Untuk menyelesaikan proyek akhir in

Untuk menyelesaikan proyek akhir ini, digunakan kamera webcam sebaga alat bantu untuk menangkap gambar dari
tangan pengguna. Teknik yang digunakan adalah dengan menangkap posisi tangan, mengekstrak bentuk dari tangan
tersebut, kemudian mengklasifikasinya. Untuk mencari letak tangan dari setiap frame yang dihasilkan, penulis
menggunakan HaarClassifier yang sebelumnya telah dilakukan training terlebih dahulu. Kemudian untuk mengekstrak
bentu tangan digunakan skin detection dan noise removal yang kemudian dilanjutkan dengan thresholding dan normalisasi.
Setelah bentuk tangan ini didapatkan, maka gambar biner bentuk tangan ini diklasifikasikan berdasarkan kumpulan
gambar-gambar isyarat tangan yang digunakan sebagai data training. Algoritma klasifikasi yang digunakan penulis adalah
algoritma K Nearest Neigbors.

ผลลัพธ์ (อังกฤษ) 1:

To accomplish this end, the project used a webcam camera as a tool to capture images fromthe hand of the user. The technique used is to capture the position of hand, extracting the shape of the handit, then mengklasifikasinya. To find the location of each frame is generated, writeruse the previous HaarClassifier have done training in advance. Then to extractbentu hand used skin detection and noise removal which is then followed by thresholding and normalization.After this hand shape is obtained, then the binary form of the hand image is classified based on thepictures of hand signals are used as training data. The classification algorithm is usedalgorithm K Nearest Neigbors.

ผลลัพธ์ (อังกฤษ) 2:

To complete this final project, used camera webcam sebaga tools to capture images of
the user's hand. The technique used is to capture the position of the hand, to extract the shape of the hand
, and then classify them. To locate the hand of each frame is generated, the author
uses HaarClassifier previously undertaken training beforehand. Then to extract
bentu used hand skin detection and noise removal followed by thresholding and normalization.
After this hand shape is obtained, the binary image is classified based on the shape of the hands of a collection of
images of hand signals used as training data. Classification algorithms used by the author is
the algorithm of K Nearest neigbors.