Deteksi objek merupakan salah satu bidang dalam computer vision yang bertujuan untuk melakukan pendeteksian terhadap suatu objek pada sebuah citra. Salah satu metode pendeteksian objek di computer vision adalah Histogram Oriented Gradient (HOG). Secara umum, metode HOG merupakan sebuah metode yang dijalankan dengan menghitung kemunculan orientasi gradien pada bagian-bagian lokal dari suatu gambar. Penggunaan metode ini membutuhkan dataset yang digunakan sebagai data latih.

Dataset yang digunakan dalam case study ni adalah Caltech101. Dataset ini terdiri dari 8677 citra yang dibagi ke dalam 101 jenis class atau object, misalnya gajah, sepeda, bola sepak, jam tangan, dan wajah manusia. Dataset ini pada umumnya digunakan untuk melakukan deteksi object pada masing-masing jenis class. Dengan kata lain, proses deteksi object ini bertujuan untuk mencari bounding box yang berisi object yang ingin dideteksi.

Tujuan dari case study ini adalah untuk mendeteksi bounding box sepeda motor menggunakan algoritma Histogram Oriented Gradient (HOG). Data latih merupakan citra sepeda motor berjumlah 798 buah yang diambil dari posisi samping kendaraan. Setiap citra sepeda motor tersebut dilengkapi dengan annotation yang menunjukkan bounding box sepeda motor. Pada umumnya, jenis sepeda motor yang digunakan sebagai data latih adalah sepeda trail dan sepeda berukuran besar dengan tangki bensin berada di bagian depan. Meskipun demikian, pada bagian pengujian akan diuji sepeda motor jenis automatic dan jenis bebek untuk mengetahui performa algoritma HOG dalam mendeteksi jenis sepeda motor tersebut.

Berikut merupakan beberapa contoh data latih yang digunakan dalam case study ini:

Hasil pengujian

Analisis Hasil

Berdasarkan 10 kali pengujian yang telah dilakukan, maka dapat disimpulkan bahwa algoritma HOG dapat mendeteksi seluruh sepeda motor dalam proses pengujian. Akan tetapi, bounding box yang terdeteksi terkadang melebihi object yang ingin dideteksi. Hal tersebut kemungkinan terjadi karena gradient atau perubahan warna antara tepian sepeda motor dengan warna diluarnya tidak terlalu signifikan sehingga bounding box yang didapatkan melebihi object sepeda motor tersebut.

Selain itu, dengan menggunakan data latih berupa sepeda motor berukuran besar saja, algoritma HOG yang digunakan terbukti dapat mendeteksi sepeda motor berukuran kecil dan besar sekaligus seperti yang ditunjukkan pada proses pengujian. Jadi, algoritma HOG dapat digunakan untuk mendeteksi berbagai jenis sepeda motor, termasuk sepeda motor bebek, automatic, dan kopling.