<![CDATA[Dalam kondisi darurat, terutama saat seseorang tidak bisa berbicara secara langsung untuk meminta bantuan, isyarat tangan seperti “Signal for Help” menjadi sangat penting. Sayangnya, belum banyak sistem yang mampu mengenali isyarat ini secara otomatis dan real-time. Penelitian ini bertujuan untuk mengembangkan sebuah sistem yang dapat mendeteksi isyarat tersebut secara cepat dan akurat, agar respons bantuan bisa diberikan secepat mungkin. Penelitian dilakukan dengan menggunakan pendekatan pengenalan pola visual melalui teknologi MediaPipe dan OpenCV. Data dikumpulkan dari gambar dan video gerakan tangan yang menampilkan tiga tahapan isyarat: “Telapak Tangan Terbuka,” “Jempol Ditekuk ke Dalam,” dan “Kepalan Tangan.” Setiap tahapan dianalisis menggunakan deteksi landmark tangan untuk mengenali bentuk dan pergerakannya secara detail. Hasilnya, sistem yang dirancang mampu mendeteksi isyarat dengan akurasi tinggi, bahkan dalam berbagai kondisi lingkungan. Hal ini menunjukkan bahwa teknologi ini dapat diterapkan dalam skenario nyata, seperti layanan darurat, perlindungan pribadi, maupun sistem asisten berbasis AI yang dapat merespons secara otomatis ketika sinyal bantuan terdeteksi. Dengan sistem ini, diharapkan siapa pun yang berada dalam situasi bahaya bisa mendapatkan bantuan lebih cepat dan aman.]]>
Copyrights © 2025
