Person Reidentification pada Sistem Surveillance Cerdas Menggunakan Metode Bag of Visual Feature

Abstract

Sistem pengawasan berbasis CCTV telah banyak digunakan untuk memantau tempat umum, sehingga keamanan dan kenyamanan lebih terjamin. Salah satu permasalahan pada proses pengawasan adalah mengidentifikasi objek manusia pada kamera CCTV yang berbeda, yang disebut sebagai person reidentification (Re-ID). Re-ID adalah proses untuk mengidentifikasi gambar objek manusia, yang berasal dari dua citra atau lebih yang berada di sudut pandang kamera CCTV berbeda, adalah orang yang sama atau tidak. Pada makalah ini diusulkan metode berbasis fitur visual dari citra objek dengan nama Bag of Visual Feature (BOVF). BOVF bekerja dengan merepresentasikan data sebagai kumpulan fitur lokal yang digunakan dengan mekanisme pengelompokan fitur (feature clustering). Implementasi BOVF menggunakan algoritme pengelompokan fitur Density Based Spatial Clustering of Applications with Noise (DBSCAN) pada proses pelatihan model citra dengan mempelajari fitur Histogram of Oriented Gradient (HOG). Hasil dari penelitian yang menggunakan dataset sebanyak 70 citra frame dari dataset iLIDS-VID ini mendapatkan akurasi terbaik pada R-20 sebesar 88% menggunakan DBSCAN dengan kecepatan proses sebesar 1,85 detik.