Analisis metode Kalman filter, particle filter dan correlation filter untuk pelacakan objek

Pelacakan objek merupakan hal yang menantang dalam computer vision. Pelacakan objek dibagi menjadi dua, yaitu bisa berupa satu objek atau beberapa objek, tergantung pada objek yang sedang diamati. Proses dalam pelacakan objek berupa satu objek adalah memperkirakan target pada urutan setelahnya berdasarkan informasi dari frame pertama yang diberikan. Dalam pelacakan objek berupa single object tracking, Ada lima langkah yang sering digunakan dalam metode diskriminatif, diantaranya model gerak, ekstraksi ciri, model observasi, pembaruan model dan metode integrasi. Meskipun berbagai algoritma dari pelacakan objek diusulkan, masih terdapat kegagalan dalam proses pelacakan objek yang disebabkan oleh oklusi, deformasi target yang non-rigid, dan faktor lainnya. Penelitian ini mengusulkan implementasi metode kalman filter, particle filter, dan correlation filter untukpelacakan objek pada data video. Hasil implementasi ketiga metode tersebut dapat melacak objek pada data video lalu lintas dan video sirkuit naskar. Dalam kalkulasi tracking objek dan analisis metode, Kalman filter mendapatkan 96,89% dimana metode Kalman lebih baik dari segi akurasi dibandingkan dengan metode lainnya. Sedangkan dalam performansi rata-rata waktu komputasi, metode korelasi mendapatkan 26,69 FPS, dimana metode korelasi lebh unggul dibanding metode kompetitor lainnya.