ABSTRAKSI: Penggunaan suatu kamera untuk sistem pengawasan merupakan teknologi yang berperan penting yang dapat mendukung sistem keamanan dan pengawasan suatu tempat dari jarak jauh. Digunakannya kamera ini penting untuk bukti tindak kejahatan dan pelanggaran. Namun, penggunaan kamera ini terkadang menjadi kurang efektif jika hanya digunakan untuk merekam saja tanpa adanya tracking/marking yang bisa mengikuti pergerakan dari tiap objek yang direkam.
Object tracking diaplikasikan dan dikembangkan pada kamera perekam untuk melakukan tracking pada objek sehingga dapat diikuti pergerakan dari objek tersebut. Objek tracking ini sendiri adalah proses mengikuti posisi dari suatu objek yang diinginkan. Dalam tugas a khir ini dibangun sebuah simulasi atau software yang fungsinya sama dengan kamera CCTV . Simulasi ini akan menggunakan metode Kernel Particle Filter (KPF). Dengan menggunakan camcorder dilakukan pengambilan citra sehingga akan didapatkan gambar objek. Kemud ian gambar objek diproses menggunakan metode KPF tersebut untuk mengidentifikasi dan melakukan tracking gambar objek tersebut. Setelah objek dapat di tracking kemudian selanjutnya adalah membandingkan dengan data aktual.
Hasil yang diperoleh dari Tugas Ak hir ini adalah sebuah sistem yang mampu melakukan tracking kendaraan berdasarkan jumlah frame input . Setelah dilakukan pengujian terhadap sistem, dapat diambil kesimpulan bahwa parameter terbaik untuk mendeteksi mobil yaitu parameter threshold absolut seli sih 10, parameter filter median 3, parameter jenis struktur elemen line90°, parameter ukuran struktur elemen 3, parameter filter bwareaopen 50. Akurasi rata - rata total dari 16 video uji terhadap intensitas cahaya pagi, siang, sore, dan malam yaitu 74.8125% . Nilai rata - rata jarak centroid hasil kernel particle filter lebih kecil dari hasil rata - rata jarak centroid dari hasil deteksi.Kata Kunci : multiple object tracking , kernel particle filter , computer vision , pelacakanABSTRACT: Camera usage for security system is a technology which has an important role that can support security and monitoring system from a remote place. Actual usage of a camera is also important as criminal evidence. However, the usage of camera is sometimes ineffective and inefficient if we use it just to record without tracking/marking that can follow the object’s movements.
The object tracking is applied and developed in the recording camera for tracking object in order to follow the object’s movements. Object tracking i s a process to follow a desired object’s position. This thesis develops a simulation or software that has the same function with CCTV. This simulation is using kernel particle filter (KPF) method. By using camcorder, an image is captured and the object i s obtained. Then, the object will be processed by using KPF method to identify and track the object. After the object is tracked, then the next step is comparing the result with the actual data.
The result of this thesis is a system that is able to track some cars from the sum of frame inputs. After system testing, it can be concluded that the best parameters to detect the car are the threshold absolute parameter is 10, median filter parameter is 3, the type of element structure is line90°, elements struc ture size is 3, and the bwareaopen filter is 50. The average accuracy rate from 16 videos regarding to morning, afternoon, evening, and night light intensity is 74.8125% . The average rate of centroid distance of kernel particle filter is smaller than the d etection result.Keyword: multiple object tracking , kernel particle filter , computer vision , tracking