Sistem Deteksi Pelanggaran Lalu Lintas Menggunakan Pengolahan Citra

Diajukan Untuk Memenuhi Salah Satu Tugas Mata Kuliah Pengolahan Citra

Disusun oleh:
Kelompok 2
Icel Firmansyah 17200109
Muhammad Naufal Rifqi Rismawan 17200758
Rani Febriani Zein 17200051
Rifky Chandra Oktavian 17200891
Natalia Cristianingrum Kumbara Putri 17200929

Kelas : 17.5A.02

PRODI TEKNOLOGI INFORMASI

FAKULTAS TEKNIK DAN INFORMATIKA
UNIVERSITAS BINA SARANA INFORMATIKA
2022
I. Belakang Masalah
Menangani pelanggaran lalu lintas dan kecelakaan adalah masalah besar
dalam manajemen sosial dan publik di seluruh dunia. Jumlah mobil di jalan-jalan
kota telah meningkat secara signifikan, menyebabkan pelanggaran lalu lintas
menjadi sangat parah. Hal ini mengakibatkan kerugian harta benda yang cukup
besar serta meningkatnya cedera yang dapat mengancam nyawa orang.
Kecelakaan lalu lintas jalan merupakan masalah kesehatan masyarakat yang
signifikan dan merugikan pertumbuhan ekonomi dan sosial di seluruh dunia.
Kecelakaan di jalan menyebabkan 1,35 juta kematian per tahun,
menjadikannya penyebab kematian nomor delapan di dunia. Untuk mencegah
tindakan mengemudi yang berpotensi berbahaya, meminimalkan biaya sosial dari
kecelakaan dan kematian di jalan, penting untuk memperhatikan dengan cermat
kebiasaan mengemudi yang berbahaya. Akibatnya, pengelola lalu lintas di seluruh
dunia terus memperbarui undang-undang lalu lintas dan meningkatkan kepatuhan .
Volume lalu lintas kendaraan di jalan raya di kota-kota perkotaan Nigeria telah
mengakibatkan berbagai tingkat pelanggaran peraturan lalu lintas terutama
pelompatan lampu merah.
Oleh karena itu, diperlukan sistem pengenalan pelanggaran lalu lintas dan plat
nomor yang efisien untuk menangkap pelakunya dan mengatasi keterbatasan dan
kesalahan operator lalu lintas manusia yang tidak dapat berada di mana-mana
setiap saat. Sistem ini akan membantu dalam menangkap pelanggar lalu lintas
sehingga mengurangi pelanggar dan kecelakaan jalan yang terkait dengannya.

II. Metode Penelitian

Penelitian ini mengusulkan K-Nearest Neighbor untuk plat nomor pengenalan
karakter untuk mengurangi waktu pemrosesan dan beban komputasi pada sistem.

III. Hasil Penelitian

Sistem ini dibangun untuk menangkap gambar kendaraan yang menerobos
lampu merah. Pendekatan dua fase digunakan untuk mencapai hal ini. Yang
pertama adalah fase identifikasi pelanggaran dan pengambilan gambar, dan yang
kedua adalah fase pemrosesan gambar, yang melibatkan ekstraksi plat nomor dan
mengirimkan nomor yang diekstraksi ke database.
 Model yang direpresentasikan pada Gambar 1 adalah diagram blok. Urutan
operasi dari sistem yang dibangun digambarkan pada Gambar 2. Di sisi jalur,
antara jalur pejalan kaki dan jalur kendaraan, dipasang sensor gerak. Sensor dipicu
sebagai respons terhadap sinyal lampu merah sistem lampu lalu lintas. Setiap
kendaraan yang memasuki persimpangan meskipun lampu merah terdeteksi, foto
kendaraan diambil, gambar diproses, dan digit atau karakter plat nomor
diekstraksi. Karakter yang diekstraksi disimpan dalam database untuk disertakan
dalam lelang mendatang.
Sistem yang dikembangkan terdiri dari komponen perangkat keras dan
perangkat lunak yang terintegrasi untuk membangun sistem kehidupan nyata.
Paket profesional, Python, dan dukungan adalah komponen bagian perangkat
lunak dari keseluruhan sistem. Komponen perangkat keras sistem terdiri dari
kamera, Raspberry Pi dan sensor PIR. Implementasi proyek ini dalam hal
algoritma atau pendekatan yang digunakan adalah Optical Character Recognition.
Kumpulan data pelat nomor digunakan untuk melatih sistem mengenali pelat
nomor dan memotong pelat nomor yang dikenali tersebut dari gambar sampel.
Karakter dibandingkan dengan bilangan asli dan abjad untuk mengidentifikasi
karakter subjek dengan memperoleh tingkat korelasi antara karakter pelat yang
terdeteksi dan digit alfanumerik yang dimuat sebelumnya. Untuk mendeteksi dan
mengenali plat nomor dari gambar masukan yang diberikan, langkah-langkah
berikut diikuti dalam mengimplementasikan sistem. Deteksi Pelanggaran dan
Akuisisi Gambar; Lokalisasi Plat Nomor; Pra-pemrosesan gambar; Karakter