DETEKSI DAN TRACKING PERGERAKAN MOBIL DI VIDEO LALU LINTAS MENGGUNAKAN OPENCV DAN PHYTON

Abstract

ABSTRAK

        DETEKSI DAN TRACKING PERGERAKAN MOBIL DI VIDEO LALU LINTAS MENGGUNAKAN OPENCV DAN PHYTON. Penelitian ini mengembangkan sistem deteksi pergerakan mobil berbasis OpenCV dan Python untuk mendukung pemantauan lalu lintas secara waktu nyata (real-time). Metode yang digunakan meliputi prapemrosesan citra, deteksi objek dengan algoritma background subtraction (MOG2 dan KNN), pelacakan menggunakan centroid tracking, serta klasifikasi kondisi lalu lintas menjadi tiga kategori: lancar, padat, dan macet. Evaluasi kinerja dilakukan berdasarkan akurasi deteksi, frame per second (FPS), dan pengujian berdasarkan pencahayaan. Hasil pengujian menunjukkan bahwa sistem mampu mencapai akurasi 94% pada siang hari, 88% pada malam hari, dan 80% pada kondisi hujan, dengan rata-rata FPS berkisar antara 18–32 tergantung resolusi video. Temuan ini membuktikan bahwa pendekatan berbasis OpenCV dapat diimplementasikan secara efektif untuk mendukung sistem transportasi cerdas dan pemantauan lalu lintas yang efisien.

Kata kunci: Deteksi Objek, OpenCV, Python, Pemantauan Lalu Lintas.

ABSTRACT

        CAR MOVEMENT DETECTION AND TRACKING IN TRAFFIC VIDEO USING OPENCV AND PHYTON. This study develops a car movement detection system based on OpenCV and Python to support real-time traffic monitoring. The methods used include image preprocessing, object detection using background subtraction algorithms (MOG2 and KNN), tracking using centroid tracking, and classification of traffic conditions into three categories: smooth, congested, and jammed. Performance evaluation was conducted based on detection accuracy, frames per second (FPS), and lighting-based testing. Test results showed that the system achieved 94% accuracy during the day, 88% at night, and 80% in rainy conditions, with an average FPS ranging from 18–32 depending on the video resolution. These findings demonstrate that the OpenCV-based approach can be effectively implemented to support intelligent transportation systems and efficient traffic monitoring.

Keywords: Object Detection, OpenCV, Python, Traffic Monitoring.