Deteksi Gerakan Kepala Secara Real-Time Menggunakan OpenCV Dan Python

Yusmita Imelda(1), Leni Karmila Daulay(2), Desni Paramitha Purba(3), Hermawan Syahputra(4),


(1) Universitas Negeri Medan
(2) Universitas Negeri Medan
(3) Universitas Negeri Medan
(4) Universitas Negeri Medan
Corresponding Author

Abstract


Perkembangan teknologi komputer dan kecerdasan buatan telah mendorong inovasi dalam sistem interaksi manusia-komputer, salah satunya adalah deteksi gerakan kepala secara real-time. Penelitian ini bertujuan untuk mengembangkan sistem yang mampu mendeteksi dan mengklasifikasikan orientasi kepala (pitch, yaw, dan roll) dengan memanfaatkan pustaka OpenCV dan Dlib dalam bahasa pemrograman Python. Sistem dirancang dengan mengimplementasikan teknik deteksi wajah, pelacakan landmark, dan estimasi pose kepala menggunakan fungsi solvePnP. Hasil pengujian menunjukkan bahwa sistem mampu mendeteksi orientasi kepala secara akurat dan responsif dalam waktu kurang dari 0.5 detik. Evaluasi kinerja menunjukkan tingkat konsistensi yang baik, meskipun terdapat kendala pada kondisi pencahayaan rendah dan kualitas kamera yang kurang optimal. Aplikasi ini berpotensi untuk diterapkan dalam berbagai bidang seperti alat bantu disabilitas, sistem kontrol berbasis gestur, dan keamanan. Dengan pengembangan lanjutan, sistem ini dapat menjadi solusi interaktif yang lebih inklusif dan intuitif.


Keywords


deteksi gerakan kepala, OpenCV, Python, landmark wajah, estimasi pose kepala, real-time

References


Bradski, G. (2000). The Opencv Library. Dr. Dobb's Journal Of Software Tools.

Dlib.Net. (2023). Dlib C++ Library.

Gonzalez, R. C., & Woods, R. E. (2018). Digital Image Processing (4th Ed.). Pearson Education.

Gupta, R., & Saini, A. (2021). Real-Time Face Detection And Attendance System Using Opencv. International Journal Of Computer Applications, 183(22), 25–29.Patel, M., Shah, R., & Vekariya, M. (2020). Real-Time Facial Expression Recognition Using Dlib And Machine Learning Algorithms. International Journal Of Scientific & Technology Research, 9(4), 420–425.

Kazemi, V., & Sullivan, J. (2014). One Millisecond Face Alignment With An Ensemble Of Regression Trees. Proceedings Of The Ieee Conference On Computer Vision And Pattern Recognition (Cvpr), 1867–1874.

King, D. E. (2009). Dlib-Ml: A Machine Learning Toolkit. Journal Of Machine Learning Research, 10(Jul), 1755–1758.

Murphy-Chutorian, E., & Trivedi, M. M. (2009). Head Pose Estimation In Computer Vision: A Survey. Ieee Transactions On Pattern Analysis And Machine Intelligence, 31(4), 607–626.

Numpy Developers. (2023). Numpy Documentation. Diakses Dari: Https://Numpy.Org/Doc/

Opencv.Org. (2023). Opencv Documentation. Diakses Dari: Https://Docs.Opencv.Org/

Zhang, K., Zhang, Z., Li, Z., & Qiao, Y. (2016). Joint Face Detection And Alignment Using Multi-Task Cascaded Convolutional Networks. Ieee Signal Processing Letters, 23(10), 1499–1503.


Full Text: PDF

Article Metrics

Abstract View : 0 times
PDF Download : 0 times

DOI: 10.57235/jetbus.v2i1.6528

Refbacks

  • There are currently no refbacks.


Copyright (c) 2025 Yusmita Imelda, Leni Karmila Daulay, Desni Paramitha Purba, Hermawan Syahputra

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.