Sistem Deteksi Kendaraan Menggunakan Metode Image Processing pada Embedded System
| Main Author: | Sholeh, Ibrahim |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2016
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/147091/1/Sistem_Deteksi_Kendaraan.pdf http://repository.ub.ac.id/147091/ |
Daftar Isi:
- Pertumbuhan penduduk yang terus meningkat menyebabkan bertambahnya jumlah kendaraan yang memicu terjadinya kemacetan lalu lintas, sehigga dibutuhkan kebijakan pemerintah untuk mencegah kemacetan yang lebih parah. Untuk itu, perlu menganalisa jumlah kendaraan pada setiap daerah yang dituju. Akan tetapi, hal tersebut masih dilakukan secara manual sehingga biaya operasionalnya tinggi. Oleh karena itu, diperlukan sistem yang secara otomatis melakukan hal tersebut sehingga lebih efisien. Sistem diletakkan pada posisi yang tetap untuk mendeteksi kendaraan pada daerah tertentu. Sistem terdiri dari raspberry pi 2 sebagai perangkat keras, OpenCV sebagai perangkat lunak dan video sebagai data yang diproses. Video yang digunakan beresolusi 320x240 dengan framerate 29 fps (frametime 34,48 ms). Sistem menggunakan metode background substraction yaitu membandingkan gambar yang sekarang (foreground) ditangkap oleh sistem dengan yang sudah ditentukan sebelumnya (background). Jika terdapat perbedaan gambar, maka akan terdapat suatu objek. Lalu, citra disegmentasi dimana piksel putih menunjukkan objek, sedangkan piksel hitam adalah backgroundnya. Lalu piksel putih diukur luasnya, panjang dan lebarnya unutk menentukan objek tersebut adalah jenis kendaraan atau tidak. Hasil menunjukkan bahwa sistem ini dapat mendeteksi kendaraan berdasarkan jenisnya (mobil, truk dan bus) dengan akurasi sebesar 98% dan berdasarkan jumlahnya dengan akurasi sebesar 100%. Untuk performa, sistem membutuhkan waktu sekitar 138,3 ms untuk mengolah setiap frame video sedangkan pada komputer membutuhkan waktu sekitar 15,3 ms. Hal ini berarti embedded system belum mampu bekerja secara realtime karena waktu embedded system yang dibutuhkan untuk mengolah setiap frame video lebih besar dari frametime video. Oleh karena itu, butuh optimasi lebih lanjut untuk diimplementasikan secara langsung.