PENGEMBANGAN MOTION CAPTURE SYSTEM
MENGGUNAKAN KAMERA LOW COST
Elva Susianti*, Achmad Arifin, Djoko Purwanto
Jurusan Teknik Elektro ITS, Surabaya 60111,
*email: el v a0 9 @mhs.ee.its.ac.id
Abstrak – Motion capture system adalah
terminologi yang digunakan untuk mendeskripsikan
proses dari perekaman dan penterjemahan gerakan
menjadi model digital. Motion capture system ini
digunakan pada bidang animasi, medis, simulasi
(augmented reality), olahraga, entertaiment, analisa
gerakan dan lain sebagainya. Metode input yang
digunakan pada teknik motion capture bervariasi,
antara lain electromechanic, acoustic,
electromagnetic, dan optic. Metode yang paling
populer adalah metode optic, karena lebih tahan
terhadap gangguan dan gerakan subjek lebih mudah
dibanding metode lain. Pada penelitian ini dilakukan
perancangan motion capture system input optik
dengan kamera umum yang low cost. Marker
berwarna merah digunakan sebagai penanda gerakan
yang dipasang pada enam posisi right sagital plane,
yaitu body, hip, knee, ankle, heel dan toe. Image
berwarna yang ditangkap kamera dinormalisasi dan
difilter untuk menghasilkan image biner.
Kata Kunci: normalisasi, marker.
1. PENDAHULUAN
Motion Capture adalah proses pengambilan
informasi gerakan dan lokasi subjek dari waktu ke
waktu. Motion capture juga sering disingkat „mocap‟.
Tujuan teknis motion capture adalah untuk
mendapatkan data gerak dari titik-titik tertentu subjek,
sehingga beberapa parameter gerakan (misalnya,
kecepatan, sudut, jarak, posisi, dan lain-lain) dapat
dihitung atau data dapat digunakan untuk mengontrol
suatu alat. Aplikasi motion capture sangat bervariasi,
diantaranya produksi animasi, analisa gerakan atau
industri. Produksi animasi merupakan pengguna
terbesar dari motion capture system, contoh
aplikasinya seperti film, broadcast, video game, tahap
produksi dan lain-lain. Aplikasi pada analisa gerakan
antara lain gait analysis, rehabilitasi, sport
performance dan medical robotic. Di industri banyak
digunakan untuk virtual training, robotika, ergonomic,
virtual design.
Metode input yang digunakan pada teknik
motion capture bervariasi, ada empat metode input
yaitu elektromekanik, akustik, elektromagnetik, dan
optik. Elektromekanik menggunakan trigonometri
untuk input data dari perangkat mekanik yang melekat
pada tubuh subjek. Akustik menggunakan pemancar
audio yang dipasang pada tubuh subjek yang
menghasilkan suara klik ketika ada gerakkan. Metode
elektromagnetik menggunakan sebuah magnet dan
beberapa yang dipasang pada tubuh subjek. Saat ini,
optical motion capture merupakan metode paling
populer. Optical motion capture dapat digunakan pada
area kerja yang lebih besar, lebih tahan terhadap
gangguan, gerakan subjek lebih mudah dibandingkan
metode lain. Metode optik menggunakan kamera
khusus dengan kemampuan menangkap gerakan
hingga 2000 frame per second. Kamera jenis ini
sangat mahal, sekitar $5,000..
Jonas [1] dalam penelitiannya menggunakan
satu kamera yang low cost untuk menangkap gerakan
tubuh bagian atas yang dipasangi marker dengan
warna yang berbeda. Marker yang digunakan berupa
LED ultraviolet yang bercahaya disaat gelap. Dari
penelitian ini [1], data yang dihasikan sudah cukup
untuk tampilkan dalam image 2D.
2. DASAR TEORI
Beberapa metode input motion capture yang
umum digunakan yaitu metode prostetik
(electromechanical system), akustik, magnetic
(electromagnetic system) , dan optical system.
2.1 Electromechanical system
Electromechanical system adalah metode
capture menggunakan kostum yang dipasang pada
tubuh, body-based exoskeleton menggunakan sensor
goniometer dan potensiometer untuk menentukan joint
angle. Gambar 2.1 memperlihatkan Gypsy system
keluaran Meta Motion. Karena peralatan tracking ini
dipasang menempel ke tubuh, maka relatif tidak
praktis dipakai, tapi cukup bagus dalam pengukuran
gaya setiap segment. Sistem ini cukup murah, dan
karena tidak ada perhitungan trigonometri, sistem ini
juga cocok digunakan untuk melacak orientasi segmen
pada tubuh secara real time.
Kekurangan dari sistem ini adalah sensitif
terhadap jaringan lunak artefak dan memerlukan
Gambar 2.1. Mechanical motion capture
devices. (a) MIE Medical Research Ltd; (b)
www.metamotion.com [3]
sistem tambahan untuk menentukan posisi segmen
dalam sistem koordinat yang global.
2.2 Akustik
Ada dua metode tracking akustik yang umum
digunakan. Yang pertama menggunakan time-of-flight
(TOF) gelombang suara tubuh atau segment yang di
tracking dengan mengukur jarak antara pulsa akustik
transmitter dan receiver pada interval waktu yang
berbeda. Kecepatan gelombang suara sonic dan
ultrasonic digunakan untuk menghitung jarak relatif.
Triangulasi digunakan untuk mengikuti jejak posisi
relatif segment. Dimana lebih dari satu posisi segment
di track secara berulang-ulang, disamping itu
transmitter dan receiver yang terpisah menentukan
frekuensi akustik setiap segment. Untuk menjejaki
orientasi segment, diperoleh dua titk setiap
segmentnya.
Teknik yang kedua menggunakan perbedaan
fasa antara gelombang suara incident dan returning
untuk menentukan posisi dan orientasi segment.
Teknik ini lebih akurat dibandingkan teknik TOF, tapi
teknik ini terbatas pada perhitungan hanya posisi
relatif antara titik yang kontras pada posisi tubuh 3D .
Teknik ini memiliki range yang
electromagnetik yang luas, tapi terbatas pada jarak
transmitter dan receivernya dalam hal pengkabelan.
Interferensi echoing dan noise lingkungan juga dapat
menurunkan kualitas tracking yang dihasilkan.
2.3 Electromagnetic system
Electromagnetic system paling populer dan
relatif murah. Sistem ini cukup kompak dan sudah
tersedia model nirkabel. Pemancar medan magnet
menghasilkan tiga medan magnet ortogonal. Tubuh
yang dipasangi pelacak (receiver) kemudian
menghasilkan tegangan proporsional sebanding
dengan orientasi segmen menggunakan tiga gulungan
ortogonal.
Terdapat dua jenis electromagnetic tracking
system yang dijual dipasaran. Yaitu sistem direct
current (DC) dan alternating current (AC). Sistem
DC, yang menghasilkan pulsa medan magnet,
mempunyai kelebihan kebal terhadap gangguan
elektromagnetik dari luar yang berhubungan dengan
bahan ferromagnetic.
Pada electromagnetic system, aktor
menggunakan stelan dengan tambahan sensor
magnetik. Sistem dapat menghasilkan medan
elektromagnetik, menggunakan pembangkit medan
magnet. Sensor mengembalikan posisi dan putarannya
dan biasanya hanya 10-20 tanda yang dibutuhkan
untuk merekam seluruh tubuh. Keuntungan
menggunakan sistem elektromagnetik ini adalah,
datanya bersih dan waktu prosesnya sangat cepat.
Dengan kata lain bisa digunakan pada aplikasi real-
Gambar 2.2 Electromagnetic motion capture system[3].
time seperti televisi atau Video Recorder. Sedangkan
kerugiannya adalah sensitivitas sensor yang sangat
rendah dapat membawa noise elektromagnetic dan
bisa mengganggu beberapa gerakan. Sensor magnetik
selalu dihubungkan dengan komputer menggunakan
kabel, yang bisa menghalangi gerakan dan jaraknya.
2.4 Optical motion capture
Optical motion capture menggunakan kamera
untuk merekam gerakan seorang aktor. Jumlah kamera
yang digunakan berbeda-beda antara satu sistem, tapi
kebanyakan sistem menggunakan 4 kamera atau lebih.
Kamera yang digunakan biasanya kamera yang dapat
menangkap gambar 2000 frame per detik. Aktor
menggunakan baju yang ada marker (marker) yang
nantinya akan diteliti pada klip video. Marker terbuat
dari bahan yang berbeda dengan lingkungan
disekitarnya, biasanya bahan yang bisa memancarkan
cahaya atau LED. Kamera ditempatkan pada sudut
yang berbeda mengelilingi aktor dan urutannya
kemudian di filmkan yang selanjutnya dianalisa dan
posisi markernya disimpan di komputer. Perbedaan
input pada kamera-kamera tersebut selanjutnya
dikombinasikan dan diproses dan dihasilkan sebuah
gambar tiga dimensi. Output ini dikenal dengan
motion capture data (pengambilan data gerakan) atau
motion data (data gerakan) dan di analisa atau
diaplikasikan pada karakter 3D.
Kamera yang digunakan pada motion capture
buatan optitrack seperti Gambar 2.11, berharga sekitar
$4,999. Kostum khusus yang sudah dipasangi marker
aktif berupa LED dan software untuk mengolah data
gerakan dan mensimulasikan gerakan menjadi model
3D. Sehingga secara keseluruhan, biaya yang
dibutuhkan sangat besar.
Gambar 2.3. Kamera Insight VCS – a virtual
camera system (www.naturalpoint.com)
2.5 Image Processing
Image Processing (pengolahan citra) 2.5.2 Filter
merupakan suatu sistem dimana proses dilakukan Hasil perubahan citra RGB menjadi citra biner
dengan masukan berupa citra (image) dan hasilnya menghasilkan noise acak. Untuk menghilangkan noise
juga berupa citra. Pada awalnya pengolahan citra tersebut diperlukan filter. Jenis filter yang sering
dilakukan untuk memperbaiki kualitas citra, namun digunakan adalah filter Gaussian yang merupakan
dengan berkembangnya dunia komputasi yang filter LowPass Filter atau filter rata-rata (Average
ditandai dengan semakin meningkatnya kapasi tas dan filter).
kecepatan proses komputer, serta munculnya ilmu- Filter Gaussian merupakan jenis filter dengan
ilmu komputasi yang memungkinkan manusia dapat nilai bobot kernel mengikuti fungsi Gaussian:
mengambil informasi dari suatu citra, maka
pengolahan citra tidak lepas dari bidang computer (6)
vision.
Computer vision dapat didefenisikan setara
dengan pengertian image processing yang dikaitkan
dengan akuisisi citra, pemrosesan, klasifikasi, Filter rata-rata merupakan jenis filter dengan
pengakuan, dan pencakupan keseluruhan, kernel yang nilainya sama untuk setiap elemen,
pengambilan keputusan yang diikuti dengan dengan jumlah total nilai dalam elemen tersebut sama
pengidentifikasian citra [9]. dengan 1 yang dapat ditulis dalam persamaan:
(7)
2.5.1 Normalisasi
Normalisasi adalah proses untuk
menghilangkan pengaruh perubahan intensitas cahaya.
Pada image berwarna dilakukan split atau pemisahan 3. HASIL DAN PEMBAHASAN
warna R,G dan B. Dari setiap kanalnya, akan
diperoleh nilai masing-masing kanal. Keuntungan dari Pengolahan citra atau image processing pada
metode ini adalah, perubahan lingkungan tidak penelitian ini menggunakan normalisasi red sebagai
berpengaruh pada hasil akhir. Yang diperlukan hanya, filter warna. Hanya warna yang berada pada daerah
intensitas cahaya yang mengenai marker cukup jelas red pada color cube yang yang dianggap sebagai
ditangkap kamera. marker (0) . Selain itu, dianggap bukan marker (255).
Setelah dilakukan split warna RGB, Image yang ditangkap kamera dapat dilihat
selanjutnya dilakukan normalisasi warna RGB pada Gambar 3.1. Marker yang berwarna merah
tersebut. Untuk normalisasi warna red, dilakukan dipasang di enam posisi yaitu body, hip, knee, ankle,
dengan persamaan (1). heel dan toe. Kostum yang digunakan subjek kostum
(1) dengan warna yang berbeda dengan marker, dan
lingkungan juga tidak ada yang mengandung warna
merah.
Image RGB dinormalisasi sehingga
(2) menghasilkan image gray dengan intensitas keabuan
marker lebih terang seperti pada Gambar 3.2. Gambar
3.3 dan 3.4 adalah proses filter yang dilakukan untuk
Dimana adalah hasil normalisasi mengurangi noise.
Pada Gambar 3.4, image dithreshold dan
derajat keabuan RGB yang nilainya dalam biner, maka
dijadikan binary image. Marker yang dideteksi diberi
perlu dikalikan dengan 255 agar rangenya antara 0 –
logika „0‟ sedangkan yang selai warna marker di beri
255.
logika „1‟.
Untuk normalisasi warna green
menggunakan persamaan (3),
(3)

Persamaan distance,
(4)

(5)

Gambar 3.1 Image RGB yang ditangkap kamera.

Setelah dilakukan thresholding dengan
menggunakan persamaan (5), maka dilakukan
perubahan citra ke dalam bentuk biner.

Gambar 3.2 Image hasil normalisasi
Gambar 3.3 Image hasil filter
Gambar 3.4 Image biner
Gambar 3.5 Pengujian sistem (bagian 1)
-----------------------------
Gambar 3.6 Pengujian sistem (bagian 2)
Sistem diuji dengan beberapa warna, antara
lain, warna merah, orange, kuning, biru, hijau dan
hitam. Gambar 3.5 dan 3.6 menampilkan hasil dari
pengujian sistem. Warna yang dianggap marker
adalah warna merah dan orange.
4. KESIMPULAN
Dari penelitian ini dapat disimpulkan bahwa
motion capture system menggunakan kamera low cost
dapat diterapkan menggunakan metode normalisasi.
Image dengan marker berwarna merah yang
dinormalisasi menghasilkan nilai intesitas keabuan
yang berbeda dengan lingkungannya. Intensitas ini
dithreshold sehingga menghasilkan binary image.
Dengan menggunakan binary image, proses
menangkap gerakan dapat dilakukan dengan mudah.
DAFTAR REFERENSI
[1] Jonas Lindequist, and Daniel Lönnblom,
“Construction of a Motion Capture System”,
Reports from MSI - Rapporter från MSI, Sep
2004.
[2] Aggarwal J.K., Q. Cai, “Human Motion
Analysis: A Review”, Computer and vision,
Research Center Department of Electrical and
Computer Engineering., The University of Texas
at Austin
[3] Teunis Cloete., “Benchmarking Full-Body
Inertial Motion Capture For Clinical Gait
Analysis”, Final MSc Thesis Report.,
Stellenbosch University, 29 January 2009.