Perhitungan Trafic Di Jalan Raya Pada Webcam Secara Real Time Dengan Menggunakan Opency

Data kepadatan lalu-lintas merupakan kebutuhan yang mendasar dan penting bagi ilmu transportasi. Data kepadatan lalu-lintas biasanya didapat secara manual. Saat ini kamera video telah diterapkan untuk memantau kepadatan lalu-lintas. Untuk itu dibuatlah program penghitung kepadatan lalu-lintas dengan metode background substraction Tujuan dari background subtraction adalah untuk memisahkan obyek dan background sehingga gerakan dari sebuah obyek terdeteksi. Nilai background susbtraction yang didapat difilter unrtuk mengurangi noise dan proses thresholding dilakukan untuk mendeteksi keberadaan kendaraan pada detection window. Penelitian ini dibuat dengan menggunakan Microsoft Visual C++ 6.0, Intel Performance Library dan Open Source Computer Vision. Hasil dari pengujian performa dengan menggunakan file video dengan kondisi yang bervariasi yaitu kondisi terang, kondisi berawan, kondisi noise rendah dan kondisi noise tinggi, menunjukkan bahwa program ini secara keseluruhan menunjukkan keberhasilan lebih dari 80%. Keberhasilan dari program ini sangat dipengaruhi oleh penentuan nilai threshold yang tepat.

Data traffic density is a fundamental requirement and important for science transportation. Data traffic density is usually obtained manually. Currently the video camera has been implemented to monitor traffic density. To that made the program counter traffic density with background Substraction objective method of background subtraction is to separate the object and the background so that the movement of an object is detected. Susbtraction background value obtained is filtered unrtuk reduce noise and thresholding process performed to detect the presence of vehicles on the detection window. This study was made by using Microsoft Visual C ++ 6.0, Intel Performance Libraries and Open Source Computer Vision. The results of performance testing using a video file with varying conditions ie light conditions, cloudy conditions, the condition of low noise and high noise conditions, shows that the program as a whole showed the success of more than 80%. The success of this program is strongly influenced by the determination of the appropriate threshold value