Sistem Antar Muka Senapan Pada Game Firs
Sistem Antar Muka Senapan Pada Game First Person Shooter
Menggunakan Deteksi Gerak Obyek Berbasis Computer Vision
VIALLI HARDI
Jurusan Sistem Komputer,Fakultas Ilmu Komputer dan Teknologi Informasi-Universitas
Gunadarma, Margonda Raya 100 Depok 16424 telp (021) 78881112, 7863788
[email protected]
Abstrak
Game FPS (First Person Shooter) pada platform PC (Personal Computer) yang ada
pada saat ini masih menggunakan media mouse dan keyboard dalam kontrol game FPS,
sehingga kebebasan gerak kurang interaktif dan kurang efesien. Media kontrol game FPS yang
menggunakan senapan hanya digunakan pada platform konsol seperti pada XBOX Kinect, PS3
Move dan Nintendo wii. Dalam beberapa tahun terakhir computer vision dikembangkan
kedalam sebuah game dengan teknik pengolahan citra melalui web-camera untuk menangkap
setiap gerakan.
Berkaitan dengan hal tersebut maka dibuatlah sebuah kontrol game FPS untuk platform
PC. Penelitian ini bertujuan untuk merancang dan membangun sebuah alat pengendali game
FPS melalui sebuah web-camera (motion tracking) dan Arduino Leonardo, untuk mendeteksi
arah gerakan senapan yang dikendalikan pemain, agar pemain bergerak lebih interaktif dalam
memainkan game FPS.
Kata Kunci : FPS, Computer vision, web-camera, motion tracking, Arduino Leonardo
1. Pendahuluan
Teknologi computer vision saat ini
berkembang
dengan
sangat
pesat.
Perkembangan ini ditunjang oleh kemajuan
teknologi mikroprosesor dan perkembangan
mikroelektronik seperti web-camera dan
digital camera. Salah satu teknologi
computer vision adalah motion tracking
(Deteksi Gerak).
Game FPS pada platform PC masih
menggunakan media mouse dan keyboard
dalam kontrol game FPS. Media kontrol
game FPS yang menggunakan media
senapan hanya digunakan pada platform
konsol seperti pada XBOX Kinect, PS3
Move dan Nintendo wii. Oleh karena itu
dibutuhkan suatu media kontrol game untuk
platform PC yang interaktif dan menarik
dalam penggunaannya.
Dengan
menggunakan
teknologi
computer vision memungkinkan ruang
gerak pemain menjadi lebih luas dalam
mengendalikan
sebuah
game.
Memanfaatkan sebuah web-camera untuk
menangkap setiap gerakan, dan sebuah
obyek untuk pembacaan gerakan yang
ditangkap oleh web-camera. Analog thumb
digunakan untuk navigasi gerak lebih
efesien agar pemain bebas menggerakan
game FPS kesegala arah. Pemain dapat
mengendalikan gerak game menggunakan
senapan sungguhan sehingga game terasa
seperti nyata.
Perangkat lunak yang digunakan dalam
pembangunan sistem motion tracking
kendali game FPS merupakan software
berlisensi open source. Pembangunan
sistem
dilakukan
menggunakan
pemrograman perangkat lunak open source
IDE Code Blocksdan library OpenCV.
Sedangkan, pemrograman perangkat keras
menggunakan IDE arduino.
Penelitian ini bertujuan untuk
merancang dan membangun sebuah alat
pengendali game FPS melalui sebuah webcamera (motion tracking) untuk platform PC,
untuk mendeteksi arah gerakan senapan
yang dikendalikan pemain, agar pemain
bergerak lebih interaktif dalam memainkan
game FPS.
1.2 Metode Penelitian
Pada bagian ini dilakukan pengumpulan
mengenai
informasi-informasi
yang
berkaitan dengan motion tracking seperti :
a. Studi
Pustaka,
yaitu
mengambil
beberapa data yang berasal dari
berbagai sumber seperti buku, jurnal,
artikel dan internet dimana isi dari
sumber-sumber
tersebut
dijadikan
referensi dan acuan dalam penulisan
akhir ini.
b. Analisis kebutuhan, yaitu melakukan
pembuatan simulasi alat, percobaanpercobaan dan pengambilan data
terhadap beberapa alat seperti analog
thumb dan push button.
c. Konsultasi, yaitu bertanya kepada
beberapa personal yang ahli dalam
bidangnya masing-masing.
dan biasanya dinyatakan dalam bilangan
bulat positif, yaitu 0 atau 1 bergantung pada
sistem yang digunakan. Format nilai piksel
sama dengan format citra keseluruhan.
Pada kebanyakan sistem pencitraan, nilai
ini biasanya berupa bilangan bulat positif
juga. Citra digital dinyatakan dengan
matriks berukuran N x M dapat dilihat pada
Gambar 2.2 dan Ilustrasi sistem koordinat
piksel dilihat pada Gambar 2.3.
Gambar 2.2 Matriks Citra Digital MxN [4]
2. Tinjauan Pustaka
2.1 Computer Vision
Computer vision pada hakekatnya
meniru sistem visual manusia (human
vision), dimana manusia melihat objek
dengan mata lalu diteruskan ke otak untuk
di intepretasikan sehingga manusia dapat
mengetahui apa yang tampak dalam
penglihatannya dan apa yang harus
dikerjakan. Computer vision merupakan
proses otomatis yang mengintegrasikan
proses visual seperti akusisi gambar,
pengolahan gambar, analysis, recognition
dan membuat keputusan serta melakukan
aksi tertentu, misalnya memandu robot,
mengontrol peralatan, memantau proses
manufaktur [1].
2.2 Pengolahan Citra Digital
Citra digital dinyatakan dengan matriks
berukuran N x M (baris/ tinggi = N, kolom/
lebar = M). Setiap titik memiliki koordinat
Gambar 2.3 Koordinat Citra Digital [4]
2.3 Motion Tracking
Dalam computer vision diperlukan suatu
proses dimana komputer dapat mengikuti
pergerakan objek yang ditentukan dan
dengan sumber citra berupa video baik dari
disk ataupun real time berasal dari input
kamera.
Identifikasi
dilakukan
untuk
menemukan object of interest dari satu
frame yang merupakan subsequent dari
suatu video [6]. Tracking merupakan istilah
untuk melacak atau mencari suatu objek
pada suatu citra, dalam prosesnya ada
sesuatu yang penting yang terjadi pada
objek tersebut dalam citra, ketika citra
tersebut merupakan frame yang merupakan
subsequent dari suatu video yaitu motion.
Motion merupakan pergerakan atau arah
pergerakan yang terlihat dilakukan objek
atau yang terjadi terhadap objek akibat
pergantian frame.
diantisipasi akan disimpan dan yang
dibawah nilai threshold akan diturunkan
menjadi 0 dengan sebuah pixel x1 operasi
untuk tiap-tiap pixel adalah
Tujuan dari Motion tracking adalah
untuk mendeteksi dan melacak obyek
bergerak melalui urutan gambar seperti
yang
diilustrasikan
pada
Gambar
2.4
If (x1 < threshold)x1=0 ; else x1= 1;
Untuk contoh hasil dari threshold dapat
dilihat pada gambar 2.6
Gambar 2.6
Contoh Hasil Threshold pada Obyek Warna Biru
2.5 Model Warna HSV
Gambar 2.4
Tracking Obyek Melalui Urutan Video [6]
Teknik tracking yang digunakan
menggunakan teknik blob detection. Blob
detection digunakan untuk memfilter obyek,
mengeksrak obyek dan mendapatkan
dimensi obyek yang sudah dipisahkan oleh
latar belakang hitam dengan memberi
pelebelan pada obyek yang terdeteksi.
Model warna HSV mendefinisikan
warna
dalam
terminologi
Hue,
Saturation dan Value. Hue menyatakan
warna sebenarnya, seperti merah,
violet, dan kuning. Hue digunakan
untuk membedakan warna-warna dan
menentukan kemerahan (redness),
kehijauan (greeness), dsb, dari cahaya.
Hue berasosiasi dengan panjang
gelombang
cahaya.
Saturation
menyatakan tingkat kemurnian suatu
warna, yaitu mengindikasikan seberapa
banyak warna putih diberikan pada
warna. Value adalah atribut yang
menyatakan banyaknya cahaya yang
diterima
oleh
mata
tanpa
memperdulikan warna.
Gambar 2.5
Deteksi Obyek Warna pada Teknik Blob [7]
2.4 Thresholding
Operasi pengambangan (thresholding)
digunakan untuk mengubah citra dengan
format skala keabuan yang mempunyai
kemungkinan nilai lebih dari 2, ke citra
biner, yang hanya memiliki 2 buah nilai (0
atau 1). Pada threshold pixel dengan nilai
lebih tinggi dari nilai threshold yang
Gambar 2.7 Model Warna HSV [9]
3. Perancangan Sistem
3.1 Rancangan Sistem
Sebelum sistem diimplementasikan,
terebih dahulu dibuat sistematika rancangan
pada keseluruhan sistem.
Alat pendeteksi dan kontrol terbagi
kedalam dua bagian, vision dan HID
(human interface device). Pada bagian
masukan terdiri dari Web-camera yang
digunakan sebagai alat pendeteksi obyek
adalah web-camera Logitech c170 dengan
30 fps (frame per second) dan obyek yang
dideteksi berupa warna RGB.
Gambar 3.1 Rancangan Sistem
Rancangan sistem pada Gambar 3.1,
merupakan keseluruhan perancangan untuk
mengimplementasikan tugas akhir ini.
Dimana pada tahap awal user adalah
pemain yang akan mengendalikan arah
gerakan senapan (navigasi). Pada senapan
diberi obyek yang berupa warna RGB dan
analog analog thumb untuk kontrol navigasi.
Web-camera akan mendeteksi adanya
obyek berupa warna RGB. Setalah
mendeteksi adanya obyek warna RGB,
setelah itu warna RGB tersebut akan
diterima oleh komputer melalui web-camera
untuk proses segmentasi menjadi warna
HSV dan dikonversi menjadi warna
threshold. Proses segmentasi dan konversi
diolah menggunakan fungsi-fungsi pada
library OpenCV. Kontrol navigasi analog
thumb akan menghasilkan data koordinat
x,y. Data koordinat akan diterima dan
diproses oleh Arduino Leonardo. Data yang
diolah arduino berupa karakter keyboard
akan
dikirim
ke
komputer
melalui
komunikasi serial untuk menggerakan
navigasi pada game FPS.
3.1 Perancangan
Dasar
Berdasarkan
Fungsi
Secara umum perancangan sistem yang
akan dibuat dapat dilihat pada Gambar 3.2.
Gambar 3.2 Blok Diagram
Bagian proses, PC (personal computer)
menerima dua data berbeda, yaitu data
berupa hasil deteksi dan data virtual key
code. Masing-masing data diolah dengan
proses yang berbeda. Proses pertama
menggunakan perangkat lunak Code::block
untuk compiler dan library OpenCV untuk
pengolahan data vision. Proses kedua hasil
dari analog thumb berupa koordinat x,y
diproses di Arduino dan dikirm ke PC
berupa karakter keyboard.
Hasil keluaran yang dihasilkan dari
pengolahan data vision berupa informasi
posisi koordinat x,y dan pergerakan pointer
mouse.
3.2 Proses Pengambilan Data
Pada proses ini web-camera akan
meng-capture obyek warna dan akan diolah
di library OpenCV. Untuk mencari daerah
warna yang di capture digunakan metode
color detection, metode ini bertujuan untuk
mendeteksi warna yang dituju, dan
membuang seluruh gambar yang tidak
dimiliki oleh warna yang dituju. Jika warna
yang dideteksi adalah warna kuning maka,
web-camera akan mendeteksi lokasi warna
kuning dengan membuang semua gambar
yang tidak memiliki warna kuning.
Untuk
proses
pengambilan
data
dilakukan di OpenCV. Dalam penggunaana
library OpenCV dengan menggunakan
bahasa pemrogramman C++, diperlukan
beberapa library yang di include untuk
menghubungkan antara sistem yang
dibangun dengan library openCV.
3.3 Segmentasi Warna
Setelah web-camera terkoneksi dengan
library OpenCV, langkah proses berikutnya
adalah proses segmentasi warna. Proses ini
dilakukan dengan cara mengklasifikasi
berdasarkan
warna
obyek.
Dalam
pengambilan obyek warna melingkupi
proses konversi warna RGB ke HSV (Hue
Saturation Value), threshold, filter, dan
smoothing.
Gambar 3.13
Flowchart Deteksi Obyek Blob
4.1 Pengujian
Pada bagian ini dilakukan pengujian
terhadap program, pengujian ini didasarkan
pada parameter-parameter yang telah
ditentukan.
Parameter-parameter
ini
meliputi keakuratan serta sensitivitas
pengujian yang dilakukan meliputi :
Gambar 3.11
Flowchart Proses Segmentasi Warna
3.3.1
Deteksi Obyek Blob
Dalam
mendapatkan
posisi
koordinat x,y dari proses deteksi obyek
tidak semua warna diklasifikasi. Hanya
warna HSV yang nilai parameternya
ditetapkan. flowchart pada proses deteksi
obyek blob dapat dilihat pada Gambar 3.13
Pengujian dengan mengukur hasil nilai
HSV dengan menggunakan beberapa
obyek warna.
Pengujian terhadap fps (frame per
second) pada web-camera dengan
mengkukur kecepatan motion tracking
pada obyek warna
Pengujian
terhadap
arah
motion
tracking obyek warna berdasarkan pada
sudut arah senapan pada game FPS.
Pengujian dengan mengukur tingkat
keakuratan nilai analog pada analog
thumb.
4.1.1
Pengujian Deteksi Warna HSV
Pengujian ini dilakukan dengan cara
mengukur nilai HSV dari obyek warna RGB,
warna yang digunakan adalah warna biru,
hijau, merah, dan kuning. Hasil dari nilai
HSV akan dikonversi menjadi threshold,
dan dijadikan parameter untuk
tracking pada obyek warna.
motion
Tabel 4.3 Pengujian Posisi Motion tracking
obyek warna
Tabel 4.1 Nilai HSV
Nilai HSV
Obyek Warna
Merah
Hijau
Biru
Kuning
h1=0;
h2=203;
s1=128;
s2=245;
v1=0;
v2=168;
h1=45;
h2=71;
s1=34;
s2=255;
v1=0;
v2=255;
h1=91;
h2=152;
s1=98;
s2=255;
v1=0;
v2=255;
h1=24;
h2=40;
s1=41;
s2=255;
v1=133;
v2=255;
4.1.2
Pengujian
Kecepatan
Tracking Obyek Warna
Motion
Pada pengujian ini dilakukan untuk
menguji kemampuan sensitifitas frame per
second (fps) web-camera dalam melakukan
motion tracking pada obyek warna.
Pengujian terhadap motion tracking ini
dilakukan
dengan
cara
melakukan
pergerakan obyek warna dari posisi ke posisi
lain.
Tabel 4.2 Pengujian Kecepatan Motion
tracking
Pengujian
1
2
3
4
5
6
Rata-rata
4.1.3
Diam
Terdeteksi
Terdeteksi
Terdeteksi
Terdeteksi
Terdeteksi
Terdeteksi
100%
Sedang
Terdeteksi
Terdeteksi
Terdeteksi
Terdeteksi
Terdeteksi
Delay 1s
83,3%
Cepat
Terdeteksi
Delay 1s
Delay 1s
Terdeteksi
Terdeteksi
Delay 1s
50%
Pengujian
0o (normal)
1
2
3
4
5
6
Terdeteksi
Terdeteksi
Terdeteksi
Terdeteksi
Terdeteksi
Terdeteksi
100%
Rata-rata
4.1.4
o
30
Terdeteksi
Terdeteksi
Delay 1s
Delay 2s
Gagal
Gagal
33,33%
o
45
Gagal
Gagal
Gagal
Gagal
Gagal
Gagal
0%
o
90
Gagal
Gagal
Gagal
Gagal
Gagal
Gagal
0%
Pengujian motion tracking pada
Game FPS
Pengujian dilakukan dengan menguji
sensitifitas dan akurasi motion tracking
pada obyek warna yang dideteksi oleh webcamera ke dalam game FPS berdasarkan
sudut arah senapan. Warna background
saat melakukan pengujian motion tracking
tidak boleh memiliki kemiripan dangan
obyek warna.
Warna background yang digunakan
pada motion tracking memiliki kemiripan
dengan warna obyek warna, maka hasil
motion
tracking
tidak
akurat
dan
menghasilkan beberapa threshold dan area
titik point pada obyek warna. Pada Gambar
4.1 merupakan hasil pengujian pada warna
background memiliki kemiripan warna
dengan obyek.
Pengujian Posisi Motion Tracking
Obyek Warna
Pengujian terakhir pada motion
tracking ini dilakukan dengan beberapa
variasi posisi sudut searah jarum jam yang
dibentuk oleh obyek warna pada senapan,
diantaranya 0o (normal), 30o , 45o dan 90o.
Masing-masing posisi dilakukan dalam
waktu selama 1 menit setiap 1 posisi.
Gambar 4.1
Pengujian motion tracking pada background dan
obyek warna.
dalam game FPS dengan nilai konstan (nilai
tetap).
4.1.6
Gambar 4.2
Pengujian arah motion tracking pada game FPS
Pengujian Push Button
Pengujian push button ini dilakukan
dengan menekan button, dan melihat hasil
keluaran pada serial monitor arduino
Tujuan dari pengujian ini adalah untuk
mengetahui kemampuan pengiriman dan
penerimaan data.
Pengujian pada arah motion tracking
pada game FPS dilakukan dengan
mencoba 4 arah, arah atas, bawah, kanan,
kiri. Hasil pengujian pada Gambar 4.2
diatas, didapatkan hasil sesuai dengan arah
yang ditentukan.
Gambar 4.3 Karakter Push Button
4.1.5 Pengujian Analog thumb dan Push
Button
Pengujian dilakukan dengan menguji
analog thumb ke 8 arah, yaitu arah atas,
bawah, kiri, kanan, kiri-atas, kiri-bawah,
kanan-atas, dan kanan-bawah. Sedangkan
pada push button dilakukan pengujian
menggunakan karakter teks pada serial
monitor. Push button terdiri dari 2 buah
button, button 1 untuk jump (lompat) pada
karakter dan button 2 untuk trigger (pelatuk)
pada senapan.
Tabel 4.4 Nilai Analog Thumb
Arah
Tengah
Atas
Bawah
Kiri
Kanan
Kiri-Atas
Kiri-bawah
Kanan-Atas
Kanan-Bawah
487
487
487
0
1023
0
0
1023
1023
Y
536
0
1023
536
536
0
1023
0
1023
Sumbu
X
Hasil pengujian data diatas dijadikan acuan
untuk nilai setiap pergerakan arah karakter
Berdasarkan pengujian pada push
button yang dilakukan dapat diketahui
bahwa arduino dapat mengirim karakter
dengan baik tanpa ada loss dan delay.
5.1 Kesimpulan
Telah dirancang sebuah sebuah kendali
senapan yang mampu berinteraksi dengan
game FPS (First Person Shooter) pada
platfrom PC. Alat ini menggunakan prinsip
motion tracking dengan mendeteksi obyek
warna. Dari hasil penelitian yang telah
dilakukan motion tracking pada obyek
warna,
bekerja
cukup
baik
dalam
prosesnya. Bekerja sesuai yang diharapkan
dapat mendeteksi pergerakan titik target
pada obyek warna dengan cepat. Sistem
mampu menangkap obyek warna dengan
baik pada kecepatan 1-2 detik. Nilai warna
HSV yang didapatkan menjadi parameter
pada masing-masing warna yang berbeda
dan menjadi acuan untuk setiap warna.
Cahaya menjadi salah satu faktor
yang mempengaruhi kualitas hasil dari
proses yang terjadi didalam sistem.
Semakin baik pencahayaannya (cahaya
membelakangi web-camera) maka proses
komputasi pendeteksian obyek warna akan
semakin baik. Warna background yang
digunakan pada motion tracking tidak boleh
memiliki kemiripan dengan obyek warna.
Pada analog thumb menghasilkan
nilai analog yang akurat sehingga pada
pergerakan arah didapatkan nilai yang
tetap/konstan, sehingga sistem pada analog
thumb menghasilkan nilai sensitifitas dan
akurasi yang baik.
[6]
[7]
Anonim,
“Code::Block”,
http://www.codeblocks.org/index.php
(diakses 30 juli 10:09 AM)
[8]
Gunanto, S.G. (2009). “Segmentasi
warna bagian tubuh manusia pada citra
2D”, Proceeding SENTIA.
[9]
Jeong, Sangoh, “Histogram-Based
Color
Image
Retrieval”,
Psych221/EE362
Project
Report.
Mar.15, 2001.
[10]
Anonim,
“thumb
stick”,
https://www.sparkfun.com/search/result
s?term= thumb+ stick&what=products
(diakses 30 juli 11:11 PM)
[11]
Arifianto, Deni , “Funatik. Ari, Anti
Gaptek Hardware Komputer”. Jakarta.
Kawan Pustaka 2009
[12]
Anonim, “Arduino”, http://arduino.cc
(diakses 30 juli 6:28 AM)
[13]
Anonim, “Arduino Leonardo with
Headers” , https://www.sparkfun.com/
products/11286 (diakses 23 Juli 11.30
PM)
5.2 Saran
Dalam
pembangunan
sistem
berteknologi
computer
vision
yang
menggunakan teknik motion tracking
disarankan menggunakan web-camera
yang khusus untuk teknik motion tracking,
seperti
PS3
eye
sehingga
akan
memperkecil pengaruh noise dari hasil
deteksi obyek. Penambahan fungsi pada
HSV
dengan
menggunakan
metode
segmentasi dengan menseleksi pada warna
RGB agar pemasukan nilai integer tidak
dilakukan
secara
manual.
Membuat
tampilan GUI, agar program menjadi lebih
user friendly. Sistem yang dibuat masih
menggunakan sistem built-in USB, untuk
pengembangan lebih lanjut digunakan
sistem WiFi sehingga tidak membutuhkan
koneksi menggunakan kabel USB.
Labian,Wauthier, “Motion Tracking
Project Synopsis, , university of
california, Berkeley.
DAFTAR PUSTAKA
[1]
Albert Pujol, at All, "Real Time
Pharmaceutical”, Product Recognition
Using.
[14]
Atmel, “8-bit AVR microcontroller with
32KByte In-System Programable of
flash” , Atmel Inc, USA, Februari 2010.
[2]
Universitas Binus, “Introduction to
computer vision system”, revisi 1. 2005.
[15]
[3]
Tim Morris (2004), “Computer Vision
and Image Processing”, Palgrave
Macmillan.
G. Bradski, Kehler, Adrian, “Learning
OpenCV First”, ed. New Yourk: O'Relly,
2008.
[4]
Suhendra, Adang. “Catatan
Pengantar
Pengolahan
Universitas Gunadarma.
[5]
Nalwan, Agustinus, “Pemrograman
Animasi dan Game Profesional”, Elex
Media Komputindo, Jakarta, 1998.
Kuliah
Citra”,
[16]
[17]
Fadlisyah, Computer Vision
Pengolahan Citra: Andi, 2007.
Anonim, “Blob library for OpenCV”,
http://code.google.com/p/cvblob/
(diakses 23 juli 12:18 PM)
dan
Menggunakan Deteksi Gerak Obyek Berbasis Computer Vision
VIALLI HARDI
Jurusan Sistem Komputer,Fakultas Ilmu Komputer dan Teknologi Informasi-Universitas
Gunadarma, Margonda Raya 100 Depok 16424 telp (021) 78881112, 7863788
[email protected]
Abstrak
Game FPS (First Person Shooter) pada platform PC (Personal Computer) yang ada
pada saat ini masih menggunakan media mouse dan keyboard dalam kontrol game FPS,
sehingga kebebasan gerak kurang interaktif dan kurang efesien. Media kontrol game FPS yang
menggunakan senapan hanya digunakan pada platform konsol seperti pada XBOX Kinect, PS3
Move dan Nintendo wii. Dalam beberapa tahun terakhir computer vision dikembangkan
kedalam sebuah game dengan teknik pengolahan citra melalui web-camera untuk menangkap
setiap gerakan.
Berkaitan dengan hal tersebut maka dibuatlah sebuah kontrol game FPS untuk platform
PC. Penelitian ini bertujuan untuk merancang dan membangun sebuah alat pengendali game
FPS melalui sebuah web-camera (motion tracking) dan Arduino Leonardo, untuk mendeteksi
arah gerakan senapan yang dikendalikan pemain, agar pemain bergerak lebih interaktif dalam
memainkan game FPS.
Kata Kunci : FPS, Computer vision, web-camera, motion tracking, Arduino Leonardo
1. Pendahuluan
Teknologi computer vision saat ini
berkembang
dengan
sangat
pesat.
Perkembangan ini ditunjang oleh kemajuan
teknologi mikroprosesor dan perkembangan
mikroelektronik seperti web-camera dan
digital camera. Salah satu teknologi
computer vision adalah motion tracking
(Deteksi Gerak).
Game FPS pada platform PC masih
menggunakan media mouse dan keyboard
dalam kontrol game FPS. Media kontrol
game FPS yang menggunakan media
senapan hanya digunakan pada platform
konsol seperti pada XBOX Kinect, PS3
Move dan Nintendo wii. Oleh karena itu
dibutuhkan suatu media kontrol game untuk
platform PC yang interaktif dan menarik
dalam penggunaannya.
Dengan
menggunakan
teknologi
computer vision memungkinkan ruang
gerak pemain menjadi lebih luas dalam
mengendalikan
sebuah
game.
Memanfaatkan sebuah web-camera untuk
menangkap setiap gerakan, dan sebuah
obyek untuk pembacaan gerakan yang
ditangkap oleh web-camera. Analog thumb
digunakan untuk navigasi gerak lebih
efesien agar pemain bebas menggerakan
game FPS kesegala arah. Pemain dapat
mengendalikan gerak game menggunakan
senapan sungguhan sehingga game terasa
seperti nyata.
Perangkat lunak yang digunakan dalam
pembangunan sistem motion tracking
kendali game FPS merupakan software
berlisensi open source. Pembangunan
sistem
dilakukan
menggunakan
pemrograman perangkat lunak open source
IDE Code Blocksdan library OpenCV.
Sedangkan, pemrograman perangkat keras
menggunakan IDE arduino.
Penelitian ini bertujuan untuk
merancang dan membangun sebuah alat
pengendali game FPS melalui sebuah webcamera (motion tracking) untuk platform PC,
untuk mendeteksi arah gerakan senapan
yang dikendalikan pemain, agar pemain
bergerak lebih interaktif dalam memainkan
game FPS.
1.2 Metode Penelitian
Pada bagian ini dilakukan pengumpulan
mengenai
informasi-informasi
yang
berkaitan dengan motion tracking seperti :
a. Studi
Pustaka,
yaitu
mengambil
beberapa data yang berasal dari
berbagai sumber seperti buku, jurnal,
artikel dan internet dimana isi dari
sumber-sumber
tersebut
dijadikan
referensi dan acuan dalam penulisan
akhir ini.
b. Analisis kebutuhan, yaitu melakukan
pembuatan simulasi alat, percobaanpercobaan dan pengambilan data
terhadap beberapa alat seperti analog
thumb dan push button.
c. Konsultasi, yaitu bertanya kepada
beberapa personal yang ahli dalam
bidangnya masing-masing.
dan biasanya dinyatakan dalam bilangan
bulat positif, yaitu 0 atau 1 bergantung pada
sistem yang digunakan. Format nilai piksel
sama dengan format citra keseluruhan.
Pada kebanyakan sistem pencitraan, nilai
ini biasanya berupa bilangan bulat positif
juga. Citra digital dinyatakan dengan
matriks berukuran N x M dapat dilihat pada
Gambar 2.2 dan Ilustrasi sistem koordinat
piksel dilihat pada Gambar 2.3.
Gambar 2.2 Matriks Citra Digital MxN [4]
2. Tinjauan Pustaka
2.1 Computer Vision
Computer vision pada hakekatnya
meniru sistem visual manusia (human
vision), dimana manusia melihat objek
dengan mata lalu diteruskan ke otak untuk
di intepretasikan sehingga manusia dapat
mengetahui apa yang tampak dalam
penglihatannya dan apa yang harus
dikerjakan. Computer vision merupakan
proses otomatis yang mengintegrasikan
proses visual seperti akusisi gambar,
pengolahan gambar, analysis, recognition
dan membuat keputusan serta melakukan
aksi tertentu, misalnya memandu robot,
mengontrol peralatan, memantau proses
manufaktur [1].
2.2 Pengolahan Citra Digital
Citra digital dinyatakan dengan matriks
berukuran N x M (baris/ tinggi = N, kolom/
lebar = M). Setiap titik memiliki koordinat
Gambar 2.3 Koordinat Citra Digital [4]
2.3 Motion Tracking
Dalam computer vision diperlukan suatu
proses dimana komputer dapat mengikuti
pergerakan objek yang ditentukan dan
dengan sumber citra berupa video baik dari
disk ataupun real time berasal dari input
kamera.
Identifikasi
dilakukan
untuk
menemukan object of interest dari satu
frame yang merupakan subsequent dari
suatu video [6]. Tracking merupakan istilah
untuk melacak atau mencari suatu objek
pada suatu citra, dalam prosesnya ada
sesuatu yang penting yang terjadi pada
objek tersebut dalam citra, ketika citra
tersebut merupakan frame yang merupakan
subsequent dari suatu video yaitu motion.
Motion merupakan pergerakan atau arah
pergerakan yang terlihat dilakukan objek
atau yang terjadi terhadap objek akibat
pergantian frame.
diantisipasi akan disimpan dan yang
dibawah nilai threshold akan diturunkan
menjadi 0 dengan sebuah pixel x1 operasi
untuk tiap-tiap pixel adalah
Tujuan dari Motion tracking adalah
untuk mendeteksi dan melacak obyek
bergerak melalui urutan gambar seperti
yang
diilustrasikan
pada
Gambar
2.4
If (x1 < threshold)x1=0 ; else x1= 1;
Untuk contoh hasil dari threshold dapat
dilihat pada gambar 2.6
Gambar 2.6
Contoh Hasil Threshold pada Obyek Warna Biru
2.5 Model Warna HSV
Gambar 2.4
Tracking Obyek Melalui Urutan Video [6]
Teknik tracking yang digunakan
menggunakan teknik blob detection. Blob
detection digunakan untuk memfilter obyek,
mengeksrak obyek dan mendapatkan
dimensi obyek yang sudah dipisahkan oleh
latar belakang hitam dengan memberi
pelebelan pada obyek yang terdeteksi.
Model warna HSV mendefinisikan
warna
dalam
terminologi
Hue,
Saturation dan Value. Hue menyatakan
warna sebenarnya, seperti merah,
violet, dan kuning. Hue digunakan
untuk membedakan warna-warna dan
menentukan kemerahan (redness),
kehijauan (greeness), dsb, dari cahaya.
Hue berasosiasi dengan panjang
gelombang
cahaya.
Saturation
menyatakan tingkat kemurnian suatu
warna, yaitu mengindikasikan seberapa
banyak warna putih diberikan pada
warna. Value adalah atribut yang
menyatakan banyaknya cahaya yang
diterima
oleh
mata
tanpa
memperdulikan warna.
Gambar 2.5
Deteksi Obyek Warna pada Teknik Blob [7]
2.4 Thresholding
Operasi pengambangan (thresholding)
digunakan untuk mengubah citra dengan
format skala keabuan yang mempunyai
kemungkinan nilai lebih dari 2, ke citra
biner, yang hanya memiliki 2 buah nilai (0
atau 1). Pada threshold pixel dengan nilai
lebih tinggi dari nilai threshold yang
Gambar 2.7 Model Warna HSV [9]
3. Perancangan Sistem
3.1 Rancangan Sistem
Sebelum sistem diimplementasikan,
terebih dahulu dibuat sistematika rancangan
pada keseluruhan sistem.
Alat pendeteksi dan kontrol terbagi
kedalam dua bagian, vision dan HID
(human interface device). Pada bagian
masukan terdiri dari Web-camera yang
digunakan sebagai alat pendeteksi obyek
adalah web-camera Logitech c170 dengan
30 fps (frame per second) dan obyek yang
dideteksi berupa warna RGB.
Gambar 3.1 Rancangan Sistem
Rancangan sistem pada Gambar 3.1,
merupakan keseluruhan perancangan untuk
mengimplementasikan tugas akhir ini.
Dimana pada tahap awal user adalah
pemain yang akan mengendalikan arah
gerakan senapan (navigasi). Pada senapan
diberi obyek yang berupa warna RGB dan
analog analog thumb untuk kontrol navigasi.
Web-camera akan mendeteksi adanya
obyek berupa warna RGB. Setalah
mendeteksi adanya obyek warna RGB,
setelah itu warna RGB tersebut akan
diterima oleh komputer melalui web-camera
untuk proses segmentasi menjadi warna
HSV dan dikonversi menjadi warna
threshold. Proses segmentasi dan konversi
diolah menggunakan fungsi-fungsi pada
library OpenCV. Kontrol navigasi analog
thumb akan menghasilkan data koordinat
x,y. Data koordinat akan diterima dan
diproses oleh Arduino Leonardo. Data yang
diolah arduino berupa karakter keyboard
akan
dikirim
ke
komputer
melalui
komunikasi serial untuk menggerakan
navigasi pada game FPS.
3.1 Perancangan
Dasar
Berdasarkan
Fungsi
Secara umum perancangan sistem yang
akan dibuat dapat dilihat pada Gambar 3.2.
Gambar 3.2 Blok Diagram
Bagian proses, PC (personal computer)
menerima dua data berbeda, yaitu data
berupa hasil deteksi dan data virtual key
code. Masing-masing data diolah dengan
proses yang berbeda. Proses pertama
menggunakan perangkat lunak Code::block
untuk compiler dan library OpenCV untuk
pengolahan data vision. Proses kedua hasil
dari analog thumb berupa koordinat x,y
diproses di Arduino dan dikirm ke PC
berupa karakter keyboard.
Hasil keluaran yang dihasilkan dari
pengolahan data vision berupa informasi
posisi koordinat x,y dan pergerakan pointer
mouse.
3.2 Proses Pengambilan Data
Pada proses ini web-camera akan
meng-capture obyek warna dan akan diolah
di library OpenCV. Untuk mencari daerah
warna yang di capture digunakan metode
color detection, metode ini bertujuan untuk
mendeteksi warna yang dituju, dan
membuang seluruh gambar yang tidak
dimiliki oleh warna yang dituju. Jika warna
yang dideteksi adalah warna kuning maka,
web-camera akan mendeteksi lokasi warna
kuning dengan membuang semua gambar
yang tidak memiliki warna kuning.
Untuk
proses
pengambilan
data
dilakukan di OpenCV. Dalam penggunaana
library OpenCV dengan menggunakan
bahasa pemrogramman C++, diperlukan
beberapa library yang di include untuk
menghubungkan antara sistem yang
dibangun dengan library openCV.
3.3 Segmentasi Warna
Setelah web-camera terkoneksi dengan
library OpenCV, langkah proses berikutnya
adalah proses segmentasi warna. Proses ini
dilakukan dengan cara mengklasifikasi
berdasarkan
warna
obyek.
Dalam
pengambilan obyek warna melingkupi
proses konversi warna RGB ke HSV (Hue
Saturation Value), threshold, filter, dan
smoothing.
Gambar 3.13
Flowchart Deteksi Obyek Blob
4.1 Pengujian
Pada bagian ini dilakukan pengujian
terhadap program, pengujian ini didasarkan
pada parameter-parameter yang telah
ditentukan.
Parameter-parameter
ini
meliputi keakuratan serta sensitivitas
pengujian yang dilakukan meliputi :
Gambar 3.11
Flowchart Proses Segmentasi Warna
3.3.1
Deteksi Obyek Blob
Dalam
mendapatkan
posisi
koordinat x,y dari proses deteksi obyek
tidak semua warna diklasifikasi. Hanya
warna HSV yang nilai parameternya
ditetapkan. flowchart pada proses deteksi
obyek blob dapat dilihat pada Gambar 3.13
Pengujian dengan mengukur hasil nilai
HSV dengan menggunakan beberapa
obyek warna.
Pengujian terhadap fps (frame per
second) pada web-camera dengan
mengkukur kecepatan motion tracking
pada obyek warna
Pengujian
terhadap
arah
motion
tracking obyek warna berdasarkan pada
sudut arah senapan pada game FPS.
Pengujian dengan mengukur tingkat
keakuratan nilai analog pada analog
thumb.
4.1.1
Pengujian Deteksi Warna HSV
Pengujian ini dilakukan dengan cara
mengukur nilai HSV dari obyek warna RGB,
warna yang digunakan adalah warna biru,
hijau, merah, dan kuning. Hasil dari nilai
HSV akan dikonversi menjadi threshold,
dan dijadikan parameter untuk
tracking pada obyek warna.
motion
Tabel 4.3 Pengujian Posisi Motion tracking
obyek warna
Tabel 4.1 Nilai HSV
Nilai HSV
Obyek Warna
Merah
Hijau
Biru
Kuning
h1=0;
h2=203;
s1=128;
s2=245;
v1=0;
v2=168;
h1=45;
h2=71;
s1=34;
s2=255;
v1=0;
v2=255;
h1=91;
h2=152;
s1=98;
s2=255;
v1=0;
v2=255;
h1=24;
h2=40;
s1=41;
s2=255;
v1=133;
v2=255;
4.1.2
Pengujian
Kecepatan
Tracking Obyek Warna
Motion
Pada pengujian ini dilakukan untuk
menguji kemampuan sensitifitas frame per
second (fps) web-camera dalam melakukan
motion tracking pada obyek warna.
Pengujian terhadap motion tracking ini
dilakukan
dengan
cara
melakukan
pergerakan obyek warna dari posisi ke posisi
lain.
Tabel 4.2 Pengujian Kecepatan Motion
tracking
Pengujian
1
2
3
4
5
6
Rata-rata
4.1.3
Diam
Terdeteksi
Terdeteksi
Terdeteksi
Terdeteksi
Terdeteksi
Terdeteksi
100%
Sedang
Terdeteksi
Terdeteksi
Terdeteksi
Terdeteksi
Terdeteksi
Delay 1s
83,3%
Cepat
Terdeteksi
Delay 1s
Delay 1s
Terdeteksi
Terdeteksi
Delay 1s
50%
Pengujian
0o (normal)
1
2
3
4
5
6
Terdeteksi
Terdeteksi
Terdeteksi
Terdeteksi
Terdeteksi
Terdeteksi
100%
Rata-rata
4.1.4
o
30
Terdeteksi
Terdeteksi
Delay 1s
Delay 2s
Gagal
Gagal
33,33%
o
45
Gagal
Gagal
Gagal
Gagal
Gagal
Gagal
0%
o
90
Gagal
Gagal
Gagal
Gagal
Gagal
Gagal
0%
Pengujian motion tracking pada
Game FPS
Pengujian dilakukan dengan menguji
sensitifitas dan akurasi motion tracking
pada obyek warna yang dideteksi oleh webcamera ke dalam game FPS berdasarkan
sudut arah senapan. Warna background
saat melakukan pengujian motion tracking
tidak boleh memiliki kemiripan dangan
obyek warna.
Warna background yang digunakan
pada motion tracking memiliki kemiripan
dengan warna obyek warna, maka hasil
motion
tracking
tidak
akurat
dan
menghasilkan beberapa threshold dan area
titik point pada obyek warna. Pada Gambar
4.1 merupakan hasil pengujian pada warna
background memiliki kemiripan warna
dengan obyek.
Pengujian Posisi Motion Tracking
Obyek Warna
Pengujian terakhir pada motion
tracking ini dilakukan dengan beberapa
variasi posisi sudut searah jarum jam yang
dibentuk oleh obyek warna pada senapan,
diantaranya 0o (normal), 30o , 45o dan 90o.
Masing-masing posisi dilakukan dalam
waktu selama 1 menit setiap 1 posisi.
Gambar 4.1
Pengujian motion tracking pada background dan
obyek warna.
dalam game FPS dengan nilai konstan (nilai
tetap).
4.1.6
Gambar 4.2
Pengujian arah motion tracking pada game FPS
Pengujian Push Button
Pengujian push button ini dilakukan
dengan menekan button, dan melihat hasil
keluaran pada serial monitor arduino
Tujuan dari pengujian ini adalah untuk
mengetahui kemampuan pengiriman dan
penerimaan data.
Pengujian pada arah motion tracking
pada game FPS dilakukan dengan
mencoba 4 arah, arah atas, bawah, kanan,
kiri. Hasil pengujian pada Gambar 4.2
diatas, didapatkan hasil sesuai dengan arah
yang ditentukan.
Gambar 4.3 Karakter Push Button
4.1.5 Pengujian Analog thumb dan Push
Button
Pengujian dilakukan dengan menguji
analog thumb ke 8 arah, yaitu arah atas,
bawah, kiri, kanan, kiri-atas, kiri-bawah,
kanan-atas, dan kanan-bawah. Sedangkan
pada push button dilakukan pengujian
menggunakan karakter teks pada serial
monitor. Push button terdiri dari 2 buah
button, button 1 untuk jump (lompat) pada
karakter dan button 2 untuk trigger (pelatuk)
pada senapan.
Tabel 4.4 Nilai Analog Thumb
Arah
Tengah
Atas
Bawah
Kiri
Kanan
Kiri-Atas
Kiri-bawah
Kanan-Atas
Kanan-Bawah
487
487
487
0
1023
0
0
1023
1023
Y
536
0
1023
536
536
0
1023
0
1023
Sumbu
X
Hasil pengujian data diatas dijadikan acuan
untuk nilai setiap pergerakan arah karakter
Berdasarkan pengujian pada push
button yang dilakukan dapat diketahui
bahwa arduino dapat mengirim karakter
dengan baik tanpa ada loss dan delay.
5.1 Kesimpulan
Telah dirancang sebuah sebuah kendali
senapan yang mampu berinteraksi dengan
game FPS (First Person Shooter) pada
platfrom PC. Alat ini menggunakan prinsip
motion tracking dengan mendeteksi obyek
warna. Dari hasil penelitian yang telah
dilakukan motion tracking pada obyek
warna,
bekerja
cukup
baik
dalam
prosesnya. Bekerja sesuai yang diharapkan
dapat mendeteksi pergerakan titik target
pada obyek warna dengan cepat. Sistem
mampu menangkap obyek warna dengan
baik pada kecepatan 1-2 detik. Nilai warna
HSV yang didapatkan menjadi parameter
pada masing-masing warna yang berbeda
dan menjadi acuan untuk setiap warna.
Cahaya menjadi salah satu faktor
yang mempengaruhi kualitas hasil dari
proses yang terjadi didalam sistem.
Semakin baik pencahayaannya (cahaya
membelakangi web-camera) maka proses
komputasi pendeteksian obyek warna akan
semakin baik. Warna background yang
digunakan pada motion tracking tidak boleh
memiliki kemiripan dengan obyek warna.
Pada analog thumb menghasilkan
nilai analog yang akurat sehingga pada
pergerakan arah didapatkan nilai yang
tetap/konstan, sehingga sistem pada analog
thumb menghasilkan nilai sensitifitas dan
akurasi yang baik.
[6]
[7]
Anonim,
“Code::Block”,
http://www.codeblocks.org/index.php
(diakses 30 juli 10:09 AM)
[8]
Gunanto, S.G. (2009). “Segmentasi
warna bagian tubuh manusia pada citra
2D”, Proceeding SENTIA.
[9]
Jeong, Sangoh, “Histogram-Based
Color
Image
Retrieval”,
Psych221/EE362
Project
Report.
Mar.15, 2001.
[10]
Anonim,
“thumb
stick”,
https://www.sparkfun.com/search/result
s?term= thumb+ stick&what=products
(diakses 30 juli 11:11 PM)
[11]
Arifianto, Deni , “Funatik. Ari, Anti
Gaptek Hardware Komputer”. Jakarta.
Kawan Pustaka 2009
[12]
Anonim, “Arduino”, http://arduino.cc
(diakses 30 juli 6:28 AM)
[13]
Anonim, “Arduino Leonardo with
Headers” , https://www.sparkfun.com/
products/11286 (diakses 23 Juli 11.30
PM)
5.2 Saran
Dalam
pembangunan
sistem
berteknologi
computer
vision
yang
menggunakan teknik motion tracking
disarankan menggunakan web-camera
yang khusus untuk teknik motion tracking,
seperti
PS3
eye
sehingga
akan
memperkecil pengaruh noise dari hasil
deteksi obyek. Penambahan fungsi pada
HSV
dengan
menggunakan
metode
segmentasi dengan menseleksi pada warna
RGB agar pemasukan nilai integer tidak
dilakukan
secara
manual.
Membuat
tampilan GUI, agar program menjadi lebih
user friendly. Sistem yang dibuat masih
menggunakan sistem built-in USB, untuk
pengembangan lebih lanjut digunakan
sistem WiFi sehingga tidak membutuhkan
koneksi menggunakan kabel USB.
Labian,Wauthier, “Motion Tracking
Project Synopsis, , university of
california, Berkeley.
DAFTAR PUSTAKA
[1]
Albert Pujol, at All, "Real Time
Pharmaceutical”, Product Recognition
Using.
[14]
Atmel, “8-bit AVR microcontroller with
32KByte In-System Programable of
flash” , Atmel Inc, USA, Februari 2010.
[2]
Universitas Binus, “Introduction to
computer vision system”, revisi 1. 2005.
[15]
[3]
Tim Morris (2004), “Computer Vision
and Image Processing”, Palgrave
Macmillan.
G. Bradski, Kehler, Adrian, “Learning
OpenCV First”, ed. New Yourk: O'Relly,
2008.
[4]
Suhendra, Adang. “Catatan
Pengantar
Pengolahan
Universitas Gunadarma.
[5]
Nalwan, Agustinus, “Pemrograman
Animasi dan Game Profesional”, Elex
Media Komputindo, Jakarta, 1998.
Kuliah
Citra”,
[16]
[17]
Fadlisyah, Computer Vision
Pengolahan Citra: Andi, 2007.
Anonim, “Blob library for OpenCV”,
http://code.google.com/p/cvblob/
(diakses 23 juli 12:18 PM)
dan