Deteksi shuttlecock menggunakan algoritma ORB: Oriented FAST and Rotated BRIEF

INDONESIA:

Perkembangan teknologi pengolahan citra digital telah memungkinkan penerapan sistem deteksi objek secara otomatis pada berbagai bidang, termasuk olahraga. Salah satu cabang olahraga yang membutuhkan analisis berbasis citra adalah bulu tangkis, di mana deteksi shuttlecock menjadi aspek penting dalam proses evaluasi dan pelatihan. Penelitian ini bertujuan untuk mendeteksi obyek shuttlecock di antara benda-benda lain yang ada di lapangan menggunakan algoritma ORB (Oriented FAST and Rotated BRIEF). Proses penelitian mencakup tahap konversi citra, ekstraksi dan deskripsi fitur menggunakan ORB, pencocokan fitur dengan metode FLANN (Fast Library for Approximate Nearest Neighbor), serta pelacakan posisi shuttlecock menggunakan KCF (Kernelized Correlation Filter) yang dikombinasikan dengan penyaringan Exponential Moving Average (EMA) untuk menstabilkan hasil antar frame. Evaluasi dilakukan terhadap performa sistem dalam mendeteksi shuttlecock pada berbagai kondisi dan latar belakang, menggunakan metrik akurasi, precision, recall, dan F1-score. Hasil pengujian menunjukkan bahwa sistem mencapai akurasi rata-rata sebesar 81,1%, precision sebesar 85,4%, recall sebesar 92,6%, dan F1-score sebesar 88,9%, dengan rata-rata waktu pemrosesan 20,6 ms per frame. Hasil tersebut membuktikan bahwa algoritma ORB memiliki kemampuan yang andal dalam mengenali shuttlecock berdasarkan fitur visual. Penelitian ini memberikan kontribusi dalam pengembangan teknologi visi komputer yang dapat dimanfaatkan sebagai sistem bantu analisis latihan bulu tangkis untuk meningkatkan efektivitas dan efisiensi pelatihan.

ENGLISH:

The development of digital image processing technology has enabled the application of automatic object detection systems in various fields, including sports. One of the sports that requires image-based analysis is badminton, where shuttlecock detection is an important aspect in the evaluation and training process. This study aims to detect shuttlecock objects among other objects on the field using the ORB (Oriented FAST and Rotated BRIEF) algorithm. The research process includes image conversion, feature extraction and description using ORB, feature matching using the FLANN (Fast Library for Approximate Nearest Neighbor) method, and shuttlecock position tracking using KCF (Kernelized Correlation Filter) combined with Exponential Moving Average (EMA) filtering to stabilize the results between frames. Evaluation is carried out on the system's performance in detecting shuttlecocks under various conditions and backgrounds, using accuracy, precision, recall, and F1-score metrics. The test results show that the system achieved an average accuracy of 81.1%, precision of 85.4%, recall of 92.6%, and F1-score of 88.9%, with an average processing time of 20.6 ms per frame. These results prove that the ORB algorithm has a reliable ability to recognize shuttlecocks based on visual features. This research contributes to the development of computer vision technology that can be used as an aid system for badminton training analysis to improve the effectiveness and efficiency of training.

ARABIC:

لقد أتاح تطور تكنولوجيا معالجة الصور الرقمية إمكانية تطبيق أنظمة الكشف التلقائي عن الأجسام في مجالات متعددة، بما في ذلك الرياضة. ومن بين الرياضات التي تتطلب تحليلاً معتمداً على الصور رياضة كرة الريشة، حيث يُعد كشف الريشة جانباً مهماً في عملية التقييم والتدريب. هدف هذا البحث إلى اكتشاف جسم الريشة بين الأجسام الأخرى الموجودة في الملعب باستخدام خوارزمية ORB (سريع موجه ومختصر دوار). تشمل عملية البحث مراحل تحويل الصورة، واستخراج ووصْف الخصائص باستخدام ORB، ومطابقة الخصائص باستخدام طريقة مكتبة سريعة للبحث عن أقرب جار تقريبي (FLANN)، بالإضافة إلى تتبع موضع الريشة باستخدام مرشح الترابط النواة (KCF) مع دمجه بفلترة المتوسط المتحرك الأسي (EMA) لاستقرار النتائج بين الإطارات. تم إجراء تقييم لأداء النظام في اكتشاف كرة الريشة تحت ظروف وخلفيات مختلفة، باستخدام مقاييس الدقة، الضبط، الاستدعاء، وقيمة ف1. أظهرت نتائج الاختبار أن النظام حقق دقة متوسطة بلغت 81.1%، ضبط بنسبة 85.4%، استدعاء بنسبة 92.6%، وقيمة ف1 بنسبة 88.9%، مع متوسط زمن معالجة بلغ 20.6 مللي ثانية لكل إطار. وأثبتت هذه النتائج أن خوارزمية ORB تتمتع بقدرة موثوقة على التعرف على كرة الريشة استنادًا إلى الملامح البصرية. وتساهم هذا البحث في تطوير تكنولوجيا الرؤية الحاسوبية التي يمكن الاستفادة منها كنظام مساعد لتحليل التدريب في رياضة كرة الريشة بهدف زيادة فعالية وكفاءة التدريب.