SISTEM DETEKSI LAJU DAN PLAT NOMOR KENDARAAN BERBASIS VIDEO REKAMAN MENGGUNAKAN YOLOV5, DEEPSORT DAN HYPERLPR

• Main Author: Muhammad Azhar Baiquni, - (Author)
• Format: Book
• Published: 2023-09-01.
• Subjects: Thesis; NonPeerReviewed
• Online Access: Link Metadata

Summary

Salah satu penyebab terjadinya kecelakaan adalah kurangnya kewaspadaan pengendara dan pelanggaran laju kendaraan melampaui batas maksimal. Untuk mengurangi tindak pelanggaran tersebut diperlukan pengawasan lalu lintas pada area jalan terutama di area yang rawan terjadi kecelakaan. Dalam penelitian ini dikembangkan sistem deteksi laju dan plat nomor kendaraan berbasis video rekaman menggunakan YOLOv5-DeepSORT dan HyperLPR untuk mengatasi permasalahan tersebut. Dalam sistem ini digunakan YOLOv5 dan DeepSORT untuk mendeteksi dan melacak pergerakan kendaraan sehingga diperoleh perpindahan jarak kendaraan yang digunakan sebagai acuan deteksi laju kendaraan. Adapun HyperLPR digunakan untuk mendeteksi plat nomor dari kendaraan tersebut. Metode yang digunakan dalam penelitian ini yaitu metode experimen dengan melakukan perekaman video pada ruas jalan tol Cipali yang digunakan sebagai input dari program deteksi laju dan plat nomor kendaraan. Hasil pengujian deteksi objek kendaraan menggunakan YOLOv5 diperoleh nilai evaluasi metric precision sebar 100%. Dan pengujian deteksi laju kendaraan diperoleh nilai rata-rata presentase eror sebesar 7,6% terhadap nilai sebenarnya. Adapun dari deteksi plat nomor kendaraan diperoleh hasil akurasi karakter secara keseluruhan sebesar 91,82 %. Dari hasil tersebut dapat disimpulkan bahwa sistem deteksi laju dan plat nomor kendaraan yang dikembangkan memiliki akurasi yang sangat baik dan dapat dipertimbangkan untuk digunakan dengan memperhatikan beberapa kriteria implementasi yang telah ditentukan. Kata Kunci: Laju kendaraan, plat nomor kendaraan, YOLOv5, DeepSORT HyperLPR One of the contributing factors to accidents is the inadequate vigilance of drivers and violations of the designated vehicle speed limit. To mitigate these infractions, it becomes imperative to establish vigilant traffic monitoring measures, particularly in accident-prone zones. Addressing these concerns, the research introduces a comprehensive system for detecting speed violations and capturing vehicle license plate information, particularly through video-based surveillance. The framework leverages a combined utilization of YOLOv5-DeepSORT and HyperLPR technologies. YOLOv5 and DeepSORT synergize to identify and track vehicular motion, enabling the calculation of distance displacement as a basis for accurate speed assessment. HyperLPR, on the other hand, facilitates precise license plate identification. The study employs an experimental approach, capturing video footage along a section of the Cipali toll road, subsequently processed by the speed detection and license plate recognition algorithms. The evaluation of the vehicle detection module employing YOLOv5 demonstrates a flawless precision metric score of 100%. Furthermore, the speed detection component yields an average error percentage of 7.6% in relation to actual values. The vehicle license plate recognition showcases an overall character accuracy rate of 91.82%. Collectively, these outcomes affirm the exceptional accuracy of the developed speed detection and license plate recognition system, warranting its potential consideration for deployment, subject to predefined implementation criteria. Keywords: Vehicle speed, vehicle license plate, YOLOv5, DeepSORT HyperLPR

Item Description

http://repository.upi.edu/103187/1/S_TE_1801065_Tittle.pdf
http://repository.upi.edu/103187/2/S_TE_1801065_Chapter1.pdf
http://repository.upi.edu/103187/3/S_TE_1801065_Chapter2.pdf
http://repository.upi.edu/103187/4/S_TE_1801065_Chapter3.pdf
http://repository.upi.edu/103187/5/S_TE_1801065_Chapter4.pdf
http://repository.upi.edu/103187/6/S_TE_1801065_Chapter5.pdf
http://repository.upi.edu/103187/7/S_TE_1801065_Appendix.pdf