Analisis Dan Implementasi Object Tracking Pada Kamera Webcam Dengan Image Processing Menggunakan Metode Mean Shift

Abstract

Saat ini kebutuhan manusia terhadap keamanan lingkungan rumah, kantor, minimarket, dan lain sebagainya sangat meningkat. Pada kasus yang ada di sekitar lingkungan seperti minimarket atau toko kelontong, biasanya menggunakan kamera CCTV untuk mengamankan area kasir. Namun kamera CCTV pada umumnya tidak dapat bergerak atau statis sehingga tidak dapat melacak pergerakan target objek yang berada di area kasir dalam jakauan 180°. Object tracking adalah suatu proses yang mengikuti perubahan posisi dari suatu objek pada suatu interval tertentu. Object tracking sudah pernah dikembangkan sebelumnya menggunakan metode Mean Shift, dengan tingkat keberhasilan yang tinggi yaitu 100% pada 6-7 fps. Namun pada sistem penelitiannya tidak menetapkan koordinat target objek, kemudian pada penelitiannya belum menambahkan metode cropping ROI (Region of Interest) untuk mengeliminasi daerah yang tidak diamati. Dengan dikembangkannya sistem menggunakan metode Mean Shift pada kamera webcam dengan Raspberry Pi sebagai komputasi sistem dan penggerak motor servo yang terhubung dengan pin digital input / output yang sudah diregistrasi yang akan menggerakkan kamera sesuai dengan keberadaan target objek secara otomatis dalam jangkauan 180° dengan menambahkan metode cropping ROI agar komputasi menjadi semakin ringan. Sebelum menerapkan metode Mean Shift, perlu mengatur lokasi target pelacakan dari frame pertama video yang ditangkap oleh kamera webcam NYK NEMESIS EVEREST secara langsung. Kemudian, dilakukan metode cropping ROI untuk segmentasi target objek bagian wajah. Ruang warna yang digunakan pada metode ini adalah HSV (Hue, Saturation, Value). Kemudian di-masking menggunakan batas ambang, dengan mengambil warna kulit bagian wajah yang dianggap sebagai target objek. Hasil segmentasi tersebut kemudian dijadikan parameter pada penerapan Mean Shift untuk frame selanjutnya. Kemudian motor servo akan bergerak sesuai dengan data masukkan koordinat x baru dari target objek pada setiap frame video. Hasil pelacakan sistem diuji dengan menggunakan metode IOU (Intersection over Union) untuk membandingkan hasil pelacakan dari sistem dengan hasil pelacakan yang seharusnya. Nilai IOU hasil pelacakan objek yang bergerak ke arah kiri dan kanan yaitu lebih dari 0.70 atau 70% yang berarti sistem dapat melacak target objek dengan baik karena kotak pelacakan mendekati kotak yang seharusnya.