Metode Star Skeletonization untuk Menghitung Jumlah Pejalan Kaki pada Citra

Abstract

Menghitung pejalan kaki secara otomatis, dilakukan dengan mendeteksi dan menganalisis objek-objek yang terlihat bergerak. Masalah yang ada jika dua orang atau lebih berjalan berdekatan dan menempel,  orang dalam keadaan diam ditempat atau duduk, dan ketika objek yang bergerak bukan saja pejalan kaki tetapi orang naik sepeda, mobil, atau objek bukan pejalan kaki lainnya. Metode Star Skeletonization diterapkan untuk mengenali objek pejalan kaki berdasarkan 3 dan 5 garis yang ditentukan. Pra pemrosesan yang dilakukan background subtraction untuk mendapatkan objek bergerak, opening untuk menghilangkan noise, closing untuk menghilangkan celah pada objek, dan ekstraksi border untuk mendapatkan segmentasi objek. Hasil pengujian nilai threshold 5, structuring elemen berbentuk rect 3x3 untuk proses opening, structuring elemen berbentuk rect 5x5 untuk proses closing, dan Star Skeletonization tiga garis memberikan hasil terbaik untuk pengenalan pejalan kaki. Hasil pengujian untuk rentetan citra diam dengan pejalan kaki tunggal dan tidak berdempetan tingkat akurasi  90%, artinya objek pejalan kaki dapat dikenali dengan baik.  Ketika ramai pejalan kaki tingkat akurasi 32.5%, hal ini disebabkan banyaknya pejalan kaki yang berdekatan sehingga nampak saling bergabung menjadi satu objek. Hal itu menyebabkan kesalahan perhitungan. Pra pemrosesan awal tidak dapat memisahkan objek yang tumpang tindih.

Count up of pedestrians are automatically, performed by detecting and analyzing objects appear to move. The problem occurs when two or more runs adjacent and attached, people who do not move or sit, and when a moving object is not only pedestrians but people ride bicycles, cars, or other objects rather pedestrian. Star Skeletonization methods applied to recognize objects pedestrians by 3 and 5 lines are determined. Initial processing done that background subtraction to get moving objects, opening to remove noise, closing to eliminate the gap on the object, and the border extraction to get the object segmentation. Results of testing the threshold value 5, 3x3 rect-shaped structuring element for the process of opening, 5x5 rect-shaped structuring element for the process of closing, and Star Skeletonization three lines provide the best results for the introduction of a pedestrian. The test results for a series of still image with a single pedestrian and not huddled get a 90% accuracy rate, meaning that the object of pedestrians can be recognized well. When crowded pedestrian accuracy rate of 32.5%, this is due to the many pedestrians adjacent to each other seem to merge into one object. That caused a calculation error. Initial processing can not separate the objects that overlap.