Laporkan Masalah

SISTEM PENGHITUNG JUMLAH KENDARAAN RINGAN RODA EMPAT PADA JALAN RAYA DENGAN METODE HAAR CASCADE CLASSIFIER DAN CAMSHIFT

ARIESTA MARTININGTYAS HANDAYANI, Drs. Agus Harjoko, M.Sc., Ph.D

2015 | Tesis | S2 Ilmu Komputer

Pada sistem pemantauan lalu lintas, informasi seputar kendaraan yang melintas dibutuhkan karena digunakan dalam proses analisis lebih lanjut. Agar pemantauan dengan memanfaatkan kamera tersebut dapat dilakukan secara otomatis, dibutuhkan sistem pengolahan video yang dapat memberikan beberapa informasi seputar kondisi lalulintas di lapangan. Salah satu kondisi tersebut adalah jumlah kendaraan yang melintasi suatu jalan raya. Untuk dapat melakukan perhitungan tersebut dibutuhkan pengenalan kendaraan dan tracking kendaraan. Penelitian seputar pengenalan jenis kendaraan serta pelacakan kendaraan dapat dilakukan dengan menggunakan beberapa metode. Salah satunya adalah Haar Cascade Classifier serta Camshift. Pada penelitian ini akan digunakan metode Haar Cascade Classifier serta Camshift. Haar Cascade Classifier akan digunakan untuk pengenalan kendaraan. Pelacakan dengan menggunakan camshift dengan memanfaatkan hasil pendeteksian dari Haar Cascade Classifier. Jika pengenalan tidak bisa dilakukan, maka camshift akan melakukan pelacakan dengan menggunakan posisi hasil pelacakan kendaraan terakhir. Hasil perhitungan dilakukan dengan cara jika kendaraan yang terlacak berada antara sumbu y 100 hingga 105, maka kendaraan akan ditambahkan dengan 1. Hasil pengujian menunjukkan akurasi perhitungan jumlah kendaraan adalah 98%, akurasi hasil pengujian pendeteksian kendaraan dengan menggunakan nilai min_neighbors 2 adalah 87%, akurasi hasil pengujian pendeteksian kendaraan dengan menggunakan nilai min_neighbors 3 adalah 93%, akurasi hasil pengujian pendeteksian kendaraan dengan menggunakan nilai min_neighbors 4 adalah 87%, akurasi hasil pengujian pendeteksian kendaraan dengan menggunakan video rekaman lalu lintas pada jenis kendaraan berat adalah 42%, akurasi hasil pengujian pendeteksian kendaraan dengan menggunakan video rekaman lalu lintas pada jenis kendaraan ringan roda empat adalah 90%, dan akurasi hasil pengujian pendeteksian kendaraan dengan menggunakan video rekaman lalu lintas pada jenis kendaraan beroda dua adalah 81%. Kata kunci: Haar Cascade Classifier, camshift, pengolahan video

At the traffic monitoring system, information about passing vehicles is needed for use in the process of further analysis. In order to take advantage of the camera monitoring can be done automatically, it takes a video processing system that can provide some information about traffic conditions on the ground. One of these conditions is the number of vehicles crossing a highway. To be able to perform the calculations, the introduction of vehicles and vehicle tracking are required. Research about the introduction of the type of vehicle and vehicle tracking can be done using several methods. One of them is a combined method that consists of Haar Cascade Classifier and Camshift. In this reserach, we will be used Haar Cascade Classifier and Camshift methods. Haar Cascade classifier is used to detect some vehicles. Camshift is used to track by utilizing the detection result of Haar Cascade Classifier. If the recognition cannot be done, then camshift will track using the latest vehicle position tracking results. The result of the calculation is done in a way if the vehicle is tracked between the 𝑦-axis values from 100 to 105, and then the vehicle will be added by 1. The results show the accuracy of the calculation of the number of vehicles is 98%, the accuracy of the test results of vehicle detection using min_neighbors value 2 is 87%, the accuracy of the test results of vehicle detection using 3 min_neighbors value is 93%, the accuracy of the test results of vehicle detection using min_neighbors value of 4 is 87%, the accuracy of the test results of vehicle detection using a video recording of traffic on the type of heavy vehicles is 42%, the accuracy of the test results of vehicle detection using a video recording of traffic on the type of light four-wheeled vehicles is 90%, and the accuracy of the test results with the vehicle detection traffic using video footage on the type of two-wheeled vehicles is 81%. Keyword: Haar Cascade Classifier, camshift, video processing

Kata Kunci : Haar Cascade Classifier, camshift, pengolahan video;


    Tidak tersedia file untuk ditampilkan ke publik.