PENGENALAN GAMBAR RAMBU-RAMBU LALU- LINTAS DENGAN METODE KUANTISASI RERATA (Identification of Traffic Signs by Using Average Quantification Method)

Transkripsi

1 PENGENALAN GAMBAR RAMBU-RAMBU LALU- LINTAS DENGAN METODE KUANTISASI RERATA (Identfcaton of Traffc Sgns by Usng Average Quantfcaton Method) Tr Harsono 1, Achmad Basuk 2, Nana Ramadjant 2 1 Teknk Elektronka, Polteknk Elektronka Neger Surabaya (PENS) ITS 2 Teknolog Informas, Polteknk Elektronka Neger Surabaya (PENS) ITS Jl. Raya ITS, Keputh-Sukollo, Surabaya, Telp ; Fax emal: trson@eeps -ts.edu, basuk@eeps -ts.edu, nana@eeps -ts.edu ABSTRAK Salah satu cr yang bsa dkembangkan dalam pengenalan gambar rambu-rambu lalulntas adalah cr yang melbatkan content pada gambar, yang melput cr dasar gambar sepert warna, bentuk dan tekstur. Pada gambar rambu-rambu lalu lntas, cr bentuk merupakan cr domnan yang mengs content gambar. Untuk mendapatkan cr bentuk n ada berbaga macam metode yang banyak dgunakan antara lan deteks tep, transformas fourer, ntegral proyeks dan kuantsas. Dalam peneltan n memanfaatkan cr bentuk dengan menggunakan teknk kuantsas untuk menyajkan cr dar gambar rambu-rambu lalu lntas, yatu kuantsas rata-rata. Proses pengenalan dlakukan dengan menggunakan template matchng antara vektor gambar rambu-rambu yang dmasukan (vektor que ry) dengan semua tanda rambu-rambu yang ada dalam database (vektor template). Dengan ukuran vektor yang kecl dharapkan proses template matchng n dapat dlakukan dengan cepat. Dalam hal n yang dcar adalah nla selsh terkecl dar vektor query dan vektor template yang ada dalam database. Berdasarkan hasl percobaan yang telah dlakukan, bertambahnya ukuran samplng menghaslkan performans yang semakn kecl atau prosentase error yang semakn besar, konds n dkarenakan banyak cr bentuk pada gambar yang hlang, sehngga pengenalan terhadap gambar menmbulkan error yang besar. Hasl percobaan yang cukup bak pada saat ukuran samplng (segmen) 4x4, ddapatkan prosentase error ratarata sebesar 9.19% (jumlah gambar salah sektar 3 gambar) dengan performans sebesar Kata Kunc: Rambu-rambu lalu-lntas, kuantsas rata-rata, template matchng ABSTRACT In ths research we use quantfcaton technque to represent the characterstc of traffc sgns whch s average quantfcaton. Identfcaton s carred out usng template matchng. We search the mnmum dfference between query and database. The hgher samplng sze reduces the perfomance and ncreases percentage errors. Ths s due to the ncreasng number of lost form characterstcs of pcture. The best result s for samplng sze 4x4 wth error percentage 9.19 % (wth mstaken pcture 3) and performance

2 Berkala MIPA, 16(3), September 2006 Keywords: Traffc sgns, average quantfcaton, and template matchng Makalah dterma 5 Agustus PENDAHULUAN Salah satu desan otomats yang dtamplkan pada cr-cr kendaraan saat n atau masa datang adalah proses computer vson, d antaranya bagamana kendaraan dapat mengenal rambu-rambu lalu lntas dengan membuat sstem perngatan ramburambu lalu-lntas pada kendaraan tersebut. Hal n merupakan de yang berkembang ketka de auto-plot pada kendaraan mula dtelt. Dengan mengenal tanda ramburambu lalu-lntas dharapkan kendaraan bsa memberkan nformas pada pengemud mengena rambu-rambu yang ada dsektarnya, sehngga dapat mengurang pelanggaran lalu lntas yang tdak dsengaja. Yang pada akhrnya dapat mengurang resko terjadnya kecelakaan lalu lntas yang ada saat n. Untuk dapat mewujudkan de n, dperlukan suatu perangkat yang berupa sebuah mesn komputer dan kamera yang dletakkan pada kendaraan. Kamera dgunakan untuk menangkap gambar-gambar yang ada d sektar kendaraan. Peletakan kamera dapat ddesan sesua dengan arah mana yang ngn dtangkap gambarnya. Komputer dgunakan sebaga suatu mesn yang dapat mengolah data gambar dar kamera dan pada akhrnya mengenal ramburambu lalu lntas yang ada dsektarnya. Proses pengenalan gambar rambu lalu-lntas merupakan salah satu langkah yang pentng dalam pembuatan sstem perngatan rambu-rambu lalu-lntas pada kendaraan sebagamana dsebutkan d atas. Pada peneltan n dlakukan kerja awal dalam proses pengenalan gambar ramburambu lalu-lntas, yatu pengenalan gambar rambu-rambu lalu-lntas secara off lne dengan memanfaatkan cr atau ftur yang ada pada gambar tersebut. Pada gambar rambu-rambu lalu-lntas dperoleh sfat dar cr bentuk terlhat domnan, sedangkan cr warna dan tekstur tdak menunjukkan hasl yang bak, sehngga peneltan n mentkberatkan cr pada pengenalan rambu-rambu lalu-lntas melalu cr bentuk pada gambar. Cr bentuk yang dgunakan adalah cr bentuk vektor kuantsas rata-rata. 2. KUANTISASI RATA-RATA Vektor kuantsas rata-rata adalah suatu metode kuantsas vektor dmana sebuah gambar dbag menjad bagan-bagan gambar yang lebh kecl (resamplng) dan nla pada setap bagan samplng dwakl oleh hasl rata-rata terhadap bagan samplng tersebut. Pada proses kuantsas rata-rata n dgunakan gambar ukuran 64x64 dan ukuran samplng 4x4, maka akan dperoleh 16x16 bagan samplng. Dsampng ukuran samplng d atas, pada peneltan n dgunakan juga ukuran samplng 8x8, 12x12 dan 16x16. Untuk pembelajaran dan penentuan cr dar gambar rambu-rambu lalu-lntas dlakukan perbandngan antara model cr kuantsas dengan menggunakan thresholdng dan cr kuantsas dengan menggunakan kuantsas rata-rata, hasl model cr dar kedua metode tersebut dapat dlhat pada gambar 1 dan gambar 2. Gambar 1. Model cr kuantsas dengan thresholdng 14

3 vektor rambu-rambu yang dmasukkan (vektor query) dengan semua tanda rambu-rambu yang ada dalam database (vektor template). Dengan ukuran vektor yang kecl dharapkan proses template matchng n dapat dlakukan dengan cepat. Dalam hal n yang dcar adalah nla selsh terkecl dar vektor query dan vektor template yang ada dalam database, nla selsh terkecl n dhtung dengan menggunakan persamaan 2. Gambar 2. Model cr kuantsas dengan rata-rata Gambar 1 tdak menunjukkan perbeda-an cr secara sgnfkan meskpun sudah ada, tetap pada gambar 2 lebh bak dalam menyatakan perbedaan cr bentuk dar gambar rambu-rambu lalu lntas yang dtentukan. Gambar 2 adalah proses pembentukan cr menggunakan kuantsas rata-rata, dmana gambar yang berukuran 128x128 dbag menjad frame 2x2 dan dhtung rata-ratanya lalu dlakukan thresholdng dan djadkan vektor. Vektor semacam n dapat dlakukan dengan lebh cepat darpada menggunakan deteks tep. Kuantsas rata-rata yang dgunakan dalam proses pembentukan cr, mempunya persamaan sebaga berkut : x = n n j = 0 j= 0 nn. x j j, dengan, x : nla rata-rata dar setap bagan samplng, x : nla pada masng-masng pxel j, dalam satu bagan samplng, n, n : masng-masng adalah ukuran j bars dan kolom pada tap bagan samplng. (1) 3. TEMPLATE MATCHING UNTUK PENGENALAN GAMBAR RAMBU LALU-LINTAS n ( t) ( k ) ( v v ) = 1 d = n (2) dengan n : adalah jumlah vektor cr, v ) : nla ke dar vektor gambar query, (t (k) v : nla ke dar vektor gambar template ke. Contoh perbedaaan cr dar dua gambar rambu lalu-lntas dapat dlhat pada gambar 3, dmana perbedaan cr pada gambar tersebut sebesar 18.6%. Untuk proses pengenalan rambu-rambu lalu lntas n dsedakan sebanyak 129 tanda rambu-rambu lalu lntas yang dgunakan d Negara Republk Indonesa. Ukuran gambar untuk masng-masng rambu lalu lntas adalah 64x64 pksel dengan format gambar JPEG Gambar 3. Contoh perbedaan cr Proses pengenalan dlakukan menggunakan template matchng antara 15

4 Berkala MIPA, 16(3), September 2006 Dagram dar proses pengenalan gambar rambu-rambu lalu lntas dapat dlhat pada gambar 4. Dar gambar rambu lalulntas yang dmasukkan (mage query) dtentukan ukuran samplng (segmen) yang dgunakan, sebagamana dsebutkan d atas bahwa peneltan n menggunakan ukuran samplng 4x4, 8x8, 12x12, dan 16x16. Pada proses database ctra (mage database), dlakukan pengumpulan gambar ramburambu lalu lntas yang telah dmasukkan dalam proses pembelajaran. Setelah tu dsusun suatu database yang bers nformas gambar dan cr dar gambar rambu-rambu lalu lntas. Dar mage query dan mage database masng-masng dhtung kuantsas rataratanya dengan menentukan terlebh dahulu ukuran samplngnya. Kemudan proses pengenalan dlakukan dengan menggunakan template matchng antara vektor ramburambu yang dmasukkan (vektor query) dengan semua tanda rambu-rambu yang ada dalam database (vektor template). Image Database Kuantsas Rata-rata Query Kuantsas Rata-rata Template Matchng Gambar 4. Proses pengenalan gambar rambu-rambu lalu lntas 4. HASIL UJI COBA DAN ANALISA Sebagamana dsebutkan d atas, dalam uj coba n menggunakan 129 tanda ramburambu lalu lntas yang dgunakan d Negara Republk Indonesa, ukuran gambar untuk masng-masng rambu lalu lntas adalah 64x64 pksel dengan format gambar JPEG. Warna d dalam data gambar ddomnas oleh warna merah, kunng, bru, puth dan htam. Bentuk d dalam data gambar ddomnas oleh bentuk lngkaran, bujursangkar, belah ketupat, meskpun ada rambu-rambu yang berbentuk X sepert tanda perslangan jalan. Beberapa hasl percobaan dengan samplng (segmen) 4x4 pxel untuk tolerans 5% dalam model layout adalah sebaga berkut: 16

5 Gambar 5. Hasl percobaan untuk fle gambar 1 Gambar 6. Hasl percobaan untuk fle gambar 3 Gambar 8. Hasl percobaan untuk fle gambar 14 Pada tabel 1 memperlhatkan hasl prosentase rata-rata error dan performans dar tap-tap ukuran samplng yang dgunakan. Dapat dlhat bahwa dengan semakn besarnya ukuran samplng (segmen), hasl performans semakn menurun. Hal n berart bahwa dengan pengamblan ukuran samplng yang semakn besar pada gambar rambu-rambu lalu-lntas akan menyebabkan banyak cr bentuk pada gambar terkurang/hlang, sehngga pengenalan terhadap gambar menmbulkan error yang besar. Tetap bla dlhat hasl performans pada ukuran samplng 4x4, hasl performans mash bak dengan prosentase error rata-rata sebesar 9.19% (jumlah gambar salah dalam pengenalan sektar 3 gambar) dan performans sebesar 90.81%. Gambar 7. Hasl percobaan untuk fle gambar 4 Gambar 9. Hasl percobaan untuk fle gambar 18 17

6 Berkala MIPA, 16(3), September 2006 Tabel 1. Hasl prosentase error dan performans pengenalan gambar rambu lalu-lntas Ukuran % error rata-rata Performans samplng (segmen) 4x x x x Grafk untuk hasl performans pada percobaan n terhadap ukuran samplng (segmen) yang dambl dapat dlhat pada gambar 10. Gambar 10. Performans hasl percobaan terhadap ukuran samplng: ukuran samplng 1 untuk 4x4, 2 untuk 8x8, 3 untuk 12x12, dan 4 untuk 16x16 5. KESIMPULAN Berdasarkan hasl percobaan yang telah dlakukan dapat dsmpulkan bahwa dengan menggunakan kuantsas rata-rata dalam menghaslkan vektor cr bentuk dalam gambar rambu lalu-lntas sudah cukup bak membedakan setap gambar rambu-rambu lalu lntas yang ada. Konds n terutama untuk ukuran samplng (segmen) 4x4, dmana ddapatkan prosentase error rata-rata sebesar 9.19% (jumlah gambar salah sektar 3 gambar) dengan performans sebesar DAFTAR PUSTAKA Achmad Basuk, Nana Ramadjant, Dadet Pramadhanto, Pemakaan Cr Dasar Gambar Yang Optmal Pada Sstem Content Based Image Retreval Untuk Image Searchng, Laporan Peneltan PENS-ITS. Anat Murn, San M. Isa, Febrlyan Samopa, Proposal for Multspectral Image Compresson Methods, Proc. SPIE Vol 4551, p Jun Tan, Tenu Tan, and Langpe Zhang, Image Compresson and Encrypton Technologes. Arturo de la Escalera, Lus E. Moreno, Mguel Angel Salchs, Jose Mara Armngol, Road Trafcc Sgn Detecton and Classfcaton, Proc SPIE Fang, C. Y., C. S. Fuh, S. W. Chen, P. S. Yen, A Road Sgn Recognton System Based of Dynamc Vsual Model, IEEE Computer Socety Internatonal Conference on Computer Vson and Pattern Recognton, Madson Wsconsn. Febrllyan Samopa, Anat Murny A., Far Share Amount, Metode untuk men-generate codebook dengan jumlah vektor besar pada kuantsas vektor, proceedngs SNKK II, vol. 2 no. 1, hal Gavrla, D.M. Mult-feature Herarchcal Template Matchng Usng Dstance Transforms, Proceedng IEEE Internatonal Conference on Pattern Recognton, Brsbane, Australa, 1998 Gavrla, D.M Traffc Sgn Recognton Revsted, Proc. of the 21 st DAGM Symposum fur Mustererkennung, Sprnger Verlag, pp Mchael Shneer, Road Sgn Detecton and Recognton, IEEE Computer Socety Internatonal Conference on Computer Vson and Pattern Recognton, June

7 19