DETEKSI KENDARAAN YANG PARKIR SECARA ILEGAL

MENGGUNAKAN METODE DUAL BACKGROUND SUBTRACTION

DAN HISTOGRAM OF ORIENTED GRADIENTS (HOG)

Oleh

Nicholai Missa

NIM: 612008068

Skripsi

Untuk melengkapi salah satu syarat memperoleh

Gelar Sarjana Teknik

Program Studi Teknik Elektro

Fakultas Teknik Elektronika dan Komputer

Universitas Kristen Satya Wacana

Salatiga

Januari 2016

i

INTISARI

Permasalahan transportasi yang sering dijumpai terutama di perkotaan selain

kemacetan adalah pengendalian parkir yang tidak teratur. Tingkat penggunaan fasilitas parkir

yang tidak terkendali dan keterbatasan penyediaan lokasi parkir mempengaruhi kelancaran

transportasi. Banyak pengguna lalu lintas memarkirkan kendaraannya di luar lokasi parkir

seperti di badan jalan atau di tempat lain yang seharusnya bukan menjadi lokasi parkir. Cara

mengurangi hal tersebut, selain rekayasa sosial, adalah memanfaatkan teknologi pengawasan

kamera statis. Prinsip kerjanya ialah mendeteksi kendaraan yang parkir di daerah larangan

parkir dan akan memberikan tanda peringatan setelah kendaraan parkir dalam selang waktu

tertentu. Metode yang digunakan adalah Dual Background Subtraction. Sistem membedakan

antara orang dan kendaraan yang parkir secara ilegal, menggunakan metode Histogram of

Oriented Gradients (HOG). Sistem ini disusun oleh perangkat lunak berupa aplikasi

antarmuka pengguna dan perangkat keras berupa web camera yang dikelilingi oleh High

Power Light-Emitting Diode (HPLED) untuk membantu pencahayaan. Sistem ini juga

dilengkapi dengan pengaturan Region of Interest (ROI) secara manual oleh pengguna.

Berdasarkan pengujian menggunakan video dataset dan pengujian secara purna waktu, Sistem

ini mampu mendeteksi kendaraan yang parkir secara ilegal dengan akurasi rata-rata hingga

mencapai 99,20 % pada kondisi terang, dan akurasi rata-rata hingga mencapai 60,86 % pada

kondisi gelap. Nilai threshold dan learning rate yang ditentukan adalah 70, 0,9 (learning rate

short background) dan 0,002 (learning rate long background). Penggunaan ROI mempercepat

proses deteksi dengan hanya memproses blob di dalam area ROI. Sistem juga mampu

mendeteksi lebih dari satu kendaraan yang parkir secara ilegal. Sistem menyalakan alarm

tanda peringatan kendaraan yang parkir secara ilegal setelah waktu 3 menit.

Kata Kunci: Dual Background Subtraction, Histogram of Oriented Gradients (HOG),

Region of Interest (ROI).

ii

ABSTRACT

One common issues existing in the topic of transportation – besides traffic jam – is bad

parking control. Uncontrollable uses of parking facilities and lack of parking provisions affect

the fluency of transports. Many traffic users tend to park their vehicles outside parking lot as

on sidewalks or any other sites that are not supposed to be parking lot. To minimize that issue,

besides using social engineering method, surveillance technology with static camera is being

used. In principle, the technology detects illegally parked vehicles outside parking lot and

provides an alarm as a sign of warning after several minutes of detection process. The method

used in this system is Dual Background Subtraction. The system differentiates between

persons and illegally parked vehicles using Histogram of Oriented Gradients (HOG) method.

It is arranged by a user interface application as software and a web camera surrounded by

High Power Light-Emitting Diode (HPLED) to help the illumination. The system is also

provided with manual Region of Interest (ROI) settings by the user. Based on the test using

video datasets and real-time test, the system is capable of detecting illegally parked vehicles

with the average accuracy rate up to 99,20 % in bright conditions, and up to 60,86 % in dark

conditions. The threshold and learning rate value are set to be 70, 0,9 (learning rate short

background) and 0,002 (learning rate long background), respectively. The use of ROI

advances the speed of detection process by only operating the blob inside the area of ROI.

System is also capable of detecting many vehicles that parked illegally. It switches the alarm

of warning sign on the vehicles that parked illegally after 3 minutes of time.

Keywords: Dual Background Subtraction, Histogram of Oriented Gradients (HOG),

Region of Interest (ROI).

iii

KATA PENGANTAR

Puji dan syukur penulis panjatkan kepada Tuhan Allah Yang Maha Esa atas segala

penyertaan dan anugerahNya sehingga penulis dapat menyelesaikan skripsi ini dalam rangka

menyelesaikan studi di Fakultas Teknik Elektronika dan Komputer dan memperoleh gelar

Sarjana Teknik.

Skripsi ini dapat berhasil karena dukungan berbagai pihak, baik itu dukungan secara

langsung maupun tidak langsung. Oleh sebab itu, penulis ingin mengucapkan terima kasih

kepada:

1. Keluargaku tercinta, papa Nelson Kahosadi, mama Sofietje Rondonuwu, kakak

Nelfrits Christopher, kakak Angela Merici Chrisan Firmana, adik Chelsie Ireine

Finka dan adik Nicki William Abner yang terus mendukung lewat doa, dana,

dan motivasi tiada henti kepada penulis. Terima kasih untuk cinta dan kasih

sayang kalian semua.

2. Bapak Saptadi Nugroho, S.T., M.Sc. sebagai pembimbing I dan Bapak Andreas

A. Febrianto, M.T. sebagai pembimbing II. Terima kasih untuk bimbingan,

nasihat, dan pengajarannya kepada penulis yang sangat bermanfaat selama

pengerjaan skripsi. Mohon maaf untuk semua kesalahan dan keteledoran yang

penulis lakukan selama pengerjaan skripsi.

3. Teman-teman FTEK 2008 yang terkasih. Terima kasih untuk semua bantuan

yang penulis terima selama masa perkuliahan. Mohon maaf jika selama ini

penulis jarang berkumpul bersama kalian. Semoga kalian sukses di masa depan.

4. Teman-teman Vokal Grup Lentera Kasih UKSW. Terima kasih untuk

kebersamaannya selama ini yang telah memberi penulis banyak pengalaman

berharga. Sukses dimanapun kalian berada.

5. Teman-teman Lembaga Kemahasiswaan, khususnya SMU UKSW 2010-2011

dan SMF FTEK 2011-2012. Terima kasih telah memberikan kesempatan

penulis untuk mendapat pengalaman berharga bersama kalian.

iv

6. Keluarga Kos Eltorro 800. Terima kasih untuk kekeluargaannya. Terima kasih

untuk bantuan, semangat, nasihat, dan peristiwa yang penulis alami bersama

kalian selama penulis berkuliah. Kalian tidak akan pernah penulis lupakan.

7. Grace Nadia Meiwinona dan keluarga tante Indyah Setyowati. Terima kasih

untuk dukungannya selama penulis berproses menyelesaikan skripsi ini. Mohon

maaf untuk kesalahannya. Tuhan selalu menyertai.

8. Priska Lydia Pulungan. Terima kasih untuk dukungannya kepada penulis.

Sukses untukmu di masa depan. Tuhan menyertai.

9. Semua pihak yang telah membantu dan telah bersama penulis yang tidak bisa

disebutkan satu per satu.

Penulis menyadari bahwa skripsi ini tentunya masih belum sempurna. Penulis

mengharapkan kritik dan masukan agar skripsi ini dapat lebih berguna dan dikembangkan

dengan teknologi yang lebih baik untuk digunakan di masyarakat.

Semoga skripsi ini dapat bermanfaat dan menjadi sumber inspirasi bagi siapapun yang

membacanya. Akhir kata, semoga kita selalu mempergunakan pengetahuan yang kita miliki

dengan baik, dengan berprinsip pada sikap Takut akan Tuhan. Tuhan senantiasa memberkati

pelayanan dan perjuangan kita.

Salatiga, Januari 2016

Penulis

v

DAFTAR ISI

INTISARI ....................................................................................................................... i

ABSTRACT .................................................................................................................... ii

KATA PENGANTAR .................................................................................................... iii

DAFTAR ISI ................................................................................................................... v

DAFTAR GAMBAR ...................................................................................................... vii

DAFTAR TABEL ........................................................................................................... ix

DAFTAR KODE ............................................................................................................ x

DAFTAR SINGKATAN ................................................................................................ xi

DAFTAR LAMBANG ................................................................................................... xii

BAB I PENDAHULUAN ............................................................................................... 1

1.1. Tujuan ................................................................................................... 1

1.2. Latar Belakang ...................................................................................... 1

1.3. Batasan Masalah ................................................................................... 3

1.4. Spesifikasi Skripsi ................................................................................. 3

1.5. Sistematika Penulisan ........................................................................... 3

BAB II DASAR TEORI ................................................................................................. 5

2.1. Pre-Processing ...................................................................................... 5

2.2. Background Modeling ........................................................................... 5

2.3. Deteksi Objek ....................................................................................... 7

2.4. Validasi Data ......................................................................................... 8

2.5. Histogram of Oriented Gradients (HOG) ............................................. 10

2.5.1. Perhitungan Gradien ................................................................. 10

2.5.2. Orientation Binning .................................................................. 10

2.5.3. Blok Deskriptor ......................................................................... 10

2.5.4. Normalisasi Blok....................................................................... 11

2.6. Validasi Silang (Cross Validation) ....................................................... 12

vi

BAB III PERANCANGAN SISTEM ............................................................................. 13

3.1. Gambaran Sistem ................................................................................. 13

3.2. Perancangan Aplikasi .......................................................................... 15

3.2.1. Perancangan Dataset ................................................................. 15

3.2.2. Region of Interest (ROI) ........................................................... 18

3.2.3. Proses Deteksi ........................................................................... 20

3.3. Perancangan Perangkat Keras .............................................................. 26

3.3.1. Web Camera .............................................................................. 26

3.3.2. High Power Light-Emitting Diode (LED) ................................. 26

3.4. Gaftar Alir ............................................................................................ 27

3.5. Pengambilan Frame Video ................................................................... 29

BAB IV HASIL PENGUJIAN DAN ANALISISNYA .................................................. 30

4.1. Data Video Untuk Pengujian ................................................................ 30

4.1.1. VISOR (Video Surveillance Online Repository) ....................... 30

4.1.2. Video Menggunakan Web Camera ........................................... 31

4.2. Pengujian Nilai Threshold dan Learning Rate .................................... 32

4.3. Pengujian Waktu Komputasi ............................................................... 39

4.3.1. Region of Interest (ROI) ............................................................ 39

4.3.2. Frame Rate ................................................................................ 40

4.4. Pengujian Sistem Purna Waktu (Real-Time) ...................................... 41

4.4.1. Penentuan Parameter alarmCount ........................................ 41

4.4.2. Pengujian Pengaruh Bayangan (Shadows) ................................ 42

4.4.3. Pengujian Pengaruh Learning Rate Long Background Terhadap Proses

Deteksi ...................................................................................... 42

4.4.4. Pengujian Nilai Threshold ........................................................ 44

BAB V KESIMPULAN DAN SARAN ......................................................................... 46

5.1. Kesimpulan .......................................................................................... 46

5.2. Saran Pengembangan ........................................................................... 47

DAFTAR PUSTAKA ..................................................................................................... 48

vii

DAFTAR GAMBAR

Gambar 1.1. Diagram Kotak Proses Deteksi Parkir Kendaraan di Tempat Ilegal .......... 2

Gambar 2.1. (a) Contoh Structuring Element ................................................................. 9

Gambar 2.1. (b) Contoh Objek yang Diproses Menggunakan Operasi Dilasi ............... 9

Gambar 2.1. (c) Objek Hasil Operasi dengan Structuring Element pada Bagian (a) ..... 9

Gambar 2.2. Contoh Citra dengan Ukuran 64 x 128 Piksel yang Dibagi ke dalam Sel yang

Berukuran 8 x 8 Piksel. ................................................................................................... 11

Gambar 2.3. Contoh Himpunan Data INRIA Person Dataset dengan Keadaan yang Bervariasi

........................................................................................................................................ 12

Gambar 3.1. Pengaturan Posisi Kamera Menghadap Daerah Larangan Parkir .............. 13

Gambar 3.2. Homepage Aplikasi Deteksi Kendaraan yang Parkir Ilegal ...................... 14

Gambar 3.3. Tampilan pada Command Window Setelah Melakukan Proses Pelatihan dan

Pengujian Sampel Dataset .............................................................................................. 18

Gambar 3.4. Frame Pertama dan ROI yang Terbentuk .................................................. 18

Gambar 3.5. High Power LED ........................................................................................ 26

Gambar 3.6. Gaftar Alir Proses Deteksi Kendaraan yang Parkir Secara Ilegal .............. 27-28

Gambar 4.1. Contoh Frame yang Diambil dari VISOR Dataset .................................... 30

Gambar 4.2. Contoh Frame yang Diambil dari Web Camera ........................................ 32

Gambar 4.3. Hasil Deteksi pada Pengujian Sistem ........................................................ 36

Gambar 4.4. Beberapa Contoh Kesalahan Deteksi ......................................................... 37-38

Gambar 4.5. Hasil Deteksi pada Pengujian Sistem (VISOR Dataset) ............................ 39

Gambar 4.6. Background yang Menggunakan ROI dan yang Tidak .............................. 39

viii

Gambar 4.7. Deteksi Kendaraan dengan Bayangan dan Tanpa Bayangan ..................... 42

Gambar 4.8. Frame Background Setelah Updating ....................................................... 43-44

ix

DAFTAR TABEL

Tabel 2.1. Tabel Perbandingan Long Foreground dan Short Foreground ..................... 7

Tabel 4.1. Confusion Matrix untuk Klasifikasi Dua Kelas ............................................. 33

Tabel 4.2. Hasil Penghitungan (Video Web Camera) dengan Th = 70, 𝛼l = 0.005, 𝛼s = 0.8

........................................................................................................................................ 33

Tabel 4.3. Hasil Penghitungan (Video Web Camera) dengan Th = 70, 𝛼l = 0.002, 𝛼s = 0.9

........................................................................................................................................ 34

Tabel 4.4. Hasil Penghitungan (VISOR Dataset) dengan Th = 70, 𝛼l = 0.002, 𝛼s = 0.9

........................................................................................................................................ 34

Tabel 4.5. Hasil Penghitungan (VISOR Dataset) dengan Th = 60, 𝛼l = 0.005, 𝛼s = 0.8

........................................................................................................................................ 34

Tabel 4.6. Hasil Pengujian Waktu Komputasi dengan ROI ........................................... 40

Tabel 4.7. Hasil Pengujian Waktu Komputasi dengan Frame Rate ............................... 40

Tabel 4.8. Hasil Pengujian Penentuan Parameter alarmCount .................................. 41

Tabel 4.9. Hasil Pengujian Pengaruh Bayangan (Shadows) Terhadap Akurasi ............. 42

Tabel 4.10. Hasil Pengujian Nilai Threshold (𝛼l = 0.002, 𝛼s = 0.9, alarmCount = 100)

........................................................................................................................................ 44

x

DAFTAR KODE

Kode 3.1. Proses Pelatihan dan Pengujian Dataset Menggunakan Histogram of Oriented

Gradients (HOG), Support Vector Machine (SVM) Classifier, dan Cross Validation ... 16-17

Kode 3.2. Proses Pembuatan Region of Interest (ROI) Secara Manual .......................... 19

Kode 3.3. Inisial Parameter Untuk Deteksi Objek yang Diam ....................................... 21

Kode 3.4. Membuat Blob Analysis Object dan Offset .................................................... 21

Kode 3.5. Menentukan shortROIFrame dan longROIFrame ............................... 22

Kode 3.6. Menentukan Frame yang Akan Dilakukan Proses Pengurangan Dengan Background

........................................................................................................................................ 22

Kode 3.7. Proses Pengurangan Dengan Short Background dan Long Background,

Thresholding, dan Penggabungan Kedua Citra Hasil Pengurangan ............................... 23

Kode 3.8. Proses Background Update Menggunakan Metode Running Average .......... 23

Kode 3.9. Fungsi Morfologi ........................................................................................... 24

Kode 3.10. Proses Blob Analysis dan Tracking Objek Diam ......................................... 24

Kode 3.11. Proses Klasifikasi Objek yang Terdeteksi Diam .......................................... 25

Kode 3.12. Proses Tampilan Hasil Deteksi dan Klasifikasi ........................................... 26

Kode 3.13. Proses Pengambilan Frame pada Video ....................................................... 29

xi

DAFTAR SINGKATAN

HOG Histogram of Oriented Gradients

ROI Region of Interest

GMM Gaussian Mixture Models

BS Background Subtraction

RA Running Average

RGB Red, Green, Blue

YCbCr Brightness, Blue – Brightness, Red – Brightness

SE Structuring Element

MATLAB Matrix Laboratory

USB Universal Serial Bus

LED Light-Emitting Diode

GUI Graphic User Interface

SVM Support Vector Machine

HPLED High Power Light-Emitting Diode

VISOR Video Surveillance Online Repository

TP True Positive

FN False Negative

TP True Negative

FP False Positive

xii

DAFTAR LAMBANG

𝐵𝑡(𝑥, 𝑦) Background Model pada koordinat piksel (x,y)

𝐼𝑡(𝑥, 𝑦) Frame ke t pada video stream di koordinat piksel (x,y)

𝛼𝑙 Learning Rate untuk Long Background

αs Learning Rate untuk Short Background

𝑇 Threshold (Nilai Ambang)

𝑀𝑡(𝑥, 𝑦) Citra Baru yang Terbentuk di koordinat piksel (x,y)

𝑅(𝑥, 𝑦) Citra Hasil Perbandingan Long Foreground dan Short Foreground

𝐿𝐹(𝑥, 𝑦) Citra Long Foreground

𝑆𝐹(𝑥, 𝑦) Citra Short Foreground

𝑅(𝑥, 𝑦) Citra Hasil Deteksi Objek

𝑆𝐸 Structuring Element

𝑧 Himpunan Titik-titik (Piksel)

𝐷𝑥 Kernel 1-D Horizontal

𝐷𝑦 Kernel 1-D Vertikal

I Citra yang Diproses pada HOG

|𝐺| Magnitudo Gradien

𝜃 Orientasi Gradien

𝑓1 Vektor Histogram Hasil Normalisasi pada Bin Pertama

𝑣1 Vektor Histogram pada Bin Pertama Sebelum Normalisasi

xiii

|𝑣| Magnitudo Seluruh Vektor Histogram untuk Satu Blok

𝐴𝑐𝑐𝑢𝑟𝑎𝑐𝑦 Nilai Akurasi Berdasarkan Tabel Confusion Matrix

f Frame

𝑇𝑃 True Positive

𝑇𝑁 True Negative

𝐹𝑃 False Positive

𝐹𝑁 False Negative