TUGAS AKHIR – TE 091399 RANCANG BANGUN SISTEM PENGHITUNG LAJU DAN KLASIFIKASI KENDARAAN BERBASIS PENGOLAHAN CITRA Oleh M Agus Taksiono
2209100708
Dosen Pembimbing Ronny Mardiyanto, ST., MT.,Ph.D Ir. Djoko Purwanto, M.Eng.,Ph.D JURUSAN TEKNIK ELEKTRO Fakultas Teknologi Industri Institut Teknologi Sepuluh Nopember
Latar Belakang data badan pusat statistik Indonesia jumlah kendaraan tahun 2001 adalah 20.922.235
tahun 2010 adalah 76.907.127
Informasi jumlah kendaraan di jalan kurang optimal
PERUMUSAN MASALAH Bagaimana menghitung laju kendaraan yang melintasi jalan raya ? Bagaimana mengklasifikasikan kendaraan yang melintasi jalan raya sesuai jenisnya?
BATASAN MASALAH Sensor yang digunakan adalah kamera.
Perhitungan laju kendaraan pada jalan raya yang satu arah.
TUJUAN TUGAS AKHIR Mampu menghitung laju kendaraan yang melintasi jalan raya
Mampu mengklasifikasikan kendaraan yang melintasi jalan raya sesuai jenisnya.
Motor
Mobil
Perancangan sistem
h Kamera capture citra kendaraan
Proses image processing di komputer
Data laju dikirim ke mikrokontroler
Ilustrasi kerja sistem secara global
Hasil ditampilkan di display
Capture citra kendaraan • • • • • •
240
320
HD video capture: Up to 1280 x 720 pixels Autofocus Photos: Up to 8 megapixels (software enhanced) Hi-Speed USB 2.0 certified (recommended) Universal clip fits laptops, LCD or CRT monitors 30 fps
Start Capture image
no
Proses image processing
Ada image • yes Background subtract
• •
Crop image Deteksi kendaraan dan klasifikasi Hitung laju kendaraan Hasil tampilkan di display finish
•
Prosesor Intel® Core™ i3 3217U Processor 1.8 GHz Memori DDR3 1600 MHz SDRAM 4 GB Grafis Integrated Intel® HD Graphics 4000 NVIDIA® GeForce® GT 635M dengan 2GB DDR3 VRAM Storage 500GB HDD
Background Subtraction
Slide show frame ke-1 sampai ke-3
frame3
frame1
foreground
Cropping citra
width x,y
height
Deteksi kendaraan dan klasifikasi •
metode Correlation Matching
•
metode Square Difference Matching
•
Mencari kontur citra Template Matching
•
Mencari kontur citra Background Subtraction
Template matching metode Correlation Matching
Template motor
Citra background subtract
Template mobil
for( y=0;y
height-img2->height;y++){ for( x=0;x< img1->width- img2 ->width;x++){ for( j=0;jheight;j++){ for( i=0;i< img2 ->width;i++){ nilai=abs((long)((long)img1>imageData[img1>widthStep*(y+j)+(x+i)*img1->nChannels]-img2>imageData[img2->widthStep*j+i*img2>nChannels]))+nilai;
= Hasil template macahing
Template matching metode Square Difference Matching
Template motor
Citra background subtract
Template mobil
= cvMatchTemplate(const CvArr* image,const CvArr* templ,CvArr* result,int method = CV_TM_SQDIFF_NORMED );
cvMinMaxLoc(result,&minv,&maxv,&minL,& maxL,0);
Hasil template maching
Start Set x,y Lebar,tinggi untuk cropping Crop citra hasil template matching Thresholding
Mencari kontur citra template matching 271 292 33
79 Sepeda motor mobil
271 33
Smoothing
hasil cropping
Hasil pencarian kontur pada citra template matching
Thresholding
hasil threshold mobil Cari kontur gambar kontur finish
Hasil threshold motor
Start Thresholding
Mencari kontur citra background subtract
Dilation Erosion Thresholding
Citra hasil thresholding Cari kontur Hitung bounding box kontur
Citra hasil dilation dan erosion Lebar ≥36
Mobil gambar kontur finish
Motor
Counting tiap frame Template matching
Start N Loc1.y≥196 Loc2.y≥221 Y Jumlah motor +1 Jumlah mobil +1 finish
Mencari kontur citra template matching counting tiap frame
Start kontur 1= motor Kontur 2 = mobil finish
Mencari kontur citra background subtract counting tiap frame Start Hitung bounding box kontur
Lebar ≥36
Mobil
Jumlah motor +1 Jumlah mobil +1
finish
Motor
Perhitungn laju
frame 1 2 3 4 5
spd mtr density spd mtr 1 4 4 4 4
1 3 0 0 0
Laju = 4
Perancangan hardware
Komunikasi Serial
Pengujian metode Correlation Matching tingkat keberhasilan spd mtr 291 dari 1500 frame
19.40%
rata-rata eror spd mtr 1.876666667 succses rate density motor 8 dari 60 13.30%
tingkat keberhasilan mobil 287 dari 1500 frame
19.13%
rata-rata eror mobil
1.28
succses rate density mobil 10 dari 60
16.67%
Pengujian metode Square Difference Matching tingkat keberhasilan spd mtr 291 dari 1500 frame 12.46%
350 dari 1500 frame
23.33%
rata-rata eror spd mtr 2.332666667
rata-rata eror mobil
1.658
succses rate density motor 5 dari 60 8.30%
tingkat keberhasilan mobil
succses rate density mobil 14 dari 60
23.33%
error
Pengujian cari kontur template matching tingkat keberhasilan spd mtr
tingkat keberhasilan mobil
291 dari 1500 frame
12.46%
496 dari 1500 frame
33.06%
rata-rata eror spd mtr
1.915333333
rata-rata eror mobil
1.226667
succses rate density motor 2 dari 60
3.33%
succses rate density mobil 8 dari 60
13.33%
error
Pengujian cari kontur background Subtract tingkat keberhasilan spd mtr 126 dari 1500 8.40% frame rata-rata eror spd mtr
2.648666667
succses rate density motor 0 dari 60 0.00%
tingkat keberhasilan mobil 335 dari 1500 22.33% frame
rata-rata eror mobil
1.465333333
succses rate density mobil 0 dari 60 0.00%
eror
Grafik error Metode 1 Metode 2 Metode 3
Metode 4
Grafik error motor
Grafik error mobil
Kesimpulan • • • •
metode Correlation Matching ataupun Square Difference Matching hanya bisa mendeteksi satu kendaraan untuk tiap frame. Metode Square Difference Matching lebih cepat Correlation Matching Metode template matching hanya mendeteksi 1 kali Metode pencarian kontur template matching dan background subtraction dapat mendeteksi lebih dari 1
Terima Kasih
