baik gerak tangan yang cepat atau lambat dapat dilacak dengan baik.
Referensi
[2] Chen, K., Tao, W., Han, S. 2017. Visual object tracking via enhanced structural correlation filter. Information Sciences. Vol. 394-395. No. 1. Hal. 232–245.
[3] Comaniciu, D., Ramesh, V., Meer, P. 2003. Kernel-based object tracking. IEEE Transaction on Pattern Analysis and Machine Intelligence. Vol. 25. No. 5. Hal. 564-577.
[4] Henriques, J,F,. Caseiro, R., Martins, P., Batista, J. 2015. High-Speed Tracking with Kernelized Correlation Filters. IEEE Transaction on Pattern Analysis and Machine Intelligence. Vol. 37. No. 3. Hal. 583-596.
[5] Hu, M., Liu, Z., Zhang, J., Zhang, G. 2017. Robust object tracking via multi-cue fusion. Signal Processing. Vol. 139. Hal. 86-95.
[6] Koller, O., Forster, J., Ney, H. 2015. Continuous sign language recognition: Towards large vocabulary statistical recognition systems handling multiple signers. Computer Vision and Image Understanding. Vol. 141. No. 1. Hal. 108-125.
[7] LukežiÄÂ, A., VojÃÂÃ…â„¢, T., Zajc, L.ÄŒ., Matas, J., Kristan, M. 2018. Discriminative Correlation Filter Tracker with Channel and Spatial Reliability. International Journal of Computer Vision. Vol. 126. No. 7. Hal. 671–688.
[8] Maqueda, A.I., del-Blanco, C.R., Jaureguizar, F., Garcia, N. 2015. Human–computer interaction based on visual hand-gesture recognition using volumetric spatiograms of local binary patterns. Computer Vision and Image Understanding. Vol. 141. No. 1. Hal. 126-137.
[9] Premaratne, P., Yang, S., Vial, P., Ifthikar, Z. 2016. Centroid tracking based dynamic hand gesture recognition using discrete hidden markov models. Neurocomputing. Vol. 228. No. 1. Hal.79-83.
[10] Shi, J. and Tomasi, C. 1994. Good features to track. Proceeding of IEEE Conference on Computer Vision and Pattern Recognition. 21-23 Juni 1994, Seattle, USA. Hal. 593-600.
[11] Weinland, D., Ronfard, R., Boyer, E. 2011. A survey of vision-based methods for action representation, segmentation and recognition. Computer Vision and Image Understanding. Vol.115. No. 1. Hal. 224-241.
[12] Yang, R., Sarkar, S. 2010. Handling movement epenthesis and hand segmentation ambiguities in continuous sign language recognition using nested dynamic programming. IEEE Transaction on Pattern Analysis and Machine Intelligence. Vol. 32. No. 2. Hal. 462-466.
[13] Zhang, X., Li, W., Ye, X., Maybank, S. 2015. Robust hand tracking via novel multi-cue integration. Neurocomputing. Vol. 157. No. 1. Hal. 296-305.
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.