23
BAB 3 PERANCANGAN SISTEM
3.1
Deskripsi Sistem Perancangan sistem dimulai dari penempatan posisi kamera dengan posisi yang
sesuai kemudian dihubungkan dengan komputer yang akan mengolah gambar seperti Gambar 3.1
Gambar 3.1 Penempatan kamera Secara blok diagram, sistem yang dibuat adalah seperti Gambar 3.2. Sistem ini dibagi menjadi tiga bagian yaitu pemrosesan Background image dan frame, perhitungan NSSD dan proses Thresholding.
24
Background
Frame
Set Detection Window ( N )
Set Detection Window ( N )
Grayscale
Grayscale
Substract Piksel ( Frame – Background )
Square Piksel ( Frame – Background )2 c
NSSD =
d
∑ ∑ (F i = a j =b
i, j
− Bi , j ) 2
N
Thresholding
1
Hasil 0 Pintu Tertutup Gambar 3.2 Blok diagram sistem
Pintu Terbuka
25
Metoda yang digunakan dalam sistem ini adalah Normalized Sum Squared Difference
(NSSD). Langkah pertama yang harus dilakukan adalah pengambilan
Background melalui webcam kemudian mengubahnya menjadi grayscale dan menentukan detection windows pada jalur yang akan dilewati oleh objek, hal yang sama dilakukan juga untuk setiap frame video yang ditampilkan. Detection windows pada Background dan frame harus pada posisi yang sama sehingga luas area yang diamati sama persis. Jumlah nilai piksel pada frame dan Background diambil selisihnya dan dikuadratkan. Kemudian hasilnya dibagi dengan luas detection windows dan dinormalisasi. Proses terakhir dilakukan Thresholding yang bertujuan agar sistem dapat bekerja dengan maksimal. 3.2
Pemrosesan Background Image dan Frame Langkah pertama yang dilakukan adalah dengan mengambil gambar Background
yang akan dipakai. Pengambilan Background dilakukan dengan cara menangkap image dari video preview. Langkah kedua adalah menentukan detection windows pada Background dan frame input. Detection windows pada Background dan frame input diletakkan pada posisi yang sama. Hal ini dilakukan untuk membatasi daerah yang akan diproses seperti Gambar 3.3 dan Gambar 3.4. Seteleh menentukan detection windows, langkah berikutnya adalah mengubah frame yang semula dalam format RGB menjadi grayscale. Hal ini dilakukan agar setiap piksel hanya mempunyai satu macam nilai piksel. Setiap detection windows, baik pada
26
Background maupun pada frame, dihitung jumlah nilai pikselnya dengan menggunakan prosedur penjumlahan.
Gambar 3.3 Gambar Background dengan detection windows
Gambar 3.4 Gambar frame input
27
3.3
Perhitungan NSSD Dari setiap nilai piksel grayscale yang didapat, hasilnya akan dikurangkan
sehingga perbedaan jumlah piksel inilah yang dikenali sebagai keberadaan suatu objek. Untuk menghindari nilai negatif dari operasi tersebut, hasil yang diperoleh dikuadratkan. Hasilnya akan dibagi dengan luas detection windows. Dari proses tersebut didapat nilai NSSD. Metoda NSSD dapat dirumuskan seperti berikut ini, c
NSSD =
d
∑∑ ( F i = a j =b
i, j
− Bi , j ) 2
N
Keterangan : F = intensitas frame pada piksel B = intensitas Background pada piksel Q = detection region / ROI ( Region Of Interest ) N = jumlah piksel dalam area Q Dalam perhitungan NSSD, yang digunakan adalah selisih jumlah nilai piksel pada Background image dan pada frame. Selisih jumlah nilai piksel, memungkinkan untuk menghasilkan nilai negatif sehingga hasil selisih tersebut dikuadratkan untuk menghindari hasil negatif. Nilai negatif terjadi bilamana warna dari objek pada frame lebih gelap dari pada Background image, sebab warna gelap memiliki nilai yang kecil.
28
Perhitungan NSSD yang dilakukan pada setiap frame video yang ditampilkan, sehingga jumlah data yang didapat sesuai dengan jumlah frame yang ditampilkan dan akan ditunjukkan dengan grafik seperti Gambar 3.5
Gambar 3.5 Grafik nilai NSSD 3.4
Thresholding Setiap melakukan proses grayscale pada Background dan frame untuk daerah
detection windows, dilakukan pada proses Thresholding, dengan cara membatasi nilai setiap piksel. Apabila nilai setiap piksel lebih dari nilai threshold yang dilakukan maka piksel tersebut nilainya menjadi 255 dan untuk piksel yang bernilai kurang dari threshold maka nilai dari piksel tersebut menjadi 0 sehingga yang didapat hanya nilai piksel bernilai 0 (putih) atau 255 (hitam). Diagram alur untuk pemrosesan diatas dapat dilihat pada Gambar 3.6 untuk pemrosesan pada Background dan Gambar 3.7 untuk pemrosesan pada frame.
29
Ambil gambar untuk keadaan awal
Tentukan daerah detection windows
Ubah gambar menjadi grayscale
Proses Thresholding
Proses perhitungan NSSD Gambar 3.6 Alur pemrosesan pada Background Ambil gambar secara real time
Tentukan daerah detection windows
Ubah gambar menjadi grayscale
Proses Thresholding
Proses perhitungan NSSD Gambar 3.7 Alur pemrosesan pada frame
30
3.5
Proses Pintu dan Perhitungan Orang Proses perhitungan maupun pintu dilakukan apabila orang melewati detection
windows, baik detection windows 1 maupun detection windows 2. Masing-masing detection windows mewakili 2 jalur pada arah yang berbeda. Jumlah nilai piksel yang terbaca di detection windows pada frame akan dikurangkan dengan jumlah nilai piksel detection windows pada Background. Selisih dari operasi ini akan dikuadratkan untuk mengindari nilai negatif dan juga dari selisih ini objek dengan warna terang masih dapat terdeteksi meskipun nilainya kecil. Untuk mendapatkan nilai normalisasi, hasil tersebut dibagi dengan luas detection window.