SOC Press, Indonesia Symposium on Computing (IndoSC) 2016

Font Size: 
Klasifikasi Kendaraan di Jalan Tol dengan Menerapkan Metode Local Binary Pattern dan Linear Discriminant Analysis
afrizal firdaus


Full Text: PDF

Abstract


Klasifikasi kendaraan pada jalan tol merupakan hal yang penting untuk mengetahui jenis kendaraan apa saja yang melalui daerah tersebut. Namun hal tersebut tentunya membutuhkan usaha yang besar jika pekerjaan tersebut dilakukan oleh pengamatan manusia. Computer vision merupakan suatu cabang keilmuan yang mampu menggantikan peran tenaga ahli dalam melakukan penilaian visual. Dengan menggunakan computer vision tentunya dapat membantu pekerjaan manusia untuk mengamati objek visual terlebih lagi jika dalam jumlah banyak. Penelitian ini menggunakan video yang diambil menggunakan handycam di jalan tol Pasir Koja dengan menggunakan 2 buah dataset di lokasi yang berbeda. Metode yang digunakan dalam penelitian ini adalah Gaussian Mixture Model sebagai metode untuk memisahkan background dan foreground, Local Binary Pattern sebagai metode ekstraksi ciri, dan Linear Discriminant Analysis sebagai metode klasifikasi. Hasil pengujian terbaik didapatkan ketika melakukan pengujian dengan menggunakan parameter LBP
radius 2, pembagian jumlah region menjadi 25 buah, dan ukuran citra 60x60 piksel. Hasil pengujian didapatkan dengan menghitung F1 measure rata-rata dan didapatkan nilai 82.33%.

Reference


[1] Yousaf, K., Iftikhar, A., & Javed, A. (2012). Comparative analysis of automatic vehicle classification techniques: a survey. International Journal of Image, Graphics and Signal Processing, 4(9), 52. Crossref

[2] Guo, Z., Zhang, L., & Zhang, D. (2010). A completed modeling of local binary pattern operator for texture classification. IEEE Transactions on Image Processing, 19(6), 1657-1663. Crossref

[3] Mejia-Inigo, R., Barilla-Perez, M. E., & Montes-Venegas, H. A. (2009, January). Color-based texture image segmentation for vehicle detection. In Electrical Engineering, Computing Science and Automatic Control, CCE, 2009 6th International Conference on (pp. 1-6). IEEE. Crossref

[4] PTIIK, “Pengenalan Pola. Klasifikasi - Linear Discriminant Analysis,” 2014.

[5] Rostianingsih, S., Setiawan, F., Alumnus, J. T. I., & Wibisono, S. (2009). ADAPTIVE BACKGROUND DENGAN METODE GAUSSIAN MIXTURE MODELS UNTUK REAL-TIME TRACKING.

[6] S. Rosmiar, A. Romadhony dan B. Purnama, “Klasifikasi Jenis Kendaraan Menggunakan Metode Gabor Wavelet dan Linear Discriminat Analysis (LDA),” Fakultas Informatika Institut Teknologi Telkom Bandung, 2013.

[7] Ghazali, S. Eko, G. Burhanuddin dan I. Niam, “Aplikasi Kematangan Tomat Berdasarkan Warna dengan Metode Linear Discriminant Analysis (LDA),” Jurnal Informatika.

[8] R. Aeri, “Ekstraksi Fitur Menggunakan Metode LDA Dan Pemilihan Eigen Value pada Cacat Kertas Duplek,” Jurnal SimanteC, p. 8, 2013.

[9] Rabiu, H. (2013). Vehicle detection and classification for cluttered urban intersection. International Journal of Computer Science, Engineering and Applications, 3(1), 37. Crossref

[10] Chen, Z., Ellis, T., & Velastin, S. A. (2012, September). Vehicle detection, tracking and classification in urban traffic. In 2012 15th International IEEE Conference on Intelligent Transportation Systems (pp. 951-956). IEEE.

Last modified: 2016-11-02