Klasifikasi jenis kendaraan bergerak berbasis geometric invariant moment

Hariyanto, Zamroji (2015) Klasifikasi jenis kendaraan bergerak berbasis geometric invariant moment. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[img]
Preview
Text
1211100058-Undergraduated_Thesis.pdf

Download (3MB) | Preview

Abstract

Penelitian ini bertujuan untuk mengklasifikasikan dan menghitung jenis kendaraan bergerak di suatu jalan raya dengan menggunakan pengolahan citra digital. Objek dari penelitian ini adalah video rekaman arus kendaraan. Kemudian dilakukan pemilihan ROI (Region of Interest) yang digunakan sebagai area klasifikasi dan penghitungan kendaraan bergerak. Selanjutnya setiap ROI pada frame dari video tersebut diproses menggunakan algoritma Background Subtraction dengan metode Gaussian Mixture Model untuk mendapatkan citra foreground dan background. Citra foreground difilter, dihilangkan bayangannya, dan dilakukan proses morfologi untuk menghilangkan noise pada citra. Kemudian citra hasilnya dianalisis blob untuk mendapatkan bagian piksel yang merupakan objek bergerak. Tahap berikutnya, setiap objek yang diperoleh diklasifikasi dengan Geometric Invariant Moment. Setiap objek akan dihitung nilai momen invarian pertama ( ) dan lebarnya kemudian dijadikan sebagai parameter untuk klasifikasi kendaraan. Apabila nilai parameter memenuhi nilai interval maka objek akan dikenali jenisnya sesuai dengan jenis yang didefinisikan pada interval tersebut. Hasil pengujian perangkat lunak dapat mengklasifikasikan kendaraan dalam tiga jenis kendaraan yaitu motor, mobil, dan truk/bus dengan tingkat akurasi tertinggi 94,27%. ================================================================================================== This study aims to classify and count the types of vehicles moving on a highway by using digital image processing. The object of this study is a video recording of the flow of vehicles. Then the election of ROI (Region of Interest) is used as the area classification and counting of moving vehicles. Furthermore, each ROI in the frame of the video is processed using background subtraction algorithm with Gaussian Mixture Model method to obtain the foreground and background images. Foreground image is filtered, eliminated its shadow, and performed morphological processes to eliminate noise in the image. Then the results are analyzed blob to get a part of the pixel which is the object moves. The next stage, each object obtained is classified by the Geometric invariant Moment. Each object will be counted the first of invariant moment ( ) and its widht, then it will be used as a parameter for vehicle classification. If the value of the parameter is in the interval, it will be recognized as type that is defined on the interval. The results of software testing can classify vehicles in three types of vehicles are motorcycle, car, and truck/bus with the highest level of accuracy is 94.27%

Item Type: Thesis (Undergraduate)
Additional Information: RSMa 516.156 Har k
Uncontrolled Keywords: Penghitungan Kendaraan, Pengklasifikasian Kendaraan, Pengolahan citra digital, Gaussian Mixture Model (GMM), Geometric Invariant Moment (GIM)
Subjects: Q Science > Q Science (General)
Q Science > QA Mathematics
Divisions: Faculty of Mathematics and Science > Statistics > (S1) Undergraduate Theses
Depositing User: Mr. Fandika aqsa
Date Deposited: 09 Jun 2017 03:18
Last Modified: 09 Jun 2017 03:18
URI: http://repository.its.ac.id/id/eprint/41551

Actions (login required)

View Item View Item