Implementasi Algoritma Region of Interest (ROI) untuk Meningkatkan Performa Algoritma Deteksi dan Klasifikasi Kendaraan
Abstrak
Semakin tinggi kualitas suatu citra maka semakin detail informasi yang akan di peroleh. Tetapi, tidak semua wilayah citra memungkinkan untuk dilakukan analisis dengan kecepatan proses yang tinggi. Pemilihan algoritma yang tepat berpengaruh terhadap kecepatan waktu pemrosesan. Apabila tidak ada pembatasan untuk area yang akan di proses mengakibatkan waktu pemrosesan secara realtime melebihi waktu pemrosesan maksimal yang seharusnya. Tingginya waktu pemrosesan yang terjadi mengakibatkan aliran data menjadi kurang cepat. Sarana/processor yang digunakan juga mampu mempengaruhi kecepatan pemrosesan. Region Of Interest (ROI) adalah cara yang tepat untuk mengurangi tingginya waktu pemrosesan tersebut. ROI mampu menandai area tertentu sehingga dapat digunakan untuk mengoptimalisasikan kinerja sistem untuk mendeteksi, menghitung dan mengklasifikasi kendaraan secara realtime. Tanpa adanya ROI, pemrosesan dilakukan pada seluruh piksel citra tanpa terkecuali. Terdapat beberapa tahapan yang dilakukan di dalam penelitian yaitu menganalisis masalah yang ada, penentuan wilayah ROI, aplikasi ROI sebelum proses pengolahan citra dan menganalisis hasil yang di dapatkan. Hasil yang diperoleh adalah dengan menggunakan ROI waktu pemrosesan citra menggunakan metode segmentasi MOG2 dan tracking dapat lebih cepat dibandingkan dengan waktu pemrosesan ketika tidak menggunakan ROI dengan selisih 0,026 s atau setara dengan 26 ms/frame.
Abstract
Increasing resolution of an image is more detailed information will be obtained especially in the image used to detect vehicles. But, every singles areas are not allow to analize with higher speed process. If there are no restrictions for the area to be processed, the processing time in real time exceeds the maximum processing time that should be. The high processing time that occurs make less rapid data flow. The high processing time can affect to processing speed. Region Of Interest (ROI) is the right way to reduce the high processing time. ROI is able to mark certain areas so that it can be used to optimize system performance to detect, calculate and classify vehicles in realtime. Without ROI, processing is carried out on all pixels without exception. There are several steps taken in the research, namely analyzing existing problems, determining the ROI area, application of ROI before the image processing and analyzing the results obtained. The results obtained are by using ROI image processing time can be faster than the processing time when not using ROI.
Downloads
Referensi
Adistya, Rama, and M Aziz Muslim. 2016. “Deteksi Dan Klasifikasi Kendaraan Menggunakan Algoritma Backpropagation Dan Sobel.” Journal of Mechanical Engineering and Mechatronics 1 (2): 65–73.
Alamsyah, Derry. 2006. “1 Universitas Indonesia,” 1–21.
Coifman, Benjamin, David Beymer, Philip McLauchlan, and Jitendra Malik. 1998. “A Real-Time Computer Vision System for Vehicle Tracking and Traffic Surveillance.” Transportation Research Part C: Emerging Technologies 6 (4): 271–88. https://doi.org/10.1016/S0968-090X(98)00019-9.
Fajrin, Hanifah Rahmi. 2016. “Perbandingan Metode Untuk Perbaikan Kualitas Citra Mammogram.” Jurnal SIMETRIS 7 (2): 657–64.
Han, Sunhyoung, and Nuno Vasconcelos. 2008. “Object-Based Regions of Interest for Image Compression.” Data Compression Conference Proceedings, 132–41. https://doi.org/10.1109/DCC.2008.94.
Kurniawan, Wisnu Rizky. 2015. PURWARUPA SISTEM KLASIFIKASI DAN PENGHITUNG JUMLAH KENDARAAN BERMOTORMENGGUNAKAN KAMERAWEBCAM BERBASIS CITRA DIGITAL Di PT. Industri Telekomunikasi Indonesia (Persero).
Linda, Agustina S. 2010. “Penerapan Region Of Interest ( ROI ) Pada Metode Kompresi.” Penerapan Region Of Interest (ROI) Pda Metode Kompre, 1–14. https://doi.org/10.14710/JTSISKOM.3.2.2015.320-334.
Ma, Long, Bin Xu, Fukun Bi, He Chen, and Ying Yu. 2015. “Region Of Interests Extraction Based on,” 1–4.
Mu’arifah, Siti. 2018. “Internet of Things (Iot) Untuk Menghitung Dan Mengklasifikasi Jenis Kendaraan Bermotor Berbasis Pengolahan Citra Digital Tugas Akhir.”
Sogen, M.Dwiyanto Tobi, and Tubagus Maulana Kusuma. 2014. “Computer Vision.” https://doi.org/10.1007/978-0-387-31439-6.
Wicaksono, Danang Wahyu. 2017. “Pengembangan Sistem Estimasi Kecepatan Pada Kendaraan Bergerak Berbasis Pengolahan Citra Digital,” 127. http://repository.its.ac.id/2054/.
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Artikel ini berlisensi Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0)
Penulis yang menerbitkan di jurnal ini menyetujui ketentuan berikut:
- Penulis menyimpan hak cipta dan memberikan jurnal hak penerbitan pertama naskah secara simultan dengan lisensi di bawah Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0) yang mengizinkan orang lain untuk berbagi pekerjaan dengan sebuah pernyataan kepenulisan pekerjaan dan penerbitan awal di jurnal ini.
- Penulis bisa memasukkan ke dalam penyusunan kontraktual tambahan terpisah untuk distribusi non ekslusif versi kaya terbitan jurnal (contoh: mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan penerbitan awalnya di jurnal ini.
- Penulis diizinkan dan didorong untuk mem-posting karya mereka online (contoh: di repositori institusional atau di website mereka) sebelum dan selama proses penyerahan, karena dapat mengarahkan ke pertukaran produktif, seperti halnya sitiran yang lebih awal dan lebih hebat dari karya yang diterbitkan. (Lihat Efek Akses Terbuka).
