ABSTRAKSI: Metode pendeteksian api yang saat ini sering digunakan adalah alat pendeteksi api berdasarkan asap atau suhu. Namun metode ini tidak dapat digunakan di ruangan yang luas dan luar ruangan (outdoor). Lalu dikembangkanlah metode pendeteksian api pada video memanfaatkan media kamera video, webcam, CCTV yang saat ini sudah banyak dipasang di gedung-gedung. Metode deteksi api dengan memanfaatkan media kamera video ini pada prinsipnya melakukan image processing terhadap frame-frame di video hasil rekaman kamera, webcam, dan CCTV. Metode ini memiliki beberapa kelebihan dibandingkan dengan alat pendeteksi api berdasarkan asap atau suhu, yaitu dapat digunakan di ruang yang lebih luas baik dalam atau luar ruangan. Kecepatan dalam mendeteksi api pun lebih cepat karena tidak perlu menunggu asap atau api menyentuh kamera. Ditambah saat ini banyak sekali gedung yang sudah memasang kamera pengawas atau CCTV sebagai kamera keamanan.
Oleh karena itu, pada tugas akhir ini, deteksi keberadaan objek api pada video off-line dilakukan dengan cara mendeteksi piksel yang memilki karateristik seperti api, yaitu melalui 4 tahap, pertama, pendeteksian piksel bergerak menggunakan metode three frame differencing, kedua, pendeteksian piksel berwarna seperti api menggunakan metode pencocokan piksel dengan database piksel warna api terkluster menggunakan K-Means, ketiga, pendeteksian frekuensi perubahan warna piksel untukmengetahui keberadaan lidah api menggunakan tranformasi wavelet 1-D, keempat, pendeteksian variasi nilai piksel pada region yang dicurigai sebagai api menggunakan transformasi wavelet 2-D. Dengan menggunakan transformasi wavelet, maka perubahan nilai piksel dapat dianalisis dari segi frekuensi perubahan maupun waktunya. Selain itu transformasi wavelet pun dapat menganalisis variasi warna pada api sehingga dengan menggunakan trasformasi wavelet, dapat dibedakan antara objek api danbukan api di dalam sebuah video.
Sehingga dengan menambahkan parameter lidah api dan variasi warna api menggunakan metode wavelet proses deteksi api lebih baik dibandingkan hanya menggunakan warna dan gerak saja. Akurasi sistem dengan metode ini mencapai 82,35%.
Kata Kunci : video, deteksi api, k-means, transformasi wavelet, three frameABSTRACT: Fire detection method used recently is based on smoke or temperature. But this method is unable to be used in a vast room or outdoor. Then the fire detection method was developed by using the video camera, webcam, CCTV that already widely installed in many buildings. Fire detection method by using the video camera, basically applies image processing over the frames in the video recorded by the camera, webcam, or CCTV. This method is better than the smoke or temperaturebased method since it can be used in a wider indoor or outdoor area. Speed in fire detection is faster since it is unnecessary to wait until the smoke or fire detected by the camera. As many buildings have applied CCTV or supervising camera, this condition will be more advantageous.
Therefore, in this final project, the detection on fire object on off-line video is applied by detecting the pixel with fire characteristic by using four stages; first, moving pixel detection uses three frame differencing method, second, detection of fire-like colored pixel uses the method of matching the pixel with the database of clustered fire-colored pixel using K-Means, third, the detection of pixel color change frequency to detect flickr uses transformation of wavelet 1-D, forth, the detection of pixel value variation in the region suspected as fire uses the transformation of wavelet 2-D. By using the wavelet transformation, the pixel value change can be analyzed based on the frequency of change or time. In addition, the wavelet transformation is able to analyze color variation on the fire, therefore by using the wavelet transformation, fire object and non-fire object can be distinguished in a video.
Therefore,with adding flickr and color variation detection using wavelet method, detection process will be better than just use movig pixel and color pixel. This sistem have successfully detect fire in video with 82,35% accuration
Keyword: video, fire detection, k-means, wavelet transformation, three frame