Deteksi Objek Penghalang Secara Real-Time Berbasis Mobile Bagi Penyandang Tunanetra Menggunakan Analisis Blob

Al Kadafi, Achmad Jafar (2017) Deteksi Objek Penghalang Secara Real-Time Berbasis Mobile Bagi Penyandang Tunanetra Menggunakan Analisis Blob. Sarjana thesis, Universitas Brawijaya.

Abstract

Tunanetra merupakan suatu keadaan ketika indera penglihatan seseorang mengalami gangguan atau hambatan, sehingga membutuhkan alat bantu seperti tongkat ketika berjalan. Namun penggunaan tongkat tidak sepenuhnya membantu mereka dalam berjalan terutama untuk mendeteksi sebuah halangan. Dalam ilmu computer vision sangat memungkinkan para penyandang tunanetra mampu melakukan aktivitas berjalan seperti orang normal pada umumnya. Oleh karena itu, dalam penelitian ini dibangun sebuah sistem berbasis computer vision yang diterapkan pada sebuah perangkat mobile untuk mendeteksi halangan secara real-time ketika penyandang tunanetra berjalan didalam ruangan. Perangkat mobile akan dikondisikan pada ketinggian 1 meter diatas lantai dan sudut antara 52o hingga 62o untuk mendapatkan jarak sekitar 2 meter didepan pengguna. Secara umum proses deteksi halangan dibangun dengan menerapkan metode Connected Component Labeling untuk mendapatkan suatu blob dari citra. Blob yang telah terdeteksi selanjutnya dianalisis untuk mendeteksi suatu halangan dari citra yang telah diambil. Untuk mendukung proses deteksi, tahap preprocessing dilakukan dalam beberapa tahap, yaitu akuisisi citra, cropping, dan segmentasi. Proses segmentasi dilakukan menggunakan metode thresholding dengan memanfaatkan model warna normalisasi RGB berdasarkan warna lantai yang dominan terang. Nilai threshold yang digunakan berdasarkan nilai minimal dan maksimal dari setiap komponen normalisasi RGB. Hasil pengujian menunjukkan bahwa sistem mampu mendeteksi halangan dengan tingkat akurasi sebesar 81.25%.

English Abstract

Blind is a condition when the visual sense experiencing interference or obstacles, so requiring an aids like stick to walking. But, the using of stick does not help them much in walk especially to detect obstacles. In Computer Vision science so possible for people with the visual impairment can do an activity like normal people in general. In computer vision science is so possible for people with visual impairment can do walking activities like a normal people in general. Therefore, this research built a system based computer vision that is applied to a mobile device to detect obstacles on real-time when the visual impairment person walks indoors. Mobile devices will be conditioned at a height of 1 meter above the floor and angle between 52 o to 62 o to get a distance of about 2 meters in front of the user. In general, the obstruction detection process built by applying the Connected Component Labeling method to get a blob from the image. The detected blob then analyzed to detect an obstacle from the image taken. To support the detection process, the preprocessing stage is done in several stages, that are image acquisition, cropping, and segmentation. Segmentation process is done using threshold method by utilizing RGB normalization color model based on the dominant bright of floor color. The threshold value used is based on the minimum and maximum values of each component of RGB normalization. Test results shows that the system is able to detect obstacles with an accuracy of 81.25%.

Item Type: Thesis (Sarjana)
Identification Number: SKR/FTIK/2017/411/051706758
Uncontrolled Keywords: tunanetra, deteksi halangan, real-time, computer vision, normalisasi RGB, deteksi blob
Subjects: 000 Computer science, information and general works > 005 Computer programming, programs, data > 005.1 Programming > 005.106 85 Software engineering / Capability maturity model (Computer software)
Divisions: Fakultas Ilmu Komputer > Teknik Informatika
Depositing User: Budi Wahyono Wahyono
Date Deposited: 22 Aug 2017 04:21
Last Modified: 05 Nov 2024 01:46
URI: http://repository.ub.ac.id/id/eprint/1510
[thumbnail of Achmad Jafar Al Kadafi.pdf] Text
Achmad Jafar Al Kadafi.pdf

Download (8MB)

Actions (login required)

View Item View Item