PELACAKAN BENDA BERGERAK MENGGUNAKAN METODE MEAN-SHIFT DENGAN PERUBAHAN SKALA DAN ORIENTASI

MUHAMMAD IZZUDDIN MAHALI, Drs. Agus Harjoko, M.Sc., Ph.D

2015 | Tesis | S2 Ilmu Komputer

Pelacakan benda bergerak atau object tracking merupakan suatu proses mengikuti posisi obyek di dalam suatu citra. Algoritma mean-shift adalah salah satu algoritma pelacakan obyek yang sering digunakan dalam proses pelacakan obyek. Algoritma mean-shift merupakan algoritma non-parametric yang efektif dan cepat namun belum mampu untuk mengikuti sebuah obyek yang mengalami perubahan ukuran dan perubahan orientasi. Pada penelitian ini dilakukan pengembangan metode mean-shift klasik yang mampu menangani pelacakan obyek yang mengalami perubahan skala dan orientasi. Dengan bobot gambar yang berasal dari target obyek dan target kandidat obyek dapat merepresentasikan kemungkinan wilayah tersebut merupakan target obyek. Pelacakan obyek menggunakan algoritma mean-shift menggunakan momen orde ke nol dan ke satu dari bobot gambar. Dengan momen orde ke nol dan koefisien Bhattacharyya antara target model dengan target kandidat model dapat digunakan untuk menentukan perubahan ukuran dan orientasi obyek target. Hasil pengujian menunjukkan tingkat keberhasilan obyek tracking dari beberapa sample video di dapatkan. Dari hasil pengujian sistem Untuk parameter input dengan increment area 5 hasil yang di dapatkan adalah 66,7% berhasil, 13,3% berhasil sebagian dan 20% gagal. Sedangkan untuk parameter input dengan increment 10 hasil yang didapatkan adalah 80% berhasil, 13,3% berhasil sebagian dan 6,7% gagal. Tingkat keberhasilan dalam mengenali obyek target menjadi meningkat ketika parameter input increment area dinaikkan, akan tetapi terjadi penambahan waktu pelacakan. Semakin besar wilayah target obyek yang dilacak maka waktu yang dibutuhkan untuk pelacakan juga semakin bertambah

Object tracking is a process to follow the position of objects in an image. Meanshift algorithm is one object tracking algorithm that is often used in the process of tracking an object. Mean-shift algorithm is a non-parametric algorithm is effective and fast but have not been able to follow an object that scale and orientation changes. In this research, the development of methods of classical mean-shift object tracking that is capable of handling the scale and orientation changes. With weights derived image of the target object and the target object candidate to represent the possibility of the region is the target object. Object tracking using mean-shift algorithm uses zero order moments and the first order moment of the weight image. With the zero order moments and the Bhattacharyya coefficient between the target models and candidate models can be used to determine changes in the scale and orientation of the target object. The test results showed a success rate of tracking objects in get some sample videos. From the test results for the system with the input parameter area increment 5 results in successful get is 66,7%, 13,3% partly successful. And 20% failed. As for the input parameter with 10 increment results in successful get is 80%, 13,3% and 6,7% successful partly failed. Level of success in recognizing a target object to be increased when the input parameter area increment will be increased but the addition of time tracking. The larger the area of the target object to be tracked then the time required for tracking is also increasing

Kata Kunci : tracking, mean-shift, scale, orientation