Penghitung Kendaraan Otomatis (Tugas 1)

Repositori ini berisi implementasi Tugas 1 - Computer Vision, yaitu sistem pendeteksi, pengklasifikasi, dan penghitung kendaraan otomatis pada video jalan raya menggunakan algoritma Background Subtraction MOG2 dan Blob Detection dari OpenCV.

Sistem ini dirancang menggunakan pendekatan Amati, Tiru, Modifikasi (ATM) berdasarkan literatur riset pengolahan citra digital untuk memonitor kepadatan lalu lintas.

Fitur Utama

• Deteksi Objek Dinamis: Memanfaatkan cv2.createBackgroundSubtractorMOG2 (termasuk deteksi bayangan) untuk memisahkan objek yang bergerak (kendaraan) dari latar belakang yang statis (jalan raya).
• Klasifikasi Berbasis Area (Bounding Box): Mengkategorikan kendaraan berdasarkan estimasi ukuran luas (width × height):
  • 🟢 Motor: Luas < 3000 piksel
  • 🔵 Mobil: Luas 3000 - 60000 piksel
  • 🔴 Truk/Bus: Luas > 60000 piksel
• Garis Hitung Virtual (Region of Interest): Kendaraan hanya dihitung ketika titik tengahnya (centroid) menyentuh area garis maya dengan nilai toleransi. Dilengkapi algoritma rekam jejak memori untuk mencegah penghitungan ganda (double-count prevention) pada objek yang sama.

Prasyarat (Dependencies)

Pastikan Anda telah menginstal modul Python berikut di dalam environment Anda:

pip install opencv-python numpy

Cara Menjalankan

1. Clone repositori ini ke komputer Anda.
2. Pastikan file sampel video lalu lintas (traffic_video.mp4) berada di direktori yang sama dengan kode script.
3. Buka terminal dan jalankan script utama:

python Penghitung_Kendaraan.py

4. Sebuah jendela preview proses Computer Vision akan terbuka. Tekan tombol q pada keyboard untuk menghentikan pemutaran secara manual.

Struktur Repositori

• Penghitung_Kendaraan.py — File kode utama (pipeline Computer Vision).
• traffic_video.mp4 — (Opsional) File video masukan (input).

Contoh Output Log Terminal

Ketika video telah selesai diputar atau dihentikan, terminal akan mencetak laporan komprehensif:

 HASIL AKHIR PENGHITUNGAN
Total Motor   : 0
Total Mobil   : 4
Total Truk/Bus: 0
Selesai.