APLIKASI UNTUK PENGOPRASIAN KOMPUTER DENGAN MENDETEKSI GERAKAN MENGGUNAKAN OPENCV PYTHON
Abstract
Difabel atau kata yang memiliki definisi “Different Abled People” ini adalah sebutan bagi orang cacat. Salah satu contoh kaum difabel adalah orang yang tidak mempunyai tangan, sehingga untuk menulispun harus menggunakan kaki. Seiring meningkatnya kemajuan teknologi komputer, peranan teknologi komputer juga semakin meningkat yang digunakan untuk kepentingan manusia. salah satunya adalah bidang interaksi manusia dan komputer (IMK), atau sering disebut Human Computer Interaction (HCI). Keyboard, mouse, dan joystick merupakan salah satu perangkat keras yang sering digunakan untuk interaksi antara manusia dan komputer yang bersifat mekanis. Meskipun peralatan-peralatan tersebut akurat dan handal (reliable), tetapi model interaksi yang dilakukan tidak bersifat alami sebagaimana manusia berinteraksi dengan sesamanya, penggunaan peralatan-peralatan tersebut untuk mengoperasikannya membutuhkan adanya kontak langsung antara user dengan komputer. Untuk kaum difabel yang tidak mempunyai tangan, akan susah melakukan hal tersebut. Teknik interaksi berbasis visi komputer menjadi kandidat teknik interaksi yang bersifat alami. kepala manusia bisa juga digunakan untuk menggantikan fungsi mouse yang bisa digunakan untuk menggerakkan cursor ke atas ke bawah ke kiri maupun ke kanan dan untuk melakukan klik pada mouse menggunakan kedipan mata. Pendeteksian menggunakan gerakan kepala telah diaplikasikan secara luas diantaranya pada bidang hiburan, pendidikan serta keamanan. Kamera (webcam) merupakan alat yang digunakan untuk melakukan pengenalan kepala. Kamera ini digunakan sebagai sensor untuk mendeteksi pergerakan kepala. Pendeteksian gerakan kepala diimplementasikan dengan menggunakan opencv python.
References
BudihartoPemrograman , Widodo. Python Untuk Ilmu Komputer Dan Teknik, Andi Offset (2018)
Revathi, R; Hemalatha, M. (2012). Certain Approach of Object Tracking using Optical Flow Techniques. International Journal of Computer Applications (0975 – 8887) Volume 53– No.8. September 2012.
Lien, Cheng-Chang; Tsai, Ming-Hsiu. (2011). Real-Time Traffic Flow Analysis without Background Modeling. Journal of Information Technology and Applications Vol. 5, No. 1, pp. 1-14 2011.
Kumar Y, Senthil. (2009). Canny Edge Detection Implementation on TMS320C64x/64x+ Using VLIB, Texas Instruments Incorporated, November 2009
Kwong, Karric; Kavaler, Robert; Rajagopal, Ram; Varaiya, Pravin. (2010). Real-Time Measurement of Link Vehicle Count and Travel Time in a Road Network. IEEE Transactions on Intelligent Transportation System, VOL. 11, NO. 4, December 2010.
Huang; Chung-Hsien. (2011). Video-based Traffic Analysis System Using a Hierarchical Feature Point Grouping Approach, First International Conference on Robot, Vision and Signal Processing.
Gerstmayr, Lorenz. (2008). An Improvement of the Lucas-Kanade Optical-Flow Algorithm for every Circumstance. Computer Engineering Group Faculty of Technology University of Bielefeld. 5 august 2008
Winarno, Edy. (2011). Aplikasi Deteksi Tepi pada Realtime Video menggunakan Algoritma Canny Detection. Jurnal Teknologi Informasi DINAMIK Volume 16, No.1. Januari 2011
Chen, Zhiwen; Cao, Jianzhong; Tang, Yao; Tang, Linao. (2011). Tracking of Moving Object Based on Optical Flow Detection. International Conference on Computer Science and Network Technology.
