DETEKSI KENDARAAN MENGGUNAKAN HISTOGRAM OF ORIENTED GRADIENTS DAN REAL ADABOOST

UMMAH, TUFFAHATUL (2017) DETEKSI KENDARAAN MENGGUNAKAN HISTOGRAM OF ORIENTED GRADIENTS DAN REAL ADABOOST. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[img]
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 > (S1) Undergraduate Theses
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 View Item