Object Tracking Berbasis Background Substraction dan Kalman Filter. Kata kunci: object tracking, Kalman filter, Substraction background.
|
|
- Leony Susman
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Object Tracking Berbasis Background Substraction dan Kalman Filter Nasrulloh Ratu B.S.L Deby Faisol Akbar Abstrak Dalam proses pendeteksian objek bergerak terdapat berbagai macam metode yang digunakan. Beberapa diantaranya yang sering digunakan adalah background substraction dan Kalman filter. Kedua metode ini memiliki fungsi yang berbeda terhadap pengolahan citra. Penelitian ini berusaha untuk memadukan kedua metode ini untuk membantu dalam object tracking pada video. Hasil yang didiperoleh adalah dengan metode subtraction objek berhasi ditracking, dan dengan penambahan metode Kalman filter, estimasi pergerakan objek dapat dilakukan. Kata kunci: object tracking, Kalman filter, Substraction background. I. Pendahuluan Dewasa ini perkembangan teknologi sudah sangat pesat dan mencakup banyak bidang. Salah satunya yang mendapat perhatian cukup serius adalah pengolahan citra digital. Di bidang ini tidak hanya citra pada sebuah gambar yang diproses melainkan mencakup video juga. Salah satu hal pemrosesan pada video yang berkembang dengan pesat saat ini adalah object tracking. Pada penelitian kali ini kami mengangakat tema pemrosesan citra pada video yaitu object tracking. Disini kami akan menggunaan metode background substraction yang merupakan pengenalan objek dengan melakukan pengolahan terhadap citra obek dan citra background selain itu kami juga menggunakan metode Kalman filter yang merupakan algoritma estimator yang berfungsi untuk menentukan estimasi state berdasarkan state sebelumnya. Video yang kami gunakan disini menggunakan video objek yang kami rekam sendiri menggunakn perangkat perakam video. II. Tinjauan Pustaka A. Matlab Matlab adalah sebuah bahasa dengan kemampuan tinggi untuk melakukan komputasi teknis. Bahasa ini menggabungkan komputasi, visualisasi, dan pemrograman dalam satu kesatuan yang mudah digunakan. Pemakaian matlab meliputi: 1. Matematika komputasi 2. Pengembangan algoritma 3. Akuisisi data 4. Pemodelan, simulasi, dan prototype 5. Grafik saintifik, dan enginering 6. Perluasan pemakaian seperti GUI Matlab adalah sistem interaktif yang mempunyai basis data array yang tidak membutuhkan dimensi. Ini memungkinkan kita dapat menyelesaikan banyak masalah komputasi teknis, khususnya yang berkaitan dengan formulasi matrik dan vektor. B. Subctraction Method Motion Detection Pemrosesan citra biasanya dapat diartikan sebagai pemrosesan gambar digital. dari sebuah gambar dapat
2 dilakukan berbagai macam images prosessing, begitu pula dengan video. Karena pada dasarnya terdiri atas beberapa gambar yang saling berganti atau biasa disebut frame. Biasanya dalam 1 detik pada sebuah video terdapat 12 frame atau gambar yang sequen beganti. Hal ini berlangsung secara cepat sehingga kita mungkin tidak menyadarinya. Pada proyek ini akan dibahas pemrosesan pada video, yaitu tracking objek bergerak. Penelitian dalam segmentasi, estimasi dan tracking objek bergerak pada video banyak mendapat perhatian dalam beberapa tahun belakangan ini. Tracking objek bergerak merupakan suatu hal penting dalam sistem video, misalnya pada olah raga, lalu lintas, dll. Beberapa metode telah digunakan untuk mendeteksi objek bergerak secara otomatis. Metode-metode ini dapat diklasifikasikan dalam 3 kategor besar yaitu: 1. Background substraction, 2. Temporal different based, dan 3. Pendekata berbasis kemungkinan. Tiaptiap metode memiliki kelebihan dan kekurangan masing-masing. Pokok proses dalam background substraction based adalah dengan melakukan subtraksi terhadap gambar saat ini dengan gambar sebelumnya. Kemudian hasil substraksi akan dianalisa untuk menemukan pergerakan objek. Namun metode ini memiliki kekurangan yaitu jika terdapat noise yang cukup besar maka objek yang ditracking tidak akan dikenali. C. Kalman Filter Kalman filter merupakan estimator rekursif. Ini berarti bahwa hanya estimasi state dari langkah waktu sebelumnya dan pengukuran saat ini yang dibutuhkan untuk menghitung estimasi kondisi saat ini. dengan demikian, tidak ada riwayat pengamatan atau perkiraan diperlukan. Kalman filter memiliki dua fitur khas. Salah satunya adalah model matematika yang dijelaskan dalam hal konsep statespace. Konsep lain adalah bahwa solusi dihiutng secara rekursif. Biasanya kalman filter digambarkan dengan model state sistem dan model pengukuran. Model state-space dijelaskan sebagai model state sistem dan model pengukuran seperti yang ditunjukkan pada persamaan 1 dan 2: s(t) = O(t-1)s(t-1)+w(t) (1) z(t) = H(t)s(t)+v(t) (2) Dimana O(t-1) dan H(t) merupakan state matrix transisi dan matrix pengukuran secara berturut-turut. w(t) dan v(t) merupakan noise gaussian white dengan rata-rata nol. Kalman filter memiliki 2 fase yaitu: langkah prediksi dan langkah koreksi. Langkah prediksi bertanggung jawab untuk memproyeksikan ke depan kondisi saat ini, memperoleh prior estimasi state S(t-). Tugas langkah koreksi adalah untuk umpan balik. Ini menggabungkan pengukuran aktual ke dalam sebuah prior estimasi untuk mendapatkan estimasi improved posterior S(t+). Yang mana sesuai dengan persamaan 3. S + (t) = S - (t) + k(t) [ z(t) - H(t) S - (t) (3) Yang mana k(t) pembobotan dan dideskripsikan pada persamaan 4. k(t) = ( ) ( )( ) ( ) ( ) ( ) ( ) (4) Dalam (4), p(-t) adalah prior kovarian kesalahan estimasi. Hal ini akan didefinisikan pada persamaan (5). P - (t) = E [e - (t) e - (t) T ] (5)
3 Dimana e - (t) = s(t) s - (t) adalah prior kesalahan estimasi. Selain itu, kovarian error estimasi didefinisikan seperti ditunjukkan dalam persamaan 6. P + (t) = E[e + (t) e + (t) T ] (6) Dimana e + (t) = s(t) s + (t) adalah posterior estimasi error. Langkah presikdi dan langkah koreksi dilaksanakan secara berulang seperti ditunjukkan oleh persamaan 7,8,9,10, dan 11. Langkah prediksi: s - (t) = O(t-1) s + (t-1) (7) p - (t) = O(t-1) p + (t+1) O(t-1) T + Q(t-1) (8) langkah koreksi: k(t) = p - (t) H(t) T [H(t)p - (t) H(t) T + R(t)] -1 (9) s + (t) = s - (t) k(t)[z(t) H(t) s - (t)] (10) p + (t)=[1-k(t)h(t)] p - (t) (11) Siklus prediksi-koreksi ini terus berulang-ulang. Pada persamaan 9 perhitungan error R(t) dan perolehan Kalman k(t) berada pada rasio terbalik. Semakin kecil R(t), perolekan k(t) bobot semakin besar. Dalam hal ini, pengukuran yang lebih dipercaya sedangkan hasil prediksi kurang. Namun sebagai priori estimasi error p - (t) mendekati nol, perolehan k(t) bobot sisa kurang berat. Penghitungan aktual adalah kurang dipercaya dan kurang, sedangkan hasil prediksi lebih dipercaya lagi dan lagi. III. Pembahasan A. Motion Detection Untuk mendeteksi objek bergerak, kita memilih background gambar dari gambar sequence pertama. Kemudian masingmasing gambar dalam proses dikurangi oleh gambar latar belakang. Secata teoritis, daerah nol dalam hasil pengurangan adalah lokasi dari gerak objek. Bagaimanapun juga, ada beberapa hal yang lain yang muncul dalam percobaan ini yang dapat menjadikan perubahan background secara keseluruhan pada percobaan ini. Beberapa hal tersebut antara lain adalah: noises. Perubahan cahaya dan gerakan bayangan benda. Beberapa hal ini dapat menyebabkan video traking menjadi terlihat mengalami gangguan oleh karena itu diperlukan sebuah video dengan background tetap dan memiliki kontras warna yang cukup baik. Metode yang kami usung terdiri dari dua tahap utama yaitu: deteksi objek dan pelacakan objek. B. Background substraction Background substraksi pada dasarnya dihitung dengan mengambil perbedaan intensitas citra dengan background gambar tersebut. Dalam tulisan ini, langkah pertama yang kami lakukan adalah dengan menyimpan tiap frame pada variabel ke variabel. Kemudian menghitung perbedaan absolut masing-masing komponen warna secara terpisah. Kemudian kami menghitung rata-rata dari tiga komponen warna tadi untuk mendapat hasil pengurangan background. Penghitungan tersebut dirumuskan sebagai berikut: A(x,y,c)=abs(X n (x,y,c)-x 0 (x,y,c)); semua x,y,c B(x,y)=(A(x,y,1)+A(x,y,2)+A(x,y,3))/3; dimana untuk
4 X n dan X 0 adalah citra dan background citra masing-masing, x dan y adalah koordinat persegi panjang, dan c adalah indeks warna: 1 untuk merah, 2 untuk hijau, dan 3 untuk biru. B(x,y) adalah hasil subtraksi. C. Deteksi Objek Setelah mendapatkan region, maka langkah selanjutnya adalah dengan memberikan label pada region-region yang didapatkan sebelunya. Dari sini tiap-tiap region akan ditandai, kami menggunakan fungsi regionprops pada matlab untuk operasi ini. Untuk mendapatkan objek bergerak kami menggunakan bubble sort untuk mendapatkan region terbesar. Jadi, dari region-region yang telah ditandai tadi akan dilakukan sorting, dari sorting ini akan diambil region terbesar. Berikut adalah operasi bubble sort yang digunakan: for nn = 1:MM if markimg(nn).area > markimg(1).area tmp = markimg(1); markimg(1)= markimg(nn); markimg(nn)= tmp; end end D. Objek Tracking Dari tiap region yang telah ditandai pada citra yang terdapat pada tiap frame, akan membentuk sebuah objek ditandai oleh sebuah box. Ukuran box akan berubah sesuai dengan region objek, seperti yang terlihat pada kode berikut: bb = markimg(1).boundingbox; xcorner = bb(1); ycorner = bb(2); xwidth = bb(3); ywidth = bb(4); cc = markimg(1).centroid; centroidx(i)= cc(1); centroidy(i)= cc(2); bb disini adalah bounding box, xcorner dan ycorner adalah titik x dimana sudut bounding box dibuat, sedangkan xwidth dan ywidth merupakan lebar dan tinggi bounding box. Ukuran dari bounding box akan terus berubah-ubah menyesuaikan dari ukuran objek yang ditrak. Bounding box ini akan terus muncul pada setiap objek pada tiaptiap frame yang akan terus bergantian. Sehingga, akan nampak sebuah video yang didalamnya terdapat objek yang sedang di trak. E. Kalman Filter 2D Rumus umum yang berlaku pada kalman filter 2D adalah: X (t + 1) = F X (t) + W (t), W ~ N (0, Q), Y (t) = HX (t) + V (t), V ~ N (0, R) Menggerakan partikel pada subjek kecepatan konstan terhadap gannguan acak pada lintasannya. Posisi baru (x1, x2) adalah posisi lama ditambah kecepatan (DX1, dx2) ditambah noise w. Dalam penghintungan posisi partikel Menggunakn persamaan F. Hasil Percobaan Metode kami adalah pemrograman dengan bahasa Matlab. Sedangkan video yang kami gunakan disini adalah dengan
5 video yang kami buat sendiri melalui perangkat perekam video. Pada gambar 1 merupakan citra dari background gambar. Gambar 2 merupakan screenshot dari video dengan objek yang sudah ditrak, nampak sebuah objek yang berada dalam kotak berwarna biru. Sedangkan gambar 3 dan 4 berturut-turut merupakan gambar dari screenshot dari video traking yang di dalamnya sudah diterapkan, kotak biru merupakan kotak traking objek sedang kotak berwarna merah merupakan kotak dari kalman filter. Gambar 1. Background citra IV. Daftar pustaka 1. W.L. Khong, W.Y. Kow, H.T. Tan, H.P. Yoong, K.T.K. Teo, Kalman Filtering Based Object Tracking in Surveillance Video System, School of Engineering and Information Technology Universiti Malaysia Sabah. 2. Kleinbauer, Rachel. (November 2004). Kalman Filtering Implementation in Matlab. Helsinki; Helsinki University of Technology. 3. Amrullah, Y. Roslyn. Pengenalan Benda di Jalan Raya dengan Metode Kalman Filter. 4. 2D Target Tracking Using Kalman Filter. entral/fileexchange/ d-targettracking-using-kalmanfilter/content/target%20tracking%20u sing%20kalman/kalman.m. Diakses: tanggal 16 januari Gambar 2. Traking objek Gambar 3. Kalman filter
PENGHITUNGAN KEPADATAN KENDARAAN DI JALAN TOL MENGGUNAKAN METODE GAUSSIAN MIXTURE MODEL DAN KALMAN FILTER
PENGHITUNGAN KEPADATAN KENDARAAN DI JALAN TOL MENGGUNAKAN METODE GAUSSIAN MIXTURE MODEL DAN KALMAN FILTER Muhammad Jendro Yuwono 1, Bedy Purnama 2, Febryanti Sthevanie 3 1,2,3 Prodi S1 Teknik Informatika,
Lebih terperinciPengenalan Benda di Jalan Raya dengan Metode Kalman Filter. Roslyn Yuniar Amrullah
Pengenalan Benda di Jalan Raya dengan Metode Kalman Filter Roslyn Yuniar Amrullah 7406040026 Abstrak Computer Vision merupakan disiplin ilmu perpanjangan dari pengolahan citra digital dan kecerdasan buatan.
Lebih terperinciPELACAKAN LEVEL KETINGGIAN AIR BERDASARKAN WARNA DENGAN BACKGROUND SUBSTRACTION
PELACAKAN LEVEL KETINGGIAN AIR BERDASARKAN WARNA DENGAN BACKGROUND SUBSTRACTION Adhadi Kurniawan 1), I Wayan Mustika 2), dan Sri Suning Kusumawardani 3) 1),2), 3) Laboratorium Sistem Elektronis, Jurusan
Lebih terperinciBAB III KALMAN FILTER DISKRIT. Kalman Filter adalah rangkaian teknik perhitungan matematika (algoritma)
BAB III KALMAN FILTER DISKRIT 3.1 Pendahuluan Kalman Filter adalah rangkaian teknik perhitungan matematika (algoritma) yang memberikan perhitungan efisien dalam mengestimasi state proses, yaitu dengan
Lebih terperinciIII. PERANCANGAN SISTEM Flowchart Proses System Berikut ini adalah gambaran umum sistem yang akan dibangun pada Tugas Akhir ini.
Penghitungan Kepadatan Kendaraan Di Jalan Tol Menggunakan Metode Gaussian Mixture Model dan Kalman Filter Counting Density of Vehicle Based on Gaussian Mixture Model and Kalman Filter in Highway Muhammad
Lebih terperinciAnalisa dan Pemodelan Kerumunan Orang pada Video Digital
Sidang Tugas Akhir Analisa dan Pemodelan Kerumunan Orang pada Video Digital Oleh: Nick Darusman (2209106015) Dosen Pembimbing Dr. Ir. Wirawan, DEA Jumat, 24 Januari 2012 Surabaya 1 Latar Belakang Angka
Lebih terperinciPengenalan Objek Berdasarkan Warna Merah Menggunakan Metode Subtraction dan Blobanalysis Pada Canal Rgb Melalui Real-Time Video
Pengenalan Objek Berdasarkan Warna Merah Menggunakan Metode Subtraction dan Blobanalysis Pada Canal Rgb Melalui Real-Time Video Abstrak Mochamad Faisol Baharun¹, T.Sutojo, SSi., M.Kom² Program Studi S1
Lebih terperinciTenik Informatika S1,Institut Teknologi Nasional Malang Jalan Raya Karanglo Km 2 Malang
Jurnal Teknologi Informatika dan Terapan Vol. 04, No 02, Juli Desember 2017 ISSN: 235-838X Mira Orisa #1, Karina Auliasari *2, Rofila El Maghfiroh #3 # Tenik Informatika S1,Institut Teknologi Nasional
Lebih terperinciRancang Bangun Sistem Penghitung Laju dan Klasifikasi Kendaraan Berbasis Pengolahan Citra
Rancang Bangun Sistem Penghitung Laju dan Klasifikasi Kendaraan Berbasis Pengolahan Citra M Agus Taksiono, Dr. Ronny Mardiyanto, ST., MT.dan Ir. Joko Purwanto M.Eng, Ph.d Jurusan Teknik Elektro, Fakultas
Lebih terperinciANALISIS PELACAKAN OBJEK MENGGUNAKAN BACKGROUND ESTIMATION PADA KAMERA DIAM DAN BERGERAK (Hasil Penelitian)
ANALISIS PELACAKAN OBJEK MENGGUNAKAN BACKGROUND ESTIMATION PADA KAMERA DIAM DAN BERGERAK ( Penelitian) Oleh : Wahyu Supriyatin 1, Yeniwarti Rafsyam 2, Jonifan 3 1,3 Universitas Gunadarma Jakarta, Jalan
Lebih terperinciRancang bangun penghitung dan pengidentifikasi kendaraan menggunakan Multiple Object Tracking
Youngster Physics Journal ISSN: 2302-7371 Vol. 6, No. 1, Januari 2017, Hal. 70-75 Rancang bangun penghitung dan pengidentifikasi kendaraan menggunakan Multiple Object Tracking Laila Rahmawati dan Kusworo
Lebih terperinciAnalisis Perbandingan Algoritma Optical Flow dan Background Estimation untuk Pendeteksian Objek pada Video
Analisis Perbandingan Algoritma Optical Flow dan Background Estimation untuk Pendeteksian Objek pada Video Ety Sutanty dan Ari Rosemala Jurusan Sistem Informasi, Universitas Gunadarma Depok, Indonesia
Lebih terperinciIJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: PENERAPAN ALGORITMA KALMAN FILTER UNTUK PELACAKAN WAJAH
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 PENERAPAN ALGORITMA KALMAN FILTER UNTUK PELACAKAN WAJAH Ali Daud* 1, Akbar Saputra 2, Derry Alamsyah 3 1,2 STMIK GI MDP; Jl. Rajawali No.14 Palembang,
Lebih terperinciBAB IV PENGUJIAN ALGORITMA TRACKING
BAB IV PENGUJIAN ALGORITMA TRACKING Pada Bab III sebelumnya telah dijelaskan mengenai pemodelan dalam Simulink yang dibuat untuk menguji algoritma Filter Kalman dalam sistem Radar Tracking dan juga algoritma
Lebih terperinciDETEKSI GERAK BANYAK OBJEK MENGGUNAKAN BACKGROUND SUBSTRACTION DAN DETEKSI TEPI SOBEL
DETEKSI GERAK BANYAK OBJEK MENGGUNAKAN BACKGROUND SUBSTRACTION DAN DETEKSI TEPI SOBEL Muhammad Affandes* 1, Afdi Ramadani 2 1,2 Teknik Informatika UIN Sultan Syarif Kasim Riau Kontak Person : Muhammad
Lebih terperinciESTIMASI POSISI ROBOT MOBIL MENGGUNAKAN UNSCENTED KALMAN FILTER. Oleh: Miftahuddin ( )
ESTIMASI POSISI ROBOT MOBIL MENGGUNAKAN UNSCENTED KALMAN FILTER Oleh: Miftahuddin (1206 100 707) Dosen Pembimbing: Subchan, Ph.D Dr. Erna Apriliani, M.Si Abstrak Robot Mobil atau Mobile Robot adalah konstruksi
Lebih terperinciEstimasi Kecepatan Kendaraan Menggunakan Kalman Filter
SETRUM Volume 2, No. 2, Desemberi 2013 ISSN : 2301-4652 Estimasi Kecepatan Kendaraan Menggunakan Kalman Filter Okta Palega 1, Siswo Wardoyo 2, Romi Wiryadinata 3 Jurusan Teknik Elektro, Universitas Sultan
Lebih terperinciPRAKTIKUM 1 SINYAL, SYSTEM, DAN KONTROL PENGENALAN MATLAB 1. Percobaan 1 Vektor Penulisan vektor di MATLAB
PRAKTIKUM 1 SINYAL, SYSTEM, DAN KONTROL PENGENALAN MATLAB 1. Percobaan 1 Vektor Penulisan vektor di MATLAB Membuat vector dengan nilai antara 0 dan 16 dengan kenaikan 2. Menjumlahkan vector Menjumlakan
Lebih terperinciBAB I PENDAHULUAN. Pengaturan lampu lalu lintas di Indonesia masih bersifat kaku dan tidak
BAB I PENDAHULUAN 1.1. Latar Belakang Kemacetan merupakan masalah klasik yang sampai saat ini belum ditemukan solusi yang tepat. Hal ini disebabkan karena kemacetan lalu lintas dipengaruhi banyak faktor,
Lebih terperinciPenerapan Algoritma Particle Filter pada Face Tracking
pp. 1~5 ISSN: 1978-1520 1 Penerapan Algoritma Particle Filter pada Face Tracking Very Rahmawan, David Oktavian, Derry Alamsyah STMIK GI MDP, Jalan Rajawali No.14 Palembang, 0711-376400 Jurusan Teknik Informatika,
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1. Sistem Kendali Lup[1] Sistem kendali dapat dikatakan sebagai hubungan antara komponen yang membentuk sebuah konfigurasi sistem, yang akan menghasilkan
Lebih terperinciProsid i ng SNATIF K e - 4 Tahun ISBN:
IMPLEMENTASI PENGOLAHAN CITRA DENGAN METODE HISTOGRAM OF ORIENTED GRADIENT (HOG) UNTUK PENGATURAN WAKTU PADA TRAFFIC LIGHT BERDASARKAN DETEKSI KEPADATAN KENDARAAN Yanita Fibriliyanti 1, Lusi Risky Faradila
Lebih terperinciAnalisis Perbandingan Algoritma Optical Flow dan Background Estimation untuk Pendeteksian Objek pada Video
Analisis Perbandingan Algoritma Optical Flow dan Background Estimation untuk Pendeteksian Objek pada Video 1 Ety Sutanty, 2 Ari Rosemala 1,2 Universitas Gunadarma, Jurusan Sistem Informasi, Depok, Indonesia
Lebih terperinciBAB III METODE PENELITIAN. tracking obyek. Pada penelitian tugas akhir ini, terdapat obyek berupa bola. Gambar 3.1. Blok Diagram Penelitian
BAB III METODE PENELITIAN 3.1 Metode Penelitian Metode penelitian yang digunakan dalam pengerjaan Tugas Akhir ini adalah studi literatur, pembuatan program serta melakukan deteksi dan tracking obyek. Pada
Lebih terperinciIMPLEMENTASI PERHITUNGAN KECEPATAN OBJEK BERGERAK BERBASIS WEBCAM DAN PENGOLAHAN CITRA DIGITAL
Powered by TCPDF (www.tcpdf.org) Tugas Akhir - 2009 IMPLEMENTASI PERHITUNGAN KECEPATAN OBJEK BERGERAK BERBASIS WEBCAM DAN PENGOLAHAN CITRA DIGITAL Bambang Hermanto¹, Koredianto Usman², Iwan Iwut Tirtoasmoro³
Lebih terperinciPerbandingan Metode Kalman Filter, Extended Kalman Filter, dan Ensemble Kalman Filter pada Model Penyebaran Virus HIV/AIDS
J. Math. and Its Appl. E-ISSN: 2579-8936 P-ISSN: 1829-605X Vol. 15, No. 1, Maret 2018, 17-29 Perbandingan Metode Kalman Filter, Extended Kalman Filter, dan Ensemble Kalman Filter pada Model Penyebaran
Lebih terperinciPengujian Tracking Color Menggunakan IP Webcam untuk Deteksi Ketinggian Air
Pengujian Tracking Color Menggunakan IP untuk Deteksi Ketinggian Air Adhadi Kurniawan, I Wayan Mustika, dan Sri Suning Kusumawardani Laboratorium Sistem Elektronis, Jurusan Teknik Elektro dan Teknologi
Lebih terperinciANALISIS PELACAKAN OBJEK MOBIL DENGAN OPTICAL FLOW PADA KAMERA DIAM DAN BERGERAK
ANALISIS PELACAKAN OBJEK MOBIL DENGAN OPTICAL FLOW PADA KAMERA DIAM DAN BERGERAK Wahyu Supriyatin 1), Winda Widya Ariestya 2) 1, 2) Fakultas Ilmu Komputer dan Teknologi Informasi, Universitas Gunadarma
Lebih terperinciAPLIKASI PENDETEKSI OBJEK BERGERAK PADAIMAGE SEQUENCE DENGAN METODE BACKGROUNDSUBSTRACTION. Abstrak
APLIKASI PENDETEKSI OBJEK BERGERAK PADAIMAGE SEQUENCE DENGAN METODE BACKGROUNDSUBSTRACTION Nurrita Nafidha Putri Teknik Informatika,Universitas Gunadarma nurritanafidhaputri@gmail.com Abstrak Saat ini
Lebih terperinciPengembangan Prototype Sistem Untuk Manajemen Lahan Parkir Dengan Jaringan Sensor Kamera Nirkabel
Pengembangan Prototype Sistem Untuk Manajemen Lahan Parkir Dengan Jaringan Sensor Kamera Nirkabel ALDELLA PUTRA A. NRP 070006 Bidang Studi Telekomunikasi Multimedia Jurusan Teknik Elektro-FTI, Institut
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Computer Vision Computer vision dapat diartikan sebagai suatu proses pengenalan objek-objek berdasarkan ciri khas dari sebuah gambar dan dapat juga digambarkan sebagai suatu deduksi
Lebih terperinciBAB II DASAR TEORI. CV Dokumentasi CV berisi pengolahan citra, analisis struktur citra, motion dan tracking, pengenalan pola, dan kalibrasi kamera.
BAB II DASAR TEORI Pada bab ini akan dibahas teori yang berkaitan dengan skripsi ini, meliputi pustaka OpenCV, citra, yaitu citra grayscale dan citra berwarna, pengolahan citra meliputi image enhancement
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Akhir akhir ini teknologi yang berbasis " Sound and Video Capture Device " telah banyak berkembang. Para ilmuwan ataupun perusahaan yang bergerak di bidang IT memanfaatkan
Lebih terperinciBAB I PENDAHULUAN. pensil berbentuk lurus, berwarna biru, dan berbahan kayu. Kedua objek ini
BAB I PENDAHULUAN 1.1 Latar Belakang Pengenalan pola adalah penggambaran sesuatu berdasarkan sifat atau ciri dari sebuah objek. Penggambaran objek sangat berpengaruh terhadap sifat atau ciri yang memiliki
Lebih terperinciALGORITMA ADAPTIVE COVARIANCE RANK UNSCENTED KALMAN FILTER UNTUK ESTIMASI KEADAAN PADA PERSAMAAN AIR DANGKAL
ALGORITMA ADAPTIVE COVARIANCE RANK UNSCENTED KALMAN FILTER UNTUK ESTIMASI KEADAAN PADA PERSAMAAN AIR DANGKAL Habib Hasbullah 1, Erna Apriliani 2 1 Mahasiswa Program Studi S2, Jurusan Matematika, F-MIPA,
Lebih terperinciAspek Penerapan Video Segmentasi Sebagai Sistem Pendeteksi Pelanggaran Lalu Lintas
Aspek Penerapan Video Segmentasi Sebagai Sistem Pendeteksi Pelanggaran Lalu Lintas Christian Desamta. S*, Indra Yasri** *Alumni Tenik Elektro Universitas Riau**Jurusan Teknik Elektro Universitas Riau Kampus
Lebih terperinciMENENTUKAN KEPADATAN LALU LINTAS DENGAN PENGHITUNGAN JUMLAH KENDARAAN BERBASIS VIDEO PROCESSING
Powered by TCPDF (www.tcpdf.org) Tugas Akhir - 2009 MENENTUKAN KEPADATAN LALU LINTAS DENGAN PENGHITUNGAN JUMLAH KENDARAAN BERBASIS VIDEO PROCESSING Muahamd Syukur¹, Iwan Iwut Tritoasmoro², Koredianto Usman³
Lebih terperinci1BAB I. 2PENDAHULUAN
1BAB I. 2PENDAHULUAN 2.1. Latar Belakang Pelacak objek (object tracking) pada saat ini merupakan penelitian yang menarik dalam bidang computer vision. Pelacak objek merupakan langkah awal dari berbagai
Lebih terperinciTraffic IP Camera untuk Menghitung Kendaraan Roda Empat Menggunakan Metode Luasan Piksel
1 Traffic IP Camera untuk Menghitung Kendaraan Roda Empat Menggunakan Metode Luasan Piksel Andi Muhammad Ali Mahdi Akbar, Arief Kurniawan, Ahmad Zaini Jurusan Teknik Elektro, Fakultas Teknik Industri Institut
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan
1 BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan Indonesia merupakan negara berkembang yang memiliki jumlah penduduk yang cukup banyak. Menurut hasil sensus penduduk tahun 2010 yang dikeluarkan
Lebih terperinciBAB III EXTENDED KALMAN FILTER DISKRIT. Extended Kalman Filter adalah perluasan dari Kalman Filter. Extended
26 BAB III EXTENDED KALMAN FILTER DISKRIT 3.1 Pendahuluan Extended Kalman Filter adalah perluasan dari Kalman Filter. Extended Kalman Filter merupakan algoritma yang digunakan untuk mengestimasi variabel
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pada masa modern ini masih banyak terdapat kenakalan remaja di tengahtengah masyarakat khususnya masyarakat di daerah perkotaan. Kenakalan remaja meliputi semua perilaku
Lebih terperinciAnalisa Gerakan Manusia Pada Video Digital
Analisa Gerakan Manusia Pada Video Digital Abstrak - Pengenalan cara bergerak tubuh manusia (human motion) dari video stream memiliki beberapa aplikasi dalam video surveillance (pengawasan), dunia hiburan,
Lebih terperinciBAB 3 PERANCANGAN PROGRAM. objek, analisis blob, SMS service, dan video saving. Deteksi objek adalah proses untuk
BAB 3 PERANCANGAN PROGRAM 3.1 Spesifikasi rancangan program Secara garis besar program dapat dibagi menjadi 4 bagian besar, yaitu deteksi objek, analisis blob, SMS service, dan video saving. Deteksi objek
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Pengolahan Citra Pengolahan citra (image processing) merupakan proses untuk mengolah pixel-pixel dalam citra digital untuk tujuan tertentu. Beberapa alasan dilakukan pengolahan
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI 2.1 Citra Digital Citra digital merupakan sebuah fungsi intensitas cahaya, dimana harga x dan y merupakan koordinat spasial dan harga fungsi f tersebut pada setiap titik merupakan
Lebih terperinciPengukuran Tinggi Permukaan Air Berbasis Gelombang Ultrasonik Menggunakan Kalman Filter
Pengukuran Tinggi Permukaan Air Berbasis Gelombang Ultrasonik Menggunakan Kalman Filter 1 Imas Fatoni Parmono, 1 Bambang Heru Iswanto 1 Lab Instrumentasi dan Komputasi, Jurusan Fisika, FMIPA, Universitas
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengolahan Citra Pengolahan citra adalah kegiatan memanipulasi citra yang telah ada menjadi gambar lain dengan menggunakan suatu algoritma atau metode tertentu. Proses ini mempunyai
Lebih terperinciAPLIKASI IDENTIFIKASI ISYARAT TANGAN SEBAGAI PENGOPERASIAN E-KIOSK
APLIKASI IDENTIFIKASI ISYARAT TANGAN SEBAGAI PENGOPERASIAN E-KIOSK Wiratmoko Yuwono Jurusan Teknologi Informasi Politeknik Elektronika Negeri Surabaya-ITS Jl. Raya ITS, Kampus ITS, Sukolilo Surabaya 60111
Lebih terperinciPengukuran Tinggi Permukaan Air Berbasis Gelombang Ultrasonik Menggunakan Kalman Filter
Pengukuran Tinggi Permukaan Air Berbasis Gelombang Ultrasonik Menggunakan Kalman Filter 1I. F. Parmono, 1 B. H. Iswanto 1Lab Instrumentasi dan Komputasi, Jurusan Fisika, FMIPA, Universitas Negeri Jakarta
Lebih terperinciBAB 2 TINJAUAN PUSTAKA 2.1 Dasar Teori Citra Digital
4 BAB 2 TINJAUAN PUSTAKA 2.1 Dasar Teori Bab ini berisi tentang teori yang mendasari penelitian ini. Terdapat beberapa dasar teori yang digunakan dan akan diuraikan sebagai berikut. 2.1.1 Citra Digital
Lebih terperinciIP TRAFFIC CAMERA PADA PERSIMPANGAN JALAN RAYA MENGGUNAKAN METODE LUASAN PIKSEL
IP TRAFFIC CAMERA PADA PERSIMPANGAN JALAN RAYA MENGGUNAKAN METODE LUASAN PIKSEL OLEH : ANDI MUHAMMAD ALI MAHDI AKBAR Pembimbing 1: Arief Kurniawan, ST., MT Pembimbing 2: Ahmad Zaini, ST., M.Sc. Page 1
Lebih terperinciPENGOLAHAN CITRA DIGITAL ( DIGITAL IMAGE PROCESSING )
FAKULTAS TEKNIK INFORMATIKA PENGOLAHAN CITRA DIGITAL ( DIGITAL IMAGE PROCESSING ) Pertemuan 1 Introduction Nama Nazaruddin Ahmad Biodata Tempat/Tgl.Lahir Banda Aceh, 05 Juni 1982 Alamat Hp 081360866064
Lebih terperinciImplementasi Kalman Filter Pada Sensor Jarak Berbasis Ultrasonik
Implementasi Kalman Filter Pada Sensor Jarak Berbasis Ultrasonik Hendawan Soebhakti, Rifqi Amalya Fatekha Program Studi Teknik Mekatronika, Jurusan Teknik Elektro Politeknik Negeri Batam Email : hendawan@polibatam.ac.id
Lebih terperinciBAB III PERANCANGAN SISTEM. Pada dewasa sekarang ini sangat banyak terdapat sistem dimana sistem tersebut
BAB III PERANCANGAN SISTEM 3.1 Definisi Masalah Pada dewasa sekarang ini sangat banyak terdapat sistem dimana sistem tersebut sudah terintegrasi dengan komputer, dengan terintegrasinya sistem tersebut
Lebih terperinciBAB 3 IMPLEMENTASI SISTEM
BAB 3 IMPLEMENTASI SISTEM Bab ini akan membahas mengenai proses implementasi dari metode pendeteksian paranodus yang digunakan dalam penelitian ini. Bab ini terbagai menjadi empat bagian, bagian 3.1 menjelaskan
Lebih terperinciBAB 3 PERANCANGAN SISTEM
BAB 3 PERANCANGAN SISTEM 3.1 Metode Perancangan Perancangan sistem didasarkan pada teknologi computer vision yang menjadi salah satu faktor penunjang dalam perkembangan dunia pengetahuan dan teknologi,
Lebih terperinciPengenalan Pola/ Pattern Recognition
Pengenalan Pola/ Pattern Recognition Linear Discriminant Analysis Imam Cholissodin S.Si., M.Kom. Pokok Pembahasan 1. Linear Discriminant Analysis (LDA) Pengertian Klasifikasi LDA Rumus Umum LDA 2. Case
Lebih terperinciAPLIKASI METODE ENSEMBLE KALMAN FILTER (ENKF) PADA MODEL PENURUNAN PRODUKSI SUMUR PANAS BUMI
APLIKASI METODE ENSEMBLE KALMAN FILTER (ENKF) PADA MODEL PENURUNAN PRODUKSI SUMUR PANAS BUMI Robi Irsamukhti dan Nurita Putri Hardiani Program Studi Magister Terapan Teknik Panas Bumi Institut Teknologi
Lebih terperinciANALISIS PENGURANGAN DERAU PADA SINYAL LOUDSPEAKER MENGGUNAKAN FILTER ADAPTIF KALMAN
SINGUDA ENSIKOM VOL. 6 NO.3 /Maret 4 ANALISIS PENGUANGAN DEAU PADA SINYAL LOUDSPEAKE MENGGUNAKAN FILTE ADAPTIF KALMAN Fitriani Christhien Simbolon, Arman Sani Konsentrasi Teknik Telekomunikasi, Departemen
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Pengolahan citra digital merupakan salah satu subjek dari teknologi informasi yang sangat menarik dan menantang saat ini. Proses pengolahan citra digital bertujuan
Lebih terperinciAPLIKASI WEBCAM UNTUK MENJEJAK PERGERAKAN MANUSIA DI DALAM RUANGAN
APLIKASI WEBCAM UNTUK MENJEJAK PERGERAKAN MANUSIA DI DALAM RUANGAN Kuncoro Adi D, Lukas B. Setyawan, F. Dalu Setiaji APLIKASI WEBCAM UNTUK MENJEJAK PERGERAKAN MANUSIA DI DALAM RUANGAN Kuncoro Adi D 1,
Lebih terperinciEstimasi Solusi Model Pertumbuhan Logistik dengan Metode Ensemble Kalman Filter
Jurnal ILMU DASAR, Vol.14, No,2, Juli 2013 : 85-90 85 Estimasi Solusi Model Pertumbuhan Logistik dengan Metode Ensemble Kalman Filter Solution Estimation of Logistic Growth Model with Ensemble Kalman Filter
Lebih terperinciSEMINAR TUGAS AKHIR. Penerapan Metode Ensemble Kalman Filter untuk Estimasi Kecepatan dan Ketinggian Gelombang Non Linear pada Pantai
SEMINAR TUGAS AKHIR Penerapan Metode Ensemble Kalman Filter untuk Estimasi Kecepatan dan Ketinggian Gelombang Non Linear pada Pantai Oleh: Fadila Rahmana 1208 100 044 Abstrak Gelombang laut telah menjadi
Lebih terperinciSEGMENTASI CITRA DIGITAL DENGAN MENGGUNAKAN ALGORITMA WATERSHED DAN LOWPASS FILTER SEBAGAI PROSES AWAL ( November, 2013 )
SEGMENTASI CITRA DIGITAL DENGAN MENGGUNAKAN ALGORITMA WATERSHED DAN LOWPASS FILTER SEBAGAI PROSES AWAL ( November, 2013 ) Pramuda Akariusta Cahyan, Muhammad Aswin, Ir., MT., Ali Mustofa, ST., MT. Jurusan
Lebih terperinciGLOSARIUM Adaptive thresholding Peng-ambangan adaptif Additive noise Derau tambahan Algoritma Moore Array Binary image Citra biner Brightness
753 GLOSARIUM Adaptive thresholding (lihat Peng-ambangan adaptif). Additive noise (lihat Derau tambahan). Algoritma Moore : Algoritma untuk memperoleh kontur internal. Array. Suatu wadah yang dapat digunakan
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM. Dalam pengerjaan tugas akhir ini memiliki tujuan untuk mengektraksi
BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1 Model Pengembangan Dalam pengerjaan tugas akhir ini memiliki tujuan untuk mengektraksi fitur yang terdapat pada karakter citra digital menggunakan metode diagonal
Lebih terperinciBAB I PENDAHULUAN. 1 Universitas Kristen Maranatha
BAB I PENDAHULUAN I.1 Latar Belakang Masalah Perkembangan teknologi internet dalam beberapa tahun terakhir ini, telah membawa perubahan besar bagi distribusi media digital. Media digital yang dapat berupa
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Pendeteksian objek dalam suatu citra merupakan hal mendasar dalam banyak aplikasi analisis citra (image analysis). Manusia bisa langsung mengenali objek yang dilihatnya
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Pada prakteknya, bidang kedokteran dan biologi mengandalkan visualisasi untuk mempelajari struktur anatomi tubuh dan sel maupun fungsi biologis untuk mendeteksi serta
Lebih terperinciAPLIKASI PENGENALAN RAMBU BERBENTUK BELAH KETUPAT
APLIKASI PENGENALAN RAMBU BERBENTUK BELAH KETUPAT Andhika Pratama, Izzati Muhimmah Laboratorium Komputasi dan Sistem Cerdas, Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Dalam kehidupan sehari- hari seringkali ditemukan uang palsu pada berbagai transaksi ekonomi. Tingginya tingkat uang kertas palsu yang beredar di kalangan masyarakat
Lebih terperinciPenjejakan Objek Visual berbasis Algoritma Mean Shift dengan menggunakan kamera Pan-Tilt
Penjejakan Objek Visual berbasis Algoritma Mean Shift dengan menggunakan kamera Pan-Tilt Sulfan Bagus Setyawan 1, Djoko Purwanto 2 Jurusan Teknik Elektro, Institut Teknologi Sepuluh Nopember 1 sulfan13@mhs.ee.its.ac.id
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Waktu dan Tempat Penelitian Waktu yang digunakan dalam penelitian ini yaitu dalam kurun waktu enam bulan terhitung mulai februari 2012 sampai juli 2012. Tempat yang digunakan
Lebih terperinciPENGATURAN KECERAHAN DAN KONTRAS CITRA SECARA AUTOMATIS DENGAN TEKNIK PEMODELAN HISTOGRAM
PENGATURAN KECERAHAN DAN KONTRAS CITRA SECARA AUTOMATIS DENGAN TEKNIK PEMODELAN HISTOGRAM Danny Ibrahim 1, Achmad Hidayatno 2, R. Rizal Isnanto 2 Jurusan Teknik Elektro, Fakultas Teknik, Universitas Diponegoro,
Lebih terperinciPENERAPAN HAND MOTION TRACKING PENGENDALI POINTER PADA VIRTUAL MOUSE DENGAN METODE OPTICAL FLOW
PENERAPAN HAND MOTION TRACKING PENGENDALI POINTER PADA VIRTUAL MOUSE DENGAN METODE OPTICAL FLOW Reza Umami 1*, Irawan Hadi 1, Irma Salamah 1 1 Jurusan Teknik Elektro Program Studi Teknik Telekomunikasi
Lebih terperincioleh: M BAHARUDIN GHANIY NRP
oleh: M BAHARUDIN GHANIY NRP. 1202 109 022 Teknologi fotografi pada era sekarang ini berkembang sangat pesat. Hal ini terbukti dengan adanya kamera digital. Bentuk dari kamera digital pada umumnya kecil,
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Pengenalan Marka Jalan Marka jalan merupakan suatu penanda bagi para pengguna jalan untuk membantu kelancaran jalan dan menghindari adanya kecelakaan. Pada umumnya marka jalan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah. Meter air merupakan alat untuk mengukur banyaknya air yang digunakan oleh
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Meter air merupakan alat untuk mengukur banyaknya air yang digunakan oleh pelanggan. Alat ini biasa diletakkan di rumah-rumah yang menggunakan penyediaan air
Lebih terperinciPENENTUAN KUALITAS DAUN TEMBAKAU DENGAN PERANGKAT MOBILE BERDASARKAN EKSTRASI FITUR RATA-RATA RGB MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR
PENENTUAN KUALITAS DAUN TEMBAKAU DENGAN PERANGKAT MOBILE BERDASARKAN EKSTRASI FITUR RATA-RATA RGB MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR Eko Subiyantoro, Yan Permana Agung Putra Program Studi Teknik
Lebih terperinciBAB 1 PENDAHULUAN. menyebabkan pengolahan citra digital memiliki kegunaan yang sangat luas. geologi, kelautan, industri, dan lain sebagainya.
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Mata merupakan salah satu panca indra yang digunakan manusia untuk melihat. Namun mata manusia memiliki keterbatasan dalam menangkap sinyal elektromagnetik.
Lebih terperinciBAB 1 PENDAHULUAN 1.1. Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Zaman semakin berkembang pesat, begitu pula dengan teknologi dan ilmu pengetahuan yang juga turut berkembang dengan pesatnya. Hal ini, membuat manusia berpikir dan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Meteran Air Meteran air merupakan alat untuk mengukur banyaknya aliran air secara terus menerus melalui sistem kerja peralatan yang dilengkapi dengan unit sensor, unit penghitung,
Lebih terperinci1. Pendahuluan. 1.1 Latar Belakang
1. Pendahuluan 1.1 Latar Belakang Pada saat ini pengamatan atau pemantauan suatu kondisi tempat ataupun ruangan melalui video sudah banyak diterapkan. Pengembangan dari sistem pengamatan berbasis video
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN SISTEM
BAB 3 ANALISIS DAN PERANCANGAN SISTEM 3.1 Analisis Sistem 3.1.1 Analisa Perbandingan Aplikasi Sebelumnya Gambar 3.1 Gambar Tampilan GeoSeg Versi 1.0.0.0 (Sumber Charles:2012) Pada aplikasi GeoSeg versi
Lebih terperinciBAB 1 PENDAHULUAN. Perkembangan pengetahuan dibidang kecerdasan buatan sedemikian
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan pengetahuan dibidang kecerdasan buatan sedemikian pesatnya, seperti penelitian segmentasi dokumen. Segmentasi dokumen membuat pengguna menjadi mudah
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Citra Citra menurut kamus Webster adalah suatu representasi atau gambaran, kemiripan, atau imitasi dari suatu objek atau benda, contohnya yaitu foto seseorang dari kamera yang
Lebih terperinciBAB 3 PERANCANGAN SISTEM
BAB 3 PERANCANGAN SISTEM 3.1 Rancangan Perangkat Keras 3.1.1 Diagram Blok Sistem Rancangan perangkat keras dari aplikasi pengenalan wajah ini dapat dilihat pada diagram blok Gambar 3.1 sebagai berikut
Lebih terperinciKonvolusi. Esther Wibowo Erick Kurniawan
Konvolusi Esther Wibowo esther.visual@gmail.com Erick Kurniawan erick.kurniawan@gmail.com Filter / Penapis Digunakan untuk proses pengolahan citra: Perbaikan kualitas citra (image enhancement) Penghilangan
Lebih terperinciPERBANDINGAN METODE PREWITT DAN SOBEL DALAM MENDETEKSI TEPI SUATU CITRA DIGITAL
PERBANDINGAN METODE PREWITT DAN SOBEL DALAM MENDETEKSI TEPI SUATU CITRA DIGITAL Pitrawati, S.Kom., M.Pd Program Studi Komputerisasi Akuntansi AMIK Dian Cipta Cendikia, Bandar Lampung Abstrak Pengolahan
Lebih terperinciSIMULASI DAN ANALISIS SISTEM PENGHITUNG KEPADATAN LALU LINTAS DAN KLASIFIKASI KENDARAAN BERBASIS WEBCAM DENGAN METODE BACKGROUND SUBTRACTION
SIMULASI DAN ANALISIS SISTEM PENGHITUNG KEPADATAN LALU LINTAS DAN KLASIFIKASI KENDARAAN BERBASIS WEBCAM DENGAN METODE BACKGROUND SUBTRACTION SIMULATION AND ANALYSIS SYSTEM COUNTERS TRAFFIC DENSITY AND
Lebih terperinciBAB I PENDAHULUAN. berbagai macam aplikasi seperti digunakan untuk sistem pengawasan (monitoring
BAB I PENDAHULUAN 1.1 Latar Belakang Sistem pendeteksi yang menitik beratkan pada konteks deteksi keberadaan dan arah pergerakan merupakan suatu sistem yang bertujuan untuk berbagai macam aplikasi seperti
Lebih terperinciVerifikasi Citra Wajah Menggunakan Metode Discrete Cosine Transform Untuk Aplikasi Login
The 13 th Industrial Electronics Seminar 011 (IES 011) Electronic Engineering Polytechnic Institute of Surabaya (EEPIS), Indonesia, October 6, 011 Verifikasi Citra Wajah Menggunakan Metode Discrete Cosine
Lebih terperinciAnalisa Perbandingan Algoritma Histogram of Oriented Gradient (HOG) dan Gaussian Mixture Model (GMM) Dalam Mendeteksi Manusia
Analisa Perbandingan Algoritma Histogram of Oriented Gradient (HOG) dan Gaussian Mixture Model (GMM) Dalam Mendeteksi Manusia Yolinda Fatimah Munawaroh 1), Ciksadan 2), Irma Salamah 3) 1),2),3 ) Program
Lebih terperinciSIMULASI DAN ANALISIS SISTEM SMART TRAFFIC LIGHT BERBASIS PENGOLAHAN CITRA DIGITAL DENGAN METODE DETEKSI TEPI DAN SEGMENTASI
SIMULASI DAN ANALISIS SISTEM SMART TRAFFIC LIGHT BERBASIS PENGOLAHAN CITRA DIGITAL DENGAN METODE DETEKSI TEPI DAN SEGMENTASI Simulation and Analysis of System Smart Traffic Light Based on Digital Image
Lebih terperinciPendahuluan Pengantar Pengolahan Citra. Bertalya Universitas Gunadarma, 2005
Pendahuluan Pengantar Pengolahan Citra Bertalya Universitas Gunadarma, 2005 Definisi Citra Citra (Image) adalah gambar pada bidang dua dimensi. Secara matematis, citra merupakan fungsi terus menerus (continue)
Lebih terperinciPenghitung Kendaraan Menggunakan Background Substraction dengan Background Hasil Rekonstruksi
Penghitung Kendaraan Menggunakan Substraction dengan Hasil Rekonstruksi Mohammad Musa Sanjaya #1, Dr. I Ketut Eddy Purnama, ST., MT. *2, Muhtadin,ST.,MT #3 Jurusan Teknik Elektro, ITS Surabaya 1 musopotamia@gmail.com
Lebih terperinciBAB 2 LANDASAN TEORI. dari sudut pandang matematis, citra merupakan fungsi kontinyu dari intensitas cahaya
5 BAB 2 LANDASAN TEORI 2.1 Citra Secara harfiah citra atau image adalah gambar pada bidang dua dimensi. Ditinjau dari sudut pandang matematis, citra merupakan fungsi kontinyu dari intensitas cahaya pada
Lebih terperinciImplementasi Morphology Concept and Technique dalam Pengolahan Citra Digital Untuk Menentukan Batas Obyek dan Latar Belakang Citra
Implementasi Morphology Concept and Technique dalam Pengolahan Citra Digital Untuk Menentukan Batas Obyek dan Latar Belakang Citra Eddy Nurraharjo Program Studi Teknik Informatika, Universitas Stikubank
Lebih terperinciTRACKING OBJECT MENGGUNAKAN METODE TEMPLATE MATCHING BERBASIS STEREO VISION
TRACKING OBJECT MENGGUNAKAN METODE TEMPLATE MATCHING BERBASIS STEREO VISION Indra Pramana, M Zen Hadi Samsono, Setiawardhana Jurusan Telekomunkasi - Politeknik Elektronika Negeri Surabaya Institut Teknologi
Lebih terperinci