Implementasi Metode Adaptive Background Subtraction Untuk Segmentasi Kendaraan Dan Ekstraksi Fitur Lokal Menggunakan Metode Pengolahan Citra Digital

OBED ADIPRASETYA BUDIMAN, Ika Candradewi, S.Si., M.Cs.

2018 | Skripsi | S1 ELEKTRONIKA DAN INSTRUMENTASI

Dalam penelitian ini dipresentasikan penelitian lebih lanjut mengenai segmentasi kendaraan bergerak menggunakan metode Pixel-Based Adaptive Segmenter (PBAS). Metode PBAS yang diusulkan masih memiliki kekurangan, yaitu belum terdapat algoritme penghapusan bayangan dari kendaraan yang tersegmentasi. Bayangan dapat dianggap sebagai hal yang mengganggu proses segmentasi karena dua atau lebih objek yang berbeda dapat muncul sebagai satu kesatuan jika terhubung melalui bayangan. Dalam penelitian ini dilakukan implementasi metode PBAS untuk segmentasi kendaraan bergerak, algoritme penghapusan bayangan, dan ekstraksi fitur lokal. Algoritme penghapusan bayangan yang dipakai bernama large region (LR) texture-based. Beberapa ekstraksi fitur yang digunakan yaitu area, perimeter, longest chord, longest perpendicular chord, eccentricity, minimal bounding box, extent, compactness, roundness, equivdiameter, convex hull, dan convexity defect. Hasil pengujian deteksi sistem menunjukkan bahwa penggunaan algoritme penghapus bayangan pada proses segmentasi kendaraan bergerak mampu meningkatkan nilai accuracy, precision, dan sensitivity. Tanpa menggunakan algoritme penghapus bayangan, sistem mampu memperoleh nilai accuracy 81.91%, precision 96.86%, sensitivity 84.56%, dan jika menggunakan algoritme penghapus bayangan sistem mampu memperoleh nilai accuracy 86.60%, precision 97.07%, sensitivity 89.46%.

In this paper we present an advance research for vehicle segmentation using Pixel-Based Adaptive Segmenter (PBAS). In the previous research, the PBAS method doesn't have a shadow removal algorithm. Cast-shadow can bring a serious problem on segmenting moving objects because of two or more independent objects can appear as a whole when the shadows stretch. In this paper we do an implementation of PBAS method for vehicle segmentation, shadow removal algorithm, and local feature extraction to all detected vehicles. The shadow removal algorithm is called large region (LR) texture-based. A several feature extraction used are area, perimeter, longest chord, longest perpendicular chord, eccentricity, minimal bounding box, extent, compactness, roundness, equivdiameter, convex hull, and convexity defect. The results of system detection testing show that the use of shadow removal algorithm on moving vehicle segmentation can improve accuracy, precision, and sensitivity. Without the shadow removal algorithm, the system can obtain 81.91% for accuracy, 96,86% for precision, 84,56% for sensitivity, and with shadow removal algorithm can obtain 86,60% for accuracy, 97.07% for precision, 89.46% for sensitivity.

Kata Kunci : PBAS, adaptive background subtraction, segmentasi kendaraan bergerak, penghapusan bayangan