SISTEM DETEKSI MODEL MENGGUNAKAN METODE BACKGROUND SUBTRACTION

Authors

  • Ketty Siti Salamah Universitas Mercu Buana
  • Imelda Uli Vistalina Universitas Mercu Buana Jakarta
  • Muklas Iqbal Danifan Universitas Mercu Buana Jakarta

DOI:

https://doi.org/10.36595/jire.v5i1.520

Keywords:

Superveilance, Background Subtraction, Minicomputer, Raspberry Pi, Python

Abstract

Sistem pengawasan atau superveilance system dapat menunjang produktifitas dan sebagai alat identifikasi serta pelengkap sistem pengawasan produk agar tidak tercampur dengan objek lain yang berbeda pada suatu sektor industri. Sebagian besar permasalahan pada pendeteksian objek adalah banyaknya gangguan karena sifat dinamis latar yang memiliki gangguan seperti perubahan intensitas cahaya dan pergerakan benda kecil yang tidak boleh dianggap sebagai objek. Gangguan ini dapat mempengaruhi hasil identifikasi sehingga diperlukan suatu metode untuk dapat memisahkan background dan objek yang akan dideteksi dengan benar. Permasalahan tersebut dapat diatasi dengan menambahkan sistem pendeteksi objek dengan menggunakan metode background subtraction dengan mempertimbangkan nilai piksel dari semua bingkai secara berurutan. Metode background subtraction mampu membedakan antara objek yang diamati dengan background objek (master image) secara jelas. Dalam menunjang sistem ini dibutuhkan Raspberry Pi sebagai minicomputer untuk pengolahan dan pengendalian sistem yang akan dibangun. Raspberry Pi membangun aplikasi/program menggunakan bahasa pemograman Python. Hasil dari penelitian ini diharapkan sistem dapat mendeteksi objek yang nantinya akan digunakan untuk menggantikan peran manusia dalam melakukan pengecekan serta setting parameter sistem secara manual, mengurangi potensi kesalahan setting sehingga dapat meningkatkan kualitas dan mengurangi ketidaksesuaian model karena kesalahan di dalam suatu proses.

References

[1] Miranto, A., dkk. (2019). Adaptive Background Subtraction for Monitoring System. International Conference on Information and Communications Technology (ICOIA).
[2] Mukojima, H., dkk. (2016). Moving Camera Background Subtraction For Obstacle Detection On Railway Tracks. IEEE International Conference on Image Processing (ICIP). DOI: 10.1109/ICIP.2016.7533104.
[3] Tumas, P., dkk. (2017). Effective Background Subtraction Algorithm for Food Inspection using a Low-Cost Near Infrared Camera. Open Conference of Electrical, Electronic and Information Sciences (eStream). DOI:10.1109/ESTREAM.2017.7950322.
[4] Sindar, A. (2017). Implementasi Teknik Threshoding Pada Segmentasi Citra Digital. Indonesia: STMIK Pelita Nusantara Medan
[5] Fauzi, M. (2017). Rancang Bangun Door Lock Face recognition Dengan Metode EigenFaces Menggunakan OpenCV2.4.9 dan Telegram Messenger Pada Raspberry Pi. Indonesia: Universitas Mercu Buana.
[6] Norris, D. (2015). The Internet of Things: Do-It-Yourself at Home Projects for Arduino, Raspberry Pi and BeagleBone Black. McGraw-Hill Education.
[7] Upton, E., dkk. (2014). Raspberry Pi User Guide. Wiley.
[8] Manasa, J., dkk. (2015). Real Time Object Counting using Raspberry pi. International Journal of Advanced Research in Computer and Communication Engineering. Vol. 4, Issue 7, July 2015.

Downloads

Published

2022-04-23