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.
Collections
- Informatics Engineering [2148]