ABSTRAKSI: Objek tracking merupakan suatu bidang pada computer vision yang mempelajari cara melacak suatu objek yang bergerak pada suatu ruang. Objek yang dilacak merupakan objek yang sudah ditentukan. Pelacakan suatu objek bergerak sangat berguna untuk membantu tugas penting dalam aplikasi komputer vision seperti: pengenalan gerakan, pelacakan kendaraan, penghitungan jumlah kendaraan, augmented reality dan video kompresi. Object tracking mempunyai beberapa masalah antara lain adanya noise, kekacauan oklusi, dan perubahan dinamis dalam gerakan objek. Sehingga pada tugas akhir ini, dirancang sebuah sistem multiple object tracking dengan metode particle filter. Particle filter, juga dikenal sebagai sequential Monte Carlo merupakan salah satu metode stokastik yang telah dikembangkan dalam suatu komunitas visi komputer dan diterapkan untuk masalah pelacakan.
Sistem pelacakaan ini bekerja dengan masukan secara non-real time. Objek yang dilacak berupa manusia. Proses pendeteksian manusia menggunakan metode Histogram of Oriented Gradient. Setelah melakukan deteksi manusia, maka objek tersebut akan dilacak dengan metode particle filter. Proses pelacakan dilakukan dengan cara membangkitkan random partikel pada area dekat dengan objek. Selanjutnya dilakukan proses model observasi untuk menghitung kemungkinan dari partikel tersebut yang mempunyai kesamaan histogram dengan objek target. Penghitungan kesamaan dilakukan dengan menggunakan Bhattacharyya coefficient.
Pengujian pada sistem ini dengan menggunakan parameter yang diubah-ubah yaitu threshold maksimum, threshold minimum, jumlah partikel, jumlah objek dan kondisi perekaman objek. Tingkat akurasi terbaik pada threshold 0.88 dan threshold minimum 0.73. Jumlah objek pada proses pelacakan menggunakan particle filter berbanding lurus dengan waktu pemrosesan, sedangkan pada pelacakan dengan metode Histogram of Oriented Gradient berbanding lurus dengan resolusi video.Kata Kunci : object tracking, histogram, Bhattacharyya coefficient, Histogram of Oriented Gradient, particle filter.ABSTRACT: Object tracking is a field in computer vision that learn how to track a moving object in a space. Tracked object is an object that has been determined. Tracking a moving object is very useful to help an important task in computer vision applications such as: the introduction of motion, vehicle tracking, vehicle counts, augmented reality and video compression. Object tracking has many problems such as the noise, clutter occlusion, and dynamic changes in the motion of the object. So that the final project, designed a multiple object tracking system with particle filter method. Particle filters, also known as sequential Monte Carlo is a stochastic method that has been developed in the computer vision community and applied to tracking problems.
Tracking’s system works by using video processing in a non-real time. Tracked object in the form of humans. In the human detection process, use the Histogram of Oriented Gradient method. After the detection of human doing, then the object will be tracked with a particle filter method. Tracking process is done by generating random particles at close to the object area. Then performed the observations made models to calculate the probability of a particle that has the same histogram as the target object. Similarity calculation is done by using the Bhattacharyya coefficient. Then made a new estimate of the object's position.
Testing the system using modified parameters namely maximum threshold, the minimum threshold, the number of particles, the number of objects and the recording condition of the object. Best accuracy rate at 0.88 threshold and the minimum threshold of 0.73. Total objects in the tracking process using the particle filter is directly proportional to the processing time, whereas in the tracking Histogram of Oriented Gradient method proportional to the resolution of the video.Keyword: object tracking, histogram, Bhattacharyya coefficient, Histogram of Oriented Gradient, particle filters.