UWKSUWKS

KARSA NUSANTARAKARSA NUSANTARA

Perkembangan teknologi computer vision memungkinkan interaksi manusia-komputer melalui deteksi gerakan tubuh secara real-time. Salah satu solusi yang banyak digunakan adalah MediaPipe, yang mampu melakukan pelacakan gerakan tangan tanpa memerlukan sensor tambahan. Namun, hasil akuisisi gerakan tangan dengan MediaPipe sering mengalami jitter, yaitu fluktuasi kecil yang mengganggu kestabilan data, terutama saat data tersebut diimplementasikan pada objek 3D. Penelitian ini bertujuan untuk mengurangi jitter pada hasil akuisisi gerakan tangan menggunakan MediaPipe dengan menerapkan metode penyaringan data berupa moving average filter. Data posisi dan rotasi tangan yang diperoleh dari MediaPipe dianalisis dan difilter, kemudian hasilnya digunakan untuk menggerakkan objek 3D secara lebih halus. Hasil penelitian menunjukkan bahwa moving average filter cukup efektif dalam mengurangi jitter pada data posisi tangan. Namun, pada data rotasi tangan, filter ini kurang memberikan hasil optimal karena nilai rotasi cenderung lebih fluktuatif. Oleh karena itu, diperlukan penelitian lanjutan dengan metode penyaringan sinyal untuk mengatasi jitter pada rotasi. Temuan ini menunjukkan potensi awal untuk mengintegrasikan pelacakan tangan berbasis MediaPipe dengan objek 3D secara lebih stabil dan responsif.

Penelitian ini menyimpulkan bahwa filter moving average efektif dalam mengurangi jitter pada data posisi tangan yang diperoleh dari MediaPipe.Namun, efektivitas filter ini terbatas pada data rotasi tangan karena nilai rotasi yang cenderung fluktuatif.Penelitian lebih lanjut diperlukan untuk menemukan metode penyaringan sinyal yang lebih optimal untuk mengatasi jitter pada data rotasi tangan, sehingga integrasi antara pelacakan tangan berbasis MediaPipe dan objek 3D dapat dilakukan dengan lebih stabil dan responsif.

Berdasarkan keterbatasan penelitian ini, beberapa saran penelitian lanjutan dapat dipertimbangkan. Pertama, eksplorasi metode penyaringan sinyal alternatif, seperti Kalman filter atau Butterworth filter, untuk mengatasi jitter pada data rotasi tangan, mengingat moving average filter kurang efektif dalam menangani fluktuasi nilai rotasi. Kedua, penelitian dapat difokuskan pada pengembangan algoritma adaptif yang secara dinamis menyesuaikan parameter filter (misalnya, ukuran jendela moving average) berdasarkan karakteristik gerakan tangan dan tingkat jitter yang terdeteksi. Ketiga, studi lebih lanjut dapat dilakukan untuk mengintegrasikan data dari beberapa sensor (misalnya, accelerometer atau gyroscope) dengan data MediaPipe untuk meningkatkan akurasi dan stabilitas pelacakan gerakan tangan, terutama dalam lingkungan yang kompleks atau dengan pencahayaan yang kurang memadai. Penelitian-penelitian ini diharapkan dapat menghasilkan sistem pelacakan gerakan tangan yang lebih robust dan responsif, membuka peluang aplikasi yang lebih luas dalam bidang interaksi manusia-komputer, virtual reality, dan augmented reality.

  1. 1 € filter | Proceedings of the SIGCHI Conference on Human Factors in Computing Systems. filter... dl.acm.org/doi/10.1145/2207676.22086391 C filter Proceedings of the SIGCHI Conference on Human Factors in Computing Systems filter dl acm doi 10 1145 2207676 2208639
  2. Tacking Pergerakan Tangan Menggunakan Skeleton Tracking Kinect | Rudi | Journal of Artificial Intelligence... doi.org/10.30811/jaise.v1i2.2449Tacking Pergerakan Tangan Menggunakan Skeleton Tracking Kinect Rudi Journal of Artificial Intelligence doi 10 30811 jaise v1i2 2449
Read online
File size888.99 KB
Pages9
DMCAReport

Related /

ads-block-test