Sistem Pengenalan Plat Nomor Kendaraan Menggunakan Mask RCNN dan CNN
Article Sidebar
Main Article Content
Abstract
Plat nomor kendaraan adalah sebuah objek yang berfungsi sebagai tanda pengenal dari sebuah kendaraan. Plat nomor kendaraan dapat digunakan untuk mengidentifikasi sebuah kendaraan secara unik. Sistem yang dapat mengenali plat nomor kendaraan secara otomatis dapat digunakan dalam berbagai macam skenario. Misalnya untuk sistem parkir kendaraan dimana lama kendaraan berada di dalam lapangan parkir dapat ditentukan secara otomatis melalui waktu masuk dan keluar kendaraan. Ataupun pada sistem keamanan dimana plat nomor kendaraan seorang kriminal dapat dideteksi secara otomatis melalui sistem yang dapat memberitahu pihak berwenang secara otomatis. Untuk dapat mengembangkan sistem yang bisa mengenali plat nomor kendaraan secara otomatis, digunakan metode Mask R-CNN dan juga CNN.
Dari 2 model program yang diuji, yaitu model cepat dan akurat, sistem mendapatkan tingkat akurasi 73,8% dan 74,2% untuk keseluruhan karakter dalam plat nomor. Hal ini juga merupakan peningkatan dari hasil penelitian sebelumnya dimana segmentasi karakter membutuhkan keadaan yang sangat spesifik agar bisa mendapatkan hasil yang baik[1].
Article Details
This work is licensed under a Jurnal Komunikasi Creative Commons Attribution-ShareAlike 4.0 International License.
References
Erlinda, Kristina. RLSA Untuk Segmentasi Plat Mobil Dan Proses Pengenalan Dengan Backpropagation. Jurnal Ilmu Komputer Dan Sistem Informasi Fakultas Teknologi Informasi Universitas Tarumanagara 3, no. 1 (Jakarta: FTI Untar, 2015).
Ke, Yan, and Rahul Sukthankar. PCA-SIFT: A More Distinctive Representation for Local Image Descriptors. In Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition, Vol. 2, 2004. https://doi.org/10.1109/cvpr.2004.1315206.
He, Kaiming, Georgia Gkioxari, Piotr Dollár, and Ross Girshick. Mask R-CNN. IEEE Transactions on Pattern Analysis and Machine Intelligence 42, no. 2 (2020). https://doi.org/10.1109/TPAMI.2018.2844175.
Gonzalez, Rafael C, and Richard E Woods. Digital Image Processing, Global Edition. Digital Image Processing, Global Edition. 4th Edition. Vol. 19. (New York, NY: Pearson, 2017).
Kristina, loc. cit.