Super-Resolusi Video Menggunakan Metode Temporal Group Attention (TGA) Pada Identifikasi Plat Nomor Kendaraan Bergerak

Pratama, Ario Fajar (2022) Super-Resolusi Video Menggunakan Metode Temporal Group Attention (TGA) Pada Identifikasi Plat Nomor Kendaraan Bergerak. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6002201017-Master_Thesis.pdf Restricted to Repository staff only Download (5MB) | Request a copy

Abstract

Super resolusi video merupakan suatu metode yang bertujuan untuk menghasilkan frame resolusi tinggi (HR) dari pengamatan frame beresolusi rendah (LR) dengan mengekstraksi informasi spasial-temporal dalam frame LR. Di bidang Intelligent Surveillance System, kualitas visual dan identifikasi objek plat nomor tidak selalu terlihat jelas, salah satu alasannya adalah plat nomor memiliki ukuran yang kecil sehingga hasil deteksi dan pengenalan karakter yang dihasilkan kurang akurat. Dalam penelitian ini, super resolusi video dirancang dalam identifikasi plat nomor kendaraan menggunakan Temporal Group Attention (TGA) termodifikasi. Metode ini dirancang berdasarkan kerangka jaringan TGA yang sudah ada dengan memanfaatkan modul penggabungan peta fitur setiap grup menggunakan Mixed Spatial-Temporal Convolution (MSTC). Sebelum rekonstruksi menjadi frame HR, proses registrasi dilakukan untuk mengatasi gerakan yang ada pada setiap input frame. Hasil dari proses tersebut berupa peta fitur yang kemudian dilakukan proses temporal grouping dan ekstraksi setiap grup menjadi sebuah attention map. Selanjutnya, modul penggabungan grup konvolusi diterapkan serta dilakukan penggabungan sub-pixel upsampling agar menghasilkan peta fitur yang berisi informasi dari frame HR. Jaringan YoloV4 kemudian dimanfaatkan dalam model untuk identifikasi plat nomor kendaraan yang terdiri dari proses deteksi plat nomor dan pengenalan karakter plat nomor kendaraan. Hasil dari penelitian ini terbukti bahwa model SR pada identifikasi plat nomor memiliki akurasi yang lebih baik daripada model tanpa SR. Pada model SR diperoleh rata - rata akurasi identifikasi 79.13% dengan waktu 3.171892 detik. Sedangkan pada model tanpa SR memiliki rata - rata akurasi identifikasi 50.33% dengan waktu 3.115025 detik. Sehingga terbukti bahwa identifikasi plat nomor kendaraan mengalami peningkatan kinerja performansi ketika dilakukan super resolusi.
====================================================================================================================================
Video super-resolution is a method that aims to produce high resolution (HR) frames from low resolution (LR) frame observations by extracting spatial-temporal information in LR frames. In the field of Intelligent Surveillance Systems, the visual quality and identification of number plate objects are not always clearly visible. One of the reasons is that the number plates have a small size, so the detection and character recognition results are sometimes less accurate. In this study, video super-resolution was designed for vehicle number plate identification using a modified Temporal Group Attention (TGA). This method is designed based on the existing TGA network framework by utilizing each group’s feature map merging module using Mixed Spatial-Temporal Convolution (MSTC). Before reconstruction into HR frames, a registration process is carried out to overcome the movements in each input frame. The process results in a feature map, which is then carried out by a temporal grouping process and the extraction of each group into an attention map. Next, the convolution group merging module is applied, and sub-pixel upsampling is combined to produce a feature map containing information from HR frames. The YoloV4 network is then used in the vehicle license plate identification model, consisting of number plate detection and vehicle number plate character recognition. The results of this study proved that the SR model on number plate identification has better accuracy than the model without SR. The SR model obtained an average identification accuracy of 79.13% with 3.171892 seconds. In comparison, the model without SR has an average identification accuracy of 50.33% with a time of 3.115025 seconds, so it is proven that the identification of vehicle number plates has increased performance when super-resolution is carried out.

Item Type:	Thesis (Masters)
Additional Information:	RTMa 006.42 Pra s-1 2022
Uncontrolled Keywords:	Video Super Resolution (VSR), Temporal Group Attention (TGA), Mixed Spatial-Temporal Convolution (MSTC), Identifikasi Plat Nomor
Subjects:	T Technology > TA Engineering (General). Civil engineering (General) > TA1637 Image processing--Digital techniques. Image analysis--Data processing.
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Mathematics > 44101-(S2) Master Thesis
Depositing User:	Mr. Marsudiyana -
Date Deposited:	27 Apr 2026 08:48
Last Modified:	27 Apr 2026 08:48
URI:	http://repository.its.ac.id/id/eprint/132923

Actions (login required)

View Item