Sistem Penghitung Jumlah Orang Melewati Pintu Menggunakan Metode Background Subtraction Berbasis Raspberry Pi

Fakultas Ilmu Komputer

Universitas Brawijaya

2105

Sistem Penghitung Jumlah Orang Melewati Pintu Menggunakan Metode

Background Subtraction Berbasis Raspberry Pi

Diego Yanda Setiawan1, _{Hurriyatul Fitriyah}2_{, Issa Arwani}3

Program Studi Teknik Komputer, Fakultas Ilmu Komputer, Universitas Brawijaya Email: 1_{icefrog111@gmail.com,} 2_{hfitriyah@ub.ac.id,} 3_{issa.arwani@ub.ac.id}

Abstrak

Pusat keramaian seperti pertokoan, perpustakaan, dan lain sebagainya menjadi titik keramaian yang banyak dikunjungi masyarakat. Data jumlah pengunjung sangatlah penting, karena dapat digunakan untuk laporan perkembangan minat masyarakat terhadap tempat tersebut. Sehingga dalam penelitian ini dibuat sistem yang dapat menghitung jumlah orang melewati pintu untuk memudahkan pengelola dalam monitoring tempat tersebut. Salah satu teknologi yang memungkinkan dalam membuat sistem ini yaitu memanfaatkan image processing dan computer vision. Suatu tahap yang ada pada computer vision adalah Background Subtraction yang berfungsi untuk mendeteksi citra obyek bergerak. Hasil pengujian yang dilakukan metode Background Subtraction dapat mendeteksi obyek yang bergerak dengan baik, teknik opening dan closing dapat memperbaiki hasil citra dengan baik. Hasil akurasi satu orang lewat masuk sebesar 87,5% dan keluar sebesar 87,5% , pengujian dua orang lewat masuk bersamaan sebesar 87,5% dan keluar bersamaan sebesar 100%. Pengujian keseluruhan sistem dengan sudut camera tertentu didapatkan hasil rata-rata akurasi satu orang lewat masuk sebesar 75% dan keluar 78,75%, dua orang lewat bersamaan masuk sebesar 71% dan keluar sebesar 71%. Selain itu didapatkan juga sudut kemiringan terbaik kamera dalam mengambil citra saat satu orang lewat adalah sebesar 70°,80°, 90°, saat dua orang lewat bersamaan adalah 50°, 70°.

Kata kunci: Pengolahan Citra, Visi Komputer, People Counter, Background Subtraction

Abstract

The center state of the crowd such as shopping centers, libraries and so on are the places that many people visit. This data is very important because it can be used as interest indicator. In this research is needed a system which can provide an information about the number of visitor so manager can do monitoring of the place. Possible technologies in making this system is to uses digital image processing and computer vision. Background Subtraction Method useful to detect moving objects. From the test results, the Background Subtraction method can detect moving objects very well, opening and closing can improve image results. The success rate when one person enter is 87,5% and exit is 87,5%, The Accuracy when two persons enter at the same time is 87,5% and exit is 100%. Overall the Average accuracy obtained by this system with a certain angle camera when one person enter is 75% and exit is 78.75%, The Accuracy when two persons enter and exit at the same time is 71% and 71%. Also the best camera angle while capture images when one person pass is 70°,80°, 90°. when two person pass at the same time 50°, 70°.

Keywords: Image Processing, Computer Vision, People Counter, Background Subtraction

1. PENDAHULUAN

Pusat keramaian seperti pertokoan perpustakan, dan lain sebagainya menjadi titik keramaian yang banyak dikunjungi masyarakat. Jumlah pengunjung suatu ruangan atau tempat tertentu yang tidak sebanding dengan standar kapasitas ruangan dapat menimbulkan masalah.

Selain itu, data akumulasi jumlah pengunjung dapat digunakan untuk laporan perkembangan minat masyarakat terhadap tempat tersebut (Chen, Lin, 2009). Dengan adanya permasalahan yang sudah dibahas, perlu adanya sistem yang dapat menghitung jumlah orang untuk memudahkan pengelola dalam analisis, monitoring dan manajemen kebutuhan tempat. Sistem untuk menghitung banyaknya orang saat

memasuki suatu ruangan atau tempat ini memiliki manfaat untuk keamanan dan kenyamanan masyarakat pada suatu ruangan atau tempat tersebut (Carlo, et al., 2013).

Pada penelitian sebelumnya sudah ada sistem untuk mendapatkan data jumlah orang yang melewati pintu. Alat tersebut dilengkapi dengan sensor infrared yang dapat mendeteksi atau mengetahui ketika ada orang yang masuk ke dalam ruangan menggunakan klasifikasi bayes hasil akurasi yang didapatkan sebesar 79.24%. Tetapi sistem ini menggunakan sensor dan penghitungan probabilitas dalam menghitung jumlah orang yang lewat, sehingga obyek yang dideteksi terkadang tidak tepat sasaran (Paramananda, 2017). Berdasarkan berbagai permasalahan diatas dan solusi yang sudah ada, Penulis ingin membuat dan mengembangkan penelitian sebelumnya dengan menerapkan pengolahan citra dan visi komputer. Visi Komputer adalah ilmu yang mempelajari bagaimana komputer dapat mengenali objek yang akan diamati atau diobservasi. Hal ini dilakukan bertujuan untuk dapat meniru visualisasi dari manusia yang diaplikasikan ke dalam komputer (Linda & George, 2001). Visi komputer menggunakan kamera sebagai sensornya, salah satu keunggulan dari kamera adalah dapat mengumpulkan seluruh informasi lapangan secara detil dalam satu set atau urutan gambar sehingga data juga dapat diolah dan diproses pada pengembangan penelitian untuk kasus yang lain. Salah satu metode yang digunakan adalah Background Subtraction atau juga dikenal sebagai Foreground Detection. Background Subtraction adalah proses untuk mendeteksi pergerakan atau perbedaan signifikan yang terjadi didalam citra ketika dibandingkan dengan citra referensi. Berdasarkan jurnal Motion human Detection Based on Background Subtraction metode Background Subtraction dapat mendeteksi badan manusia yang bergerak dengan baik (Lijing & Yingli, 2010). Dari penelitian tersebut dapat disimpulkan untuk menghitung pengunjung yang masuk melewati pintu, dapat menggunakan kamera sebagai sensor, metode Background Subtraction dalam mendeteksi manusia yang bergerak.

2. METODOLOGI PENELITIAN

Gambar 1. Metodologi Penelitian Penelitian sistem penghitung jumlah orang melewati pintu ini dimulai dengan melakukan studi literatur, lalu merekayasa kebutuhan fungsional dan non fungsional sistem, perancangan dan implementasi sistem. Pada perancangan terdapat perancangan perangkat keras dan perangkat lunak. Perancangan lunak meliputi Capture image, perancangan Background Subtraction, perancangan Morphological Transformation, perancangan Countour Detection, perancangan Tracking & Counting dan menampilkan hasil.

2.1 Gambaran Umum Sistem

Secara umum sistem ini terbagi menjadi tiga bagisan yaitu input, proses dan Output. Sistem terdiri dari SoC Raspberry PI tipe 3, Webcam C270, LCD 16x2. Sistem ini dirancang agar bekerja secara real-time yang ditempatkan di atas pintu dan diatur posisi webcamnya agar dapat mengambil gambar manusia yang lewat secara akurat dan jelas. Input pada sistem ini yaitu kamera webcam yang digunakan untuk mengambil citra digital, resolusi yang dipakai sebesar 320 x 240 piksel. gambar yang telah diambil oleh webcam akan diolah menggunakan Metode Background Subtraction yang berfungsi untuk mendeteksi objek bergerak. Raspberry Pi digunakan untuk memproses citra digital. Hasil pengolahan tersebut akan ditampilkan di LCD 16x2. Karena sistem ini menggunakan webcam sebagai pengambilan data, maka posisi dari webcam harus tepat agar objek yang diambil dapat terlihat jelas dan dapat diolah oleh Raspberry Pi. Diagram blok sistem dapat dilihat pada Gambar 2.

Gambar 2. Diagram Blok Sistem 2.2 Perancangan Perangkat Keras

Pada perancangan ini dimulai dari perancangan alat penghitung jumlah orang yang melewati pintu yang tediri dari Raspberry Pi, LCD dan webcam. Pada alat ini webcam bertindak sebagai alat untuk mengambil citra objek yang melewati pintu sedangkan Raspberry Pi bertindak untuk memproses data gambar yang dihasilkan oleh webcam dan menampilkan hasilnya pada I2C LCD 16x2.

Pada Gambar 3 merupakan rangkaian WebCam dan Raspberry Pi yang dihubungkan menggunakan kabel USB agar sistem dapat menerima masukan berupa citra video real-time. sehingga dapat diolah pada proses selanjutnya. Pada Gambar 4 merupakan rangkaian dari I2C LCD dan Raspberry Pi yang befungsi untuk menampilkan data jumlah pengunjung yang masuk maupun keluar ruangan. Pada Gambar 5 merupakan perancangan posisi alat agar dapat mengambil citra dengan maksimal. Webcam diletakkan diatas pintu bagian dalam sedangkan Raspberry Pi diletakkan disamping pintu bagian tengah agar pengguna dapat melihat hasil jumlah pengunjung yang masuk dan keluar tersebut

Gambar 3 Skematik Rangkaian Webcamera

Gambar 4 Skematik Rangkaian I2C LCD

Tabel 1. Koneksi Pin Sistem Pin Raspberry Pi Pin I2C LCD WebCam USB USB 2 (Power 5V) VCC 6 (Ground) GND GPIO 2 SDA GPIO 3 SCL

Pada tabel 1 dapat dilihat bahwa web kamera Logitech C270 dihubungkan pada Slot USB Raspberry Pi menggunakan kabel USB. Untuk menggunakan I2C LCD, pin I2C LCD VCC akan dipasang pada pin 2 Raspberry dengan power supply 5V. GND akan dipasang pada pin 6 ground Raspberry Pi.SDA akan dipasang pada GPIO 2 Raspberry Pi yang berfungsi untuk mengirimkan sinyal data. Sedangkan SCL akan dipasang pada pin GPIO 3 Raspberry Pi sebagai clock.

(a)

(b)

Gambar 5 Perancangan Posisi Alat (a) Posisi alat tampak depan; (b) Posisi alat tampak atas: (c) Posisi alat tampak Samping

Gambar 6 Purwarupa Sistem

Pada Gambar 6 adalah perancangan purwarupa dari sistem agar terlihat rapi dan mudah dipasang dan digunakan oleh pengguna. 2.3 Perancangan Perangkat Lunak

Gambar 7 Diagram Alir Perancangan Utama Dibutuhkan perancangan perangkat lunak agar alat yang diterapkan sesuai dengan yang diharapkan. Diagram alir dari sistem ini dapat dilihat pada gambar 7. Terdapat beberapa proses proses yang pertama kali adalah inisialisai library OpenCV yang dibutuhkan setelah itu Capture atau pengambilan citra digital secara real-time menggunakan web camera dan resize resolusi yang diinginkan, pada sistem ini menggunakan resolusi video 320x240 pixel. Setelah mengatur resolusi buatlah garis-garis batas pada frame, fungsinya digunakan untuk menentukan posisi obyek berupa koordinat x dan y. Garis virtual untuk menghitung masuk berada pada pixel 96 yang

diberi warna biru, garis untuk menghitung keluar terdapat pada pixel 144 yang diberi warna merah. Pada pixel 192 dan 48 adalah garis batas region of interest. Perancangan garis batas frame dapat dilihat pada gambar 8 dan gambar 9.

Gambar 8 Garis batas pada frame

Gambar 9 Contoh hasil setelah menerapkan garis batas pada frame

Setelah sistem dapat membaca citra video secara real-time lakukan metode Background Subtraction. Metode background subtraction adalah suatu tahapan yang paling penting dalam computer vision metode ini bertujuan untuk mendapatkan citra objek yang bergerak atau berubah dengan cara mengurangkan frame referensi sebelumnya dengan frame terbaru, jika terdapat perbedaan yang signifikan tandai objek tersebut dengan warna putih. Secara sederhana metode ini menggunakan persamaan sebagai berikut. Hasil Backgorund Subtraction dapat dilihat pada gambar 10.

𝑃[𝐹(𝑡)] = 𝑃[𝐼(𝑡)] − 𝑃[𝐵] (1) |𝑃[𝐹(𝑡)] − 𝑃[𝐹(𝑡 + 1)]| > 𝑇ℎ𝑟𝑒𝑠ℎ𝑜𝑙𝑑 (2)

Keterangan: 𝑃[𝐹(𝑡)] = Frame 𝑃[𝐼(𝑡)] = Tiap pixel

𝑃[𝐵] = Background Image 𝐼(𝑡) = Pixel Value t = waktu

T = Ambang Batas

Gambar 10 Background Subtraction Pada gambar 11 dibawah ini menjelaskan tentang bagaimana alat ini dapat menghitung orang yang melewati pintu berdasarkan koordinat dari objek yang bergerak dan menentukan arahnya apakah masuk atau keluar.

Gambar 11 Flowchart Tracking & Counting Sebelumnya Pada gambar 10 proses Background Subtraction terdapat masalah berupa noise yang menganggu kejernihan citra dan keutuhan citra. Noise dapat di minimalisir dengan menggunakan teknik Opening dan Closing. Opening fungsinya untuk mengikis atau mengeliminasi pixel yang tidak dibutuhkan

dan Closing fungsinya untuk mengisi lubang pada pixel. Pada tahap ini sebelum melakukan Opening & Closing frame yang berupa grayscale dirubah ke bentuk biner dahulu, lalu memilih structure element yang diinginkan. Structuring element adalah sebuah binary image yang digunakan sebagai basis pada binary image morphology. Structuring element yang digunakan adalah yang bentuk umum yaitu box. Persamaan teknik opening dan closing dapat dilihat pada persamaan 3 dan 4. Hasil setelah melakukan teknik opening dan closing dapat dilihat pada gambar 12.

𝐵 ○ 𝑆 = (𝐵 ⊖ 𝑆) ⊕ 𝑆 (3) 𝐵 • 𝑆 = (𝐵 ⊕ 𝑆) ⊖ 𝑆 (4)

Keterangan: B = Gambar Biner S = Gambar Basis dalam melakukan Opening & Closing

Gambar 12 Opening & Closing

Setelah melakukan filtering maka proses selanjutnya adalah mencari kontur dari obyek. Kontur adalah rangkaian pixel tepi yang membentuk batas daerah objek. Batas daerah berguna untuk mendeskripsikan bentuk objek. Pada gambar 13 adalah hasil deteksi kontur. Proses ini sangat sederhana dan efektif dalam melakukan deteksi dan klasifikasi obyek tersebut sebagai manusia, yaitu dengan cara membuat ambang batas minimum suatu area agar dapat didefinisikan objek tersebut sebagai manusia. Nilai yang digunakan adalah 300 tetapi nilai ini tidaklah tetap secara universal, nilai yang dipakai bergantung pada ukuran resolusi yang digunakan.

Gambar 13 Deteksi kontur obyek sebagai manusia

Tracking & counting

Dalam melaukukan tracking obyek dan counting adalah melakukan definisi image moment untuk mendapatkan feature seperti mass, area, centroid of the object. Lalu pada saat objek ditemukan pada frame pertama beri tanda dan simpan posisi awal objek. Jika koordinat objek pada frame selanjutnya dekat dengan frame posisi awal lakukan update koordinat image lalu lakukan tracking atau mengikuti objek. Saat objek bergerak telah melewati range penghitungan masuk dan keluar lakukan bounding box pada frame dan pendataan ke variabel masuk dan keluar. Hasil tracking kontur manusia dapat dilihat pada gambar 14.

Gambar 14 Tracking kontur manusia Proses terakhir adalah menampilkan hasil penghitungan orang yang melewati pintu pada LCD 16x2 dan menampilkan bounding box dari orang yang lewat pada frame window. Hasil dari proses ini dapat dilihat pada gambar

Gambar 15 Bounding box manusia dan hasil hitung

Gambar 16 Hasil penghitungan pada LCD 16x2

2.4 Implementasi Sistem

Dalam mengimplementasikan sistem penghitung jumlah orang melewati pintu menggunakan metode Background Subtraction berbasis Raspberry pi ditujukkan pada Gambar 17, 18, 19. Pada gambar 17 merupakan implementasi rangkaian Raspberry dan webcam, webcam dipasang diatas pintu bagian dalam. Gambar 18 dan 19 merupakan implementasi rangkaian Raspberry dan I2C LCD bentuk dan pemasangan telah disesuaikan dengan desain yang sudah dirancang.

Gambar 17 Implementasi Raspberry dan Webcam

Gambar 18 Implementasi Raspberry Pi dan I2C LCD

Gambar 19 Implementasi Alat dengan posisi yang sudah dirancang

3. PENGUJIAN DAN ANALISIS 3.1 Pengujian Metode Background Subtraction

Pengujian ini berguna untuk menguji keberhasilan metode Background Subtraction dalam mendeteksi pergerakan obyek. Berdasarkan pengujian yang sudah dilakukan didapatkan bahwa parameter nilai treshold yang kecil akan membuat kamera menjadi sensitif terhadap perubahan pixel yang terjadi dan mengakibatkan banyak noise yang mengganggu pada gambar sebaliknya jika nilai semakin besar maka sensitifitas terhadap perubahan pixel akan ditekan sehingga menghasilkan gambar foreground yang jelas dan sedikit noise. Nilai yang disarankan adalah 200-700

Terdapat juga pengujian untuk membantu menghasilkan gambar yang jelas agar memudahkan dalam membuat sistem ini yaitu teknik Opening yang fungsinya untuk mengikis atau mengeliminasi pixel yang tidak dibutuhkan. Pada pengujian ini dapat disimpulkan bahwa teknik Opening berhasil dalam mengikis dan mengeliminasi pixel yang tidak dibutuhkan, berdasarkan hasil analisis disarankan nilai opening adalah 2-4.

Kemudian setelah menggunakan teknik Opening dilakukan juga pengujian untuk membantu menghasilkan gambar yang jelas agar memudahkan dalam membuat sistem ini yaitu teknik Closing yang fungsinya untuk mengisi lubang pada pixel. Pada pengujian ini dapat disimpulkan bahwa teknik Closing berhasil dalam mengisi lubang pixel yang dibutuhkan nilai yang disarankan adalah 12 keatas.

3.2 Pengujian I2C LCD

Pengujian ini dilakukan untuk menguji keberhasilan dan kesesuaian LCD dalam menampilkan text pada LCD 16x2 yang sudah di buat. Dari 6 pengujian LCD dapat menampilkan text pengujian 1 sampai dengan pengujian 6 sesuai dengan program yang sudah dibuat dengan tingkat akurasi 100%.

3.3 Pengujian 1 Orang yang lewat

Pengujian ini dilakukan untuk mengetahui tingkat akurasi dan kerberhasilan sistem dalam menghitung jumlah orang saat satu orang tersebut masuk dan keluar melewati pintu. Pada gambar 20 adalah perwakilan hasil saat satu

orang melewati pintu. Pada gambar 21 lcd berhasil menampilkan jumlah orang yang masuk dan keluar.

Gambar 20 Tampilan Hasil dan Bounding Box

Gambar 21 Tampilan LCD

Berdasarkan grafik hasil Rekapitulasi Pada Gambar 22 dapat disimpulkan bahwa dalam menghitung satu orang yang masuk dan keluar melewati pintu, sistem ini mempunyai akurasi masuk sebesar 87,5% dan keluar sebesar 87,5%. Sistem dapat menampilkan hasil di LCD dengan baik. didapatkan bahwa threshold yang dapat dipakai sebesar 100 hingga 700.

Gambar 22 Hasil rekapitulasi pengujian 1 orang yang lewat 0% 20% 40% 60% 80% 100% 0 100 200 300 400 500 600 700

Hasil Rekapitulasi

Masuk Keluar

3.4 Pengujian 2 Orang yang lewat secara bersamaan

Pengujian ini dilakukan untuk mengetahui tingkat akurasi dan kerberhasilan sistem dalam menghitung jumlah orang saat dua orang itu masuk dan keluar melewati pintu secara bersamaan. Pada gambar 23 adalah perwakilan hasil saat dua orang melewati pintu secara bersamaan. Pada gambar 24 lcd berhasil menampilkan jumlah orang yang masuk dan keluar.

Gambar 23 Hasil dan Bounding Box

Gambar 24 Tampilan LCD

Berdasarkan hasil pengujian dapat disimpulkan bahwa dalam menghitung dua orang yang masuk dan keluar secara bersamaan saat melewati pintu, sistem ini mempunyai akurasi masuk sebesar 87,5%% dan keluar sebesar 100%. Sistem dapat menampilkan hasil di LCD dengan baik. Pada saat pengujian jika manusia masuk dan keluar bersamaan berdempet maka citra objek akan di deteksi sebagai satu area, sehingga dalam deteksi manusia tersebut dapat mengurangi akurasi dalam menghitung jumlah orang melewati pintu. Berdasarkan grafik hasil rekapitulasi pada gambar 25 didapatkan bahwa threshold yang dapat dipakai sebesar 100 hingga 700.

Gambar 25 Hasil rekapitulasi pengujian 2 orang yang lewat secara bersamaan

3.5 Pengujian keseluruhan dengan sudut kemiringan kamera kertentu.

Pengujian ini dilakukan mengetahui tingkat akurasi dan sudut terbaik sistem dalam menghitung jumlah orang yang masuk maupun keluar. Pengujian ini menguji kesesuain sistem hasil deteksi manusia yang masuk dan keluar melewati pintu. Pengujian ini dilakukan dengan sudut kemiringan kamera 0-90 derajat. Pada gambar 26 dapat dilihat bahwa sistem dalam mendeteksi dan menghitung jumlah 1 orang yang masuk dan keluar memiliki akurasi rata – rata masuk sebesar 75% dan keluar 79% dengan sudut kemiringan kamera terbaik 70,80,90 derajat.

Pada gambar 27 dapat dilihat bahwa sistem dalam mendeteksi dan menghitung jumlah 2 orang yang masuk dan keluar secara bersamaan memiliki akurasi rata-rata masuk 71% dan keluar 71% dengan sudut kemiringan kamera terbaik 50,70 derajat.

Gambar 26 Hasil Rekapitulasi pengujian 1orang yang lewat dengan sudut kamera tertentu

0% 20% 40% 60% 80% 100% 0 100 200 300 400 500 600 700 Hasil Rekapitulasi Masuk Keluar 0% 20% 40% 60% 80% 100% 0° 10° 20° 30° 40° 50° 60° 70° 80° 90° Hasil Rekapitulasi Masuk Keluar

Gambar 27 Hasil rekapitulasi pengujian 2 orang yang lewat secara bersamaan dengan sudut

kamera tertentu 4. KESIMPULAN

Berdasarkan pengujian yang telah dilakukan, dapat diambil beberapa kesimpulan yaitu sistem ini menggunakan pemroses raspberry pi, webcam sebagai sensor untuk mengambil citra dan LCD 16x2 untuk menampilkan hasilnya. Saat mengimplementasi metode Background Subtraction berhasil untuk menemukan manusia bergerak. Saat melaukan pemrosesan terdapat beberapa masalah noise yang mengganggu kejernihan gambar sehingga membutuhkan suatu teknik Opening & Closing untuk menghilangkan dan mengisi lubang yang ada pada citra. Dalam menentukan masuk dan keluar manusia menggunakan tracking centroid objek sebagai penentu arah object masuk dan keluar.

Akurasi saat 1 orang melewati pintu saat masuk adalah 87.5% keluar 87.5%. Akurasi keseluruhan sudut 0°- 90° rata-rata masuk sebesar 75% dan keluar sebesar 79%. Pada saat pengujian ini didapatkan sudut kemiringan kamera terbaik adalah 70°, 80°, 90°. Sedangkan Akurasi saat 2 orang melewati pintu secara bersamaan saat masuk adalah 87.5% keluar 100%. Akurasi keseluruhan sudut 0°- 90° rata-rata masuk saat bersmaan sebesar 71% dan keluar bersamaan sebesar 71%. Pada saat pengujian 2 orang masuk dan keluar bersamaan didapatkan sudut kemiringan kamera terbaik adalah 50° dan 70°.

5. DAFTAR PUSTAKA

Bin, L., Jian, Z., Zheng, Z. & Yong, X., 2014. A People Counting Method Based on Head Detection and Tracking. IEEE International Conference on Smart Computing.p.6.

Carlo, P. et al., 2013. A People Counting Sistem for Business Analytics

.

10th IEEE International Conference on Advanced Video and Signal Based Surveillance.p.1.

Chen, D., Lin K., 2009. A Novel Viewer Counter For Digital Billboards. Fifth International Conference on Intelligent Information Hiding and Multimedia Signal Processing. p.1.

Jianpeng, Z. & Jack, H., 2005. Real Time Robust Human Detection and Tracking Sistem. Computer Society Conference on Computer Vision and Pattern Recognition (CVPR'05) Workshops.p.7. Khamphong, K. et al., 2016. A Computer

Vision Based Vehicle Detection and Counting Sistem. 8th International Conference on Knowledge and Smart Technology (KST).p.1.

Lijing, Z. & Yingli, L., 2010. Second International Workshop on Education Technology and Computer Science. IEEE.p.1.

Linda, S. & George, S., 2001. Computer Vision. Washington: The University of Washington.

Paramananda, R. G., 2017. Rancang Bangun Sistem Penghitung Jumlah Orang Melewati Pintu Menggunakan Sensor Infrared Dan Klasifikasi Bayes. Malang: S1.Universitas Brawijaya. 0% 20% 40% 60% 80% 100% 0° 10° 20° 30° 40° 50° 60° 70° 80° 90° Hasil Rekapitulasi Masuk Keluar