Jurnal Penelitian Ilmu Komputer, System Embedded & Logic 1(1) : 36-42 (2013)
REAL-TIME SURVEILLANCE SYSTEM MENGGUNAKAN PENCOCOKAN POLA METODE JACCARD Dadan Irwan Jurusan Teknik Komputer Universitas Islam 45 Bekasi Email:
[email protected]
ABSTRAK Ada banyak jenis kejahatan dari rendah ke tingkat tinggi asalkan ada kesempatan. Departemen kepolisian di setiap negara telah mencoba untuk mengurangi jumlah kejahatan ini, namun pada kenyataannya, jumlah kejahatan selalu tumbuh setiap tahun. Alih-alih menangkap kriminal, kita bisa meminimalkan kejahatan dengan menurunkan peluang tindakan pidana. Sebagai contoh, kita dapat menambahkan perangkat keamanan untuk melindungi aset kita. Kami mengusulkan sistem untuk mendeteksi jika ada seseorang memasuki ruangan dengan membandingkan pola setiap beberapa waktu. Ada banyak teknik pola yang cocok, tapi yang sederhana adalah dengan menghitung jarak dengan menggunakan Euclidean normal. Jika ada pola yang berbeda dari pola sebelumnya yang tertangkap oleh webcam, sistem akan membuat alarm (suara dan simbol). Untuk tujuan ini, kita menggunakan aplikasi capture yang memiliki kemampuan untuk menangkap gambar secara berkala dan sistem yang membandingkan setiap gambar dari penangkapan sebelumnya. Hasil pengujian menunjukkan bahwa sistem yang diusulkan kita bisa mendeteksi setiap orang yang datang ke daerah kami webcam. Kata Kunci: Surveillance, Pencocokan Pola, Jaccard
ABSTRACT There are a lot of kinds of crime from low to high level as long as there is a chance. The police department in every country has tried to decrease crime's number, but in fact, the crime's number always grows every year. Instead of catching the criminal, we can minimize the crime by lowering the opportunity of criminal's action. For example, we can add a security device to protect our assets. We proposed the system to detect if there is someone entering the room by comparing pattern every couple of time. There are many pattern matching techniques, but the simple one is by counting its distance using Normal Euclidean. If there is a different pattern from previous pattern that caught by a webcam, the system will create an alarm (sound and symbols). For these purpose, we use a capture application whose ability to capture an image periodically and the system that compare every image from previous capture. Testing result has shown that our proposed system could detect every people that come to the area of our webcam. Keywords: Surveillance, Pattern Matching, Jaccard
36
Dadan Irwan
hotspot kami (Handayanto, et al., 2011) dan
1. PENDAHULUAN Banyak
penelitian
tentang
sistem
kelanjutan
sistem
sebelumnya
yang
deteksi. Biasanya menggunakan perangkat
menggunakan algoritma Normal Euclidean
menangkap seperti Web Camera (webcam),
(Handayanto, et al., 2012). Sistem yang akan
Close
dan
digunakan menggunakan metode pencocokan
sebagainya, dengan beberapa algoritma yang
selain Normal Euclidean, yaitu Jaccard, yang
kompleks untuk dapat mengenali pola. Sistem
sering digunakan untuk mengecek tingkat
yang kami rancang hanya ingin mendeteksi
kemiripan.
Circuit
Television
(CCTV),
penyusup yang memasuki ruang, jadi harus
Sistem tidak perlu merekam semua
menggunakan sesederhana mungkin komputasi
video dari webcam karena membutuhkan
yang terlibat.
banyak memori, kita hanya menangkap sampel
Penelitian terdahulu tentang pemantau ruang
biasanya
webcam
sebagai
gantinya.
Algoritma yang dipilih pun sangat sederhana.
misalnya bagaimana membuat kompresi yang
Kami hanya membandingkan pola baru dari
baik dari data, seperti Join Photograpic Expert
yang sebelumnya menggunakan skala Jaccard.
Group (JPEG) 2000 (Hatta, 2005). Kompresi
Metode ini menghitung jarak pola (rekaman
tersebut
sistem
baru) dari sebelumnya. Jika ada selisih, sistem
komunikasi data ketika mentransfer video ke
akan membuat alarm. Jika ada jumlah besar
penyimpanan. Sistem itu pasti membutuhkan
dari jarak pola berarti bahwa ada banyak yang
banyak penggunaan memoi.
berbeda. Perbedaan ini mungkin dari seseorang
penting
pada
dari
video,
sangat
didasarkan
gambar
karena
Beberapa penelitian tentang pengawasan biasanya pelacakan obyek. Jika seseorang
memasuki ruangan atau ada sesuatu yang dicuri dari ruangan itu.
masuk ke suatu daerah yang dipantau, sistem
Tulisan ini disusun menjadi beberapa
sanggup mendeteksi itu (handayanto, et al.,
bab. Setelah membahas tentang teori dasar,
2012, Jayness, et al., 2004, dan Widyanto,
deskripsi sistem kami jabarkan dan diikuti
2011). Beberapa sistem sanggup mengikuti
pengujian dan juga pembahasan sebelum
gerak objek. Sistem ini bisa mendeteksi objek
kesimpulan.
dengan beberapa algoritma yang sulit dan
menggunakan
membutuhkan sumber daya yang besar. Karena
pemrograman aplikasi perekam yang mampu
kita hanya ingin membantu keamanan terutama
merekam secara periodik. Bahasa lain seperti
dengan jumlah webcam yang banyak dalam
oktaf, scilab, dan sebagainya yang bersifat
satu layar kami menggunakan algoritma yang
open source bisa juga digunakan jika harga
mudah, sehingga setiap jenis komputer akan
lisensi Matlab dianggap terlalu mahal. Bahasa
mampu menanganinya.
pemrograman lain seperti c++, java, Delphi,
Sistem kami terinspirasi oleh penelitian sebelumnya yang mendeteksi kondisi kondisi J Piksel 1(1) : 36-42 (2013)
Prototipe Matlab
yang sebagai
gunakan, bahasa
dan sebagainya dapat juga digunakan. 2. Dasar Teori 37
Real-Time Surveillance System...
Proses ekstraksi ciri diperlukan jika kita
(1)
ingin mendapatkan perbedaan dari objek kita
Untuk matriks kita membandingkan
dari yang lain, tetapi banyak proses juga
setiap titik dari satu matriks dengan matriks
membutuhkan
dari
lain yang memiliki kolom lokasi yang sama
perangkat kita. Karena sistem kami melakukan
dan baris dalam matriks. Dalam Matlab, kita
beberapa proses komputasi secara berkala, kita
hanya menggunakan script sederhana [4]:
hanya menggunakan pengolahan citra digital
pdist(X,’jaccard’)
banyak sumber
daya
untuk obyek yang direkam.
Matriks X adalah matriks gabungan dua
Pengolahan Citra (Digital Image Processing) Foto yang diambil memiliki ekstensi JPG atau BMP dengan Red Gree Blue (RGB) format. Agar mudah diproses, kita harus
matriks gambar yang akan dibandingkan. Jika dua gambar itu persis sama, hasilnya harus nol. 3. Deskripsi Sistem Kami
menggunakan
webcam
atau
mengubahnya menjadi matriks atau vektor.
perangkat lain seperti CCTV untuk menangkap
Proses untuk mendapatkan matriks terdiri dari
gambar sebelum makan ke sistem kami. Kita
beberapa tahap: RGB ke Biner, pembersihan
tidak perlu membeli webcam mahal untuk
konversi dan ukuran. Tahap ini membuat citra
sistem ini karena kita hanya membandingkan
kita menjadi mudah untuk diproses.
gambar ke gambar sebelumnya. Gambar
Kesamaan Jaccard (Jaccard Similarities)
tertangkap menggunakan sebuah aplikasi yang
Normal Euclidean, Mahalanobis, City Block,
Minkowsky,
Cosine,
menangkap video setiap beberapa waktu.
Correlation,
Kapasitas penyimpanan kami harus cukup
Hamming dan Jaccard adalah teori tentang
untuk menanganinya. Karena kami hanya
menghitung jarak dari beberapa titik ke titik
memberitahukan jika ada seseorang memasuki
lainnya. Jika kita membandingkan dua gambar
ruangan, kami membuat sebuah aplikasi yang
yang sama, jarak harus dekat nol, sehingga
menghapus gambar setelah diproses oleh
dengan menggunakan teori ini kita dapat
aplikasi kita.
menentukan dua gambar yang berbeda atau tidak.
Gambar harus dikonversi ke dalam matriks biner setelah dibersihkan oleh operasi
Di
sini
digunakan
Jaccard
yang
pengolahan gambar yang dibuat oleh bahasa
merupakan metode terkenal setelah pada
Matlab. Karena operasi ini harus terus berjalan
penelitian sebelumnya menggunakan Normal
setelah menekan tombol run, kami telah
Euclidean.
membuat sebuah script sederhana untuk iterate itu terus sebelum menekan tombol stop. Pengolahan gambar digital harus sesederhana mungkin karena operasi bekerja secara terus menerus.
38
J Piksel 1(1) : 36-42 (2013)
Dadan Irwan
Kami menggunakan lokasi folder yang
REM Productversion: 0. 0. 0. 0
sama dengan baik untuk menjalankan program
REM FileVersion: 0. 0. 0. 0
dan gambar. Untuk efisiensi penyimpanan kita
REM Internalname:
menghapus gambar secara berkala setelah
REM Appicon:
diproses oleh aplikasi karena kita hanya
REM QBFC Proyek Pilihan Akhir
melihat jika ada gambar yang berbeda antara
ECHO ON
citra saat ini untuk citra sebelumnya. Kami
cd d: \ Program
menggunakan batch script (perintah DOS)
ren * jpg capture.jpg.
untuk gambar rename sebelum pengolahan dan juga
menghapusnya
setelah
Gambar 1 menunjukkan diagram alur
pengolahan.
sistem kami. Kami memiliki tiga aplikasi
Dalam rangka untuk mengintegrasikan dengan
terpisah (webcam, menangkap sistem, dan
Matlab, kita harus mengkonversi file batch ke
analisa) dan satu storage.
executable. ECHO OFF REM QBFC Pilihan Proyek Mulai Start
Open Webcam Application
Capturing Image from Webcam Periodically & Auto Save
Image Storage
Get Image File by Matlab-based Application
Image Processing New Image: Enhanced, Binarization, resizing, cropping, block and vectorizing Counting Distance respect to previous Image Using Normal Euclidean
Normal Euclidean Near Zero?
n
Produce an Alarm to Security
y
n Stop Application? y
Stop
Gambar 1 Diagram Alir Sistem Usulan Pertama,
webcam
dan
webcam. Kami mengatur timer lebih cepat dari
kemudian perangkat lunak capture otomatis
timer pada aplikasi karena kami memiliki
siap untuk menangkap beberapa wilayah di
rencana untuk menghapus gambar setelah
J Piksel 1(1) : 36-42 (2013)
disetting
39
Real-Time Surveillance System...
proses itu, jadi kami pastikan selalu ada
mendapatkan gambar yang diambil oleh sistem
gambar
otomatis
untuk
diproses.
Kedua,
setelah
menangkap
berkala.
Setelah
menekan tombol capture, aplikasi utama
pengolahan citra itu, sistem akan dibandingkan
berjalan setelah tombol mendeteksi ditekan.
dengan
Terakhir kami membandingkan gambar ke
perubahan maka sistem akan memberikan
yang
Jika
peringatan kepada staf keamanan seperti suara,
Jaccard
peringatan pesan, mengirim layanan pesan
mendekati nol sistem memahami bahwa tidak
singkat (sms), dan sebagainya. Gambar 3
ada objek memasuki ruangan. Ketika hasil
menunjukkan aplikasi analisa dibuat dengan
dibandingkan menunjukkan jarak lebih besar
menggunakan
dari nol, sistem memberikan peringatan dengan
pemrograman.
sebelumnya
dibandingkan
secara
dengan
berkala.
kesamaan
gambar
sebelumnya.
Matlab
sebagai
Jika
ada
bahasa
memproduksi alarm, sehingga staf keamanan akan menindaklanjuti kondisi ini. Tahap Persiapan Pada tahap ini kita harus memastikan webcam / CCTV dan sistem menangkap berjalan dengan baik. Setelah wilayah pada sistem capture otomatis telah diatur, kita
Gambar 3 Prototipe Sistem Usulan kami
memeriksa apakah gambar yang disimpan di lokasi yang tepat dalam penyimpanan kita atau
Gambar di sisi kiri adalah asli dan di sisi kanan adalah setelah pengolahan citra. Setelah
tidak.
pengolahan citra kita memiliki matriks yang hanya memiliki angka nol dan satu yang mewakili latar belakang dan garis masingmasing. Setelah menghitung jarak antara citra saat ini
dengan
yang
sebelumnya,
kita
memutuskan apakah bahwa dua gambar yang sama atau tidak. Biasanya ada gangguan yang Gambar 2 Contoh Setting Perekaman berkala
membuat dua gambar yang sama yang dibandingkan tidak memiliki nilai nol jarak,
Tahap Analisa Jika tahap persiapan telah dilakukan dengan baik, kita datang ke sistem inti kami yang menganalisis apakah ada tersangka atau tidak. Kami menciptakan beberapa script untuk 40
jadi kami memberikan jarak maksimum 0,5 untuk gambar yang sama. Jika jarak dihitung dengan normal Euclidean lebih besar dari 0,5 kita akan melihat peringatan dengan pesan atau suara. Ini berarti ada benda tersangka yang J Piksel 1(1) : 36-42 (2013)
Dadan Irwan
harus
dianalisis
lebih
lanjut
oleh
staf
Gaussian Mixture Adaptive [6]. Juga kita dapat
keamanan. Sebaliknya, jika jarak lebih kecil
menemukan
Development
dari 0,5, sistem tidak akan mengirim pesan. Ini
Terbuka
berarti ruang aman.
Surveillance (ODViS) untuk melacak sistem
4. Hasil eksperimental
surveilans [2].
untuk
Evaluasi
Environment Sistem
Video
Dengan membandingkan dua gambar
Kami hanya mengusulkan sistem yang
yang sama atau tidak ada objek tersangka
mudah memahami jika ada perubahan dalam
memasuki ruangan, kami menemukan sistem
menembak webcam. Hal ini dapat membantu
kami memberikan hasil sekitar 0,4, jadi kami
staf keamanan ketika memantau banyak kamar
memutuskan
dengan CCTV atau perangkat webcam.
maksimum
untuk 0,5
memberikan
dengan
penambahan
jarak 0,1
sebagai nomor toleransi. Hasil
5. Kesimpulan dan Penelitian Yang Akan Datang
pengujian
menunjukkan
Hasil pengujian menunjukkan sistem
mengusulkan sistem kami bisa memberikan
dapat mendeteksi jika ada perubahan pada
peringatan bila ada benda tersangka memasuki
daerah
ruangan kami diawasi, tetapi ada beberapa
mendeteksi perubahan, sistem memberikan
suara yang dapat memberikan hasil yang buruk
peringatan sehingga akan membantu keamanan
seperti yang berbeda ekstrim pencahayaan
melakukan tugasnya. Untuk sistem surveilans
yang disebabkan dengan memutar cahaya dan
memiliki banyak video, sistem ini dapat
bergerak dari webcam sengaja.
membantu sekuritas menonton video itu. Juga
Kami juga masih memiliki masalah yang
untuk
ditangkap
oleh
webcam.
meminimalkan
Setelah
penggunaan
berkaitan dengan menunda video nyata karena
penyimpanan, kita hanya dapat menyimpan
sistem kami membutuhkan waktu dalam
perubahan. Dengan mengurangkan satu video
menganalisis gambar. Namun sistem kami
yang diambil dari prevous, jika ada perubahan
masih dipahami apakah ada benda tersangka
kita bisa menangkap objek tersangka.
atau tidak.
Jika kita kurangi antara dua gambar
Perbandingan dengan Sistem Lainnya
yang berbeda kita akan menemukan objek
Sangat mudah untuk membandingkan
tersangka. Oleh karena itu dalam penelitian
sistem ini ke sistem umum lainnya karena kita
berikutnya kita akan menggunakan metode ini
membandingkan gambar yang diambil dengan
untuk melacak di mana ia pergi.
sebelumnya setelah menangkap berkala. Ada
Daftar Acuan
makalah
surveilans
Hata, Toshihiko, Naoki Kuwahara, Toshiharu
pelacakan berdasarkan metode statistik kabur
Nozawa. 2005. Surveillance System
atau lainnya [2,6].
dengan
penelitian
Menggunakan
tentang
kabur
kita
bisa
Object-Aware
Transcoder
Video. Journal of Mitshubishi Electric
menerapkan teknologi visi komputer dengan J Piksel 1(1) : 36-42 (2013)
41
Real-Time Surveillance System...
Research Laboratories. Massachusetts,
Citra Digital Menggunakan Matlab.
1-5.
Second
Handayanto, Rahmadya Trias, Haryono, Jarot
Edition.
USA:
Gatesmark
Publishing.
Prianggono.2011. Real Time Neural Network-Based network Analyzer for Hotspot Area. Prosiding Konferensi Internasional tentang Ilmu Komputer Muka dan Sistem Informasi (ICACSIS).
Jaynes, Christoper, Stephen Webb, R. Matt Steele, Quanren Xiong. 2001. Sebuah Lingkungan
Pengembangan
Evaluasi Sistem Video Surveillance. Jurnal
Pp 323-330.
Terbuka
Ilmu
Komputer
Universitas
Kentucky. 1-8, Hadayanto, Rahmadya Trias, Retno Nugroho Whidhiasih, Dadan Irwan, Herlawati. 2012. Real-Time Surveillance System Using Pattern Matching. International Seminar
of
Informatics.
Bandung.
Universitas Parahyangan. Gonzalez, Rafael C., Richard E. Woods, Steven L. Eddins. 2009. Pengolahan
Leondes, Cornelius T. 1998. Image Processing dan Pengakuan Pola. USA: Academic Press.. Widyanto, M. Rahmat. Computer Vision Surveillance Teknologi untuk manusia Menggunakan Seminar
Pendekatan
Internasional
Fuzzy.
Proseeding
Teknologi Informasi (ISIT), 7-16.
42
J Piksel 1(1) : 36-42 (2013)
