Analisis Parameter Skala Dan Pergeseran Untuk Deteksi Objek Pada Kerangka Kerja Tracking-learning-detection (tld)

Penulis

  • Putri Utami Hafgianti Telkom University
  • Suryo Adhi Wibowo Telkom University
  • Raditiana Patmasari Telkom University

Abstrak

Learning pada TLD adalah salah satu proses yang membedakan TLD dengan metode tracking objek lainnya. Proses Learning terjadi apabila objek yang diamati dalam suatu video terjadi out-of-view atau terjadi oklusi, saat objek tersebut akan muncul kembali maka akan terdeteksi kembali sebagai objek yang sedang diamati karena learning bertugas mengestimasi kesalahan deteksi dan terdapat training example untuk menghindari kesalahan. Untuk merepresentasikan objek yang diamati digunakan bentuk geometrik, seperti bounding box.Sistem TLD diberikan input berupa image sequences dan diberikan nilai parameter skala dan parameter pergeseran yang sudah ditentukan. Selanjutnya dilakukan inisialisasi pada sebuah objek yang direpresentasikan dalam bounding box pada frame pertama. Setelah sistem TLD sudah selesai dijalankan, maka didapatkan output berbentuk image sequences yang sudah terdapat bounding box, dan nilai titik bounding box. Hasil dari tugas akhir ini direpresentasikan dalam bentuk grafik one-pass evaluation (OPE) yang menunjukkan hasil parameter performansi, yaitu success plot dan precision plot. Masing-masing parameter performansi juga menampilkan grafik berdasarkan sebelas challenge problem. Secara keseluruhan, nilai success plot dan precision plot terbaik didapat pada nilai parameter skala 0.5 dan nilai parameter pergeseran 10 yang berarti, semakin kecil nilai parameter skala dan nilai parameter pergeseran maka semakin bagus performansinya.

Kata Kunci : Bounding box, groundtruth, Skala, Tracking-learning-detection (TLD), Frame, pergeseran, grafik one-pass evaluation (OPE).

##submission.downloads##

Diterbitkan

2017-12-01

Terbitan

Bagian

Program Studi S1 Teknik Telekomunikasi