Penerapan Metode SVM Untuk Deteksi Manusia Secara Realtime

Abstract

Deteksi manusia pada sebuah video atau gambar adalah tugas yang menantang karena ada beberapa  berbagai macam pose dan gerak yang dilakukan dalam video. Ekstraksi  fitur yang kuat dapat memungkinkan untuk mendeteksi manusia dengan baik, bahkan dalam latar belakang yang acak dan di bawah penerangan yang sulit. Masalah ekstraksi  fitur untuk deteksi manusia, menunjukkan bahwa deskriptor Histogram of Oriented Gradient (HOG) memberikan kinerja yang sangat baik. Selain deskriptor fitur, metode klasifikasi juga memiliki pengaruh besar pada performa deteksi manusia. Support Vector Machine (SVM) merupakan salah satu dari metode klasifikasi yang banyak digunakan karena efisiensinya yang baik . Sehingga dalam penelitian ini akan dilakukan deteksi manusia secara realtime menggunakan metode Histogram Of Oriented Gradient  dan  klasifikasi Support Vector Machine.  Selanjutnya output yang dihasilkan notifikasi berupa audio suara. Pada penelitian ini, dari hasil pengujian didapatkan nilai kecepatan FPS sekitar 22 – 25 fps dengan kecepatan deteksi 328,5 – 510,3 (ms) dan nilai akurasi deteksi manusia dengan 4 skenario memiliki rata rata akurasi sebesar 74,2%