Deteksi Jenis Kendaraan di Jalan Menggunakan OpenCV

Abstract

A293Abstrak-Saat ini, jalan raya merupakan komponen penting dalam lalu lintas. Dalam setiap kota, tidak semua jalan dapat dilalui oleh semua jenis kendaraan. Untuk membantu memantau kondisi jalan, diperlukan suatu program yang bisa mendeteksi jenis kendaraan yang melalui jalan tersebut. Sebelumnya, sudah ada program-program serupa yang mampu mendeteksi kendaraan di jalan raya. Namun, program-program tersebut hanya melakukan deteksi kendaraan saja. Program-program tersebut tidak mampu melakukan deteksi terhadap jenis kendaraan di jalan raya. Untuk itu, Studi ini adalah pengembangan lebih lanjut dari deteksi kendaraan yaitu melakukan deteksi jenis kendaraan serta menghitung kendaraan yang terdeteksi berdasarkan jenisnya. Tujuan Studi ini yaitu untuk membuat program yang mampu mengidentifikasi jenis kendaraan pada suatu input video dan menghitung jumlah kendaraan yang terdeteksi berdasarkan jenisnya. Pengguna cukup memasukkan video rekaman lalu lintas ke program CarDetection. Nantinya, program akan memproses video yang dimasukkan dan menghasilkan file .txt sebagai keluaran. File ini berisi jenis kendaraan yang terdeteksi beserta jumlah kendaraan yang terdeteksi berdasarkan jenisnya. Dari hasil pengujian, program memiliki akurasi rata-rata 77.8% untuk kondisi jalan sepi, 47.5% untuk kondisi jalan normal, dan 28.2% untuk kondisi jalan padat. Hal-hal yang mempengaruhi akurasi deteksi adalah sudut pandang kendaraan terhadap kamera, jarak antar kendaraan, serta waktu tempuh kendaraan dalam memasuki hingga keluar dari wilayah deteksi.Kata Kunci-Cascade, Classifier, Jenis kendaraan, Haar-like feature, OpenCV.

Implementasi algoritma pendeteksi tingkat kepadatan lalu lintas menggunakan metode background subtraction

“…Solusinya yaitu dengan meningkatkan kapasitas, memperluas lebar jalan atau menambah lajur lalu lintas, pembatasan kendaraan pribadi, baik menggunakan sistem ganjil genap maupun sistem 3 in 1, dan mengembangkan inteligent transportation system (ITS) atau sistem transportasi pintar yang saat ini sedang populer dikembangkan oleh beberapa peneliti. Metode deteksi jenis kendaraan di jalan menggunakan OpenCV telah dikembangkan pada penelitian [1]. Program ini dapat menghitung jumlah dan mengidentifikasi jenis JITEL (Jurnal Ilmiah Telekomunikasi, Elektronika, dan Listrik Tenaga) kendaraan yang melintas berdasarkan jenis kendaraan yang terdeteksi melalui video yang dimasukan ke dala program.…”

Estimation of Average Car Speed Using the Haar-Like Feature and Correlation Tracker Method

“…The government has a goal to realize traffic and road transportation that is safe, safe, fast, smooth, orderly and orderly, convenient and efficient through traffic management and traffic engineering. [2] Haar-like Feature is a classifier that is trained with several sample images of an object. The classifier is trained using the Adaboost algorithm.…”

“…The Haar-like Feature method is used to detect car plates [1] getting an accuracy of 94% with testing data of 3,000 car plate images. When it is used to detect the type of vehicle that is small, medium and large vehicles [2] get an accuracy of 77.8% when the road conditions are quiet and when the road conditions are busy accuracy becomes 28.8%. [3] Haar-like Feature is used to detect vehicles in the frame image on toll roads getting an average accuracy of 92.3%.…”

Metode HLF untuk Deteksi Objek Terapung pada Permukaan Sungai Martapura

“…Dapat dilihat pada tabel 3, dari 3 durasi yang berbeda, secara umum terlihat hasil deteksi dengan menggunakan kamera smartphone memiliki akurasi 0%, sedangkan hasil deteksi citra dengan menggunakan kamera DSLR menghasilkan akurasi 63-75%. (Waliulu 2018;Lazaro et al 2018), dan bukan objek yang berada pada permukaan air sungai. Beberapa penelitian objek yang berada pada sungai, hanya sebatas deteksi dari citra satelit (Borghgraef et al 2010;Hinojosa et al 2011;Komorkiewicz et al 2012).…”