ANALISIS FITUR HAAR MENGGUNAKAN ALGORITMA HAAR-LIKE FEATURE PADA CITRA KENDARAAN BERMOTOR

Nabila Dayu Mega Anjani, F. Farida, Muhammad Kurniawan
{"title":"ANALISIS FITUR HAAR MENGGUNAKAN ALGORITMA HAAR-LIKE FEATURE PADA CITRA KENDARAAN BERMOTOR","authors":"Nabila Dayu Mega Anjani, F. Farida, Muhammad Kurniawan","doi":"10.21107/NERO.V5I2.187","DOIUrl":null,"url":null,"abstract":"Jenis kendaraan bermotor terdiri dari sepeda motor, mobil, bus dan truk. Setiap jenis kendaraan bermotor memiliki ciri-ciri khusus yang digunakan sebagai pembeda. Pengenalan objek kendaraan berdasarkan jenis dan teknik pengolahan citra telah banyak dikembangkan oleh beberapa peneliti dengan menggabungkan metode deteksi kendaraan salah satunya metode haar like feature. Penelitian ini mencari filter yang tepat untuk digunakan pada proses deteksi kendaraan bermotor. Beberapa proses haar like feature yang dilakukan diantaranya integral image, haar training, haar testing dan labeling. Berdasarkan hasil pengujian pemilihan filter pada proses haar training memperoleh tipe filter (1,2) dapat mengenali 4 objek kendaraan mobil dan 0 objek bis dengan hasil akurasi 80%. Sedangkan tipe filter (2,2) dapat mengenali 1 objek kendaraan mobil dan 0 kendaraan bis dengan hasil akurasi 71%. Pada proses haar testing memperoleh tipe filter (1,2) dapat mengenali 2 kendaraan mobil dan 1 kendaraan bis dengan hasil akurasi 88,8%. Sedangkan tipe filter (2,2) dapat mengenali 3 objek kendaraan mobil dan 1 objek kendaraan bis dengan hasil akurasi 90%.","PeriodicalId":410213,"journal":{"name":"Network Engineering Research Operation","volume":"14 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2020-12-14","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"2","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Network Engineering Research Operation","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.21107/NERO.V5I2.187","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 2

Abstract

Jenis kendaraan bermotor terdiri dari sepeda motor, mobil, bus dan truk. Setiap jenis kendaraan bermotor memiliki ciri-ciri khusus yang digunakan sebagai pembeda. Pengenalan objek kendaraan berdasarkan jenis dan teknik pengolahan citra telah banyak dikembangkan oleh beberapa peneliti dengan menggabungkan metode deteksi kendaraan salah satunya metode haar like feature. Penelitian ini mencari filter yang tepat untuk digunakan pada proses deteksi kendaraan bermotor. Beberapa proses haar like feature yang dilakukan diantaranya integral image, haar training, haar testing dan labeling. Berdasarkan hasil pengujian pemilihan filter pada proses haar training memperoleh tipe filter (1,2) dapat mengenali 4 objek kendaraan mobil dan 0 objek bis dengan hasil akurasi 80%. Sedangkan tipe filter (2,2) dapat mengenali 1 objek kendaraan mobil dan 0 kendaraan bis dengan hasil akurasi 71%. Pada proses haar testing memperoleh tipe filter (1,2) dapat mengenali 2 kendaraan mobil dan 1 kendaraan bis dengan hasil akurasi 88,8%. Sedangkan tipe filter (2,2) dapat mengenali 3 objek kendaraan mobil dan 1 objek kendaraan bis dengan hasil akurasi 90%.
HAAR功能分析使用机动车图像上的风景学算法
机动车的类型包括摩托车、汽车、公共汽车和卡车。每种机动车都有作为区别的特殊特征。根据车辆的类型和图像处理技术,一些研究人员已经开发出许多方法,包括车辆检测方法,如外观方法之一。本研究要求在车辆检测过程中使用适当的过滤器。一些类似feature的过程包括整合图像、haar training、haar测试和标签。根据培训过程中挑选过滤器的测试结果,获得了一种过滤器类型(1.2),可以识别4个汽车物体和0个公共汽车物体的准确性为80%。而过滤器类型(2.2)可以精确定位一辆汽车和0辆公共汽车。在haar测试过程中,获得了一种过滤器类型(1.2),可以在88.8%的准确率下识别两辆汽车和一辆公共汽车。而过滤器类型(2.2)可以精确定位三辆汽车和一辆公共汽车。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信