Oleh: Riza Prasetya Wicaksana 2209 105 042 Pembimbing I : Dr. I Ketut Eddy Purnama, ST., MT. NIP. 196907301995121001 Pembimbing II : Muhtadin, ST., MT. NIP. 198106092009121003
Latar belakang Banyaknya kecelakaan di jalan raya yang diakibatkan dari pelanggaran lalu lintas. Pentingnya plat nomor sebagai identitas kendaraan di jalan raya Belum adanya pengenalan plat nomor secara otomatis Permasalahan Perlu adanya penegakan aturan berupa hukuman bagi pelanggar lampu lalulintas Saat ini identifikasi pelanggar lampu lalulintas masih dilakukan secara manual. Perlu adanya sistem otomatis untuk mengetahui nomor polisi pelanggar lampu lalulintas
Tujuan Untuk mendeteksi lokasi plat nomor yang ada di kendaraan Untuk mengidentifikasi plat nomor pelanggar Data bisa digunakan sebagai bukti untuk menindak pengendara Relevansi Untuk dapat mengenali plat nomor dari kendaraan yang diidentifikasi secara otomatis sehingga dapat membantu manusia dalam melakukan pekerjaannya
Deskripsi Sistem
Deteksi Plat Nomor
Pre processing(1) Grayscale grayscale adalah citra yang hanya menggunakan warna pada tingkatan warna abu abu. Setiap piksel memiliki satu jenis warna dengan intensitas yang berbeda beda
Pre processing(2) Thresholding Merubah citra grayscale menjadi citra biner Untuk mengetahui daerah mana yang termasuk obyek dan background dari citra secara jelas
Deteksi Garis Untuk menemukan garis pada citra Menggunakan metode deteksi kontur, dengan cara mendeteksi tepi secara vertikal dan horisontal.
Deteksi Kotak Karena ciri khusus dari plat nomor adalah segi empat Kotak didapat dari kumpulan garis yang menyusun membentuk bentuk kotak Hasil yang didapat terdapat beberapa kandidat plat
Seleksi Kotak Input berupa beberapa kandidat kotak Untuk diseleksi menjadi kotak yang diduga sebagai plat nomor menggunakan cara perbandingan ratio ratio = panjang kotak / lebar kotak Setelah ditemukan maka dilakukan proses ekstraksi obyek plat nomor pada citra
Pengenalan Plat Nomor
Pre processing Input berupa hasil ekstraksi plat nomor pada proses sebelumnya Proses grayscale Proses thresholding
Noise Filtering Erosi adalah Suatu operasi yang akan mengurangi piksel pada batas antar obyek dalam suatu citra digital. Cara kerjanya adalah melakukan pengecekan terhadap pixel hitam yang akan dierosi dengan melewatkan mask yang ada terhadap pixel hitam tadi, jika memenuhi semua syarat dalam mask maka pixel hitam tadi diubah warnanya menjadi putih. Dilasi adalah Suatu operasi yang akan menambahkan pixel pada batas antar objek dalam suatu citra digital. Cara kerjanya adalah Dalam binary image, jika ada pixel tetangga yang bernilai 1 maka output pixel akan diset menjadi 1.
OCR (Optical Character Recognition) Pengenalan gambar karakter menjadi sebuah teks yang dapat di edit Mencocokan pola karakter pada gambar dengan database yang telah tersedia Tingkat keakuratan OCR bergantung pada tingkat ketajaman gambar
OCR (Optical Character Recognition) Segmentation Normalization Feature Extraction Recognition Hasil
OCR (Optical Character Recognition) Segmentation Untuk memisahkan wilayah (region) objek dengan wilayah latar belakang agar objek di dalam citra mudah dianalisis dalam rangka mengenali objek. Normalization Scalling Scalling adalah fungsi yang mengubah ukuran suatu gambar dimana scalling cenderung merupakan sebutan untuk perbesaran pada karakter obyek Thinning Thinning adalah operasi morfologi yang digunakan untuk menghapus piksel foreground yang terpilih dari gambar biner, biasanya digunakan untuk proses mencari karakter pada obyek.
OCR (Optical Character Recognition) Feature ekstraction Feature Extraction adalah suatu proses image analysis dalam mengidentifikasi sifat sifat yang melekat dari tiaptiap karakter atau disebut juga dengan fitur dari sebuah obyek yang terdapat dalam citra. Recognition Recognition adalah proses membandingkan antara gambar karakter dengan template yang telah tersedia pada library tessnet_32
Pengujian dan Analisa(1) Pengujian deteksi lokasi plat nomor Pengujian pengenalan karakter pada obyek plat nomor Pengujian sistem secara keseluruhan
Pengujian dan Analisa(2) Pengujian deteksi lokasi plat nomor
Pengujian dan Analisa(3) Pengujian pengenalan karakter pada obyek plat nomor
Pengujian dan Analisa(4) Pengujian sistem secara keseluruhan
Pengujian dan Analisa(5) Pengujian aplikasi telah dilakukan pada 25 sampel gambar dengan kondisi penchayaan yang cukup dan posisi dilakukan dari sudut yang tepat didapatkan :
Kesimpulan Proses pengenalan nomor plat kendaraan dapat diperoleh secara bagus ketika pengambilan gambar dengan posisi kamera tegak lurus dengan kendaraan. Proses pendeteksian plat dan pengenalan nomor juga dipengaruhi oleh tingkat pencahayaan pada obyek. Dari hasil tersebut, maka dapat dikatakan bahwa jumlah piksel input akan menentukan tingkat keberhasilan dan akurasi citra, semakin besar ukuran piksel citra input, maka semakin baik hasil citra output.