ABSTRAKSI: Penerapan dari pengamatan video sering diterapkan untuk membantu keterbatasan manusia dalam pemantauan sebuah ruangan atau tempat tertentu. Contohnya adalah untuk tracking dan penghitungan jumlah manusia. Dua contoh kasus penerapan tersebut menjadi fokus permasalahan dari Tugas Akhir ini.
Untuk tahap tracking metode yang digunakan dalam Tugas Akhir ini adalah algoritma CAMShift dengan modifikasi pada tahapan awalnya dengan menggunakan teknik background difference sehingga memungkinkan adanya multiple tracking untuk tiap objek tersebut. Selanjutnya dilakukan analisis terhadap perilaku pergerakan objek ini dan menggunakan keluaran dari tahap tersebut untuk melakukan counting. Keluaran sistem berupa visualisasi tracking, serta jumlah objek manusia yang masuk atau keluar ruangan.
Kehandalan sistem diuji dengan melakukan simulasi percobaan. Hasil pengujian menunjukan bahwa sistem mampu melakukan tracking dengan persentase keberhasilan 100% untuk 1 objek manusia, dan 81,56% untuk 2 objek manusia. Untuk tahap counting, sistem memiliki tingkat keberhasilan paling baik sebesar 85% berkaitan dengan waktu pengujian,sebesar 81,67% berkaitan dengan threshold background,dan sebesar 85% berkaitan dengan pergeseran piksel centroid. Sedangkan untuk perubahan nilai threshold convergence tidak terlalu berpengaruh terhadap waktu komputasi. Berbeda dengan nilai pergeseran piksel search window dan jumlah objek, dimana semakin besar nilai pergeseran piksel search window atau semakin banyak jumlah objek dalam video, maka waktu komputasi pun juga akan semakin lama.
Kata Kunci : CAMShift, background difference, tracking, countingABSTRACT: Implementation of video surveillance is often tobe applied to help human limitations for monitoring a particular room or area. Tracking and counting the number of people are such of examples. Two examples of application of those cases became the focus of this Final Project.
In the tracking-phase, method used in this Final Project is CAMShift algorithm with modifications to the initial stages by using a background difference technique that allows multiple tracking for each objects. Further, the behavior of the movement of this object has been analyzed and then the output from that stage is used to do the counting-phase. System output is the form of tracking visualization, as well as the number of human objects inside or outside of the room.
The system reliability is being tested by doing experiment. The test results show that the system is capable to track a human object for 100% success rate, and 81,56% succes rate in tracking two human objects. In the counting-phase, the system has the best success rate of 85% related to the timing of the test, amounting to 81.67% succes rate related to threshold background, and by 85% related to number of shifting centroid pixel. Meanwhile, the alteration of threshold convergence value had a little influence to computation time. In contrary, the greater value of shifting search window pixel or greater number of object in video will cause the computation time longer.Keyword: CAMShift, background difference, tracking, counting