PENGARUH FITUR DAN ANGLE PADA EKSTRAKSI CIRI GLCM TERHADAP AKURASI UNTUK KLASIFIKASI OBJEK

Abstrak

Mobil otonom adalah kendaraan yang dapat membimbing dirinya sendiri tanpa campur tangan manusia. Berbagai jenis kendaraan tanpa kemudi sedang dikembangkan. Sistem masa depan di mana komputer mengambil alih seni mengemudi. Masalahnya adalah sebelum menjadi perhatian dalam mobil otonom untuk mendapatkan keamanan yang tinggi. Mobil otonom membutuhkan sistem peringatan dini untuk menghindari kecelakaan di depan mobil, terutama sistem yang dapat digunakan di lokasi jalan raya. Dalam tulisan ini, kami mengusulkan sistem deteksi kendaraan berbasis visi untuk deteksi kendaraan berupa mobil.  Algoritme deteksi kami terdiri dari dua komponen utama: Ekstraksi ciri warna menggunakan nilai GLCM , dan pengujian 6 parameter dari GLCM dissimilarity, correlation, homogeneity, contrast, ASM dan energy. Kami menggunakan algoritma SVM (Support Vector Machine) untuk algoritma klasifikasi. Klasifikasi SVM (Support Vector Machine) dalam penelitian sebelumnya memiliki hasil yang cukup baik dan memiliki waktu komputasi yang cepat. Hasil akurasi yang baik terdapat pada fitur ASM dan menggunakan angle 45⁰