skema segmentasi warna berdasarkan deteksi warna ... · pdf filekalibrasi skenario teoritis...
TRANSCRIPT
Skema segmentasi warnaberdasarkan deteksi warna
(Giannakopoulos, 2008)
Penjejakan Obyek di Citra Sekuensial berdasarkan fitur warna
transformasi warna ke ruang HSV
(Umbaugh, 1999)
Pemrosesan fitur pengambangan
luasan Titik pusat (ri,ci)
Parameter
Rekonstruksi 3D dengan Data Citra Sekuensial dari Multikamera
rekonstruksi berbasiskan multiview kamera meningkatkanaspek kehandalan dari estimasi pose
(Moeslund, 2006)
Basis model bentukmanusia secaraumum dan strukturkinematik.
estimasi pose bagian tubuh yang akurat secara anatomi dankonsistensi struktur secara sekuensial.
Pendekatan basis model membutuhkaninformasi bentuk manusia untuk mengatasiambiguitas visual hasil rekonstruksi multiviewdari banyak kamera
(Starck, 2003)
lost-tracking
View kamera lain
Eksploratif dan Eksperimentatif
Ide-ide pengujian-pengujian
Persiapan
Dan akuisisi data
Matrik hasil
MOCAP
Deteksi warna
Penjejakan
(Bagan ide dasar penelitian)
Kalibrasi
kamera
Akuisisi data
(3 kamera)
Training
Fitur warna HSV
Deteksi
Fitur warna HSV
Parameterisasi
Penjejakan
Fitur warna
Transformasi
2D ke 3D
Matrik hasil
2D
Data
Citra sekuen
(Kamera lain)
Matrik hasil
3D
Mulai
Selesai
Kalibrasi Kamera(Metode Bouguet)
Akuisisi Data (3 kamera)
Training fitur warna
Deteksi fitur warnaHSV
Parameterisasi
Penjejakan fiturwarna
Diperoleh citradr kamera lain
Matrik 2D
Matrik 3D
Transformasi2D ke 3D
20 fitur warna
PenjejakanTerparameterSendi gerak
Rekayasa Kostum
Skema Studio
Kalibrasi skenario teoritis Kalibrasi skenario empiris
Nilai kesalahan reproyeksi piksel yang berkisar nilai 0,12 masih dinyatakan nilai yang baik (Bouguet, 2008)
Deteksi Warna
inisialisasi letak titik berat fitur di frame pertama
Meningkatkan akurasi
Deteksi+Majority:Akurasi hanyaKisaran 0,6-0,7
ParameterisasiFitur pose 2D
Rekonstruksi Pose 3D
Kubus 3D
Pose manusia 3D
Rerata nilai kesalahan deteksi area fitur sebesar 0,0745 atau 7,45 persen
Rerata nilai kesalahan titik proyeksi fitur 3D sebesar 4,54 cm atau 45, 4 mm
Pada proses deteksi fitur warna perlu ditambahkan proses inisialisasi posisi fitur pada frame pertama selaku acuan dasar deteksi guna meningkatkan aspek temporal koherensi fitur.
Secara esensi fitur pose 3D mampu dihasilkan melalui sistem ini dengan hasil yang cukup baik walaupun nilai kesalahan proyeksi titik fitur 3D masih cukup besar(4,54 cm).
Ditinjau dari data hasil rekonstruksi dan biayapenerapannya masih tergolong murah.
Transformasi informasi titik 3D menjadi struktur bvh secara online terhadap sistem.
Pengujian alternatif lain yang mendukung di setiap proses tahapan sistem ini(penanganan oklusi yang handal).
Pengembangan sebuah sistem aplikasi terpadu yang menggabungkan semua proses yang ada di penelitian ini menjadi sebuah produk siap pakai.
Terima Kasih