Sistem Pelacakan Objek Menggunakan Algoritma Correlation Tracker Pada Pustaka DLIB
Keywords:
Algoritma Correlation Tracker, Dlib, Pelacakan Objek, Raspberry PIAbstract
Pelacakan objek merupakan suatu proses untuk menentukan dan mengikuti posisi dari sebuah objek bergerak yang diinginkan menggunakan kamera secara realtime. Ada berbagai macam algoritma dalam pembuatan sistem pelacakan objek, salah satunya adalah algoritma correlation tracker pada pustaka DLIB. Sistem pelacakan objek ini menggunakan Raspberrry Pi 4 yang berisi program python untuk pelacakan objek. Pi Camera digunakan sebagai input gambar video realtime. Hasil penggunaan algoritma correlation tracker yang ada pada pustaka DLIB, yaitu proses pelacakan objek dapat berjalan dengan baik. Terdapat 5 objek yang dilacak dan hasilnya kotak pelacakan selalu berada di sekitar objek, baik saat objek bergerak ke kiri, ke kanan, maju dan mundur. Apabila objek bergerak maju dan mundur, skala pada kotak pelacakan dapat berubah mengikuti ukuran objek. Performa pada Raspberry Pi dapat dilihat dari framerate video sebesar 10,5 fps.
Object tracking is a process to determine and follow the position of a desired moving object using a camera in real time. There are various algorithms in making object tracking systems, one of which is the correlation tracker algorithm in the DLIB library. This object tracking system uses Raspberry Pi 4 which contains a python program for object tracking. Pi Camera is used as a realtime video image input. The results of using the correlation tracker algorithm in the DLIB library, namely the object tracking process can run well. There are 5 objects that are tracked and as a result the tracking box is always around the object, whether the object is moving left, right, forward, and backward. As the object moves back and forth, the scale on the tracking box may change according to the object's size. Performance on the Raspberry Pi can be seen from the video framerate of 10.5 fps.
Downloads
References
A. Fahriannur and M. Siswanto, “Sistem Tracking Objek Berbasis Algoritma Optical FlowMenggunakan Kamera Pan-Tilt,” in Seminar Nasional Hasil Penelitian , 2017, pp. 175–178.
Hidayatullah P. and Konik H., “CAMSHIFT Improvement on Multi-Hue and Multi-Object Tracking,” in International Conference on Electrical Engineering and Informatics, 2011, pp. 1–6.
M. I. Mahali and A. Harjoko, “Pelacakan Benda Bergerak Menggunakan Metode Mean-Shift dengan Perubahan Skala dan Orientasi,” Berkala MIPA, vol. 24, no. 2, pp. 167–180, 2014.
I. Supriana, “Multiple Object Tracking dan Estimasi Posisi untuk Menunjang Sistem Keamanan Rumah,” Jurnal Sekolah Teknik Elektro Informatika. Institut Teknologi Bandung, 2015.
G. Samudera, ; Jirio, ; Okky, and I. H. Kartowisatro, “OBJECT TRACKING,” 2012.
D. Rosdiana, “TRACKING OBJEK BERGERAK DENGAN ALGORITMA K-MEANS,” TEDC, vol. 11, no. 1, pp. 31–36, 2017.
R. R. Patil, O. S. Vaidya, G. M. Phade, and S. T. Gandhe, “Qualified Scrutiny for Real-Time Object Tracking Framework,” International Journal on Emerging Technologies, vol. 11, no. 3, pp. 313–319, 2020, [Online]. Available: www.researchtrend.net
F. A. Nugraha et al., “Implementasi Sistem SCADA Pada Proses Koagulasi Water Treatment Plant Berbasis Raspberry Pi The Implementation SCADA System of Coagulation Process of Water Treatment Plant By Using Raspberry Pi,” in Seminar Nasional Teknik Elektro, 2019, pp. 592–600.
M. Ridlo Effendi, E. Ahmad, Z. Hamidi, and A. A. Suhardi, “Rancang Bangun Sistem Pendeteksi Manusia Pada Ruangan Menggunakan Raspberry Pi 3 Type B Dan Internet,” in Seminar Nasional Teknik Elektro, 2017, pp. 271–279.
