ADAPTIVE BACKGROUND DENGAN METODE GAUSSIAN MIXTURE MODELS UNTUK REAL-TIME TRACKING
Abstract: Saat ini, aplikasi
motion tracking digunakan secara luas untuk banyak tujuan, seperti mendeteksi
kemacetan dan menghitung berapa banyak orang yang masuk ke sebuah supermarket
atau sebuah mall. Sebuah metode untuk memisahkan antara background dan obyek
yang di-track dibutuhkan untuk melakukan motion tracking. Membuat aplikasi
tracking pada background yang statis bukanlah hal yang sulit, namun apabila
tracking dilakukan pada background yang tidak statis akan lebih sulit,
dikarenakan perubahan background dapat dikenali sebagai area tracking. Untuk
mengatasi masalah tersebut, dapat dibuat suatu aplikasi untuk memisahkan
background dimana aplikasi tersebut dapat beradaptasi terhadap perubahan yang
terjadi. Aplikasi ini dibuat untuk memisahkan background dengan menggunakan
metode Gaussian Mixture Models (GMM). Metode GMM melakukan cluster data piksel
dengan menggunakan warna background tiap piksel sebagai dasarnya. Setelah
cluster dibentuk, dilakukan pencocokan input sebagai distribusi, dimana
distribusi yang dominan dijadikan sebagai background. Aplikasi ini dibuat
dengan menggunakan Microsoft Visual C 6.0. Hasil dari penelitian ini
menunjukkan bahwa algoritma GMM dapat beradaptasi terhadap background. Hal ini
dibuktikan dengan hasil pengujian yang sukses terhadap semua kondisi yang
diberikan. Aplikasi ini dapat dikembangkan lebih lanjut supaya proses tracking
dapat terintegrasi dengan background yang adaptive.
Penulis: Silvia Rostianingsih,
Rudy Adipranata, Fredy Setiawan Wibisono
Kode Jurnal: jptinformatikadd080023
