Oleh : Fifi Puspita Ningsih -...

Powerpoint Templates


Oleh : Fifi Puspita Ningsih

JURUSAN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

INSTITUT TEKNOLOGI SEPULUH NOPEMBER

2011

http://www.powerpointstyles.com/



Latar Belakang

Angka kecelakaan yang semakinmeningkat karena adanya sistemkontrol yang kurang memadai

Diperlukan sebuah sistem kontrol yang memadai dengan memberikan batas toleransi kecepatan maksimum

Oleh karena itu sistem pengukuran kecepatan obyek bergerak diciptakan.



Perumusan Masalah

1.Bagaimana mendeteksi obyek yang sedang bergerak dari sebuah video.

2.Bagaimana mendapatkan estimasi kecepatan waktu dari obyek yang bergerak dengan error yang terkecil dan hasil yang optimal berdasarkan pada parameter yang ada.



Batasan Masalah

1.Video ditangkap menggunakan webcam melalui image acquistion tool di Matlab R2009a.2.Latar belakang obyek tidak berubah atau statis.3.Software yang digunakan adalah Matlab 2009.4.Identifikasi obyek tidak dilakukan.5.Video diambil dengan intensitas cahaya yang cukup terang



Tujuan dan Manfaat

Tujuan PenelitianTujuan dari penelitian Tugas Akhir ini adalah:a. Mendapatkan kecepatan obyek yang bergerak dengan error

yang sekecil mungkin dan hasil yang optimal.b. Mencari sistem pedeteksian yang baik pada sistem ini.

Manfaat PenelitianManfaat yang dapat diambil dari tugas akhir ini adalah dengan membangun sebuah simulasi dalam pengukuran kecepatan obyek bergerak maka hal ini merupakan sebuah langkah awal dalam menciptakan sebuah sistem kontrol lalu lintas yang memadai bagi pengendara di jalan raya sehingga angka kecelakaan akan turun.



Tinjauan Pustaka

Citra digital adalah citra yang nilainya di-digitalisasi-kan (dibuat diskrit) baik dalamkoordinat spasialnya maupun dalamintensitasnya. Citra digital dapatdigambarkan dalam suatu matriks denganbaris dan kolom yang merepresentasikansuatu titik pada citra, dan nilai dari elemenmatriks tersebut menunjukkan intensitas dititik tersebut. Setiap citra digital memilikibeberapa karakteristik, antara lain ukurancitra,resolusi, koordinat, noise dankedalaman bit.



Tinjauan Pustaka

Computer vision merupakan proses otomatis yangmengintegrasikan sejumlah besar proses untuk persepsi visual,seperti akuisisi citra, pengolahan citra, pengenalan dan membuatkeputusan. Computer vision mencoba meniru cara kerja sistemvisual manusia (human vision) yang sesungguhnya sangatkompleks. Manusia melihat dengan objek dengan inderapenglihatan (mata), lalu citra objek diteruskan ke otak untukdiinterpretasi sehingga manusia mengerti objek apa yangtampak dalam pandangan mata



Tinjauan Pustaka

Memilih Obyek dari latar belakangLatar belakang (background) adalah unsur yang sangat penting dalam pemrosesan citra, mengingat obyek yang menjadi fokus pengamatan dan pengambilan informasi akan dikelilingi oleh lingkungan yang berupa latar belakang. 1.Latar Belakang Statis2.Latar Belakang Dinamis



Metodologi Penelitian



Gambaran Sistem

camera

Jalan

mobil

input

computer

output

25 km / jam

kalibrasi Deteksi obyek Perhitungankecepatan



Deteksi Obyek Bergerak dengan Background Subtraction

Tangkap citra referensi (background)

Tangkap citra (foreground)

Membandingkan citra referensi dengan foreground

Menentukan hitam (0) atau putih(1) dari citra hasil background subtraction

Menentukan titik pusat obyek

Background subtraction

adalah proses untukmendeteksi pergerakanatau perbedaan signifikanyang terjadi didalam framevideo ketika dibandingkandengan citra referensi.

Tujuan dari background

subtraction adalah untukmemisahkan obyek danbackground sehinggagerakan dari sebuah obyekterdeteksi.

Background subtraction=|Foreground-Background|



Proses Background Subtraction



Mencari Titik Pusat dari sebuah Obyek

Proses mencari jarak perpindahan antar pixel dilakukan dengan mencari koordinat titik pusat dan menghitung jarak euclide antar titik pusat,untuk mendapatkan koordinat titik pusart maka terlebih dahulu menscan citra yang hanya berisi obyek hasil proses sebelumnya (proses perbandingan citra referensi dengan citra terekam). Setiap pixel pada citra diperiksa nilainya. Ketika ditemukan pixel yang berisi informasi mengenai obyek atau pixel yang berwana putih, maka dilakukan algoritma untuk menentukan titik pusat obyek. Secara sederhana, untuk menentukan titik pusat, langkah-langkah yang dilakukan adalah :1.Menghitung total indeks horizontal dan vertikal dengan:

Langkah 1 : mendefinisikan matriks x dan matriks yMatriks x adalah matriks yang memiliki elemen berurutan sesuai dengan barisnya dengan ukuran barisx1 dikalikan dengan matriks satuan dengan ukuran 1xkolom. Matriks y adalah matriks satuan dengan ukuran barisx1 dikalikan dengan matriks yang diberi nilai berurutan dengan ukuran 1xkolom

Langkah 2: Mencari total indeks horizontal dengan melakukan perkalian dot matriks antara matriks x dengan citra hasil background subtraction.

Langkah 3 :Mencari total indeks vertikal dengan melakukan perkalian dot matriks antara matriks y dengan citra hasil background subtraction.

2. Menghitung luas area obyek.3. Menghitung koordinat x dengan

koordinat x = Total indeks horizontal / luas obyek ...........(IV)4. Menghitung koordinat y dengan

koordinat y = . Total indeks vertikal/ luas obyek ...............(V)

Posisi x =



Mencari Jarak Euclide

Untuk mengukur kecepatan sebuah obyek kita harus mengetahui informasi atas variabel yang berpengaruh, diantaranya variabel jarak dan variabel waktu.Variabel waktu(∆t) dihitung berdasarkan delay antara dua buah citra sekuensial yang ditangkap oleh kamera sedangkan Variabel jarak(∆s) diukur menggunakan Euclidean Distance atau jarak euclid yang didapat dari jarak diantara dua titik pusat dari dua obyek dari frame satu dengan lainnya,secara matematis dapat ditulis sebagai berikut :

Langkah-langkah menghitung jumlah total jarak lintasan dalam citra:1.Cari titik pusat obyek dari setiap frame.2.Masukkan koordinat titik pusat antara frame ke-i dan frame ke-

i+1 kedalam rumus (II).3.Lakukan langkah ke-2 hingga jarak antar semua frame dari frame pertama hingga frame ke-n(frame terakhir) terhitung.

4.Jumlahkan semua jarak euclide dari frame pertama hingga frame terakhir.

Posisi x =



Transformasi Dunia nyata terhadap kameraPosisi x =

Jarak antar titik pusat dari frame yang pertama yang telah penulis dapatkan berada dalamsatuan pixel karena itu penulis harus mengkalibrasikan jarak sebenarnya dengan jarak yangterdapat dalam kamera. Langkah-langkahnya adalah sebagai berikut:1. Tangkap citra yang akan digunakan sebagai referensi.2. Tentukan jarak kalibrator menggunakan bantuan image

Tool dengan cara mengukur panjang pixel yang adadalam citra(satuan dalam pixel).

3.Ukur panjang jarak kalibrator sebenarnya pada dunia nyata(satuan dalam cm).4.Cari hubungan antara pixel yang didapatkan dengan jarak

yang sebenarnya dalam dunia nyata.

Untuk menghitung hubungan antar pixel dengan jarak sebenarnya menggunakan rumus:z = 1/ xy...........................................................................(III)

dengan :x = Jarak jangkauan pada citra. y = Jarak jangkauan pada dunia nyata .z = Hasil hubungan antar pixel dengan jarak sebenarnya.



Mencari WaktuPosisi x =

Menghitung kecepatan membutuhkan dua variabel yaitu variabel waktu dan jarak.Untuk mendapatkan variabel waktu maka penulis mencari waktu yang telah dibutuhkan obyek dari mulai start hingga finish dengan menghitung banyaknya frame yang ditangkap dengan hasil perbandingan frame rate per second.

Frame rate per second adalah banyaknya frame yang ditangkap dalam satu detik.Penulis menggunakan 6 frame rate persecond yang artinya adalah mengambil 6 frame dalam waktu satu detik sehingga menghabiskan waktu 0.16667untuk setiap framenya.Untuk menghitung waktu bisa dihitung menggunakan rumus[1]:

t= f x w....................................................................................(IV)Dengan :

f = Jumlah frame ( frame )w = Waktu yang diperlukan 1(satu) frame (detik/frame)t = Waktu (detik)



Menghitung kecepatanPosisi x =

Penghitungan kecepatan obyek bergerak merupakan langkah akhir darisemua proses dengan tujuan mendapatkan informasi berupa kecepatan obyektersebut dalam satuan cm/s.Setelah penulis mendapatkan jarak(∆s) dan waktu(∆t)maka penulis bisa menghitung jarak dengan :

V = ∆s / ∆tDengan :

V = kecepatan( cm/detik)∆s = perubahan jarak (cm)∆t = perubahan waktu(detik)



Desain Perangkat Keras

Simulasi menggunakan sebuah perangkat keras yang berfungsi sebagai penghitung waktu otomatis dengan memasang sensor infrared pada start dan finish dengan jarak lintasan yang telah ditentukan.

Perangkat keras tersebut berupa :1.sensor infrared yang terdiri dari transmitter dan receiver2.mikrokontroller AT Mega 163.Lcd Modul4.power supply berupa adaptor



Desain Lintasan

Dalam bagian ini akan dijelaskan mengenai definisi lintasan dan visualisasi dari lintasan dalam sebuah frameUkuran frame adalah 320x240 dan luas dari obyek yang bergerak adalah statis.Dalam hal ini jarak lintasan antar titik pusat dan jarak lintasan adalah sama karena telah didefinisikan seperti pada Gambar disamping.Dengan :1 = obyek pada t1 (waktu awal)2 = obyek pada t23 = obyek pada t3n = obyek pada tn (waktu akhir)

webcam

1 n

Jarak jangkauan webcam

32 - - - -

Jarak lintasan sebenarnya

Jarak webcamterhadapobyek

START

FINISH



Desain Perangkat Keras

Lintasan berupa bidang datar pada panjangyang telah ditentukan.Obyek akan bergerak daritanda start hingga finish.Dalam pengambilan data akan disimulasikan sebuahlingkungan buatan berupa miniatur jalan rayadengan obyek yang diukur berupa satu buah obyekyang digerakkan secara manual. Untuk melihatdesain lintasan tampak dari atas bisa dilihat diGambar,a merupakan sensor infrared bagiantransmitter sedangkan b adalah sensor infraredbagian receiver.Rancangan perangkat keras yangdibutuhkan harus memenuhi kriteria sebagai berikut:Rancangan perangkat keras yang dibutuhkan harusmemenuhi kriteria sebagai berikut:1. obyek yang diukur harus mempunyai perbedaan yang signifikan dengan latar belakang 2. lintasan obyek harus konsisten terhadap kamera .3. kamera dipasang tegak lurus terhadap obyek dan jarak dari kamera ke obyek adalah 60 cm.4. kedudukan kamera bersifat statik.

a

b

a

b

Finish

Start

Panjang Lintasan



Perancangan danImplementasi Perangkat Lunak

Analisis Kebutuhan perangkat lunak

Sesuai dengan tujuan Tugas Akhir pada Bab I yaitu Mendapatkan kecepatan obyek yang bergerak dengan error yang sekecil mungkin dan hasil yang optimal berbasis pada pengolahan citra digital.

• Perangkat lunak dapat mengolah video yang telah didapat sebelumnya.

• Perangkat lunak dapat mengolah video yang telah terekam menggunakan pengolahan citra digital untuk mengukur jarak perpindahan pixel serta durasi waktu dari start hingga finish.

• Perangkat lunak dapat memberikan informasi mengenai proses pengolahan seperti titik pusat dari kedua frame,jarak,waktu hingga kecepatan.



Perancangan dan implementasi perangkat lunak

Dalam membangun simulasi pengukuran kecepatan obyek bergerak ini,perangkat lunak dibagi atas dua form yatu form halaman depan dan form utama yang berguna dalam proses pengolahan video,adapun penjelasan dari tiap-tiap form adalah:

Gambar diatas merupakan tampilan awal dari program pengukuran kecepatan obyek bergerak menggunakan webcam berdasarkan pengolahan citra digital.Form ini menampilkan mengenai identitas penulis dan visualisasi sistem pengukuran kecepatan. jika user akan langsung memproses input video yang diinginkan untuk mendapatkan kecepatan maka tekan tombol lanjut.

•



Perancangan dan implementasi perangkat lunak

• Gambar disamping merupakan tampilan form utama yang bertujuan untuk mengolah input video yang dipilih menggunakan proses pengolahan citra digital sehingga didapatkan informasi kecepatan obyek yang bergerak dalam video tersebut.

• Dalam form ini juga menampilkan proses pengolahan citra dari awal hingga akhir dengan memberikan informasi koordinat titik pusat(x,y) dari frame yang pertama dan titik pusat dari frame yang terakhir,jarak yang didapatkan dengan euclidean distance dalam satuan pixel,transformasi jarak pixel ke jarak sebenarnya dalam cm serta waktu yang dibutuhkan obyek bergerak dari start hingga finish. Nama video,direktori penyimpanan,ukuran serta waktu pun juga ditampilkan pada form ini.pada form ini video akan otomatis diputar pada axes GUI jika user memilih input.jika user ingin kembali pada form halaman



Uji coba dan Validasi

Hasil KalibrasiUntuk melakukan proses kalibrasi,

lintasan yang akan digunakan sebagai lingkungan latar belakang di-capture sebanyak 10 kali dengan jarak kamera terhadap lintasan yang berbeda-beda. Pengambilan gambar dilakukan pada area lintasan yang telah ditandai sebelumnya.Kalibrasi pertama dilakukan dengan mengambil gambar dengan jarak obyek terhadap kamera berubah-ubah dengan selisih 25 cm.Disamping adalah tabel dan grafik nilai pixel terhadap jarak obyek.

Percoba

an ke

Jarak obyek

terhadap

kamera (m)

Jarak

Jangkau

an(pixel)

Jarak

sebenarn

ya(cm)

I pixel = x

cm

1 0.25 115 5 0.043

2 0.25 230.50 10 0.0433

3 0.5 60.25 5 0.0823

4 0.5 120.75 10 0.082

5 0.75 40.75 5 0.122

6 0.75 82.50 10 0.1212

7 0.75 241.50 29.7 0.122

8 1 30 5 0.166

9 1 60.75 10 0.164

10 1 181.25 29.7 0.163



Uji Coba dan Validasi

00,020,040,060,08

0,10,120,140,160,18

25 cm 50 cm 75 cm 100 cm

Pixel

Pixel

Berdasarkan hasil diatas dapat disimpulkan bahwa nilai pixel terhadap dunia nyata relatif berubah-ubah sesuai dengan jarak kamera dan obyek.



Proses mencari kecepatan



Pengujian Proses Utama

Pengambilan data video dengan obyek tunggal ini dilakukan 10 percobaan dengan merekamvideo yang memiliki hasil kecepatan berbeda-beda,video yang telah terekam tadi disimpan padadirektori tertentu dan dibuka lagi pada saat pengolahan proses digital berlangsung.Percobaan dilakukandengan asumsi :a. Konfigurasi I

1. Jarak kamera terhadap obyek adalah 60 cm.2. Intensitas cahaya terang.3. Jarak lintasan sebenarnya adalah 26 cm.4. Waktu real time diambil dari penghitung waktu otomatis.5. Kecepatan real time diambil dari jarak yang sebenarnya

dibagi dengan waktu real time.b. Konfigurasi II

1. Jarak kamera terhadap obyek adalah 50 cm.2. Intensitas cahaya terang.3. Jarak lintasan sebenarnya adalah 15cm.4. Waktu real time diambil dari penghitung waktu otomatis.5. Kecepatan real time diambil dari jarak yang sebenarnya

dibagi dengan waktu real time.



Tabel 5.1 Perbandingan Kecepatan obyek pada simulasi

dan hasil real time pada konfigurasi I

Percobaan ke Percobaan(cm/s)

Percobaan(km/jam)

Real Time (cm/s)

Real time(km/jam)

Selisih ∆ (%)

1 15.97 4.43x10-8 15.599 4.33x10-8 2.432 13.11 3.64x10-8 12.57 3.29x10-8 4.293 9.1418 2.54x10-8 8.667 2.40x10-8 5.474 3.118 8.66x10-8 3.39 1.08x10-8 8.025 5.199 1.44x10-8 5.544 1.53x10-8 6.296 7.77 2.15x10-8 8.04 2.23x10-8 3.357 13.15 3.65x10-8 13.434 3.73x10-8 2.118 6.36 1.76x10-8 6.2399 1.74x10-8 1.92479 6.59 1.83x10-8 6.35 1.76x10-8 3.77

10 25.99 7.21x10-8 25.23 7.01x10-8 2.61Σ selisih error / 10 = 4.026



Tabel 5.2 Perbandingan Kecepatan obyek pada simulasi

dan hasil real time pada konfigurasi II

Percobaan ke Percobaan(cm/s)

Percobaan(km/jam)

Real Time (cm/s)

Real time(km/jam)

Selisih ∆ (%)

1 11.115 3.08x10-8 10.71 2.97 x10-8 3.782 4.12 1.14 x10-8 4.24 1.17 x10-8 2.833 1.99 5.52x10-9 2.09 5.80x10-9 4.784 3.94 1.09 x10-8 4.27 1.18 x10-8 7.725 9.8 2.72x10-8 10.1 2.80 x10-8 2.96 7.05 1.95 x10-8 7.14 1.98 x10-8 1.267 4.01 1.11 x10-8 4.17 1.15 x10-8 3.88 3.0073 8.35 x10-8 3.19 8.86 x10-8 5.729 6.01 1.66 x10-8 6.4 1.77 x10-8 6.09

10 5.78 1.605 x10-

85.49 1.52 x10-8 5.2

Σ selisih / 10 = 4.408



Hasil Uji Coba Simulasi

Error = |vsimulasi – vrealtime / vrealtime| x 100 %.......................................(VI)Berdasarkan hasil pada uji coba konfigurasi I bisa dilihat bahwa rata-rata faktor kesalahan (error) adalah sebesar 4.026 %.Dengan semakin kecilnya faktor kesalahan maka persentase keberhasilan,sistem dapat dihitung dengan menggunakan persamaan berikut:Persentase keberhasilan = 100% - error........................................................(VII)Berdasarkan hasil pada uji coba konfigurasi I maka persentase keberhasilan atau akurasi dari sistem ini adalah 95.974 %.Dari Tabel 5.2 bisa dilihat bahwa rata-rata faktor kesalahan (error) adalah sebesar 4.408 %.Dengan menggunakan hasil pada Tabel 5.3 maka persentase keberhasilan atau akurasi dari sistem ini adalah 95.592 %.



Kesimpulan

• Algoritma telah diterapkan pada sistem pengukuran kecepatan obyek bergerak dan berhasil diimplementasikan dengan baik.

• Berdasarkan hasil uji coba pada kombinasi parameter yang ada maka pendeteksian yang baik dilakukan pada range kecepatan 1cm/s hingga 25 cm/s, jika diatas 25 cm/s maka video yang ditangkap menghasilkan frame-frame yang blur sehingga berpengaruh pada proses pencarian titik pusat.

• Berdasarkan hasil uji coba Simulasi pengukuran obyek bergerak terhadap dua konfigurasi berdasarkan jarak kamera terhadap obyek dan panjang lintasan menghasilkan:a.) Konfigurasi I

Error = 4.026 %Persentase Keberhasilan = 95.974 %

b.) Konfigurasi IIError = 4.408 %Persentase Keberhasilan = 95.592 %

• Berdasarkan hasil Uji coba maka semakin terang kondisinya maka noise(gangguan) yang dihasilkan citra akan semakin sedikit sehingga proses pengukuran bisa dilakukan,sebaliknya jika noise(gangguan) yang dihasilkan semakin banyak maka sistem pengukuran menghasilkan output yang tidak valid.



Saran

• Simulasi Pengukuran kecepatan obyek bergerak berjalan secara offline,diharapkan untuk penelitian selanjutnya simulasi dilakukan sacara real time.

• Diharapkan sistem mampu mendeteksi gerakan obyek dan merekam secara otomatis ketika obyek bergerak terdeteksi.

• Sistem bekerja pada intensitas cahaya tertentu,diharapkan untuk penelitian selanjutnya sistem bisa bekerja pada segala macam kondisi dan noise (gangguan).

• Sistem pengukuran kecepatan obyek mengambil latar belakang statis,diharapkan untuk penelitian selanjutnya menggunakan referensi latar belakang dinamis.



Daftar Pustaka

[1]Badru Zaman,Zamzam. 2009. Sistem Pengukuran Kecepatan Obyek Berbasis

Pengolahan Citra Digital.Tugas Akhir Fisika ITB[2] D. Sawicki, Traffic Radar Handbook: A Comprehensive Guide to Speed measuring

Systems, Author House, 2002.[3] F.C.D.J. Dailey, S. Pumrin, An algorithm to estimate mean traffic speed using

uncalibrated cameras, IEEE Transactions on Intelligent Transportation Systems 1 (2) (2000) 98–107.[4]Gonzales,rafael dan woods,richard.2002.Digital Image Processing.Prentice Hall[5] Hermanto,Bambang 29 september 2010 ,Implementasi perhitungan kecepatan obyek

berbasis pengolahan citra digital ,URL:http://www.ittelkom.ac.id/implementasi perhitungan obyek berbasis pengolahan citra digital.php[6]T. Schoepflin, D. Dailey, Dynamic camera calibration of roadside traffic management

cameras for vehicle speed estimation, IEEE Transactions on Intelligent Transportation Systems 4 (2) (2003) 90–98.[7] Wikipedia. 1 oktober 2010. Pengolahan Citra Digital, <URL:

http://id.wikipedia.org/wiki/Pengolahan Citra Digital.htm>. [8]Yung Lin,Huei.2007.Vehicle speed Detection From a Singlemotion Blurred image


http://www.ittelkom.ac.id/implementasi perhitungan obyek berbasis pengolahan citra digital.php

http://www.ittelkom.ac.id/implementasi perhitungan obyek berbasis pengolahan citra digital.php

http://id.wikipedia.org/wiki/Pengolahan Citra Digital.htm





TERIMA KASIH


Oleh : Fifi Puspita Ningsih -...

Documents

Transcript of Oleh : Fifi Puspita Ningsih -...