ABSTRAKSI: Saat ini banyak sekali digunakan kamera untuk mengamati kondisi lalu lintas di jalan raya. Banyak hal yang bisa diperoleh dengan penggunaan kamera ini. Misal saja jika kamera diletakkan di pintu masuk tol yang bisa dimanfaatkan untuk memvalidasi pemasukan. Masalah yang timbul adalah pengamatan tadi dilakukan oleh seorang operator. Untuk itu, dibuatlah sistem yang mampu mengenali jenis kendaraan secara otomatis menjadi sebuah kebutuhan.
Pada tugas akhir ini, diimplementasikan statistical algorithm dan Support Vector Machine untuk mengenali jenis kendaraan secara otomatis. Jenis kendaraan yang dapat dikenali pada tugas akhir ini yaitu sedan/city car, SUV/MPV, bus, dan truk. Pengenalan jenis kendaraan dilakukan berdasar pada panjang visual kendaraan. Bila ternyata panjang visual kendaraan belum mampu mengenali jenis kendaraan, terutama bus dan truk, maka akan ditambah filter gabor kemudian dimasukkan dalam classifier SVM. Sementara statistical algorithm digunakan dalam mengekstraksi background dari data video.
Berdasarkan percobaan yang telah dilakukan dalam beberapa variasi pencahayaan, tingkat akurasi dalam mengenali jenis kendaraan cukup baik. Dimana akurasi dalam mengenali sedan/city car sebesar 92.11%, SUV/MPV sebesar 82,44%, bus sebesar 86,11%, dan truk sebesar 67,86%.Kata Kunci : kendaraan, support vector machine, gabor filter, panjang visual, statistical algorithmABSTRACT: Currently, many cameras used to observe the traffic conditions on the highway. Many things can be obtained with the use of the camera. For example, the camera located at the entrance of the toll is used for validating the entry of vehicles. The weakness of existing system is that still needs the human involvement in observation. So, an automatic system, which is able to recognize the type of vehicle automatically, becomes necessary to be created.
In this final project, statistical algorithms and Support Vector Machines are implemented to automatically recognize the type of vehicle. Types of vehicles that can be recognized in this final project is the sedan / city car, SUV / MPV, buses, and trucks. The recognition of types of vehicles is done based on the visual length of the vehicle. Unless the length of the vehicle has not been able to visually identify the type of vehicles, especially for buses and trucks, then the Gabor filters will be added later included in the SVM classifier. Meanwhile, statistical algorithm is used to extract background from video data.
Based on experiments that have been made in several variations of light intensiity, the level of accuracy in recognizing the type of vehicle is good enough. Where accuracy in recognizing of sedan / the city car 92.11%, SUV / MPV 82,44%, 86,11% for buses, and 67,86% for trucks.Keyword: vehicle, support vector machine, gabor filter, visual length, statistical algorithm