DESAIN DAN IMPLEMENTASI SISTEM MOVING SURVEILLANCE CAMERA BERBASIS RUNNING GAUSSIAN AVERAGE DAN EXTENDED KALMAN FILTER

Mirsa Bayu Prasetyo

Informasi Umum

Kode

114100021

Klasifikasi

006.37 - Computer Vision

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Computer Vision

Dilihat

101 kali

Informasi Lainnya

Abstraksi

Saat ini penggunaan s urveillance c amera sudah banyak dilakukan di berbagai bidang. Surveillance camera menjadi kebutuhan yang krusial di bidang perlindungan kepada masyarakat secara visual. Oleh karena itu dibutuhkan sebuah surveillance c amera yang dapat melakukan proses deteksi secara optimal terhadap objek pengamatan <br>Pada tugas akhir ini, diajukan suatu sistem surveillance c amera dengan kemampuan gerak mengikuti objek pengam atan. Penelitian yang dilakukan melingkupi cara pembuatan surveillance c amera dan teknik deteksi yang diterapkan. Adapun deteksi objek pergerakan yang digunakan adalah metode b ackground s ubtraction dengan teknik r unning g aussian a verage dan digunakan tekni

k non

linear estimasi extended kalman f ilter yang digunakan untuk menentukan titik tracking pada deteksi apabila ob jek pengamatan terhalang objek statis . Penelitian melingkupi penggunaan metode b ackground s ubtraction terhadap sistem yang dibangun beserta a na lisa performa sistem terhadap berbagai macam kondisi lingkungan<br>Dari hasil pengujian terhadap parameter – parameter pada teknik RGA didapatkan nilai parameter alpha sebesar 0. 6 dengan threshold 1 sebagai nilai yang paling optimal untuk diaplikasikan pad a sistem yang dibangun , berdasarkan nilai – nilai yang telah diujikan . Sedangkan nilai kovarian error pengukuran (Q) sebesar 0, 1 untuk metode EKF. Dari segi komputasi , sistem dibandingkan dengan sistem serupa yang menggunakan SKDA, dari pengujian didapatka n kesimpulan bahwa sistem dengan teknik RGA lebih “sehat” bila dibandingkan dengan SKDA karena sistem dengan SKDA membuat processor selalu berada dalam keadaan high utilization . Kemudian pada uji kehandalan sistem , persentase kesuksesan detek si sebesar 74 % . <br> Computer Vision, Background Subtraction , Raspberry Pi