Analisis Metode Pengurangan Latar Belakang Berbasis Mixture Of Gaussian Pada Kasus Deteksi Objek

Abstract

Abstrak Pengolahan video merupakan salah satu cabang utama pada proses pengambilan gambar yang di dalamnya terdapat latar belakang dan latar depan. Sebagai topik semakin penelitian, background subtraction telah menarik perhatian beberapa tahun terakhir. Pada penelitian ini digunakan metode background subtraction berdasarkan Online Mixture of Gaussians dengan Matrix Factorization (OMoGMF) pada video yang sudah diekstrak menjadi beberapa frame. Penelitian ini menggunakan 2400 frame dataset yang berbeda. Dataset yang digunakan berupa data Sofa, Backdoor, Bus station, Skating, Office, dan Pendestarian dengan masing masing dataset memiliki 400 frame. Dataset berupa kumpulan frame RGB. Proses background substraction diawali dengan preprocessing yaitu mengubah frame RGB mejadi grayscale. Hasil tersebut kemudian dilakukan proses OMoGMF dan menghasilkan data valid berupa citra pendeteksi objek dimana latar depan dan latar belakang terpisah secara baik. Data valid diuji dengan mengubah parameter pada proses OMoGMF. Parameter yang diubah berupa speed update basis matriks dengan nilai 0.9, dan 0.99 dimana pada setiap parameter dilakukan perubahan threshold dengan nilai 0.01, 0.1, dan 1 yang dilakukan pengulangan sebesar 1 kali, 10 kali, dan 20 kali. Hasil yang didapat berupa nilai precision (%). Hasil tersebut dianalisis dan ditentukan parameter mana yang terbaik. Pada penelitian ini didapatkan sistem optimal pada parameter update basis matriks sebesar 0.99, threshold 0.01 dan pengulangan sebesar 20 kali. Kata kunci : Background Subtraction, Mixture of Gaussian, Matrix Factorization Abstract Video processing is one of the main branches in the process of taking pictures in which there is a background and foreground. As the topic of research progresses, background subtraction has attracted the attention of recent years. This research uses background subtraction method based on Online Mixture of Gaussians with Matrix Factorization (OMoGMF) on videos that have been extracted into several frames. This study uses 2400 different dataset frames. Dataset used in the form of data Sofa, Backdoor, Bus station, Skating, Office, and Conservation with each dataset has 400 frames. The dataset is a collection of RGB frames. The background substraction process begins with preprocessing, which changes the RGB frame into grayscale. The results are then carried out OMoGMF process and produce valid data in the form of object detection imagery where the foreground and background are well separated. Valid data is tested by changing parameters in the OMoGMF process. The parameters changed in the form of a matrix base speed update with values of 0.9, and 0.99 where in each parameter a threshold change with a value of 0.01, 0.1, and 1 is repeated 1 time, 10 times, and 20 times. The results obtained are precision (%). The results are analyzed and determined which parameter is the best. In this study, it was found that the optimal system on the parameter update base matrix was 0.99, threshold 0.01 and repetition of 20 time. Keyword: Background Subtraction, Mixture of Gaussian, Matrix Factorization