Pengenalan Plat Nomor Dan Wajah Pengendara Menggunakan Convolutional Neural Network Dan Metode Absolute Difference Pada Sistem Gerbang Otomatis

Rifki, Khamzul (2021) Pengenalan Plat Nomor Dan Wajah Pengendara Menggunakan Convolutional Neural Network Dan Metode Absolute Difference Pada Sistem Gerbang Otomatis. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

Text 10311710000037_Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2023. Download (3MB) | Request a copy

Abstract

Pencatatan identitas kendaraan dan pengendara di PT. XY merupakan proses pertama yang harus dilalui sebelum masuk lingkungan pabrik. Pencatatan dimulai dari nomer kendaraan, nama pengendara, dan darimana kendaraan berasal. Hal ini dilakukan untuk memverifikasi apakah kendaraan tersebut sesuai dengan data yang ada di pabrik. Dalam proses pencatatan identitas secara manual membutuhkan waktu yang cukup lama.
Dengan adanya sistem otomatisasi gerbang berbasis citra plat nomor dan wajah pengendara menggunakan metode absolute difference dapat menjadi solusi efektif untuk mengatasi diatas. Sistem ini dapat mengenali dan memberikan akses kepada pengendara kendaraan yang terdaftar dalam sistem untuk memasuki lingkungan pabrik. Namun, pada proyek akhir ini berfokus pada proses pembacaan dan pengenalan wajah dan plat nomor dengan pengujian menggunakan kendaraan sepeda motor. Proses deteksi wajah menggunakan haar-cascade sedangkan metode ekstraksi citra menggunakan Histogram of Oriented Gradient (HOG), untuk proses pengenalan wajah menggunakan library face recognition. Sedangkan pengenalan plat nomor menggunakan metode Convolutional Neural Network.
Pada pengujian wajah yang dilakukan dengan wajah tanpa penghalang dan menggunakan helm mendapatkan akurasi 100% . Untuk deteksi dan pembacaan plat nomor mendapatkan akurasi deteksi karakter 97,1%, akurasi pembacaan 94% untuk pembacaan plat dengan jarak 120 cm.
================================================================================================
Registration of vehicle and driver identity at PT. XY is the first process that must be passed before entering the factory environment. Recording starts with the vehicle number, the driver's name, and where the vehicle comes from. This is done to verify whether the vehicle matches the data at the factory. In the process of recording identity manually, it takes quite a long time.
The existence of a gate automation system based on the image of the license plate and the driver's face using the absolute difference method can be an effective solution to overcome the above. This system can recognize and provide access to vehicle drivers registered in the system to enter the factory environment. However, this final project focuses on the process of reading and recognizing faces and license plates by testing using a motorcycle. The face detection process uses haar-cascade while the image extraction method uses the Histogram of Oriented Gradient (HOG), for the face recognition process using the face recognition library. While the number plate recognition uses the Convolutional Neural Network method.
In the face test which was carried out with a face without a barrier and using a helmet, the accuracy was 100% For number plate detection and reading, character detection accuracy is 97.1%, reading accuracy is 94% for plate reading with a distance of 120 cm.

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	Pengenalan Wajah, Pengenalan Plat Nomor, Convolutional Neural Network, Histogram Of Oriented Gradient (HOG),Recognition, License Plate Recognition, Convolutional Neural Network, Histogram Of Oriented Gradient (HOG).
Subjects:	Q Science > QA Mathematics > QA336 Artificial Intelligence T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK3070 Automatic control
Divisions:	Faculty of Vocational > 36304-Automation Electronic Engineering
Depositing User:	Khamzul Rifki
Date Deposited:	25 Aug 2021 03:14
Last Modified:	25 Aug 2021 03:14
URI:	http://repository.its.ac.id/id/eprint/89242

Actions (login required)

View Item