ITS Undergraduate 9302 Paper
ITS Undergraduate 9302 Paper
Nama Mahasiswa
NRP
Jurusan
Dosen Pembimbing
:
:
:
:
Enggar Nilamsari
1206 100 721
Matematika FMIPA-ITS
Dr. M. Isa Irawan, MT.
Abstrak
Data jumlah pengunjung suatu tempat umum sangat penting. Data jumlah pengunjung biasanya
didapat secara manual. Begitu pula data jumlah orang yang masih ada di dalam tempat tersebut. Ketika
ingin menutup tempat umum tersebut perlu diketahui terlebih dahulu apakah di dalam ruangan masih ada
orang atau tidak. Saat ini kamera video telah diterapkan untuk kepentingan keamanan. Karena itu
dibuatlah sistem penghitung jumlah orang lewat baik masuk maupun keluar pada suatu tempat umum
sehingga dapat diketahui jumlah orang yang masih ada di dalam ruangan. Penghitungan jumlah orang ini
menggunakan metode Normalized Sum-Squared Differences (NSSD) dengan data video yang diambil
melalui kamera webcam. Dari data video tersebut kemudian deambil selisih intensitas pixel frame dan
background lalu dikuadratkan, dan dinormalisasi dengan luasan detection window. Nilai NSSD yang
didapat diseleksi dengan proses thresholding untuk mendeteksi keberadaan orang pada detection window.
Sistem ini secara keseluruhan menunjukkan keberhasilan lebih dari 95%.
Kata Kunci : penghitungan orang, metode NSSD, sensor kamera, image processing
1. PENDAHULUAN
Kamera merupakan salah satu komponen
yang penting dalam dunia multimedia. Kamera
digunakan untuk mendapatkan data multimedia,
khususnya dalam bentuk gambar atau video. Saat
ini,
pemanfaatan
sensor
kamera
pada
instrumentasi telah cukup meluas, mulai dari
penghitungan obyek mikroskopis, pengukuran
kecepatan obyek bergerak, dan lain sebagainya.
Selain itu kamera video juga telah diterapkan
untuk kepentingan keamanan. Misalnya seperti di
mall, perkantoran, pertokoan, perpustakaan dan
lain sebagainya, menggunakan wabcam untuk
mengamati keluar masuknya pengunjung di
tempat tersebut.
Data jumlah pengunjung suatu tempat
umum sangat penting. Data tersebut biasanya
digunakan untuk laporan perkembangan minat
masyarakat terhadap tempat tersebut. Data jumlah
pengunjung biasanya didapat secara manual.
Namun faktor manusia yang memiliki penglihatan
yang kurang awas bisa menimbulkan kesalahan
dalam penghitungan jumlah pengunjung.
2. DASAR TEORI
Gambar 2.2. Nilai Warna RGB Dalam
Hexadesimal
Keterangan :
f(x,y) = Nilai intensitas yang lama
g(x,y) = Nilai intensitas yang baru
T = Nilai Threshold
Jika a1=0 dan a2=1, maka proses thresholding
mengubah citra greyscale menjadi citra biner.
2.5
Metode
Normalized
Sum-Squared
Differences(NSSD)
NSSD merupakan bentuk khusus dari
Sum-Squared
Differences(SSD).
Untuk
melakukan identifikasi dengan menggunakan
metode NSSD, diperlukan background image
untuk dibandingkan dengan frame yang akan
dideteksi. Background image yang digunakan
merupakan image lajur dalam keadaan kosong
atau tidak ada oaring lewat pada lajur yang akan
dideteksi. Detection window atau ROI (Region of
Interest) diset pada lajur yang akan dideteksi
setelah dilakukan proses grayscale sebelumnya.
Kemudian, semua nilai pixel yang terdapat dalam
detection window dijumlahkan.
Hal yang sama juga dilakukan pada setiap
frame video. Maksud dari frame video adalah
sekumpulan image yang ditampilkan secara
berurutan sehingga membentuk suatu gambar
bergerak. Sehingga proses grayscale, setting
detection window, dan menjumlahkan nilai pixel
dilakukan pada masing-masing frame. Posisi
detection window pada frame dan pada
background image harus sama karena pada posisi
inilah yang akan dilakukan pembandingan.
Dengan adanya detection window
memudahkan proses perhitungan jumlah nilai
pixel yang dilakukan oleh komputer. Bilamana
tidak menggunakan detection window, komputer
akan melakukan perhitungan pada frame secara
keseluruhan. Sedangkan dengan detection
window, komputer cukup menghitung pada
detection window saja.
Setelah mendapatkan jumlah nilai pixel
dari background image dan frame, nilai-nilai
tersebut
dicari
selisihnya
dengan
cara
dikurangkan (subtract). Selisih dari jumlah nilai
background image dan frame dikuadratkan untuk
menghindari nilai negatif. [4,5]
(a)
(b)
2.4 Thresholding
Thresholding digunakan untuk mengubah
intensitas piksel menjadi salah satu dari dua nilai,
a1 atau a2. Hasil dari proses thresholding
IC
N
Keterangan:
IC(i) = intensitas frame pada pixel (i)
IB(i) = intensitas background pada pixel (i)
Q = detection window/ROI (Region of Interest)
N = jumlah pixel pada area Q
3. METODOLOGI PENELITIAN
3.1 Spesifikasi Hardware dan Software
Pada pengerjaan tugas akhir ini spesifikasi
hardware dan software yang digunakan adalah
sebagai berikut:
1. Spesifikasi Perangkat Keras (Hardware)
Perangkat keras yang digunakan dalam
implementasi perangkat adalah sebagai
berikut:
a. Notebook A*Note Centurion A-5427
b. Intel Pentium Dual Core Processor T3400
(2,16 GHz)
c. Memory 2 Gb DDR2.
d. Monitor 14,1 Wide Crystal View
e. VGA Port
f. Harddisk 160 Gb
g. Logitech Webcam V-UBB39
2. Spesifikasi Perangkat Lunak (Software)
Perangkat lunak yang digunakan dalam
implementasi perangkat lunak adalah sebagai
berikut:
a. Microsoft Windows Xp
b. Visual Basic 6.0
c. Microsoft Access
d. Logitech Webcam 1.10.1113.0 Software
(ENU)
NSSD =
(I
I B )2
1.1
Manempilkan
Data Hasil
Rekam
Webcam
[Hasil Perekaman]
User
Hasil Rekam
1.2
Capture
Image
Pintu
1.3
Proses
Seleksi
Citra RGB
1.4
Greyscaling
Citra Greyscale
Data Citra
Greyscale
1.5
Perhitungan
NSSD
Citra Greyscale
Nilai NSSD
Nilai NSSD
Data Nilai
Rata-rata NSSD
Masuk
Rata-rata
Nilai NSSD
1.6
Filtering
Rata-rata
Nilai NSSD
1.7
Thresholding
Keluar
Nilai Threshold
Nilai NSSD
Data Nilai
Threshold
User
Nilai Threshold
1.8
Penghitungan
Jumlah
Orang Lewat
b.
c.
d.
e.
4.4
Background
Frame 148
Frame 150
Frame 152
Gambar 5.4 Nilai NSSD Pada Percobaan
Menggunakan Data NonReal-Time pada detection
window 2
Frame 153
Frame 156
Beberapa
hasil
perekaman
kamera
digitalditunjukkan seperti Gambar 5.5 berikut :
Background
Frame 13
Frame 86
Frame 104
Frame 61
Frame 162
No
Kondisi
Kecepatan
Jumlah
Jumlah
Prosentase
Orang
Orang
Keberhasilan
Terhitung Sebenarnya
(%)
29
29
100
2
3
4
5
6
Normal
Cepat
23
Terang
100
Agak Gelap
100
Jarak Dekat
31
Warna
24
background
hampir sama
dengan objek
Rata-rata
25
100
100
32
24
92
100
100
96,875
100
98,145
6. PENUTUP
6.1.Kesimpulan
Dari hasil uji coba yang telah dilakukan
terhadap aplikasi perhitungan jumlah orang lewat
menggunakan metode Normalized Sum-Squared
Differences (NSSD), maka dapat diambil
kesimpulan bahwa :
1. Sistem penghitung jumlah orang lewat
menggunakan metode Normalized SumSquared Differences (NSSD) telah berhasil
diimplementasikan untuk data yang bersifat
real time maupun data yang bersifat non realtime.
2. Aplikasi
Normalized
Sum-Squared
Differences
(NSSD)
sebagai
sistem
penghitung jumlah orang lewat baik masuk
maupun keluar sehingga dapat diketahui
jumlah orang yang masih ada di dalam
ruangan, secara keseluruhan bekerja dengan
cukup baik. Hal ini dapat dibuktikan dengan
rata-rata tingkat keberhasilan lebih dari 95%
untuk penghitungan jumlah orang lewat
dengan berbagai variasi iluminasi dengan
nilai threshold sebesar 0,6 dikali rata-rata
nilai NSSD dan menggunakan perangkat yang
telah disebutkan sebelumnya.
3. Kecepatan pergerakan objek mempengaruhi
tingkat keberhasilan sistem, dengan kata lain
semakin cepat obyek bergerak (melewati
detection window lebih cepat dari 0,51 detik)
maka semakin besar kemungkinan gambar
ketika objek lewat pada detection window
tidak terekam oleh sistem.
4. Ketepatan penentuan nilai pengali oleh user
mempengaruhi tingkat keberhasilan sistem.
Hal ini dikarenakan besarnya nilai threshold
ditentukan dari nilai rata-rata NSSD yang
dikalikan dengan nilai pengali tersebut.
6.2.Saran
Saran yang dapat diberikan dalam
pengembangan tugas akhir ini adalah:
1. Variasi iluminasi cukup berpengaruh, agar
perhitungan lebih teliti seharusnya citra
background tidak selalu tetap untuk seluruh
perhitungan. Citra backround seyogyanya
diambil secara adaptif sehingga dapat
meminimalisasi variasi iluminasi.
2. Karena besarnya ROI berpengaruh terhadap
lamanya proses perhitungan sehingga
mempengaruhi kecepatan capture gambar
pada sistem maka untuk proses penentuan
ROI perlu dikembangkan secara otomatis
sesuai dengan besarnya objek yang lewat.
3. Untuk pengembangan perangkat lunak, maka
dapat ditambahkan fungsi untuk membedakan
objek yang lewat, apakah yang lewat adalah
orang atau bukan.
4. Karena sistem dirancang hanya untuk model
pintu masuk dan pintu keluar yang
berdampingan maka perlu dikembangkan
untuk model pintu masuk dan pintu keluar
yang berbeda tempat dengan menggunakan
dua kamera.
DAFTAR PUSTAKA
[1]
[2]
[3]
[4]
[5]
10
[6]
[7]