Pendeteksian Korban Dengan Sudut Pandang Aerial View Menggunakan Metode Discriminatively Trained Part Based Models

Arif Pratama Zati

Informasi Umum

Kode

113101165

Klasifikasi

003.3 - Computer science- system- computer modeling and simulation

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Computer Science

Dilihat

183 kali

Informasi Lainnya

Abstraksi

Menemukan korban manusia adalah tujuan utama penanganan musibah suatu kecelakaan atau bencana. Korban yang mengalami luka ringan dan luka berat membutuhkan pertolongan yang secepatnya, agar tidak terjadi hal-hal yang lebih mengkhawatirkan.Demikian juga dengan korban yang sudah tidak bernyawa, perlu diidentifikasi secepatnya.Jika korban yang terluka maupun yang sudah tidak bernyawa tersebut berada pada medan yang sulit dijangkau oleh regu penyelamat maka akan sangat sulit dilakukan evakuasi. Untuk membantu regu penyelamat jika menghadapi situasi seperti itulah dibutuhkan suatu sistem yang dapat membantu tim penyelamat, sistem dapat berupa pengenalan objek korban yang bisa menembus medan yang berat.<br>Oleh karena itu, penelitian ini akan membahas salah satu solusi untuk menanganipermasalahan pencarian korban tersebut. Solusi ini berupa pembangunan perangkat lunak dengan mengembangkan metode pendeteksian korban manusia yang yang berada pada dataran dengan menggunakan metode discriminatively trained part based models. Metode discriminatively trained part based models adalah metode pendeteksian objek yang merupakan pengembangan dari algoritma histogram of oriented gradient, ditambah fitur part based dari metode pictorial strctures dan menggunakan metode traininglatent SVM.<br>Pengukuran pengujian akan dilakukan dengan menggunakan precision dan recall dengan parameter penghitungan akhir adalah average precision. Dari parameter-parameter ujiakan diperoleh konfigurasi sistem yang paling sesuai dari segi dataset training yang dipakai, threshold bounding box (overlap), threshold overlap NMS (Non-Maximum Suppresion), dan interval feature pyramid yang digunakan, dihasilkan nilai average precision sebesar 0,3892. discriminatively trained part based models, deteksi manusia, latent SVM, histogram of oriented gradient, average precision,pictorial structures.