Implementasi Machine Learning dan Computer Vision pada Pengembangan Sistem Otomasi Klasifikasi dan Perhitungan Kendaraan

Dian Agustiani

Sari


Pertumbuhan jumlah kendaraan telah membuat beban lalu lintas jalan semakin meningkat. Kepadatan dan kemacetan telah menjadi hal yang biasa, terutama di kota-kota besar. Hal ini membuat pemerintah setempat, melalui petugas yang dimiliki, melakukan berbagai upaya, salah satunya adalah rekayasa lalu lintas. Rekayasa lalu lintas biasanya dilakukan berdasarkan kepadatan jumlah kendaraan serta jenis kendaraan yang terdapat di suatu ruas jalan. Berbagai solusi teknologi dapat diterapkan untuk mengakomodir kebutuhan tersebut, salah satunya adalah computer vision. Teknologi computer vision dapat dijadikan alternatif solusi dalam membantu petugas pemantau lalu lintas. Dukungan computer vision sudah tersedia dalam bentuk library open source, yakni dengan memanfaatkan fungsi-fungsi yang terdapat dalam library OpenCV. Library tersebut sudah mampu melakukan klasifikasi jenis kendaraan untuk kemudian dihitung oleh sistem. Dengan otomasi klasifikasi dan perhitungan jumlah kendaraan, diharapkan dapat meringankan beban kerja petugas.

Kata kunci — kendaraan, computer vision, OpenCV


Teks Lengkap:

PDF

Referensi


B. P. S. (BPS), “Perkembangan Jumlah Kendaraan Bermotor Menurut Jenis, 1949-2017,” 2019. [Online]. Available: https://www.bps.go.id/linkTableDinamis/view/id/1133. [Accessed: 15-Apr-2019].

D. P. P. D. Jakarta, “Data Pemetaan Lokasi CCTV Dinas Perhubungan Provinsi DKI Jakarta,” 2018. [Online]. Available: http://data.jakarta.go.id/dataset/data-pemetaan-lokasi-cctv-dinasperhubungan-provinsi-dki-jakarta. [Accessed: 16-Apr-2019].

R. Justin and R. Kumar, “Vehicle Detection and Counting Method Based on Digital Image Processing in Python,” no. 1, pp. 141–147, 2018.

K. Mistry and A. Saluja, “An Introduction to OpenCV using Python with Ubuntu,” Int. J. Sci. Res. Comput. Sci. Eng. Inf. Technol., vol. 1, no. 2, pp. 65–68, 2016.

M. R-cnn, P. Doll, and R. Girshick, “Mask R-CNN,” IEEE Int. Conf. Comput. Vis. (pp. 2980–2988). IEEE., pp. 2980–2988, 2017.

S. Nayak, “Deep learning based Object Detection and Instance Segmentation using Mask R-CNN in OpenCV (Python / C++),” 2018. [Online]. Available: https://www.learnopencv.com/deeplearning-based-object-detection-and-instance-segmentation-usingmask-r-cnn-in-opencv-python-c/. [Accessed: 17-Apr-2019].


Refbacks

  • Saat ini tidak ada refbacks.