Perpustakaan Digital ITB

Dalam penelitian sebelumnya, telah dibuat beberapa model untuk memprediksi gaya reaksi tanah secara 3D dengan metode LSTM (Long Short-Term Memory). Model tersebut bekerja dengan menerima data kinematika gerak yang didapatkan dari penangkap gerak sebagai inputnya. Akan tetapi, terdapat beberapa kelemahan pada sistem penangkap gerak yang telah dikembangkan oleh Lab Biomekanika ITB yang diantaranya ialah gerak harus dilakukan dalam ruangan gelap dan penanda cenderung bergoyang saat subjek bergerak. Untuk mengatasi kelemahan diatas, metode estimasi pose manusia yang berdasar pada Deep Learning dan Computer Vision dapat diterapkan sebagai sistem penangkap gerak tanpa penanda. Pada tahun 2020 terdapat kemajuan yang pesat saat model OpenPose dirilis karena dapat memprediksi pose manusia secara instan meski terdapat banyak subjek dalam gambar. Namun, telah dibuktikan bahwa OpenPose tidak memiliki akurasi yang cukup untuk menggantikan sistem penangkap gerak tanpa penanda. Oleh sebab itu, pada penelitian ini dilakukan fine-tuning terhadap OpenPose agar dapat memprediksi dengan lebih akurat untuk tugas penangkapan gerak berjalan atau berlari manusia. Namun untuk dapat melakukan fine-tuning tersebut, diperlukan data gambar yang dapat menunjukkan subjek dan penanda dengan jelas. Lalu dilakukan juga inpainting untuk menghilangkan penanda dari gambar subjek sehingga didapatkan gambar subjek tanpa penanda dan posisi penanda tersebut sebelum dihilangkan. Setelah dilakukan pelatihan ulang, ditemukan bahwa akurasi model dinilai cukup dengan kesalahan rata-rata 17-pixel.