Reidentifikasi Orang Menggunakan Pose Aware CNN

reyanick, lastiko (2022) Reidentifikasi Orang Menggunakan Pose Aware CNN. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 07211840000078-Undergraduate_Thesis.pdf Restricted to Repository staff only Download (5MB) | Request a copy

Abstract

Kamera CCTV merupakan kamera keamanan yang dapat digunakan untuk meningkatkan sistem keamanan. Kamera pengawasan merupakan salah satu cara yang sudah umum untuk menerapkan pengamanan di suatu daerah. Hasil rekaman dari kamera CCTV ini dapat menjadi informasi yang vital untuk kasus seperti pencarian orang hilang, individu yang berbahaya, ataupun barang hilang yang dibawa oleh seorang individu. Dalam proses pencarian ini, umumnya masih dilakukan secara manual oleh petugas keamanan yang bertanggung jawab. Re-identifikasi orang merupakan salah satu metode yang dapat membantu pencarian orang. Re-identifikasi merupakan aplikasi dari teknik visi komputer dan deep learning yang melakukan pencocokan citra atau video dari seorang individu yang diambil dengan citra dari beberapa kamera dari beberapa sudut kamera. Estimasi pose merupakan teknik visi komputer yang dapat memprediksi dan melacak lokasi dari individu atau objek pada citra atau video. Estimasi ini diolah dengan menggunakan kombinasi pose dan orientasi dari objek yang diproses. Secara teknis, estimasi pose dilakukan dengan mengidentifikasi, mencari lokasi, dan melacak sejumlah keypoint pada objek atau individu. Tugas akhir ini bertujuan untuk menerapkan re-identifikasi orang dengan menggunakan Convolutional Neural Network yang menggunakan tambahan informasi estimasi pose untuk menerapkan modelnya. Hasil yang diharapkan dari tugas akhir ini adalah terciptanya sebuah model yang dapat melakukan re-identifikasi dengan tambahan informasi pose, sehingga proses pencarian orang di Indonesia dapat dilakukan dengan optimal.
==============================================================================================================================
CCTV cameras are security cameras that can be used to improve security systems. Surveillance cameras are one of the common ways to implement security in an area. The recordings from this CCTV camera can be vital information for cases such as the search for missing persons, dangerous individuals, or lost items under the control of an individual. In this search process, it is generally still done manually by responsible security officers. Re-identification of people is one method that can help with finding people. Re-identification is an application of computer vision and deep learning techniques that match the image or video of an individual taken with images from several cameras from several camera angles. Pose estimation is a computer vision technique that can predict and track the location of an individual or objects in the image or video. This estimate is processed by combining the pose and orientation of the object being processed. Technically, pose estimation is done by identifying, locating, and tracking a number of keypoints on objects or individuals. This final project aims to implement the re-identification of people using the Convolutional Neural Network which uses additional pose estimation information to apply the model. The expected result of this final project is the creation of a model that can perform re-identification with additional pose information, so that the process of searching for people in Indonesia can be carried out optimally.

Item Type:	Thesis (Other)
Additional Information:	RSKom 006.32 Rey r-1 2022
Uncontrolled Keywords:	Estimasi Pose, Neural Network, Re-identifikasi. Neural Network, Pose Estimation, Person Re-Identification.
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science. EDP
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Computer Engineering > 90243-(S1) Undergraduate Thesis
Depositing User:	Mr. Marsudiyana -
Date Deposited:	17 Jun 2026 07:25
Last Modified:	17 Jun 2026 07:25
URI:	http://repository.its.ac.id/id/eprint/133862

Actions (login required)

View Item