SEMINAR NASIONAL TEKNOLOGI TERAPAN BERBASIS KEARIFAN LOKAL (SNT2BKL) ISSBN : 978-602-71928-1-2 Deteksi Kecepatan Kendaraan Bergerak Berbasis Video Menggunakan Metode Frame Difference Indah Lugianti[1],Jayanti Yusmah Sari [2],Ika Purwanti Ningrum[3] Program Studi Teknik Informatika,Fakultas Teknik, Universitas Halu Oleo Jl. HEA Mokodompit, Anduonohu, Kendari –Sulawesi Tenggara Email : indahlugianti@gmail.com [1] ABSTRAKS Pengguna kendaraan terkadang tidak memperhatikan keamanan dan keselamatan lingkungan dengan cara berkendara dengan kecepatan yang sangat tinggi. Hal ini diperparah dengan caraberkendara yang tidak sesuai aturansehingga rawan terjadi kecelakaan. Kecepatan kendaraan adalah faktor dominan penyebab kecelakaan. Penyumbang kecelakaan terbesar itu dari pengendara sepeda motor dan faktor kecepatan menjadi penyebab kecelakaan paling banyak. Maka perlu dilakukan upaya untuk menertibkan perilaku berbahaya ini. Penentuan batas kecepatanmaksimum yang ditunjukkan dengan rambu lalu lintas adalah salah satu aturan efektif untuk meminimalisir terjadinya kecelakaan. Untuk itu peneliti membangun sebuah sistem pendeteksi kecepatan kendaraan berdasarkan suatu urutan frame video. Sistem dibangun dengan tujuan membantu pengawasan para pengguna lalulintas. Sistem perhitungan kecepatan ini menggunakan metode frame difference. Metode ini bekerja dengan membandingkan antar frame untuk mendapatkan informasi yang menentukan ada atau tidaknya suatu gerakan. Dari informasi tersebut, biasdidapatkan tingkat kecepatan suatu kendaraan. Dataset yang digunakan berjumlah 854 frame data. Berdasarkan hasil pengujian deteksi kecepatan dengan membandingkan data kecepatan sebenarnya dengan sistem yang dibuat, didapatkan hasil dengan akurasi yang baik. Kata Kunci : kendaraan, kecepatan, frame video, metode frame-difference. 1. PENDAHULUAN 1.1 Latar Belakang Salah satu faktor yang menyebabkan meningkatnya angka kecelakaan adalah pengemudi kendaraan yang memacu kendaraan dengan sangat cepat dan melebihi batas kecepatan yang ditentukan. Upaya yang telah dilakukan adalah dengan memasang kamera CCTV pada tempattempat strategis sekitar jalan [1]. Penggunaan kamera dalam metode ini dapat dimanfaatkan dengan menambahkan teknologi image processing di dalamnya. Adapun salah satu parameter yang dapat dipantau melalui sistem monitoring ini adalah kecepatan setiap kendaraan yang melewati jalan raya. Teknologi image processing merupakan salah satu bidang riset yang berkembang pesat beberapa tahun belakangan ini. Kemunculan metode-metode pengenalan pola, bentuk benda, dan pengukuran berbasis pengolahan citra telah dimanfaatkan pada beragam aplikasi kehidupan. Untuk dapat menghitung kecepatan kendaraan yang melewati suatu jalan maka sistem harus mampu melakukan deteksi terhadap kendaraan yang terekam kamera. Berdasarkan latar belakang ini maka dalam penelitian ini akan diimplementasikan pengolahan citra digital pada sistem pendeteksi kecepatan kendaraan. SNT2BKL-ST-39 324 SEMINAR NASIONAL TEKNOLOGI TERAPAN BERBASIS KEARIFAN LOKAL (SNT2BKL) ISSBN : 978-602-71928-1-2 Sistem deteksi gerakan merupakan suatu sistem yang mampu mendeteksi gerakan yang terjadi di dalam video (Zul dkk,2012). Deteksi gerakan merupakan subjek penting dalam bidang computer vision yang digunakan oleh banyak sistem pada aplikasi video pengawas, monitoring trafik, kompresi video, perhitungan kecepatan dsb. Objek yang bergerak dalam rekaman video dapat diketahui kecepatannya dengan menggunakan suatu teknik tertentu. Objek bergerak tersebut dapat dilakukan perhitungan kecepatannya dengan cara menggunakan suatu urutan frame video. Teknik ini bekerja dengan cara membandingkan antar frame gambar untuk mendapatkan informasi yang menentukan adanya gerakan atau tidak. Metode yang digunakan untuk pembanding ini adalah metode frame difrence.Metode frame difference merupakan bentuk pengurangan latarbelakang yang sederhana. Proses metode ini hanyamengurangi frame yang sekarang dengan frame sebelumnya sepanjang jumlah urutan frame video. Jika nilai mutlak piksel dari hasil pengurangan ini lebih besar dari threshold yang ditentukan maka akan dipertimbangkan sebagai latar depan atau objek bergerak (Singla,2014). 1.2 Tinjauan Pustaka a. Computer Vision Computer vision merupakan suatu ilmu di bidang komputer yang dapat membuat mesin atau robot untuk „melihat‟.Kata „melihat‟ disini berarti mesin atau robot dapat bekerja seperti memiliki panca indera layaknya manusia. Terdapatbeberapa klasifikasi dari vision itu sendiri, yaitu Low Level Vision, Medium Level Vision, dan High Level Vision(Tucker,2008). Low Level Vision meliputi Sensing, yaitu pengambilan input berupa gambar, dan Preprocessing, yaitumemperoleh suatu gambar sebelum di proses. Medium Level Vision meliputi proses Segmentation, Description,Recognition. Segmentation adalah proses pemisahan gambar digital ke dalam beberapa region. Description merupakanproses mendeskripsikan susatu gambar, sedangkan Recognition merupakan pengenalan terhadap suatu gambar. Padalevel yang lebih tinggi (High Level Vision) terdapat proses Interpretation, dimana Interpretation merupakan suatukemampuan untuk memperkirakan bentuk asli dari gambar yang didapat, hal ini dapat dilakukan cara mendapatkan berbagai informasi yang diperlukan pada gambar tersebut. Maka proses Interpretation memerlukan deteksi, identifikasi, dan pengukuran dari fitur-fitur pada suatu gambar. b. Defenisi Citra Citra adalah suatu representasi (gambaran), kemiripan, atau imitasi dari suatu objek. Citra sebagai keluaran suatusistem perekaman data dapat bersifat optik berupa foto, bersifat analog berupa sinyal-sinyal video seperti gambar padamonitor televisi, atau bersifat digital yang dapat langsung disimpan pada suatu media penyimpan. Menurut arti secaraharfiah citra (image) adalah gambar pada bidang dua dimensi (Putra,2010). Ditinjau dari sudut pandang matematik, citra merupakan fungsi menerus (continue) dari intensitas cahaya pada bidangdua dimensi. Sumber cahaya menerangi objek, kemudian objek memantulkan kembali sebagian dari berkas cahaya,pantulan cahaya ini ditangkap SNT2BKL-ST-39 325 SEMINAR NASIONAL TEKNOLOGI TERAPAN BERBASIS KEARIFAN LOKAL (SNT2BKL) ISSBN : 978-602-71928-1-2 oleh alat-alat optik, seperti mata pada manusia, kamera, pemindai (scanner), dan lainlainsehingga bayangan objek dalam bentuk citra dapat terekam. Citra sebagai output dari suatu system perekaman data dapat bersifat optik berupa foto, analog berupa sinyal video seperti gambar pada monitor televisi,digital yang dapat langsung disimpan pada suatu pita magnetik. Citra dapat dikelompokkan menjadi dua bagian yaitu citra diam (still image) dan citra bergerak (moving image). Citra diam adalah citra tunggal yang tidak bergerak sedangkan citra bergerak adalah rangkaian citra diam yangditampilkan secara beruntun (sekuensial) sehingga memberi kesan pada mata sebagai gambar yang bergerak. Setiapcitra di dalam rangkaian itu disebut frame. Gambar-gambar yang tampak pada film layar lebar atau televisi padahakikatnya terdiri dari ratusan sampai ribuan frame (Sutoyo,2009). c. Frame per Second (FPS) Frame per second adalah istilah dalam Bahasa inggris yang berrati gambar perdetik. Atau jika dijabarkan lebih detail, berarti bahwa FPS dalah jumlah gambar yang dutampilkan oleh layar monitor dalam tiap detik. Umtuk memahaminya dengan mudah, kita bias mengambil contoh dari sebuah film kartun. Film kartun pada hakekatny adalah beribu-ribu gambar yang diperlihatkan secara cepat, sehingga kelihatan seperti bergerak.semakin banyak gambar yang ditampilkan setiap detiknya untuk membuat gerakan gambar, semakin halus pula kualitas film yang dihasilkan. d. Background Substraction Background Subtraction, yang juga dikenal sebagai Foreground Detection, adalah salah satu teknik pada bidang pengolahan citra dan computer vision yang bertujuan untuk mendeteksi/mengambil foreground dari background untuk diproses lebih lanjut (seperti pada proses object recognition dll). Umumnya foreground yang diinginkan adalah berupa objek manusia, mobil, teks, dll. Background subtraction merupakan metode yang umumnya digunakan untuk mendeteksi objek bergerak pada video dari kamera statis (stationary camera). Proses deteksi objek bergerak dengan metode background subtraction didasarkan pada perbedaan antara background referensi dengan frame. Background subtraction banyak digunakan pada proyek-proyek berbasis pengolah citra. Salah satu aplikasi yang sering menggunakan fungsi dari background substraction ini adalah aplikasi penghitung jumlah pengunjung yang memasuki maupun meninggalkan ruangan ataupun kendaraan yang melewati suatu jalur dalam sistem informasi lalu lintas. Metode ini memisahkan manusia atau kendaraan dengan cara pembedaan latar belakang (background) dan manusia atau kendaraan (foreground) yang bergerak. Jika kondisi yang akan diamati oleh background subtraction hanya berupa latar belakang dan objek bergerak yang akan diamati, hal tersebut sangat mudah. Namun, ketika terdapat objek lain yang juga berpindah dari titik satu ke titik yang lain misalnya bayangan dari objek tersebut hal ini akan diproses juga sebagai foreground atau masuk ke dalam SNT2BKL-ST-39 326 SEMINAR NASIONAL TEKNOLOGI TERAPAN BERBASIS KEARIFAN LOKAL (SNT2BKL) ISSBN : 978-602-71928-1-2 objek yang diklasifikasikan. Algoritma Background subtraction adalah |frame(n) – background| > threshold. 1.3 Metodologi Penelitian Citra bergegak yang telah diambil sebagai datatset terlebih dahalu melewati tahap pra- prosessing sebelum masuk ke dalam sistem. Panjang video di potong sesuai dengan panjang citra bergerak (kendaraan) mulai terlihat pada kamera sampai pada citra tersebut tidak terlihat. Hasil video yang telah dipotong tersebut yang akan diolah oleh sistem, mulai tahap pre processing, ekstraksi fitur, hingga perhitungan kecepatan. a. RGB to Grayscale Berdasarkan jenis warnanya, citra digital dapat dibedakan menjadi tiga jenis yaitu citra RGB, citra grayscale, dan citra biner. Citra RGB (Red, Green, Blue) merupakan citra yang nilai intensitas pikselnya tersusun oleh tiga kanal warna yaitu merah, hijau, dan biru. Citra grayscale adalah citra yang nilai intensitas pikselnya berdasarkan derajat keabuan Grayscale adalah berbagai nuansa warna monokromatik dari hitam menjadi putih. Oleh karena itu, gambar grayscale hanya memiliki warna abu-abu dan tidak berwarna.Sebuah gambar digital dapat disimpan sebagai grayscale (hitam dan putih), bahkan gambar berwarna berisi informasi grayscale. Hal ini karena setiap pixel memiliki nilai luminance, terlepas dari warna. Luminance juga dapat digambarkan sebagai kecerahan atau intensitas, yang dapat diukur pada skala dari hitam (nol intensitas) ke putih (intensitas penuh).Algoritmanya adalah dengan mengalikan setiap nilai R G B dengan konstanta tertentu yang sudah ditetapkan nilainya, kemudian hasil perkalian seluruh nilai R G B dijumlahkan satu sama lain. Rumus matematisnya adalah : 𝐆𝐫𝐚𝐲𝐬𝐜𝐚𝐥𝐞 = (𝟎. 𝟐 ∗ 𝐑) + (𝟎. 𝟓 ∗ 𝐆) + (𝟎. 𝟑 ∗ 𝐁) (1) b. Threshold Threshold merupakan teknik yang sederhana dan efektif untuk segmentasi citra dengan melakukan pengolahan piksel pada suatu citra atau menghilangkan beberapa piksel dan juga mempertahankan beberapa piksel sehinggamenghasilkan suatu citra baru hasil sortir piksel yang telah dilakukan. Dengan dilakukannya komputasi thresholdmaka dapat dengan mudah mendapatkan edge atau tepi dari suatu citra. Threshold dilakukan agar mempermudah dalam proses identifikasi ataupun perbandingan dari dua atau lebih citra. Terdapat 5 tipe threshold, yaitu binary threshold, binary inverted, truncate, threshold to zero dan threshold to zero inverted.Binary threshold merupakan citra yang telah melalui proses pemisahan piksel-piksel berdasarkan derajat keabuan yang dimiliki. Pembentukan citra biner SNT2BKL-ST-39 327 SEMINAR NASIONAL TEKNOLOGI TERAPAN BERBASIS KEARIFAN LOKAL (SNT2BKL) ISSBN : 978-602-71928-1-2 memerlukan nilai batas keabuan yang akan digunakan sebagai nilai patokan. Piksel dengan derajat keabuan lebih besar dari nilai batas akan diberi nilai 1 sebagai warna putih dan sebaliknya piksel dengan derajat keabuan lebih kecil dari nilai batas akan diberi nilai 0 sebagai warna hitam. Warna putih biasanya digunakan untuk warna foreground sedangkan warna hitam adalah warna background. 𝑥 1 ≥𝑋 𝐵𝑊= 0 <𝑋 (2) c. Frame Difference Banyak metode yang dapat digunakan untuk mendeteksi obyek yang bergerak, salah satunya adalah metode frame difference. Metode frame difference merupakan bentuk pengurangan latar belakang yang sederhana. Proses metodeini hanya mengurangi frame yang sekarang dengan frame sebelumnya sepanjang jumlah urutan frame video. Jika nilaimutlak piksel dari hasil pengurangan ini lebih besar dari threshold yang ditentukan maka akan dipertimbangkansebagai latar depan atau objek bergerak. Secara matematis, metode frame difference dapat dijelaskan sebagai berikut: 𝐷 𝑥, 𝑦, 𝑡 + 1 = 1 0 𝑓 𝑥, 𝑦, 𝑡 − 𝑓 𝑥, 𝑦, 𝑡 + 1 (3) Dengan demikian, dalam metode frame difference, objek bergerak yang diambil sesuai dengan perbedaan antara dua atau tiga frame terus menerus. Metode ini merupakan metode yang paling sederhana dan langsung berhubungan dengan perberubah dalam objek bergerak dalam video dapat cepat terdeteksi, dengan algoritmanya sebagai berikut: 1.Baca video input. 2.Baca seluruh frame dari video input. 3.For (i = (frame awal +1) sampai dengan frame akhir) a)Hitung selisih nilai pixel antar 2 yang frame berdekatan (frame (i)-frame (i-1)). b)Hitung nilai absolutnya. d. Perhitungan Kecepatan Untuk mendapatkan hasil kecepatan objek bergerak dapat dihitung dengan mencari total jarak yang ditempuh dari awal objek bergerak sampai akhir objek bergerak dibagi dengan waktu yang ditempuh dalam melakukan perpindahan, Kecepatan kendaraan diperoleh dari framehasil deteksi foreground. Yaitu dengan menentukan posisi kendaraan pada setiap frame. Jadi perlu ditentukan boundingbox dari foreground extraction yang telah dilakukan sebelumnya. Pada frame yang berurutan, setelah dideteksi obyek kendaraan bergerak dan memberikan boundingbox maka harus ditentukan posisi awal dan akhir dengan referensi yang valid. Penggunaan garis deteksi kecepatan disinimempermudah perhitungan. Selama kendaraan yang memiliki boundingbox melewati suatu SNT2BKL-ST-39 328 SEMINAR NASIONAL TEKNOLOGI TERAPAN BERBASIS KEARIFAN LOKAL (SNT2BKL) ISSBN : 978-602-71928-1-2 garis deteksi yang sebelumnya telah ditentukan mulai dari titik awal garis sampai akhir garis maka jumlah frame yang diperlukan kendaraan tersebut selama melewati garis dapat diketahui. Persamaan berikut adalah rumusan perhitungan kecepatan. 𝐾𝑒𝑐𝑒𝑝𝑎𝑡𝑎𝑛 𝐾𝑒𝑛𝑑𝑎𝑟𝑎𝑎𝑛 = 𝑗𝑎𝑟𝑎𝑘 𝑥 𝑓𝑟𝑎𝑚𝑒 𝑝𝑒𝑟 𝑠𝑒𝑐𝑜𝑛𝑑 𝑗𝑢𝑚𝑙𝑎 ℎ 𝑓𝑟𝑎𝑚𝑒 𝑡𝑒𝑚𝑝𝑢 ℎ (4) 2. PEMBAHASAN Pada penelitian ini dibahas mengenai pengukuran kecepatan kendaraan pada Sistem deteksi kecepatan kendaraan bergerak menggunakan metode frame diffrenece dengankecepatan kendaraan yang diujikan 20 km/jam, 40 km/jam,dan 60 km/jam memakai jarak referensi 6,96 meter.Saat melakukan pengambilan data menggunakan kamera Handphone, background atau latar belakang yang digunakan hanya menggunakan latar belakang tanpa ada benda yang bergerak kecuali satu objek yang bergerak. Permasalahan yang dibahas dimulai dari hasil pengukuran kecepatan kendaraan dibandingkan dengan kecepatan kendaraan sesungguhnya. Setelah mendapatkan hasil pengukuran kecepatan kendaraan akan dibandingkan dengan hasil penyimpangan pengukuran laju kendaraan dari hasil sesungguhnya dengan hasil simulasi laju kendaraan (Adi Setiawan 2009). Dataset yang diambil berjumlah 18 dengan rincian sebagai berikut: Tabel 1. Rincian Dataset No Keceparan Spedometer (km/jam)) Jumlah 1 20 6 2 40 6 3 60 6 Total 2.1 18 Deskripsi Sistem Rancangan sistem secara keseluruhan merupakan bagian dalam rancangan untuk perencanaan tahap-tahap yang diperlukan untuk membuat program pendeteksi kecepatankendaraan. Program pengukuran kecepatan kendaraan dirancang untuk dapat memproses frame dari suatu file video. Gambar 1 merupakan diagram alir rancangan sistem secara keseluruhan. Input Video . Frames Video RGB to Gray SNT2BKL-ST-39 329 SEMINAR NASIONAL TEKNOLOGI TERAPAN BERBASIS KEARIFAN LOKAL (SNT2BKL) ISSBN : 978-602-71928-1-2 Threshold Hitung Kecepatan Ouput Kecepatan Gambar 1. Diagram proses sistem Sistem yang dibangun merupakan perangkat lunak yang mampu mengambil dan memasukkan video serta mendeteksi kendaraan yang melintas di jalan raya untuk kemudianmampu mengukur kecepatan dari kendaraan tersebut berdasarkan perubahan posisi koordinatkendaraan tiap frame per satuan waktu. Proses pengambilan dan memasukkan video sebagaicitra yang akan diolah ini merupakan preprocessing citra. Selanjutnya pada proses deteksikendaraan menggunakan metode background substraction. Metode ini akan membedakan danmemisahkan antara latar belakang dengan objek yang bergerak (Solichin dkk,2013). Hasil dari metode ini berupacitra biner yang tertangkap kamera. Objek yang bergerak akan berwarna putih sedangkan latarbelakangnya menjadi berwarna hitam. Langkah selanjutnya adalah menentukan nilai koordinattitik tengah dari hasil citra biner ini. Koordinat nilai (x,y) akan diambil sebagai referensi untukmenentukan posisi objek di setiap framenya. Perpindahan objek tiap frame digunakan sebagaiacuan jarak dalam satuan piksel 2.2 Hasil Tabel 2. Hasil Pengujian Sistem Percobaan Kecepatan pada Spedometer (km/jam) Kecepatan pada Program (km/jam) Error ∑((v-v ̅ )/v)100% 1 20 17.38 2 20 15.9 3 20 25.36 4 20 30.27 5 20 27 6 20 13.21 7 40 25.36 8 40 25.32 9 40 25.36 10 40 32 11 40 26.81 12 40 32.36 13 60 46.92 14 60 42.66 15 60 42.68 16 60 40.8 17 60 42.66 13.1 20.5 0 0 0 33.95 36.6 36.7 36.6 20 32.975 19.1 21.8 28.9 28.86666667 32 28.9 SNT2BKL-ST-39 330 SEMINAR NASIONAL TEKNOLOGI TERAPAN BERBASIS KEARIFAN LOKAL (SNT2BKL) ISSBN : 978-602-71928-1-2 18 60 42 %error 30 23.33 Data pengukuran yang diperoleh dari pengujian sampel video menghasilkan persentase eror terkecil pada pengukuran kecepatan 20 km/jam sebesar 13.1% , dan 19.1 % pada pengukuran kecepatan 40 km/jam, dan 21.8% pada pengukuran kecepatan 60 km/jam sedangkan pada persentase eror terbesar pada pengukuran kecepatan 20 km/jam sebesar 20.5% , dan 36.7 % pada pengukuran kecepatan 40 km/jam, dan 30% pada pengukuran kecepatan 60 km/jam. Perolehan data tersebut menunjukkan bahwa sistem dapat memberikan hasil pengukuran kecepatan dengan cukup baik pada kecepatan 20km/jam. Faktor terbesar yang mengakibatkan eror adalah adanya noise pada background yaitu berupa gerakan suatu objek yang merubah luasan area dari kendaraan yang akan dideteksi sehingga mempengaruhi hasil pengukuran jarak perpindahan pada citra. 3. KESIMPULAN Dari hasil pengamatan, pengujian, dan analisis pada hasil yang diperoleh, kesimpulan yang dapat diambil adalah sebagai berikut. 1. Telah berhasil dibuat sistem pengukur kecepatan kendaraan berbasis pengolahan video. 2. Hasil pengukuran kecepatan kendaraan berdasarkan jarakreferensi didapatkan perbandingan hasil rata-rata kecepatankendaraan dari pengukuran kecepatan kendaraan yangbervariasi, namun cukup mewakili estimasi kecepatankendaraan sesungguhnya. 3. Berdasarkan nilai error terhadap sistem yang dihitung , maka didapatkan akurasi sebesar 76.67%. 4. Akurasi keberhasilan pengukuran dipengaruhi oleh banyaknya noise atau objek lain pada background dan pra pengolahan video sebelum diolah sistem. SARAN 1.Sistem pengukuran kecepatan kendaraan berbasis pengolahan video ini dapat dikembangkan pada sistem dengan objek kendaraan lebih banyak. 2.Hendaknya bisa dikembangkan dengan metode lain sehingga hasil pengukuran kecepatan kendaraan menjadi lebih akurat dengan eror yang kecil PUSTAKA Raharjo, J., Susatio, E., dan Tirtoasmono, I. I., 2012, Perancangan dan Prototyping Sistem Pemantau Lalu Lintas Berbasis Video Processing dalam Mendukung Intelligent Transportation System, Prosiding InSINas, hal. 20-24, Bandung M. Ihsan Zul, Widyawan dan L. Edi Nugroho, “Deteksi Gerak dengan Menggunakan Metode Frame Differences pada IP Camera,” International Conference on Information Technolog nd Electrical Engineering, 2012. N. Singla, “Motion Detection Based on Frame Difference Method,” International Journal of Information & Computation Technology, vol. 4, no. 15, pp. 1559-1565, 2014. A. B. Tucker, Computer Science Handbook, Massachusetts: CRC Press, 2004.. [5] D. Putra, Pengolahan Citra Digital, Yogyakarta: Penerbit Andi, 2010. T. Sutoyo dan Mulyanto, Teori Pengolahan Citra Digital, Yogyakarta: Penerbit Andi, 2009. Muhtadin, Tommy Alma‟arif, Dias Natawan Gita. Background Reconstruction pada Intelligent Transportation System Kota Surabaya, SITIA2010, SNT2BKL-ST-39 331 SEMINAR NASIONAL TEKNOLOGI TERAPAN BERBASIS KEARIFAN LOKAL (SNT2BKL) ISSBN : 978-602-71928-1-2 Institut Teknologi Sepuluh Nopember. Setiawan, A. (2009). Analisis Pengukuran Laju Kendaraan Pada Rekaman Video Digital. Teknik Elektro Universitas Udayana, Denpasar. Solichin, A., dan Harjoko, A., 2013, Metode Background Subtraction untuk Deteksi Objek Pejalan Kaki pada Lingkungan Statis, Seminar Nasional Aplikasi Teknologi Informasi (SNATI), hal. B-1 – B-6, Yogyakarta SNT2BKL-ST-39 332