Sistem Pendeteksi dan Pergerakan Mobil - Anti Tabrakan

PENDAHULUAN

Sistem anti tabrakan dibutuhkan untuk meminimalisasi terjadinya kecelakaan. Sistem anti tabrakan memberikan ouutput kepada pengemudi mengenai keadaan yang sedang berlangsung dijalan raya. Sistem anti tabrakan berfungsi untuk memperingatkan pengemudi sesaat sebelum kecelakaan terjadi dan diharapkan dapat menghindarkan pengemudi dari kecelakaan. Salah satu penerapan dari sistem anti tabrakan adalah sistem pendeteksi mobil dan pergerakan mobil.

Pada penulisan ini akan melakukan penerapan teknologi video yang berisi sistem informasi untuk memberikan suatu informasi berupa deteksi mobil dan pergerakan mobil. Sistem ini berisi tentang pergerakan kendaraan yang ada di depan mobil pengemudi dan berguna efektif pada siang hari dengan kondisi cuaca cerah. Sistem informasi pendeteksi mobil dan pergerakan mobil diharpkan dapat mengurangi tingkat kecelakaan mobil.

PERANCANGAN

Sistem pendeteksi mobil dan pergerakan merupakan bagian dari sebuah sistem besar, yaitu sistem anti tabrakan. Sistem ini mendapatkan input dari webcam dan merekam pergerakan mobil, dari video yang telah diambil kemudian video tersebut dianalisis. Dari analisis video, kemudian dapat ditentukan objek mobil dan kendaraan beroda empat atau lebih beserta dengan pergerakan untuk kemudian akan memberikan output pada laptop.

Secara umum rancangan sistem dalam diagram alur berikut :

Inisialisasi Kamera

Inisialisasi kamera merupakan proses awal dalam segala hal yang diperlukan untuk menjalankan proses selanjutnya. Pada tahap inisialisasi kamera, untuk memudahkan user, GUI telah diinisialisasikan terlebih dahulu dengan berbagai tampilan-tampilan interface.

Akuisisi Citra

Akuisisi citra bertujuan untuk menentukan data yang akan diolah dan memilih metode yang diperlukan.

Pada penulisan ini, digunakan webcam untuk proses pemanggilan data dengan resolusi 640x480 pixel. Webcam yang digunakan merupakan webcam Logitech HD C525 dengan resolusi 720p. Pada saat proses pengambilan data, webcam dipasang diatas dashboard mobil, sehingga bagian depan mobil pengemudi tidak terekam oleh kamera.

Cutting/Cropping

Tujuan dari proses cutting/cropping adalah untuk mendapatkan area deteksi yang sesuai dengan kebutuhan proses pengolahan citra. Sehingga jika terdapat area yang tidak memungkinkan untuk terdeteksinya sebuah objek, maka area tersebut dapat dihilangkan.

Counting

Setelah sebuah gambar atau frame dideteksi oleh Haar classifier, langkah selanjutnya adalah menghitung jumlah objek (mobil) yang terdeteksi. Sebelumnya dilakukan perhitungan, terlebih dahulu dilakukan sebuah proses penanda atau (marking) terhadap objek yang telah terdeteksi dengan membuat sebuah kotak yang mengelilingi objek terdeteksi tersebut. Membuat kotak pada deteksi mobil bukanlah tugas dari classifier/detector, maka dari itu, harus dilakukan pengkotakan objek secara manual.

Deteksi Gerakan
Untuk mendeteksi gerakan langkah pertama adalah menentukan titik tengah dari objek yang telah terdeteksi. Untuk mencari titik tengah obek dapat digunakan rumus sebagai berikut :

C = (panjang kotak / 2, lebar kotak / 2)

C = titik tengah dari kotak penanda objek terdeteksi

Setelah ditentukan titik tengah dari objek yang terdeteksi maka akan ditemukan posisi piksel dari titik tengah tersebut, misalkan (120,60). posisi tersebut nanti akan menjadi acuan untuk mendeteksi gerak dari mobil.

Untuk menentukan pergerakan dari mobil (dalam hal ini gerak ke kiri dan ke kanan), terlebih dahulu di tentukan pembagian area deteksi. Pembagian area deteksi dibagi menjadi empat area, yaitu depan, kanan, kiri, dan bagian awas atau mobil berada di area aman mobil.

Menentukan Jarak Aman
Dalam sistem anti tabrakan salah satu aspek yang paling penting adalah menentukan jarak aman kendaraan. Jarak aman berfungsi sebagai penanda atau batas seberapa dekat kendaraan yang kita kemudikan berada di belakang mobil lain.

Berikut ini merupakan skema atau diagram alir dari proses pembentukan garis area aman menggunakan algoritma deteksi tepi Canny.

PENGUJIAN

Pengujian aplikasi Sistem Anti Tabrakan dilakukan dengan cara pengujian non real time yaitu dengan mengolah video yang sebelumnya sudah di rekam terlebih dahulu. Proses perekaman video dilakukan di Jalan Tol Buah Batu, dengan rute Buah Batu - Pasir Koja - Buah Batu.
Pengujian sistem ini menggunakan tiga buah video yang telah direkam sebelumnya di Jalan Tol Buah Batu, yaitu Video1.wmv, Video2.wmv, dan Video3.wmv. Dengan spesifikasi sebagai berikut :

Keterangan :

• Kecepatan mobil rekan merupakan kecepatan mobil di depan mobil pengemudi yang bekerjasama dalam pengujian.
• Pengujian dilakukan dalam rentang waktu 2 detik dan kemudian diselarasikan antara penglihatan mata dengan penglihatan sistem.

Pengujian terhadap Jumlah Kendaraan di Area Aman Kendaraan

Pengujian terhadap jumlah kendaraan di seluruh area pandang kamera dimaksudkan untuk menguji keakuratan classifier dalam mendeteksi jumlah mobil dan juga untuk menguji keakuratan pergerakan mobil dalam area - area yang telah ditentukan sebelumnya.

Pengujian terhadap Keakuratan Garis Area Aman

Pengujian terhadap keakuratan garis area aman dimaksudkan untuk mendeteksi tingkat akurasi dari sistem untuk mendeteksi garis batas bahu jalan pada jalan yang cenderung lurus.

ANALISIS

Analisis penyebab kegagalan pendeteksian kendaraan pada area tidak aman

• Faktor garis aman (total 42 kali)
• Kesalahan deteksi oleh classifier (total 11 kali)
• Mobil tidak terdeteksi (total 35 kali)

Analisis penyebab kegagalan pembentukan garis area aman

• Kesalahan pendeteksian garis (total 36 kali)
• Kamera (total 51 kali)
• Titik potong (total 24 kali)
• Jalan berkelok (total 19 kali)

KESIMPULAN

Dari hasil pengujian dan analisa yang telah dilakukan pada sistem, dapat diambil beberapa kesimpulan sebagai berikut :

1. Sistem yang dirancang sudah dapat mengenali objek (dalam hal ini mobil) dan mendeteksi pergerakan mobil pada siang hari, tetapi masih memiliki kelemahan dalam membedakan mobil dengan objek lain lain (misal papan penunjuk arah).
2. Sistem yang dirancang sudah dapat menghitung jumlah mobil yang berada di area aman. Sistem juga telah berhasil membuat garis area aman melalui bantuan garis batas bahu jalan dengan menggunakan  deteksi tepi Canny.
3. Tingkat akurasi dari sistem pendeteksi mobil pada area aman kendaraan adalah 81,21%, sedangkan tingkat akurasi keberhasilan sistem dalam membentuk garis area aman adalah 77,81%.

DAFTAR PUSTAKA
[1] Bradski, Gary., Adrian Kaehler. 2008. Learning OpenCV Computer Vision with the OpenCV Library. California: O'Reilly Media, Inc.
[2] Canny, John, 1986. A Computational Approach to Edge Detection. IEEE Transactions on Pattern Analysis and Machine Intelligence Vol. PAM1-8, No. 6, pp.679-698.
[3]  Fadlisyah.2007. Computer Vision dan Pengolahan Citra. Yogyakarta: Andi.
[4]  Santoso, Hadi., Agus Haryoko, Haar Cascade Classifier dan Algoritma Adaboost untuk Deteksi Banyak Wajah dalam Ruang Kelas. Pangkalpinang : Universitas Gadjah Mada.