ABSTRAKSI: Pengamatan melalui citra menjadi alternatif untuk melakukan perhitungan jumlah pengunjung. Sistem akan melakukan tracking objek, sekaligus counting pada objek tersebut. Salah satu algoritma yang digunakan untuk membangun sistem counting tersebut adalah Histograms of Oriented Gradients (HOG). Dengan penggunaan multilevel HOG diharapkan mampu meningkatkan kinerja deteksi pada objek pengamatan. Tracking objek yang dilakukan adalah dengan mengamati bagian atas tubuh manusia, yaitu kepala dan bahu. Data latih terdiri dari 100 citra bagian atas tubuh manusia, serta 100 citra acak, diantaranya berupa bagian bawah tubuh manusia. Pada tahap pengujian, dilakukan pengujian terhadap beberapa citra yang jumlah objeknya bervariasi. Hasil pengamatan menunjukkan citra tanpa latar belakang menghasilkan akurasi rata-rata 82.54%.
KATA KUNCI: image processing, head-shoulder detection, multilevel HOG detector, SVM, people counting.ABSTRACT: Observations through the image became an alternative to calculating the number of visitors. The system will do object tracking, as well as counting on that object. One of the algorithms used to construct the counting system is the Histograms of Oriented Gradients (HOG). With the use of multilevel HOG is expected to improve detection performance on the object of observation. Object tracking is performed by observing the upper part of the human body, namely the head and shoulders. Training data consists of 100 image of the top of the human body, as well as the 100 random images, including a lower part of the human body. In the testing phase, carried out tests on some image object number variesThe results showed no background images produces better accuracy, ie 82.54%.
KEYWORD: image processing, head-shoulder detection, multilevel HOG detector, SVM, people counting.