Perpustakaan Digital ITB

Pengawasan cerdas merupakan salah satu kebutuhan penting untuk keamanan di berbagai sektor, termasuk lingkungan publik, perkantoran, dan fasilitas industri. Sistem pengawasan tradisional seringkali menghadapi keterbatasan dalam hal cakupan area dan akurasi deteksi. Selain itu, sistem berbasis kamera tunggal tidak mampu memberikan gambaran menyeluruh dan sering kali memiliki titik buta. Pada proyek tugas akhir ini dikembangkan aplikasi pelacakan objek multi-kamera untuk pengawasan cerdas. Pengembangan aplikasi pelacakan objek multi-kamera menggunakan algoritma pencocokan fitur berbasis detektor dan tanpa detektor menjadi fokus utama dalam proyek tugas akhir ini. Tujuan dari tugas akhir ini adalah untuk mengembangkan aplikasi pelacakan objek multi-kamera yang mampu mengintegrasikan data dari beberapa kamera secara efektif dan akurat menggunakan algoritma pencocokan fitur berbasis detektor, yaitu SIFT dan Brute­ Force matcher, dan tanpa detektor, yaitu LoFTR. Metode yang digunakan dalam penelitian ini terdiri dari beberapa tahap, mulai dari pengumpulan data, pencocokan fitur, hingga integrasi data dari beberapa kamera. Hasil penelitian menunjukkan bahwa algoritma pencocokan fitur tanpa detektor memberikan performa yang lebih baik dibandingkan dengan algoritma pencocokan fitur berbasis detektor dalam hal akurasi pencocokan dan stabilitas homografi. Algoritma LoFTR menunjukkan stabilitas homografi yang lebih tinggi dengan nilai mean absolute error dan standar deviasi yang lebih rendah dibandingkan SIFT. Analisis lebih lanjut menunjukkan bahwa sistem yang dikembangkan mengalami penurunan performa pada sudut dan jarak yang ekstrem, terutama terlihat pada sudut 75° dan 90°, sertajarak di atas 3 meter, di mana akurasi pencocokan fitur dan stabilitas homografi menurun secara signifikan. Saran untuk penelitian lanjutan diantaranya, pengembangan algoritma pencocokan fitur yang lebih canggih, pengujian dalam lingkungan yang lebih dinamis, serta optimasi kinerja sistem untuk meningkatkan skalabilitas dan kecepatan pemrosesan. Penggunaan algoritma seperti deep learning LoFTR menunjukkan potensi besar dalam meningkatkan performa sistern pengawasan, sehingga membuka peluang untuk aplikasi yang lebih luas di masa depan.