Rancang Bangun Aplikasi Social Distancing Menggunakan Computer Vision

[Virtual Presenter] Halo semua! Saya akan membawakan presentasi tentang 'Rancang Bangun Aplikasi Social Distancing Menggunakan Computer Vision'. Hari ini saya akan berbagi dengan kalian cara membangun sebuah aplikasi sosial distancing yang menggunakan teknologi computer vision, dan bagaimana teknologi tersebut dapat membantu mencegah penyebaran virus Covid-19. Mulailah presentasi ini dan bahas lebih jauh mengenai topik ini..

[Audio] Teknologi Pendeteksi Social Distancing menggunakan Computer Vision merupakan inovasi yang dikembangkan untuk membantu kita dalam menjaga jarak fisik di tengah pandemi Covid-19. Hal ini menggunakan rekaman video dan Computer Vision sebagai pendeteksi dan analisis perilaku manusia. Deep Learning, cabang dari Machine Learning, juga digunakan untuk membangun model Computer Vision yang mampu mendeteksi pelanggaran Social Distancing. Teknologi ini memiliki struktur mirip dengan otak manusia, dimana Neural Network (ANN) berfungsi untuk memungkinkan komputer dapat memahami dan menginterpretasi situasi seperti yang dilakukan manusia..

[Audio] Kami menggunakan bahasa pemrograman Python berdasarkan library OpenCV untuk membangun aplikasi Social Distancing. Python, sebagai salah satu bahasa interpretatif yang populer pada bidang Data Science, Internet of Things (IoT), dan Machine Learning, memberikan fleksibilitas dan kemudahan dalam penciptaan solusi teknologi untuk menyelesaikan masalah sosial akibat pandemi. Aplikasi ini diharapkan menjadi lebih efisien dalam mengawasi dan mengurangi pelanggaran Social Distancing, yang diprediksi dapat membantu pemerintah dan masyarakat dalam meminimalkan penyebaran virus. Berikutnya, kita akan membahas bagaimana cara mengembangkan aplikasi ini..

[Audio] Untuk membangun Aplikasi Social Distancing menggunakan Computer Vision, metode yang digunakan adalah studi pustaka dan studi lapangan. Pada studi pustaka, kami membaca dan menganalisa beberapa referensi tentang Computer Vision. Sedangkan pada studi lapangan, kami melakukan pendataan fasilitas umum di Majalengka yang biasa menjadi pusat keramaian. Metode yang digunakan untuk membangun aplikasi ini adalah Waterfall Model dengan lima tahap yang akan diuraikan..

[Audio] Di slide ini kita akan menjelaskan tahapan-tahapan yang harus dilakukan dalam Rancang Bangun Aplikasi Social Distancing Menggunakan Computer Vision. Tahapan pertama adalah melakukan Analisis Persyaratan untuk mengetahui kebutuhan-kebutuhan yang diperlukan. Setelah itu, tahapan selanjutnya adalah melakukan Desain, Diikuti oleh Testing dan Maintenance. Setelah itu, tahapan berikutnya adalah Development dimana aplikasi akan dibuat dan kemudian di-deploy agar bisa digunakan oleh pengguna lain untuk menghilangkan kendala yang ditemukan..

[Audio] Pada slide ini, kamu akan melihat hasil dari pengembangan dan pengujian aplikasi Social Distancing kami. Kami telah menggunakan model prabayar open-source yang telah dilatih pada dataset COCO dan algoritma YOLO untuk membangunnya. Hasilnya menunjukkan bahwa aplikasi kami mampu mengidentifikasi jarak antar orang dengan tingkat akurasi yang cukup tinggi..

[Audio] Pada slide ini, kita akan membahas teknologi yang digunakan untuk membuat aplikasi social distancing ini. Aplikasi ini menggunakan Python versi 3.9.5 64bit dan beberapa library pendukung, termasuk OpenCV-python (versi 4.5.1.48), Scipy, Numpy, dan Imutils. Sistem ini juga memanfaatkan pre-trained model dengan sumber terbuka yang dilatih pada dataset COCO (Common Object in Context) menggunakan algoritma YOLO (You Only Look Once). Dengan demikian, aplikasi ini diharapkan mampu memberikan deteksi yang akurat agar pengguna dapat mengikuti aturan social distancing dengan baik..

[Audio] Salam sejahtera semua. Pada slide ini, kita akan membahas mengenai COCO, yang merupakan salah satu dataset terbesar dari Microsoft yang menekankan pada segmentasi objek pada gambar dengan skenario yang kompleks. COCO memiliki 80 kategori objek dan lebih dari 330.000 gambar dalam dataset ini, dengan lebih dari 200.000 di antaranya sudah diberikan label objek. Ini sangat berguna untuk melatih model computer vision dan membuat aplikasi social distancing. Terima kasih..

[Audio] Algoritma YOLO salah satu yang digunakan untuk aplikasi social distancing yang sedang kita rancang. YOLO adalah model pengenalan objek berbasis deep learning yang membagi gambar menjadi SxS grid dengan setiap sel bertanggung jawab untuk membuat kotak pembatas objek serta mengukur tingkat confidence dari objek yang terdeteksi. Fungsi ini memudahkan sistem mendeteksi objek di berbagai konteks alamiah di dalam gambar..

[Audio] Gambar 3 menunjukkan alur kerja dari aplikasi social distancing. Dengan adanya sistem Computer Vision, aplikasi ini dapat mendeteksi dan mengukur jarak antara orang, melakukan analisis wajah untuk mengenali orang yang jaraknya dicek, serta memberikan alert jika terjadi pelanggaran terkait social distancing..

[Audio] Pada tahap berikutnya (#2), model YOLO akan mengklasifikasi objek yang telah ditemukan dan akan mencari jarak antara objek tersebut. Sebagai contoh, model ini akan memberikan informasi jarak antara manusia dan objek lain di sekitarnya. Pada tahap berikutnya (#3), semua informasi yang telah dikumpulkan akan dimasukkan ke dalam matriks untuk mendeteksi adanya objek yang berpotensi terlalu dekat. Kalau kondisi objek dekat dikonfirmasi, sistem akan memberikan notifikasi berupa suara atau visual untuk memperingatkan orang yang berpotensi terlalu dekat. Slide ini akan menjelaskan bagaimana aplikasi Social Distancing berkerja. Pertama, aplikasi ini menerima input berupa video, yang kemudian akan diproses frame per frame. Pada tahap selanjutnya (#1), frame video yang telah diterima akan di-resize menjadi ukuran 700x392 pixel dan kemudian akan diproses oleh model YOLO. Model ini dapat membagi frame dengan grid SxS untuk mencari objek-objek yang ada di dalamnya. Pada tahap selanjutnya (#2), model YOLO akan mengklasifikasi objek yang telah ditemukan dan akan mencari jarak antara objek tersebut. Pada tahap selanjutnya (#3), semua informasi yang telah dikumpulkan akan dimasukkan ke dalam matriks untuk mendeteksi adanya objek yang berpotensi terlalu dekat. Kalau kondisi objek dekat dikonfirmasi, sistem akan memberikan notifikasi berupa suara atau visual untuk memperingatkan orang yang berpotensi terlalu dekat..

[Audio] Pada tahap #2 dan #3 dari proses rancang bangun aplikasi social distancing, kami akan mengukur jarak antara titik centroid orang yang satu dengan orang lainnya. Apabila jarak antara titik centroid kurang dari 50 pixel, maka warna kotak pembatas yang menandai jarak antara mereka akan berubah menjadi merah. Nilai maksimal yang telah ditentukan adalah 50 pixel..

[Audio] Aplikasi ini dirancang untuk membantu menerapkan Social Distancing dengan menggunakan Computer Vision. Kami akan melakukan analisis gambar menggunakan algoritma Machine Learning untuk mendeteksi jumlah orang yang terlibat dalam gambar dengan menghitung jumlah kotak pembatas yang terlihat pada setiap gambar. Apabila jumlah orang yang terlibat terlalu berdekatan, akan diberikan notifikasi. Selain itu, aplikasi ini juga dapat membedakan orang yang aman dan tidak aman dengan menggunakan warna yang berbeda..

[Audio] Untuk slide ke-14 dari presentasi "Rancang Bangun Aplikasi Social Distancing Menggunakan Computer Vision", langkah awal sistem ini adalah memiliki input gambar atau frame dari file video yang diimpor. Proses ini melibatkan penulisan query Python pada Windows Terminal. Sistem ini juga mencakup nama file video yang akan diproses dan nama file video output yang diinginkan. Semua ini merupakan proses pengimporan pertama dalam alur sistem..

[Audio] Antarmuka pengguna ini diciptakan dengan bahasa pemrograman PHP dan dirancang untuk menjalankan query Python dengan satu sentuhan. Fungsi tambahan juga diterapkan untuk menampilkan antarmuka pengguna impor video dan memberikan nama pada video yang diekspor setelah pemrosesan. Selanjutnya, kita akan melihat bagaimana aplikasi Social Distancing kami dibangun..

[Audio] Aplikasi Social Distancing memudahkan kita melakukan deteksi jarak social distancing pada kondisi tertentu. Ketika tombol 'Start' pada web diaktifkan, maka kode program Sistem Pendeteksi Social Distancing akan berjalan otomatis. Kita bisa memilih file video yang akan diimpor untuk dianalisa melalui UI windows explorer. Hasil analisa social distancing yang telah direkam pun akan ditampilkan..

Di mana ketika tombol “Start” pada web diklik, kode program Sistem Pendeteksi Social Distancing akan secara otomatis dijalankan dan menampilkan UI windows explorer untuk memilih file video yang akan diimpor seperti terlihat pada Gambar 9 berikut..

[Audio] Di sini, kita akan menjelaskan bagaimana aplikasi menggunakan Computer Vision untuk dapat mengenali dan mencatat kegiatan social distancing yang terjadi dalam file video yang diproses. Untuk mencapai tujuan ini, sistem memanfaatkan beberapa algoritma Computer Vision seperti Optical Flow, Edge Detection dan Image Segmentation untuk mendeteksi dan mengevaluasi interaksi antar individu di dalam video. Dengan algoritma ini, aplikasi dapat melacak setiap gerakan atau aktivitas yang terjadi di dalam video dan memberikan laporan kepada pengguna mengenai kapan seseorang melewati jarak aman..

[Audio] Untuk melakukan pengujian sistem, penulis menggunakan file video yang diambil di beberapa lokasi di Majalengka, diantaranya Alun-alun Majalengka, Lapangan GGM Majalengka, dan Yogya Grand Majalengka. Keputusan tersebut didasari karena semua lokasi tersebut merupakan pusat keramaian yang memiliki spot yang tepat untuk mengambil gambar dari sudut yang tinggi..

[Audio] Pada bagian ini, kami melakukan uji coba untuk mengukur kecepatan pemrosesan aplikasi. Kami menerapkan dua perangkat dengan spesifikasi yang berbeda, untuk melihat perbedaan hasilnya. Kami menemukan bahwa pada laptop tanpa GPU dedicated, performanya sekitar 2,3 fps. Meskipun demikian, pada PC dengan GPU dedicated, performa meningkat hampir 100%, mencapai rata-rata 4,4 fps. Kami juga merekam log performa fps pada 30 frame terakhir saat pemrosesan file video dengan format 30 fps..

[Audio] Kami telah mengembangkan teknologi berbasis Computer Vision untuk membuat aplikasi yang berguna untuk mengatur social distancing dengan tepat. Aplikasi ini dirancang untuk menghasilkan data berupa informasi gambar dan video dari lingkungan sekitar, dan memanfaatkan library OpenCV untuk mengumpulkan informasi yang diperlukan. Selanjutnya, dari informasi yang telah dihasilkan, kami mengembangkan algoritma untuk mencari jarak aman antara orang-orang dan juga untuk memantau kepatuhan terhadap social distancing..

SEKIAN TERIMAKASIH.