UMMAH, TUFFAHATUL (2017) DETEKSI KENDARAAN MENGGUNAKAN HISTOGRAM OF ORIENTED GRADIENTS DAN REAL ADABOOST. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
1211100048-Undergraduate_Theses.pdf - Published Version Download (3MB) | Preview |
Abstract
Sistem deteksi kendaraan merupakan salah satu teknologi yang sangat penting karena memiliki banyak aplikasi dalam bidang lalu lintas seperti pemantauan lalu lintas, penghitungan jumlah kendaraan yang lewat, penghitungan kecepatan kendaraan yang melaju, dan lain sebagainya. Histogram Of Oriented Gradients (HOG) adalah descriptor fitur yang digunakan untuk deteksi objek. HOG mendeskripsikan fitur berdasarkan histogram lokal dari orientasi gradien yang diberi bobot dengan magnitude gradien. Real AdaBoost adalah algoritma learning yang mengkombinasikan weak classifier menjadi strong classifier yang merepresentasikan output akhir dari classifier yang didorong. Penelitian ini bertujuan untuk mendeteksi kendaraan pada citra statis dengan menggunakan metode Histogram Of Oriented Gradients (HOG) dan Real Adaboost. Tahapan dari deteksi kendaraan ini yaitu pra-pemrosessan, proses ekstraksi fitur dengan HOG dan proses klasifikasi dengan Real Adaboost. Dari 257 citra kendaraan dan 35 citra bukan kendaraan didapatkan hasil pengujian dengan tingkat akurasi sebesar 91.78 %
===============================================================================================
Vehicle detection system is an important technology because it
has many applications in traffic field such as traffic monitoring,
counting the number of vehicles passing, calculating the speed of
an oncoming vehicle, and so on. Histogram Of Oriented
Gradients (HOG) is a feature descriptor used for the purpose of
object detection. HOG describes features based on local
histogram of gradient orientation weighted by gradient
magnitude. Real AdaBoost is a learning algorithm which
combined weak classifier into strong classifier that represents the
final output of the boosted classifier. This research aims to detect
vehicles in static image using Histogram Of Oriented Gradients
(HOG) methods and Real Adaboost. The steps of vehicle
detection are pra-processing, feature extraction process with
HOG and classification process with Real AdaBoost. The testing
result shows that the system can detect vehicles with an accuracy
level of 91.78 % from 292 testing image, from 257 image of
vehicle and 35 image of not vehicle.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Uncontrolled Keywords: | Deteksi Kendaraan, Ekstraksi Fitur, Histogram Of Oriented Gradients (HOG), Real Adaboost, Vehicle Detection, Feature Extraction |
| Subjects: | Q Science > QA Mathematics > QA75 Electronic computers. Computer science. EDP |
| Divisions: | Faculty of Mathematics and Science > Mathematics > 44201-(S1) Undergraduate Thesis |
| Depositing User: | - TUFFAHATUL UMMAH |
| Date Deposited: | 25 Jan 2017 06:47 |
| Last Modified: | 06 Mar 2019 07:07 |
| URI: | http://repository.its.ac.id/id/eprint/3084 |
Actions (login required)
 |
View Item |