Perancangan Sistem Parkir Otomatis Sub Sistem : Deteksi Tanda Menggunakan Metoda Viola-Jones dan Pengenal Simbol Menggnakan SVM

Abstract

Abstrak Pada tugas akhir ini telah dirancang sebuah sistem deteksi tanda dan pengenal simbol yang berfungsi sebagai pembantu navigasi sistem kendali robot pengikut garis. Sistem ini berfungsi untuk mendeteksi tanda dan mengenali simbol angka didalam tanda yang menandai posisi setiap slot parkir yang ada. Sistem ini dirancang berdasarkan real-time object detection framework yang dirancang oleh Viola dan Jones. Sistem telah dilatih untuk mendeteksi sebuah objek yang telah dirancang sebagai penanda lintasan dan berhasil mencapai tingkat deteksi 96.67% dengan akurasi 95.39% pada pengujiannya di arena simulasi. Untuk mengenal simbol angka digunakan sebuah model klasifikasi yang dilatih menggunakan algoritma SVM dengan kernel RBF. Pelatihan dilakukan pada fitur HOG dari data set MNIST beserta beberapa data tambahan berupa angka cetak yang diambil dari 44 font berbeda, model klasifikasi yang dilatih berhasil meraih akurasi 93.1624% pada pengujian di arena simulasi. Kata Kunci : Viola-jones object detection framework, SMV, HOG. Abstract In this research has been designed a marker detection and printed digit recognition system that function as a part of navigation system for steering based line follower robot. This system was designed to detect a sign like object that marks position of a parking slot and recognize the printed digit inside the object. The detection system is based on Viola’s and Jones’s real-time object detection framework. This system has achive detection rate of 96.67% with 95.39% accurcy on a test in simulation arena. To recognize the digits inside the object, a classification model is trained using SVM algorithm with RBF kernel. This classification model is trained on HOG features of MNIST data set and some additional data from 44 diffrent font of printed digit. This classification sistem achive 99.37% accuracy on a test in a simulation arena. Key Words : Viola-jones object detection framework, SMV, HOG.