Rancang Bangun Sistem Deteksi Otomatis

berbasiskan Video dan Web untuk

Menghitung dan Mengklasifikasikan

kendaraan pada jalan Bebas Hambatan

Dr. Mohammad Iqbal, SKom, MMSI. (NIDN.0331127506)

Dr. Rudi Trisno Yuwono SKom, MM. (NIDN. 0322066703)

Sigit Widiyanto, ST, MMSI, MSc. (NIDN. 0310019001)

Hadyan Mardhi Fadlillah, ST, MMSI, MSc. (NIDN. 0301019001)

Laporan Kemajuan Penelitian Unggulan Perguruan Tinggi

tahun 2016

Outline Presentasi

Metode Penelitian

Skedul Penelitian

Gambaran Rencana, Realisasi dan Tahapan Selanjutnya Jadwal Penelitian

Luaran Penelitian sampai saat ini :

Modul deteksi jenis / golongan kendaraan,

Modul deteksi kecepatan kendaraan

Modul deteksi plat nomor kendaraan

Modul deteksi kecelakaan

Modul deteksi kabut / keadaan cuaca

Modul desain variabel dinamis led matrix sign

Modul deteksi Kemacetan

Rencana Tahapan Berikutnya

Kesimpulan

Metode Penelitian

Skedul Penelitian

1. Tahap Persiapan

• Perencanaan operasional penelitian (dalam bentuk work

breakdown structure)

• Penelusuran pustaka :

• buku teks atau pun jurnal, prosiding dan artikel

ilmiah lainnya.

• diperoleh dari perpustakaan di instansi pendidikan

dan instansi kedinasan (Dinas Perhubungan,

pengelola jalan Toll), atau melalui internet.

• Konsultasi dengan pengelola jalan toll, yaitu pertemuan

dan diskusi dengan para stackholder terkait dengan

pengelolaan jalan Toll.

Skedul Penelitian

2. Tahap Analisis, Perancangan dan

Pembuatan Aplikasi

• Pemilihan model kamera outdoor yang

handal.

• Instalasi kamera dan pengambilan data

citra di lapangan.

• Analisis data hasil pengamatan awal

Skedul Penelitian

2. Tahap Analisis, Perancangan dan Pembuatan

Aplikasi (lanjutan)

• Pemilihan alat dan bahan penelitian yang meliputi

model-model Deteksi fitur berbasiskan video. Hasil

pengamatan awal menjadi dasar untuk menentukan

model algoritma yang dibutuhkan untuk membangun

sistem deteksi berbasiskan video ini

• Perancangan modul aplikasi deteksi fitur berbasiskan

video, meliputi : Pembuatan modul aplikasi deteksi jenis

/ golongan kendaraan, pembuatan modul aplikasi

deteksi plat nomor kendaraan, pembuatan modul

aplikasi perhitungan kecepatan rata-rata kendaraan

antara dua pintu tol masuk dan keluar dan integrasi

modul-modul aplikasi untuk fungsi perhitungan analisis

statistic laporan.

Skedul Penelitian

3. TAHAP PUBLIKASI

Pembuatan dan pengiriman artikel untuk

Seminar nasional (akhir september 2016)

Konferensi internasional / jurnal internasional

– bulan ke-8 penelitian (Oktober 2016)

Pengajuan hak cipta program komputer

pengurusan dimulai di bulan ke-8 penelitian

(Oktober 2016)

4. TAHAP PELAPORAN (Bulan Desember

2013)

Pembuatan laporan Akhir

Diseminasi / presentasi laporan akhir

Gambaran Rencana, Realisasi dan

Tahapan Selanjutnya Jadwal Penelitian

Luaran Penelitian sampai saat ini

Purwarupa Aplikasi deteksi fitur berbasiskan video :

Modul deteksi jenis / golongan kendaraan,

Modul deteksi kecepatan kendaraan

Modul deteksi plat nomor kendaraan

Modul deteksi kecelakaan

Modul deteksi kabut / keadaan cuaca

Modul desain variabel dinamis led matrix sign

Modul deteksi Kemacetan

Laporannya ada pada 7 artikel ilmiah yang terdiri dari 1

tugas Akhir skripsi dan 6 penulisan ilmiah yang diujikan

dalam rentang bulan Agustus dan September 2016

Luaran Penelitian sampai saat ini Modul deteksi jenis / golongan kendaraan

berbasiskan RaspberryPI yang

mengambil masukan citra objek

dari USB Camera. Algoritma

akan menentukan area deteksi

citra, lalu fitur citra diambil

dengan menggunakan

algoritma pencari fitur Haar

Cascade classifier.

Proses tracking menggunakan

kalman tracking, untuk

kemudian mensegmentasi

kendaraan, lalu dihitung

jumlahnya dengan membuat

acuan dua garis horisontal

virtual.

Luaran Penelitian sampai saat ini Modul deteksi kecepatan kendaraan

Modul ini berbasiskan

RaspberryPI menggunakan

kamera standard RaspberryPI ;

Picamera. Kamera diarahkan

secara horisontal kepada jalan

tempat kendaraan lewat.

Program utamanya adalah

fungsi yang dapat

menghasilkan nilai kecepatan

berdasarkan jumlah piksel yang

berubah dalam waktu tertentu,

diantara dua batas garis virtual

yang dibuat sebagai acuan.

Luaran Penelitian sampai saat ini Modul Deteksi plat nomor kendaraan

Modul ini berbasiskan RaspberryPI menggunakan kamera USB sebagai alat inputnya. Untuk keperluan deteksi plat nomor kendaraan menggunakan fungsi OpenALPR (Automatic License Plate Recognition) library yang bekerja berbasiskan algoritma LBP (Local Binary Pattern) cascade. Sedangkan untuk aplikasi video secara realtime menggunakan alat bantu MJPG-Streamer.

Hasil identifikasi dari OpenALPR berupa representasi teks dari plate nomor yang disimpan dalam bentuk file .csv, citra input pun tetap disimpan di media penyimpanan

Luaran Penelitian sampai saat ini Modul deteksi kecelakaan

Modul ini berbasiskan RaspberryPI

menggunakan kamera USB sebagai alat

inputnya. Deteksi kecelakaan

menggunakan metode Thresholding.

Dalam penelitian ini menggunakan

metode thresholding HFG (Histogram Of

Flow Gradient) yaitu modifikasi dari HOG

(Histogram Of Oriented Gradients).

Langkahnya pada proses awal adalah

mengkonversi citra RGB (Red, Green,

Blue) menjadi grayscale, yang kemudian

dilanjutkan dengan menghitung nilai

gradien setiap piksel. Proses selanjutnya

menentukan jumlah orientasi yang akan

digunakan dalam pembuatan

histogram.

Luaran Penelitian sampai saat ini Modul deteksi kabut / keadaan cuaca

Modul pendeteksi kabut ini tidak

menggunakan RaspiberryPI dan

teknik visualnya, tetapi

memanfaatkan Arduino dengan

menggunakan sensor LDR yang

cukup sensitif dan cepat untuk

mengetahui kondisi kabut/asap

jalan raya dan dalam modul ini,

jika terdeteksi kabut akan

menyalakan lampu kabut

secara otomatis.

Luaran Penelitian sampai saat ini Modul desain variabel dinamis led matrix sign

Modul untuk menginformasikan

kepada pengguna jalan mengenai

keadaan jalan yang berada

beberapa kilometer di depannya

agar dapat menganjurkan

pengendara untuk segera

mengendalikan kecepatannya.

Modul yang dibuat memiliki dua

fungsi, yaitu fungsi pengaturan

tulisan di di led matrix yang bisa

dikirim via perangkat mobile dan

fungsi otomatis mengubah

informasi sesuai dengan yang

dibaca oleh sensor ping. Modul ini

dibuat berbasiskan Arduino.

Luaran Penelitian sampai saat ini Modul deteksi Kemacetan

Modul pendeteksi kemacetan ini berbasiskan RaspberryPI dengan kamera USB.

Algoritma pendeteksi kemacetan yang digunakan adalah menghitung berapa jumlah kendaraan di antara dua batas area virtual pada citra, jika kendaraan tersebut jumlahnya banyak (dilihat dari obyek yang berada di antara dua batas area virtual) dan tidak bergerak (dilihat dari variabel waktu tracking terhadap obyek kendaraan yang sangat lambat), maka terdeteksilah kemacetan.

Rencana Tahapan

Berikutnya

TAHAP PERANCANGAN LANJUTAN

Pengadaan kamera dan sistem pendukungnya berdasarkan

hasil survey dan analisis kebutuhan melalui pembelian /

penyewaan peralatan

Instalasi kamera dan pengambilan data citra di lapangan dan

menganalisis data hasil pengamatan tersebut

Instalasi skenario perhitungan kecepatan rata-rata kendaraan

antara dua pintu tol masuk dan keluar dan pembuatan modul

aplikasinya

Integrasi modul-modul aplikasi untuk fungsi perhitungan analisis

laporan statistik dalam bentuk berbasiskan web.

Rencana Tahapan Berikutnya

TAHAP PUBLIKASI DAN PELAPORAN (Sep-Des 2016)

Pembuatan dan pengiriman artikel untuk Seminar nasional

(akhir september 2016), Konferensi internasional / jurnal

internasional – bulan ke-8 penelitian (Oktober 2016).

Pengajuan hak cipta program komputer pengurusan dimulai

di bulan ke-8 penelitian (Oktober 2016).

Pembuatan laporan Akhir bulan ke-9 penelitian (November

2016).

Diseminasi / presentasi laporan akhir.

Kesimpulan

Tim peneliti membagi titik fokus pengembangan sistem ini pada 3 bagian

utama, yaitu :

Pada bagian sistem masukan meliputi : pemilihan perangkat keras

kamera yang tepat dan skema instalasi yang handal, tahan terhadap

cuaca dan dapat menghasilkan kualitas citra yang cukup baik untuk

dapat diolah lebih lanjut

Pada bagian pengolahan video dan citra : memilih, memodifikasi

algoritma computer vision agar dapat menangkap fitur-fitur yang

penting dan diinginkan untuk dapat diolah lebih lanjut dengan baik,

yang memiliki waktu eksekusi yang cepat

Pada bagian luaran sistem : menyempurnakan antar muka dan

menyerderhanakan tampilan sign (tanda-tanda lalu lintas) yang

dinamis yang dapat menyesuaikan dengan situasi terkini di jalan toll

sehingga dapat menjadi peringatan atau anjuran bagi pengguna jalan

toll untuk lebih berhati-hati dan tampilan berbasis web untuk command

center

Selesai untuk hari ini dan

terimakasih