IMPLEMENTASI DAN ANALISIS HAND TRACKING MENGGUNAKAN ACTIVE CONTOUR (SNAKES)

(1)

IMPLEMENTASI DAN ANALISIS HAND TRACKING MENGGUNAKAN ACTIVE CONTOUR (SNAKES)

Ivan Gita Pribadi¹, Tjokorda Agung Budi Wirayuda², Ade Romadhony³

¹Teknik Informatika, Fakultas Teknik Informatika, Universitas Telkom

Abstrak

Perkembangan yang pesat di bidang teknologi informasi membawa dampak bagi kehidupan kita semua, salah satunya adalah Human Computer Interaction (HCI). Bagian dari tubuh manusia dapat ditangkap dan diikuti pergerakannya dengan menggunakan suatu sensor, misalnya webcam. Pada Tugas Akhir ini, penulis membangun suatu aplikasi yang dapat menangkap dan mengikuti pergerakan tangan manusia yang kemudian dinamakan hand tracking dimana kelak dapat dimanfaatkan untuk berbagai hal, seperti alat penggerak pointer komputer, alat kontrol game, dll.

Untuk menunjang kebutuhan Tugas Akhir ini, digunakan metode yang dapat menerapkan sistem hand tracking secara real time, metode tersebut adalah active contour (snakes). Algoritma snakes berkerja dengan cara meminimalisasikan energi suatu titik kontrol menggunakan internal energy dan external energy sehingga titik kontrol tersebut berpindah menuju suatu fitur seperti garis dan titik di setiap iterasinya. Setiap frame akan dilakukan proses background subtraction dengan sebaran warna RGB dan hand segmentation dengan sebaran warna HSV sebelum masuk ke proses active contour. Hal tersebut bertujuan agar region of interest (ROI) dari frame yang akan

dilakukan proses active contour hanyalah objek tangan. Sehingga saat dilakukan proses active contour, titik kontrol selalu dipindahkan ke sisi/tepi objek tangan tersebut.

Faktor background dan pencahayaan mempengaruhi kemampuan background subtraction dan hand segmentation untuk melakukan fungsinya dengan sempurna. Background sederhana dengan keadaan di dalam ruangan menggunakan pecahayaan berupa lampu mampu

menghasilkan tingkat akurasi sebesar 98%. Dalam keadaan ideal ini active contour sangat baik digunakan untuk kasus hand tracking.

Kata Kunci : active contour (snakes), background subtraction, hand segmentation

Abstract

Rapid developments in the field of information technology brings impact to the life of all of us, one of them is Human Computer Interaction (HCI). Part of the human body can be captured and followed its movement using a sensor, such as a webcam. In this Final Task, the writer wanted to build an application that can capture and follow the movement of the hands which are named as hand tracking in which can be utilized for a variety of things later, such as computer pointer, game control tool, etc.

To support this Final Task, a method that can implement the real time hand tracking system is used, that method is active contour (snakes). Snakes algorithm works by minimize control points using internal energy and external energy so that control points are moving towards a features such as line and point in every iteration. Each frame will be done background subtraction process which color frame is RGB and hand segmentation which color frame is HSV before getting into the process of active contour. It aims to make the region of interest (ROI) of frame only hand object which that frame will be done active contour process. So when does the active contour process, control points are always moved to the side of the hand object.

Background and lighting factor affect the ability of background subtraction and skin detection to do its function perfectly. In indoor with simple background using lighting such as lamp is able to generate a good level of accuracy as big as 98%. Active contour very well used for hand tracking in this ideal environment.

Keywords : active contour (snakes), background subtraction, hand segmentation

Powered by TCPDF (www.tcpdf.org)

(2)

1

BAB I PENDAHULUAN

1.1 Latar Belakang

Perkembangan yang pesat di bidang teknologi informasi membawa dampak bagi kehidupan kita semua. Banyak layanan-layanan yang dilengkapi dengan fitur multimedia seperti gambar, musik, dan video yang hadir disekitar kita. Dari fitur-fitur yang berbasis multimedia tersebut banyak hal yang dapat dilakukan melalui pengolahan video. Pengolahan citra maupun video merupakan salah satu contoh dari pengolahan sinyal multimedia. Dalam sebuah citra digital, bagian tubuh kita dapat ditangkap dan diidentifikasi oleh komputer menggunakan berbagai macam perangkat atau alat. Salah satunya menggunakan webcam.

Hand tracking adalah sistem untuk mengikuti pergerakan tangan. Hand tracking dapat

dimanfaatkan untuk berbagai macam hal seperti, alat penggerak mouse, alat kontrol game, dll. Sistem hand tracking yang baik adalah secara real time, namun yang menjadi permasalahan adalah pemilihan metode yang digunakan agar proses tracking dapat dilakukan secara real rime dengan akurasi yang sangat baik (> 90%). Metode active contour (snakes) merupakan suatu metode yang cocok untuk menyelesaikan permasalahan tersebut karena metode active contour bertujuan untuk mendeteksi suatu pergerakan objek dengan menggunakan informasi atau parameter sebelumnya. Algoritma yang diusulkan active

contour, menggunakan tepi yang setiap fitur warnanya disesuaikan, tidak hanya

memodifikasi internal fungsi energi dari algoritma konvensional untuk memperpanjang pencarian jangkauan dan mengurangi beban komputasi, tetapi juga memodifikasi fungsi energi eksternal untuk mengurangi tepi calon objek [5]. Active contour memiliki kelebihan yaitu dapat menyesuaikan kurva dengan objek berdasarkan parameter input selain itu active

contour merupakan segmentasi gambar yang bersifat edge based sehingga untuk gambar

dengan warna yang bermacam-macam segmentasi gambar tidak mengalami masalah, berbeda dengan segmentasi yang bersifat region based [4].

1.2 Perumusan Masalah

Berangkat dari latar belakang yang telah dipaparkan sebelumnya, permasalahan yang timbul dalam proses penelitian ini diantaranya :

1. Bagaimana aplikasi dapat mendeteksi tangan user dengan baik ?

2. Bagaimana metode active contour dapat diimplementasikan pada sistem hand

tracking secara real time ?

3. Bagaimana analisis performansi metode active contour pada sistem hand tracking secara real time ?

1.3 Batasan Masalah

Agar permasalahan dalam penelitian ini tidak meluas, maka ruang lingkup penelitian ini adalah sebagai berikut:

1. Aplikasi diterapkan pada single hand tracking pada active video camera (webcam). 2. Aplikasi difokuskan hanya untuk deteksi pergerakan tangan.

3. Tangan selalu berada pada frame yang ditangkap oleh webcam.

(3)

2 4. Wajah tidak tertangkap oleh webcam.

5. Masukan video berwarna dalam color space RGB, bukan hitam-putih.

6. Jarak webcam dengan tangan adalah jarak normal orang menggunakan komputer (jarak mata ke monitor ± 1 meter).

7. Derajat kebebasan hand tracking dibatasi hanya untuk pergerakan tangan pada sumbu X(kanan-kiri), sumbu Y(atas-bawah), dan sumbu Z(maju-mundur).

1.4 Tujuan

Tujuan yang ingin dicapai dalam penelitian ini adalah :

a. Mengimplementasikan metode active contour untuk membangun sebuah aplikasi yang mampu melakukan hand tracking secara real time.

b. Menentukan setting parameter active contour yaitu alpha, beta, gamma, jumlah titik kontrol, dan jumlah iterasi yang paling baik untuk hand tracking.

c. Menganalisis faktor environment yang dapat mempengaruhi akurasi hand tracking.

Environment yang dimaksud adalah pencahayaan yang berbeda dan background yang

kompleks maupun sederhana.

d. Menganalisis waktu pemrosesan setiap frame.

1.5 Metode Penyelesaian Masalah

Tugas akhir ini lebih menitik beratkan pada akurasi pendeteksian dan tracking terhadap tangan serta kecepatan pemrosesan setiap frame-nya. Hasil dari tugas akhir ini menentukan apakah metode active contour tepat untuk melakukan hand tracking secara real time. Untuk menunjang tugas akhir ini maka metodelogi yang digunakan dalam memecahkan permasalahan di atas adalah dengan menggunakan langkah-langkah sebagai berikut :

a. Studi Literatur

 Pencarian referensi dan sumber-sumber layak yang berkaitan dengan tugas akhir

ini. Sumber referensinya meliputi materi yang berhubungan dengan image

segmentation [1, 15, 17], hand tracking [1, 12, 13], active contour [9, 10, 11, 16]

melalui media internet, buku, jurnal ilmiah maupun orang yang kompeten di bidang ini.

 Pendalaman materi yang diperlukan berdasarkan referensi-referensi tersebut.

b. Analisis Kebutuhan Data

Melakukan analisis dan perancangan metode active contour terhadap kasus hand

tracking termasuk menentukan bahasa pemrograman yaitu C# .Net, arsitektur,

fungsionalitas, dan antarmuka sistem. Data yang dibutuhkan berupa runtutan frame yang didapatkan dari capture video webcam yang ukuran aslinya adalah 640x480 piksel (di-resize menjadi 160x120 piksel), frame dengan sebaran warna RGB, frame RGB yang dikonversi menjadi HSV, sepuluh buah sampel tangan.

c. Implementasi dan Pembangunan Sistem

Pada tahap ini, telah dilakukan implementasi sistem yang mampu membangun aplikasi yang dapat melakukan proses hand tracking dengan menggunakan metode

active contour. Gambar 1.1 mengilustrasikan alur kerja sistem hand tracking secara

umum.

(4)

3 Gambar 1.1 Alur Kerja Sistem Hand Tracking

d. Pengujian dan analisis

Setelah sistem berhasil dibangun maka selanjutnya dilakukan pengujian dengan cara penggunaan atau uji coba aplikasi. Pada saat uji coba, aplikasi yang sedang dijalankan dianalisis keakuratannya dan kecocokannya serta waktu pemrosesan setiap frame menggunakan algoritma active contour. Akurasi dilihat dari kemampuan boundary

box mengunci posisi tangan. Sedangkan waktu pemrosesan dilihat dari berapa waktu

yang dibutuhkan untuk melakukan tracking setiap frame-nya. e. Pengambilan kesimpulan dan penyusunan laporan Tugas Akhir.

(5)

39

BAB VI KESIMPULAN DAN SARAN

5.1 Kesimpulan

Berdasarkan hasil pengujian sistem, kesimpulan yang didapat yaitu :

1. Metode active contour (snakes) dapat diimplementasikan pada kasus hand tracking dengan berbagai kondisi environment seperti background yang beragam baik

background yang sederhana maupun kompleks maupun pencahayaan, baik terang

maupun gelap.

2. Setting parameter yang menghasilkan tingkat akurasi paling tinggi (86%) terdapat empat kombinasi, diambil salah satu yaitu alpha = 0.5, beta = 1, gamma = 1, jumlah titik = 50, dan jumlah iterasi = 100 karena iterasi yang digunakan lebih kecil dari kombinasi yang lainnya sehingga dapat mempercepat waktu pemrosesan, nilai beta-nya besar sehingga membuat titik kontrol tidak terpusat atau berkumpul di posisi yang sama, serta nilai gamma-nya besar sehingga mampu mengunci posisi titik kontrol pada tepi suatu objek.

3. Kondisi yang ideal atau paling baik adalah di dalam ruangan dengan background sederhana dan pencahayaan yang cukup (tidak terlalu terang ataupun gelap), seperti lampu ruangan atau pancaran cahaya laptop. Pada kondisi ideal ini, hand tracking mampu menghasilkan tingkat akurasi sebesar 98%.

4. Rata-rata waktu pemrosesan setiap frame adalah 77.62 ms di mana waktu tersebut cukup baik untuk diterapkan pada kasus real time. Karena sistem ini mampu menghasilkan rata-rata waktu pemrosesan sebesar 13 frame per second, dimana mata manusia hanya mampu memproses citra sebanyak 10-12 frame per second [18].

5.2 Saran

Saran yang dapat diberikan untuk pengembangan sistem lebih lanjut adalah sebagi berikut : 1. Perlu penambahan metode lain untuk melakukan segmentasi tangan, seperti dari

bentuknya sehingga tidak hanya menggunakan warna kulit saja.

2. Lakukan optimasi atau peningkatan kinerja metode active contour (snakes) seperti memanfaatkan final contour frame sebelumnya sebagai initial contour untuk current

frame.

(6)

40

DAFTAR PUSTAKA

[1] Adi, Kurnia Wahyu. 2009. Hand Tracking pada Citra Video Menggunakan Algoritma

CamShift Studi Kasus : VirtualMouse. Institut Teknologi Telkom, Bandung.

[2] Allen, John G, Richard, Jin Jesse S. 2006. Object Tracking UsingCamShift Algorithm

and Multiple Quantized Feature Space. Madsen Building F09, University of Sydney,

NWS.

[3] Brandski, Gary, Kaehler, Adrian. 2008. LearningOpenCV.

[4] Caifeng Shan, Tieniu Tan, YuchengWei,“Real-time hand tracking using a mean shift

embedded particle filter”, Department of Computer Science, Queen Mary University of

London, 10 December 2006.

[5] Cherry Ballangan, Rudy Adipranata, and William Nugroho, “IMAGE SEGMENTATION

USING ACTIVE CONTOUR (SNAKE)”, Petra Christian University, November 17 2006,

Bali.

[6] Coogan, Thomas, Awad, George, Han, Junwei, Sutherland, Alistair. Real Time Hand

Gesture Recognition Including Hand Segmentation and Tracking. Dublin City

University, Ireland.

[7] Galawana, Randy. 2011. Analisa Motion Detection dengan Menerapkan Level Set dan

Geometric Active Contour. Institut Teknologi Telkom, Bandung.

[8] Intel Corporation, 2001. Open Source Computer Vision Library.

[9] J. Williams, Donna, Shah, Mubarak. 1991. A Fast Algorithm for Active Contours and

Curvature Estimation. Departement of Computer Science, university of central florida,

Orlando, Florida 32816.

[10] Kass, Michael, Witkin, Andrew, Terzopoulos, Demetri. Active Contour Models. Schlumberger Palo Alto Research, 3340 Hillview Ave, Palo Alto.

[11] Kim, Cheol-taek, Lee, Ju-Jang. 2003. An Active Contour Model for Object Tracking

Using the Previous Contour.

[12] Malik, Shahzad. 2003. Real-time Hand Tracking and Finger Tracking for Interaction. [13] Manresa, Cristina, Varona, Javier, Mas, Ramon, J. Perales, Fransisco. Real –Time Hand

Tracking and Gesture Recognition for Human-Computer Interaction. Universitat de les

Illess Edificio Anselm Turmeda, Crta. Valldemossa km 7.5 07122 – Palma de Mallorca - España.

[14] Pardas, Montse, Sayrol, Elisa. Motion estimation based tracking of active contours. [15] Piccardi, Massimo. 2004. Background Subtraction Techniques: a review. Computer

Vision Research Group, University of Technology, Sydney.

(7)

41 [16] Poonawala, Amyn. Active Contour Models (Snakes).

[17] Rasiwasia, Nikhil. Color Space for Skin Detection – A Review. Fondazione Graphitech, University of Trento, (TN) Italy .

[18] Read, Paul; Meyer, Mark-Paul; Gamma Group (2000). Restoration of motion picture

film.

[19] Smith, Alvy Ray. Color Gamut Transform Pairs. Computer Graphic Lab, New York Institute of Technology, Old Westbury, NY 1156.