KLASIFIKASI POSE MANUSIA BERBASIS POINT CLOUD MENGGUNAKAN DEEP LEARNING
Abstract
Dengan menggunakan teknologi untuk mengklasifikasikan pose manusia, pemantauan pekerjaan yang berisiko cedera dapat dilakukan dengan lebih aman, sejalan dengan prinsip mempertahankan keamanan dan privasi yang merupakan bagian dari prinsip-prinsip syariah dalam menjaga jiwa. Namun, dalam pengambilan sampel data tubuh manusia, terdapat risiko pengambilan data aurat yang melanggar prinsip privasi. Melalui penggunaan data point cloud dari LiDAR, bagian tubuh yang menjadi aurat dapat tersamarkan dan menjaga privasi. Meskipun demikian, pose manusia yang dihasilkan belum terlihat dengan jelas. Oleh karena itu, tujuan dari penelitian yang dilakukan ini adalah untuk membuat model klasifikasi pose manusia berbasis voxel point cloud dengan menggunakan deep learning agar dapat mengetahui pose manusia. Dalam penelitian ini, model klasifikasi pose manusia berbasis voxel point cloud dengan menggunakan pendekatan deep learning Conv3D telah berhasil dikembangkan dengan akurasi sebesar 95.76%.
Kata kunci: Human pose classification; LiDAR; Point cloud data; Deep learning
Full Text:
PDFReferences
Fürst, M., Gupta, S. T. P., Schuster, R., Wasenmüller, O., & Stricker, D. (2020). HPERL: 3D Human Pose Estimation from RGB and LiDAR. http://arxiv.org/abs/2010.08221
Mahanani, A., & Sulistyanta, ’. (2022). Tinjauan Yuridis Tindak Pidana Pengancaman Dengan Foto Rekayasa Bermuatan Pornografi (Studi Putusan Nomor: 125/Pid.Sus/2019/Pn Bjn). Recidive : Jurnal Hukum Pidana Dan Penanggulangan Kejahatan, 11(1), 36. https://doi.org/10.20961/recidive.v11i1.67433
Putra, O. V., Riandini, Yuniarno, E. M., & Purnomo, M. H. (2023). Depthwise Over-Parameterized CNN for Voxel Human Pose Classification. 2023 International Seminar on Intelligent Technology and Its Applications (ISITIA), 54–59. https://doi.org/10.1109/ISITIA59021.2023.10221054
Schlager, B., Muckenhuber, S., Schmidt, S., Holzer, H., Rott, R., Maier, F. M., Saad, K., Kirchengast, M., Stettinger, G., Watzenig, D., & Ruebsam, J. (2020). State-of-the-Art Sensor Models for Virtual Testing of Advanced Driver Assistance Systems/Autonomous Driving Functions. SAE International Journal of Connected and Automated Vehicles, 3(3), 233–261. https://doi.org/10.4271/12-03-03-0018
Stenum, J., Cherry-Allen, K. M., Pyles, C. O., Reetzke, R. D., Vignos, M. F., & Roemmich, R. T. (2021). Applications of pose estimation in human health and performance across the lifespan. In Sensors (Vol. 21, Issue 21). MDPI. https://doi.org/10.3390/s21217315
Szutor, P. (2020). FFT Based Airborne LIDAR Classification with Open3D and Numpy/Scipy. http://ceur-ws.org
Wu, Z., Zhuo, G., & Xue, F. (2020). Self-Supervised Monocular Depth Estimation Scale Recovery using RANSAC Outlier Removal. 2020 4th CAA International Conference on Vehicular Control and Intelligence (CVCI), 97–102. https://doi.org/10.1109/CVCI51460.2020.9338538
Xu, C., Yang, S., Galanti, T., Wu, B., Yue, X., Zhai, B., Zhan, W., Vajda, P., Keutzer, K., & Tomizuka, M. (2022). Image2Point: 3D Point-Cloud Understanding with 2D Image Pretrained Models. Lecture Notes in Computer Science (Including Subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics), 13697 LNCS, 638–656. https://doi.org/10.1007/978-3-031-19836-6_36
Xu, D., Wang, H., Xu, W., Luan, Z., & Xu, X. (2021). LiDAR applications to estimate forest biomass at individual tree scale: Opportunities, challenges and future perspectives. Forests, 12(5), 1–19. https://doi.org/10.3390/f12050550
Zhou, Q.-Y., Park, J., & Koltun, V. (2018). Open3D: A Modern Library for 3D Data Processing. http://arxiv.org/abs/1801.09847
Refbacks
- There are currently no refbacks.
==============================================================================================================
Prosiding SEMNASTEK Fakultas Teknik
Universitas Muhammadiyah Jakarta
Jl. Cempaka Putih Tengah 27
Jakarta Pusat 10510
T. 021.4256024, 4244016 / F. 021.4256023
ISSN : 2407 – 1846
e-ISSN : 2460 – 8416
==============================================================================================================