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