2021 : Pengenalan Pelat Nomor Kendaraan pada Data Video Menggunakan Convolutional Neural Network berdasarkan Citra Sintetis sebagai Data Latih
Abstract
Seiring dengan perkembangan “Smart City� teknologi License Plate Recognition (LPR) atau pengenalan pelat nomor telah diadopsi di banyak aplikasi lalu lintas modern, seperti tempat parkir dan pemantauan lalu lintas. Pengenalan plat nomor secara otomatis merupakan bagian tak terpisahkan dari sistem transportasi cerdas (smart transportation system). Metode deep learning berbasis Convolutional Neural Network (CNN) telah menunjukkan kemajuan yang luar biasa pada bidang LPR. Namun, dalam proses pelatihan CNN dibutuhkan sampel berlabel dalam jumlah besar, sedangkan untuk memperoleh sampel bisa sangat sulit karena pelabelan yang memakan waktu dan biaya tinggi. Salah satu solusi untuk mengatasi permasalahan tersebut adalah menggunakan sampel sintetis untuk melatih CNN. Pada penelitian ini akan dibuat sistem LPR yang menggunakan citra sintetis sebagai data latih. Sistem LPR terdiri dari tiga tahapan utama yaitu deteksi area pelat nomor menggunakan Single Shot Detector (SSD), segmentasi karakter pada area pelat nomor yang berhasil dideteksi menggunakan Maximally Stable Extremal Regions (MSER), dan pengenalan karakter yang berhasil disegmentasi menggunakan CNN. Adapun arsitektur jaringan SSD akan dilatih menggunakan citra pelat sintetis berspesifikasi standar pelat nomor Indonesia. Sedangkan arsitektur jaringan CNN akan dilatih menggunakan citra karakter sintetis. Pengujian dilakukan dalam empat skenario yaitu pengujian kondisi pada citra pelat sintetis, pengujian optimizer CNN, pengujian pada data video, dan pengujian pada data gambar.