Metode Bayesian Networks untuk Menyelesaikan Occlusion pada Object Tracking

Abstract

Banyak cara untuk dapat mendeteksi keamanan sebuah wilayah tertentu. Salah satu cara pengamanan yang bisa digunakan adalah dengan menggunakan pemantauan berbasis video pengawasan (video surveillance). Sebenarnya, video pengawasan sudah banyak digunakan di Indonesia. Tetapi, umumnya video pengawasan ini hanya mampu merekam gambar, tanpa ada kemampuan pintar yakni, object tracking, object recognition dan object analyzing. Sehingga, hasil yang diharapkan kurang maksimal dan belum bisa membantu tugas pengawasan secara keseluruhan. Paper ini bertujuan untuk membuat algoritma dari object tracking yang ada pada video pengawasan sebagai rujukan pengembangan video pengawasan dengan kemampuan object recognition dan object analyzing. Masalah utama yang sering muncul dalam pembuatan object tracking adalah ketika terjadi occlusion (tumpang tindih) antara dua object dalam sebuah frame. Pada saat occlusion, object yang sama pada frame yang berbeda kemungkinan dapat dikenali sebagai object yang berbeda. Sehingga, proses object tracking akan menjadi terganggu. Bayesian Networks memungkinkan untuk membandingkan data yang didapat dari masing-masing object yang ada (likelihood) dengan data awal yang telah dimiliki (prior), dengan menghitung Maximum A-Posteriori Probability(MAP) yang dimiliki, sehingga object yang sama pada frame yang berbeda tetap akan dikenali sebagai object yang sama

 Abstract

There are many ways/technique to detect the security/safety of fixed area. One of security technique that can be used is by using monitoring based on Video surveillance. In fact, this monitoring video has already been used in Indonesia. But, video surveillance, commonly, just can record images without any smart abilities, such as object tracking, object recognition and object analyzing. So, the expected result is not optimal and still not be able to help monitoring role totally. This research is aimed to make the algorithm of object trackingin video surveillance, in order to be reference for development of video surveillance with ability of object recognition and object analyzing. The main problem that frequently comes up on the making of object tracking is occlusion between two objects in a single frame. When occlusion is happened, same object in different frame probably can be recognized as two different objects. So, the process of object tracking can be disturbed. Bayesian Network is enable to compare data that got from every object (likelihood) with prior data that has already been provided by counting its Maximum A-Posteriori Probability (MAP), so same object in different frame are still be able to be recognized as same object.