PENGARUH PERBEDAAN INTENSITAS PENCAHAYAAN TERHADAP IDENTIFIKASI OBJEK GERAK
Abstract
Tujuan penelitian ini adalah memperoleh informasi pengaruh perbedaan intensitas pencahayaan (rendah, sedang, dan tinggi) terhadap kemampuan identifikasi objek gerak. Dengan dasar tujuan tersebut, penelitian ini diharapkan menghasilkan rekomendasi dalam bentuk data dan teori yang menunjang algoritma dan komputasi sistem computer vision yang berfungsi untuk mengidentifikasi objek gerak di lingkungan yang dinamis yang lebih akurat dan handal. Hasil penelitian ini nantinya akan digunakan sebagai pedoman standar peneliti yang bergelut di bidang computer vision, khususnya identifikasi objek gerak. Sistem Deteksi objek gerak dalam penelitian ini menggunakan perangkat lunak Microsoft Visual Studio dengan penggunakan bahasa pemrograman C++ dan kamera PSEye. Objek gerak diidentifikasi dengan jarak ±100 cm dari kamera. Kemampuan identifikasi objek mengalami perubahan ketika intensitas cahaya sekitar berubah. Pada intensitas cahaya 41 lux kemampuan identifikasi objek lingkaran menunjukkan proses identifikasi sebanyak 31 kali selama 15 detik, pada intensitas cahaya 121 lux kemampuan identifikasi objek lingkaran menunjukkan proses identifikasi sebanyak 8 kali selama 15 detik, dan pada intensitas cahaya 222 lux kemampuan identifikasi objek lingkaran dapat mengunci target secara sempurna selama 15 detik.
References
. Latharani T.R., M.Z., Kurian, & Chidananda M.V. (2011). Various Object Recognition Technique For Computer Vision. Journal of Analysis and Computation, Vol 7, 39-47.
. Adinarayana Ekkurthi dan Sudhavani G. (2017). Illumination Invariant Object Detection and Tracking with Pre-Equalized and Mean Shift. Journal of Electronic and Communication Engineering, Vol 12, 60-65.
. Sukanya C.M., Roopa G., & Vince P. (2016). A Survey on Object Recognition Methods. International Journal of Computer Science and Engineering Technology, Vol 6, 48-52.
. Dillip K., P., Krishna Prasad C., Deepu R., Lily R., Eshan R., & Chai C. (2016). Challenge In Video Based Object Detection In Maritime Scenario Using Computer Vision. School of Computer Science and Engineering. Singapore.
. Suraj P.P. (2016). Technique and Methods for Detection and Tracking of Moving Object in a Video. International Journal of Innovative Research in Computer and Communication Engineering, Vol. 4, Issue 5.
. Yinan Y., Kaiqi H., Wei C., & Tieniu T. (2012). A Novel Algorithm for View and Illumination Invariant Image Matching. IEEE Transactions on Image Processing. Volume 21, No 1.
. Listiana C., Rif'ati D.H., dan Bambang S. (2016). Analisis Intensitas Pencahayaan di Ruang Kuliah Gedung Fisika Universitas Jember dengan Menggunakan Calculux Indoor 5.0B. Jurnal Pembelajaran Fisika. Vol 1, No 1, 77-81.
. Hari W., Edi M., & Christy V. (2017). Analisis Pencahayaan terhadap Kenyamanan Visual pada Pengguna Kantor. Jurnal Arsitektur, Bangunan, & Lingkungan, Vol 6, No 2, 65-70.
. Rizkiyah N.P. (2017). Analisis Tingkat Pencahayaan di Akademi Komunitas Semen Indonesia-Gresik. Jurnal Tecnoscienza. Vol 2, No 2.
. Kusumanto R.D. dan Alan N.T. (2011). Pengolahan Citra Digital untuk Mendeteksi Objek Menggunakan Pengolahan Warna Model Normalisasi RGB. Seminar Nasional Teknologi Informasi dan Komunikasi Terapan.
. Zakaria F.Z., Choon H.S., & Suandi S.A. (2012). Object Shape Recognition in Image for Machine Vision Application. International Journal of Computer Theory and Engineering. Vol 4, No 1.
. Endi P. (2016). Identifikasi Objek Benda Tajam Menggunakan Pengolahan Citra Digital pada Citra X-Ray. Jurnal Ilmiah Pendidikan Teknik Elektro. Vol 1, No 1.
. Nazaaruddin A., & Arifyanto H. (2012). Metode Histogram Equalization Untuk Perbaikan Citra Digital. Seminar Nasional Teknologi Informasi dan Komunikasi Terapan. Hal 439-445.
. Gian K.D.T., Tatik W., & Triastuti W. (2015). Analisis Desain Faktorial Fraksional 2k-p dengan Metode Lenth. Jurnal Gaussian. Vol 4, No 3, Hal 497-505.
Full Text: Vol. 12 No. 2 pp 109-116
Refbacks
- There are currently no refbacks.
