Electronic Theses and Dissertation

ABSTRAK

Sistem deteksi objek bergerak telah banyak digunakan dalam kehidupan sehari-hari. Namun, hasil deteksi objek belum sepenuhnya akurat karena dalam memodelkan latar suatu objek masih belum akurat. Penelitian ini bertujuan untuk memodelkan substraksi latar dari sebuah citra menggunakan nilai mean dengan konsep non overlapping block. Kemudian hasil substraksi latar akan digunakan dalam deteksi objek bergerak dengan deep learning. Proses substraksi latar dilakukan menggunakan pendekatan berbasis blok dan nilai mean dari setiap blok. Citra masukan akan dibagi ke dalam beberapa blok, kemudian setiap blok dihitung nilai mean dari keseluruhan piksel yang ada di dalam blok tersebut. Kemudian hasil substraksi latar dilatih dan diuji menggunakan metode deteksi objek bergerak berbasis deep learning. Dataset yang akan digunakan dalam penelitian ini adalah CDNet 2014. Hasil akurasi mencapai 97,05% untuk deteksi kenderaan bergerak dan mempunyai kecepatan 55 frame per second. Hasil ini menunjukkan bahwa penelitian ini mampu menghasilkan sistem deteksi objek bergerak yang akurat dan lebih cepat.

Kata kunci: deteksi objek bergerak, nilai mean, deep learning, substraksi latar.

ABSTRACT Moving object detection systems have been widely used in everyday life. However, the object detection results are not fully accurate because the background modeling of an object is still not accurate. This study aims to model the background abstraction of an image using the mean value with the concept of non overlapping block. Then the background abstraction results will be used in the detection of moving objects with deep learning. The background subtraction process was carried out using a block-based approach and the mean value of each block. The input image will be divided into several blocks, then each block is calculated the mean value of all pixels in the block. Then the background subtraction results are trained and tested using a deep learning-based moving object detection method. The dataset that will be used in this research is CDNet 2014. This research resulted in 97.05% accuracy in detecting moving object and it reached 55 frame per second. The results of show that the study are able to produce an accurate and faster moving object detection system. Keywords: moving object detection, mean value, deep learning, background subtraction