Deteksi Pelanggaran Kendaraan Terhadap Traffic Light Menggunakan Mean Shift Algorithm dan Background Subtraction

Abstract

Congestion is a condition where traffic flow is blocked up caused by high volume of vehicle incomparable to availability roads. In addition to infrastructure, congestion is caused by lack of public awareness in obeying traffic rules. Therefore needed a system that can monitoring traffic flow. This research utilizes traffic video data which is processed using computer vision techniques to detect and count every movement vehicle that violate. Passing the traffic light when red light is on which is one of violation will be the main concern. The process begins to select ROI (Region of Interest) on traffic light object and the road in the video. Traffic light area is processed using mean shift algotihm, while road area is processed using background subtraction method. When the traffic light object shows red light, the system automatically to count vehicle object that crossing region of road and classifies it into 2 types, 4 wheeler and 2 or 3 wheeler vehicle. Then, information about the violates vehicle (id, size and type) will be stored in database. The testing is done for 3 videos that had different FPS values. Every testing video had received 3 trial based on the specified threshold values. The test result showing that mean shift algorithm able to detect vehicle crossing the area. Accuracy is obtained based on the result system compared the actual result.

Kemacetan merupakan suatu kondisi dimana tersendatnya arus lalu lintas yang disebabkan oleh tingginya volume kendaraan di jalan raya yang tidak sebanding dengan ketersediaan ruas jalan. Selain infrastruktur, kemacetan juga disebabkan karena kurangnya kesadaran masyarakat dalam menaati aturan lalu lintas. Oleh karena itu diperlukan suatu sistem yang dapat memantau kondisi arus lalu lintas. Penelitian ini dilakukan dengan memanfaatkan data video lalu lintas yang diolah menggunakan teknik computer vision untuk mendeteksi dan menghitung setiap pergerakan kendaraan yang melanggar. Adapun jenis pelanggaran yang dideteksi adalah melewati atau tidak berhenti ketika status lampu lalu lintas berwarna merah menyala. Proses diawali dengan pemilihan ROI (Region of Interest) pada objek lampu lalu lintas dan objek jalan yang terdapat dalam video. Area objek lampu lalu lintas yang telah ditentukan diproses menggunakan algoritma mean shift, sedangkan area jalan diolah menggunakan metode background subtraction. Ketika objek lampu lalu lintas menunjukkan warna merah, maka sistem otomatis menghitung kendaraan yang melewati batas ROI jalan dan mengklasifikasikannya menjadi dua jenis, yaitu kendaraan roda 4 dan kendaraan roda 2 atau 3. Selanjutnya informasi mengenai kendaraan yang melanggar (ID, panjang, lebar dan jenis) akan disimpan kedalam database. Pengujian dilakukan pada 3 buah video uji yang memiliki nilai FPS yang berbeda. Masing-masing video uji mendapatkan 3 kali percobaan berdasarkan nilai threshold yang ditentukan. Hasil pengujian menunjukkan bahwa mean shift berhasil mendeteksi perubahan warna pada objek lampu lalu lintas dan mampu mendeteksi objek kendaraan yang melewati batas henti. Adapun tingkat akurasi diperoleh berdasarkan perbandingan antara hasil perhitungan sistem dan hasil perhitungan secara manual.