Peningkatan Performansi Kernel-based Object Tracking Menggunakan Type-2 Fuzzy Logic

Abstract

Abstrak Object tracking merupakan salah satu bidang pada computer vision yang mempelajari tentang cara melacak suatu objek yang bergerak pada suatu ruang, yang dimana sekarang sedang berkembang dengan pesat. Object tracking dalam pengaplikasiannya digunakan dalam melacak gerakan benda maupun manusia dan augmented reality. Namun dalam pengaplikasiannya object tracking masih memiliki banyak tantangan dalam mendeteksi suatu objek. Pada kernel-based object tracking, kemiripan warna (background clutters) dan pergerakan cepat dari objek (motion blur) merupakan faktor utama penyebab terjadinya kegagalan pelacakan dan juga pada kernel-based object tracking belum dapat mendeteksi kegagalan dalam pelacakan. Sehingga pada algoritma koreksi kegagalan diterapkan pada kernel-based menggunakan type-2 fuzzy logic. Kernel-based object tracking merupakan suatu metode pelacakan objek yang memprediksi lokasi objek berdasarkan histogram warna yang memiliki probabilitas tertinggi. Dalam pengaplikasiannya metode kernel-based kurang akurat dalam mendeteksi objek dikarenakan kemiripan warna background dengan objek yang di tracking serta tracker tetap akan melakukan tracking dengan prediksi yang salah sehingga digunakan type-2 fuzzy logic untuk menganalisis terjadinya kegagalan sesuai dengan rules yang telah ditentukan sebelumnya dan melakukan koreksi pada saat object tracking. Dimana output dari metode kernel-based menjadi input dari type-2 fuzzy logic. Hasil dari algoritma sistem yang dibuat ini dapat meningkatkan kinerja dari metode kernel-based dari algoritma diuji menggunakan Object Tracking Benchmark 50 (OTB-50) berdasarkan parameter precision plot dan success plot. Dari hasil percobaan yang telah dilakukan, algoritma yang diusulkan menghasilkan performa sebesar 0.001 lebih presisi dibandingkan dengan kernel-based object tracking berdasarkan parameter precision plot dan memiliki tingkat kesuksesan lebih besar 0.003 diukur berdasarkan parameter success plot. Kata kunci : Object Tracking, Kernel-based, Type-2 Fuzzy Logic, Computer Vision Abstract Object tracking is one area in computer vision that learns about how to track an object that moves in a space, which is now growing rapidly. Object tracking in application is used in tracking both object movements and humans and augmented reality. But in application object tracking still has many challenges in detecting an object. In the kernel-based object tracking, color similarity (background clutters) and fast motion of objects (motion blur) are the main factors causing tracking failure and also on the kernel-based object tracking that have not been able to detect failures in training. So that the failure correction algorithm is applied to kernel-based using type-2 fuzzy logic. kernel-based object tracking is a method of tracking objects that predicts the location of an object based on a color histogram that has the highest probability. In its application the kernel-based method is less accurate in detecting objects because the similarity of background colors with objects that are tracked and tracker will still track incorrect predictions so that Type-2 fuzzy logic is used to analyze the occurrence of failure according to predetermined rules and do correction when object tracking. Where the output of the kernel-based method is an input of type-2 fuzzy logic. The results of this system algorithm can improve the performance of the kernel based method of the algorithm tested using a Object Tracking Benchmark 50 (OTB50) based on the parameters of the Precision Plot and Success Plot. From the results of experiments that have been done, the proposed algorithm produces a performance of 0.001 more precise than kernel-based object tracking based on precision plot parameters and has a success rate greater than 0.003 measured based on success plot parameter. ISSN : 2355-9365 e-Proceeding of Engineering : Vol.6, No.2 Agustus 2019 | Page 4409 Keywords: Object Tracking, Kernel-based, Type-2 Fuzzy Logic, Computer Vision