Sistem Pelacakan Pemandu untuk Kursi Roda Pintar Menggunakan Efficient Convolution Operator dan Weighted-Thresholded Histogram Equalization

Sistem Pelacakan Pemandu untuk Kursi Roda Pintar Menggunakan Efficient Convolution Operator dan Weighted-Thresholded Histogram Equalization

Penulis

  • Aldiansyah Satrio Kabisat Universitas Brawijaya
  • Fitri Utaminingrum Universitas Brawijaya
  • Eko Sakti Pramukantoro

Kata Kunci:

visi komputer, correlation filter, pelacakan, human following

Abstrak

Kursi roda merupakan alat bantu mobilitas bagi penyandang disabilitas. Namun, jika seseorang memiliki disabilitas ganda kaki dan tangan, diperlukan bantuan seorang pemandu untuk menggerakkan kursi roda. Hal ini dapat menyebabkan masalah apabila pengguna kursi roda memiliki berat badan tinggi yang dapat berakibat pemandu kesulitan memandu dikarenakan kesulitan mendorong akibat beban yang berat. Sistem pelacakan pemandu merupakan salah satu solusi navigasi pada kursi roda pintar untuk mendukung mobilitas penyandang disabilitas ganda yang memungkinkan kursi roda dapat dituntun oleh seorang pemandu tanpa perlu mendorong kursi roda. Penelitian ini mengimplementasikan sistem pelacakan berbasis algoritma Efficient Convolution Operator (ECO) dan Weighted-Thresholded Histogram Equalization (WTHE). Penelitian mengujikan sistem dalam berbagai interferensi seperti objek terhalangi, perubahan penampilan, pencahayaan rendah, dan objek serupa. Hasil evaluasi menunjukkan sistem mampu melacak pemandu secara akurat dan robust. WTHE dengan parameter root 0.75, value 0.75, dan lower 0 mampu meningkatkan performa dari ECO pada metrik precision dari 0.4328 menjadi 0.4398, normalized precision dari 0.7645 menjadi 0.7678, dan failure rate dari 1 menjadi 0. Meskipun demikian, pada metrik success rate, nilai metrik turun dari 0.7302 menjadi 0.7148. Sistem yang diimplementasikan menggunakan hardware NUC NUC8i3BEH mencatatkan kecepatan rata-rata 25 FPS yang menunjukkan sistem dapat dijalankan secara real-time pada perangkat keras yang relatif murah.

Referensi

Alzubaidi, L., Bai, J., Al-Sabaawi, A. & Santamaria, J., 2023. A survey on deep learning tools dealing with data scarcity: definitions, challenges, solutions, tips, and applications. Journal of Big Data, 10(1), p. 46.

Araujo, J. M., Xhang, G., Hansen, J. P. & Puthusserypady, S., 2020. Exploring Eye-Gaze Wheelchair Control. Stuttgart, ACM.

Badan Pusat Statistika, 2023. Hasil Long Form Sensus Penduduk 2020, Jakarta: Badan Pusat Statistika.

Dhal, K. G. et al., 2021. Histogram Equalization Variants as Optimization Problems: A Review. Archives of Computational Methods in Engineering, 28(1), pp. 1471-1496.

Hamadi, H., Suhendro, B., Alamsyah, M. S. & Ibrahim, M., 2020. Human tracking control system using Kinect sensors on wheelchair based on Arduino. Yogyakarta, IOP Publishing.

Kholis, N., Pratama, Y., Tokomadoran, H. & Puspita, V. G., 2022. Perancangan Kursi Roda Ergonomis Untuk Penunjang Disabilitas. Jurnal Teknologi dan Manajemen Industri Terapan, 1(4), pp. 267-276.

Liu, S. et al., 2021. Overview of correlation flter based algorithms in object tracking. Complex & Intelligent System, Volume 7, pp. 1895-1917.

Lontis, E. R. et al., 2021. Wheelchair Control With Inductive Intra-Oral Tongue Interface for Individuals With Tetraplegia. IEEE Sensors Journal, 21(20), pp. 22878 - 22890.

Majeed, S. H. & Isa, N. A. M., 2020. Iterated Adaptive Entropy-Clip Limit Histogram Equalization for Poor Contrast Images. IEEE Access, Volume 8, pp. 144218 - 144245.

Muhadzdzib, N. & Utaminingrum, N., 2024. Deteksi Pemandu pada Kursi Roda Pintar dengan Metode Histogram Equalization dan YOLOv8 pada Pencahayaan Rendah. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 8(4).

Nandhini, T. J. & Thinakaran, K., 2023. Detection of Crime Scene Objects using Deep Learning Techniques. Bengaluru, IEEE.

Ryu, H.-Y.et al., 2022. Development of an Autonomous Driving Smart Wheelchair for the Physically Weak. Applied Sciences, 1(377), p. 12.

Shi, Q. et al., 2022. Adaptive Multi-feature Fusion Improved ECO-HC Image Tracking Algorithm Based on Confidence Judgement for UAV Reconnaissance. Guangzhou, IEEE.

Su, Q. et al., 2023. Research on human following technology of robot based on ECO-HC. Nanjing, IEEE.

Verma, P. K., Singh, A. P. & Yadav, D., 2020. Image Enhancement: A Review. Ajmer, Springer.

Wang, X., Huang, H., Huang, X. & Tian, Y., 2020. ECO-HC Based Tracking for Ground Moving Target Using Single UAV. Shenyang, IEEE.

Xing, J. J., Wang, X. M. & Hou, P., 2022. Target tracking by improved ECO. Beijing, Association for Computing Machinery.

Yulianto, E., Indrato, T., Nugraha, B. M. & Suharyati, 2020. Wheelchair for Quadriplegic Patient with Electromyography Signal Control Wireless. International Journal of Online and Biomedical Engineering, 16(12), pp. 94-115.

Unduhan

Diterbitkan

10 Jan 2025

Cara Mengutip

Kabisat, A. S., Utaminingrum, F., & Pramukantoro, E. S. (2025). Sistem Pelacakan Pemandu untuk Kursi Roda Pintar Menggunakan Efficient Convolution Operator dan Weighted-Thresholded Histogram Equalization. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 9(3). Diambil dari https://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/14538

Terbitan

Bagian

Artikel
Loading...