Pemrosesan Video Pendeteksi Kecepatan dan Ketinggian Aliran Lahar Dingin Pendukung Sistem Peringatan Dini

Abstract

Abstrak

Pemrosesan video pendeteksi kecepatan dan ketingian aliran lahar dingin pendukung sistem peringatan dini merupakan salah satu sistem yang memanfaatkan  computer vision system  untuk deteksi kecepatan dan ketinggian aliran lahar dingin, yang selama ini belum menggunakan sensor deteksi kecepatan dan ketinggian lainnya kerena aliran lahar dingin bersifat merusak. Sistem ini merupakan tahap awal dalam perkembangan kearah sistem peringatan dini.

Metode deteksi ini dirancang untuk dapat mendeteksi kecepatan dan ketinggian aliran lahar dingin dengan menggunakan metode optical flow pyramidal Lucas Kanade, edge detection Sobel, thresholding, frame adder, hough transform, dilation  dan Region of Interest. Pemrograman menggunakan OpenCV 2.3.1 dan menggunakan Visual Studio 2010. Bahasa pemrograman yang digunakan adalah bahasa C++. 

Pengujian dengan beberapa sampel keadaan  menunjukkan bahwa metode ini memiliki nilai standar deviasi sebesar 0,033 untuk deteksi kecepatan, dan nilai standar deviasi  0,035 untuk deteksi ketinggian aliran. Kecepatan  minimal dan maksimal yang dapat terdeteksi bergantung pada jenis kamera yang digunakan dalam pengambilan data video, dalam hal ini sistem dengan kamera yang digunakan dapat mendeteksi kecepatan tiap frame dari perpindahan objek. Respon perubahan data ketinggian dan kecepatan aliran dapat dideteksi tiap frame, namun dalam penampilan nilainya dilakukan tiap 5 detik. Beberapa hal yang mempengaruhi keberhasilan metode ini adalah gerakan objek, pencahayaan lingkungan, serta spesifikasi perangkat keras yang digunakan.

Kata kunci—pemrosesan video, aliran lahar dingin, optical flow, edge detection,

region of interest.

Abstract

Detection level and speed of cold lava flow for supporting early warning system using video processing is one system that uses computer vision system for the detection level and speed cold lava flow, which have not used speed detection sensors because they can be damaged by cold lava flow, and in the case of this is an early stage in the development of early warning systems towards.

The detection method is designed to detect the speed and height of the cold lava flow using Pyramidal Lucas Kanade optical flow, Sobel edge detection, thresholding, frame adder, hough transform, dilation and Region of Interestusing. Programming using OpenCV 2.3.1 and using Visual Studio 2010. The programming language using C++.

The test results with some samples of the state shows that the method has a standard deviation value of 0.033 for the detection flow speed, and the standard deviation value of 0.035 for the detection of the flow height. Minimum and the maximum speed that can be detected depends on the type of camera used in the retrieval of video data, in this case with a camera system that is used to detect the speed of each frame of the object displacement. Response data changes level and speed can be detected per frame, but the appearance of the value performed every 5 seconds. Some things that affect the success of this method is the movement of objects, ambient lighting, and hardware specifications used.

Keywords—video processing, cold lava flow, optical flow, edge detection, region of interest.