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