Sistem Penghitung Jumlah Objek di Jalan Raya Menggunakan Background Substraction dan Tracking.

(1)

iii Universitas Kristen Maranatha

Sistem Penghitung Jumlah Objek di Jalan Raya Menggunakan Background

Subtraction dan Tracking

Devina Christabela S. 0722041

Email : ch.de2.2309@gmail.com

Jurusan Teknik Elektro Fakultas Teknik

Universitas Kristen Maranatha

Jl. Prof. Drg. Suria Sumantri no. 65, Bandung ,40164

Jawa Barat, Indonesia

ABSTRAK

Di Indonesia pelaksanaan penghitungan jumlah kendaraan di jalan raya masih dilakukan secara manual, oleh manusia.

Oleh sebab itu pada Tugas Akhir ini dibuat perangkat lunak untuk memudahkan melakukan survey penghitungan jumlah kendaraan di jalan raya yang menggunakan bahasa pemrograman Python dan bantuan library OpenCV serta Numpy.

Aplikasi ini akan memproses video untuk dicari objek yang bergerak dengan

background subtraction (dengan metode Gaussian Mixture Model/GMM), hasil

dari background subtraction berupa gambar biner yang merepresentasikan pixel 1 untuk foreground (objek yang bergerak) dan pixel 0 untuk background (bagian yang dianggap diam dari video). Kemudian dilakukan proses morphological

image processing untuk membentuk pixel foreground lebih terisi sehingga

(2)

iv Universitas Kristen Maranatha jumlah kontur frame sebelumnya diasumsikan terdapat kendaraan baru. Bila jumlah kontur frame sekarang sama dengan jumlah kontur frame sebelumnya diasumsikan jumlah kendaraan yang sama, atau adanya kendaraan yang keluar dari area penghitungan sekaligus ada kendaraan baru yang masuk pada area penghitungan. Bila jumlah kontur frame sekarang lebih kecil dari jumlah kontur frame sebelumnya diasumsikan terdapat objek yang hilang dari area penghitungan. Setiap kendaraan baru yang terdeteksi akan diberikan sebuah identitas angka mulai dari 1, yang akan bertambah setiap ada kendaraan baru. Identitas angka inilah yang nantinya akan dicari nilai terbesarnya sebagai jumlah kendaraan.

Realisasi Tugas Akhir ini berupa program aplikasi desktop yang dapat digunakan untuk menampilkan langsung jumlah kendaraan yang telah dihitung dengan tingkat keberhasilan 55,55%.

(3)

v Universitas Kristen Maranatha Objects Counter in Highway using Background Subtraction and Tracking

Devina Christabela S. 0722041

Email : ch.de2.2309@gmail.com

Department of Electrical Engineering, Faculty of Engineering Maranatha Christian University

Jl. Prof. Drg. Suria Sumantri no. 65, Bandung 40164 West Java, Indonesia

ABSTRACT

In Indonesia, survey of vehicle counter in highway still use people to counting the vehicles manually.

Because of this, author made a software as final essay project to counting vehicle easier with Python programming language, with support library OpenCV, and library Numpy.

This software will process the video to find moving objects using background subtraction with Gaussian Mixture Model (GMM) method, the result is binary image which represented by pixel 1 for foreground (the moving objects) and pixel 0 for background (part of video which is count as a non-moving objects). After that process, we do morphological image processing for fill in inside of moving objects contour to reduce error when counting. We compare the sum of contours in current frame with previous frame. If the sum of contours in current frame bigger than the sum of contours in previous frame we assume there have new objects. If the sum of contours in current frame same with the sum of contours in

previous frame we assume the sum of objects were same, or there’s new objects

(4)

vi Universitas Kristen Maranatha

using an identity number from 1. Later, these identity number will be use for find the total of counting vehicles.

The realization of final essay is a software which can be use to show directly the total of counting vehicles with succes rate 55,55%.

(5)

vii Universitas Kristen Maranatha

DAFTAR ISI

LEMBAR PENGESAHAN

PERNYATAAN ORISINALITAS LAPORAN PENELITIANiii

LEMBAR PERNYATAAN PERSETUJUAN PUBLIKASI KARYA ILMIAH untuk KEPENTINGAN AKADEMIS

II.3 GAUSSIAN MIXTURE MODEL (GMM) ... 7

(6)

viii Universitas Kristen Maranatha

II.5 MORPHOLOGICAL IMAGE PROCESSING ... 9

II.6 PENGHITUNGAN JUMLAH KENDARAAN ... 12

II.7 CENTROID (TITIK TENGAH KONTUR) ... 13

II.8 OPENCV ... 14

II.9 PYTHON ... 14

BAB III PERANCANGAN dan REALISASI ... 21

III.1 CARA KERJA SECARA UMUM ... 21

III.2 FLOWCHART dan REALISASI PERANGKAT LUNAK ... 22

III.2.1 BACKGROUND SUBTRACTION ... 22

III.2.2 MORPHOLOGICAL IMAGE PROCESSING ... 25

III.2.3 PENDETEKSI OBJEK ... 27

III.2.4 PELACAKAN dan PENGHITUNGAN KENDARAAN ... 32

BAB IV DATA PENGAMATAN dan ANALISA ... 44

(7)

ix Universitas Kristen Maranatha

DAFTAR GAMBAR

Gambar II.1 Contoh Supervised Learning ... 4

Gambar II.2 Contoh Unsupervised Learning ... 5

Gambar II.3 Contoh Unsupervised Learning ... 5

Gambar II.4 Contoh Variance Distribusi Normal ... 6

Gambar II.5 Contoh Gaussian Mixture Model ... 7

Gambar II.6 Contoh Struktur Element ... 10

Gambar II.7 Dilasi dari Gambar Biner dengan Struktur Elemen Kotak 2x2 ... 10

Gambar II.8 Proses Dilasi dari Gambar Biner dengan Struktur Elemen Kotak 2x2 pada y=3, x=7 ... 11

Gambar III.1 Blok Diagram untuk Menghitung Jumlah Objek dengan Masukan Video ... 21

Gambar III.2 Flowchart Background Subtraction (Bagian 1) ... 24

Gambar III.3 Flowchart Background Subtraction (Bagian 2) ... 25

Gambar III.4 Flowchart Morphological Image Processing Dilasi ... 26

Gambar III.5 Flowchart Pendeteksi Objek ... 28

Gambar III.6 Flowchart Modul Menemukan Kontur dari Gambar Biner ... 29

Gambar III.7 Flowchart Jumlah Centroid pada Frame Past Lebih Besar dari Frame Present ... 33

Gambar III.8 Flowchart Jumlah Centroid pada Frame Past Sama dengan Frame Present... 37

Gambar III.9 Flowchart Jumlah Centroid pada Frame Past Lebih Kecil dari Frame Present ... 40

Gambar IV.1 Hasil Keluaran dari Program (Kondisi: Kendaraan Belum Terdeteksi pada Area Penghitungan) ... 44

(8)

x Universitas Kristen Maranatha

DAFTAR TABEL

Tabel IV.1 Data Pengamatan Parameter per Video dengan Hasil Maksimum ... 46 Tabel IV.2.a Data Pengamatan dengan Perubahan Learning Rate untuk Video 1-5

... 47 Tabel IV.2.b Data Pengamatan dengan Perubahan Learning Rate untuk Video 6-9

... 48 Tabel IV.3.a Data Pengamatan dengan Perubahan Nilai Pengulangan Dilasi

dengan Struktur Elemen Kotak (2x2) Pixel dan Learning Rate=0.18 untuk Video 1-5 ... 49 Tabel IV.3.b Data Pengamatan dengan Perubahan Nilai Pengulangan Dilasi

dengan Struktur Elemen Kotak (2x2) Pixel dan Learning Rate=0.18 untuk Video 6-9 ... 49 Tabel IV.4.a Data Pengamatan dengan Perubahan Nilai Panjang dan Lebar Kontur

dengan Learning Rate=0.18, Pengulangan Dilasi dengan Struktur Elemen Kotak (2x2) Pixel=40 untuk Video 1-5 ... 50 Tabel IV.4.b Data Pengamatan dengan Perubahan Nilai Panjang dan Lebar Kontur

dengan Learning Rate=0.18, Pengulangan Dilasi dengan Struktur Elemen Kotak (2x2) Pixel=40 untuk Video 6-9 ... 51 Tabel IV.5.a Data Pengamatan Percobaan Akhir dengan Learning Rate=0.18,

Pengulangan Dilasi dengan Struktur Elemen Kotak (2x2) Pixel=40, dan Panjang, Lebar Kontur=11 Pixel untuk Video 1-5 ... 51 Tabel IV.5.b Data Pengamatan Percobaan Akhir dengan Learning Rate=0.18,

(9)

1 Universitas Kristen Maranatha

BAB I

PENDAHULUAN

Bab ini membahas dari latar belakang mengenai topik ini, masalah-masalah yang terjadi dalam pembuatan perangkat lunak ini, tujuan yang ingin dicapai, batasan-batasan masalah, dan sistematika penulisan dalam laporan ini.

I.1 LATAR BELAKANG

Penghitungan kendaraan yang melewati suatu jalan seperti jalan raya atau jalan bebas hambatan, biasanya dilakukan untuk mengetahui jumlah kendaraan yang melewati jalan tersebut sebagai data statistik untuk mengukur kenaikan volume lalu lintas, memperkirakan pendapatan dari pemakai jalan, atau pengembangan jalan.

Penghitungan ini dilakukan secara manual dengan menggunakan alat

counter yang ditekan setiap kali terdapat kendaraan lewat dalam jangka waktu

tertentu. Kemungkinan terdapat kesalahan yang dilakukan saat penghitungan, seperti salah menekan alat.

Perkembangan teknologi terutama dalam video processing dapat diterapkan untuk memudahkan penghitungan kendaraan dengan memasang kamera pemantau di jalan yang akan dilakukan penghitungan.

I.2 RUMUSAN MASALAH

(10)

2

I.3 TUJUAN PEMBAHASAN

Tujuan yang ingin dicapai adalah merancang suatu perangkat lunak yang dapat menghitung jumlah objek dengan masukan video pada jalan raya.

I.4 BATASAN MASALAH

Karena terlalu banyak variabel kondisi dalam topik ini seperti format video, ukuran video, format warna yang digunakan pada aplikasi ini, cuaca pada lokasi pengambilan video, dan lain-lain, sehingga penulis membatasi masalah dari perancangan aplikasi ini meliputi:

1. Data masukan yang digunakan berupa video dengan format AVI.

2. Video yang digunakan berwarna dan dalam keadaan cerah, dan diambil dari jalan satu arah.

3. Dalam area penghitungan hanya terdapat kendaraan mobil (mobil pribadi, taksi, mobil pick-up dan angkot) dan motor yang berada di jalan raya.

4. Kondisi kendaraan tidak ada yang berhenti tepat pada area penghitungan, dan tidak terdapat kondisi dua kendaraan yang terlalu dekat dan menyalip silang.

5. Penghitungan tidak dilakukan secara real time.

6. Menggunakan aplikasi Python dengan bantuan library OpenCV.

Spesifikasi software yang digunakan adalah: a. Library OpenCV 2.4.9.

(11)

3

I.5 SISTEMATIKA PENULISAN

Dalam penulisan laporan tugas akhir ini dibagi dalam lima bab, yaitu:

BAB I PENDAHULUAN

Pada bab ini, menjelaskan mengenai latar belakang, rumusan masalah, tujuan, batasan masalah, dan sistematika penulisan dari laporan tugas akhir ini.

BAB II LANDASAN TEORI

Bab ini membahas mengenai bahasa pemrograman Python, OpenCV,

background subtraction, distribusi normal (distribusi Gaussian),

menghitung centroid, penghitungan dan pelacakan kendaraan.

BAB III PERANCANGAN dan REALISASI

Pada bab ini dijabarkan mengenai tahap-tahap pembuatan program,

flowchart dan program.

BAB IV DATA PENGAMATAN dan ANALISA

Bab ini memberikan hasil dari uji coba program dan analisa spesifikasi parameter yang didapatkan.

BAB V KESIMPULAN dan SARAN

(12)

BAB V

KESIMPULAN dan SARAN

Bab ini memberikan pembahasan mengenai kesimpulan dari tugas akhir diikuti dengan pemberian saran untuk mengembangkan topik tugas akhir ini.

V.1

KESIMPULAN

Dalam tugas akhir ini, perancangan perangkat lunak yang dapat menghitung jumlah objek dengan masukan video pada jalan raya telah berhasil direalisasikan. Berdasarkan data pengamatan, dapat disimpulkan bahwa perangkat lunak ini dapat menghitung jumlah kendaraan dengan keberhasilan 55,55%.

V.2

SARAN

Topik ini dapat dikembangkan agar lebih baik hasilnya seperti dengan menggunakan shadow removal untuk tiap bayangan pada kendaraan, sehingga memungkinkan penghitungan kendaraan dengan kondisi antar kendaraan saling berdekatan.

(13)

DAFTAR PUSTAKA

1. Lefloch Damien, Real-time people counting system using video

camera, Universite de Bourgogne, Norwegia, 2007.

2. Li Xing Liang, Wu Yu Bao, Image object detection algorithm

based on improved gaussian mixture model, 2014.

3. Prince Simon J.D., Computer vision: models, learning, and

inference, Cambridge University, 2012.

4. Salvi G., An automated vehicle counting system based on blob

analysis for traffic surveillance, Itali.

5. Stauffer Chris, Grimson W.E.L, Adaptive background mixture

model for real-time tracking, 1999 IEEE Computer Society Conference on Computer Vision and Pattern Recognition (Cat. No PR00149). IEEE Comput. Soc. Part Vol 2.

6.

guneykayim-msc.googlecode.com/svn/trunk/doc/common/GMM.pdf, 4 Juli 2015.

7. http://docs.opencv.org/trunk/doc/py_tutorials/py_imgproc/py_co ntours/py_contours_hierarchy/py_contours_hierarchy.html, 30 Desember 2014.

8. http://opencv.org/about.html, 29 Desember 2014.

9. http://swaroopch.com/notes/python, 20 September 2014.

(14)

55 Universitas Kristen Maranatha 11.https://www.coursera.org/course/ml, 25 November 2014.

12.https://www.cs.auckland.ac.nz/courses/compsci773s1c/lectures/I mageProcessing-html/topic4.htm, 24 Februari 2015.