Deteksi Kerumunan Menggunakan Metode Fully-Convolutional Network pada Kamera Drone

Wishnu, Muhammad Fatih Fasiqulisan (2021) Deteksi Kerumunan Menggunakan Metode Fully-Convolutional Network pada Kamera Drone. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

Text 05111740000069-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2023. Download (1MB) | Request a copy

Abstract

Dalam masa pandemi virus COVID-19 seperti saat
perencanaan dan pelaksanaan tugas akhir ini membuat
pemerintah menetapkan peraturan yang mengharuskan masyarakat untuk menerapkan beberapa protokol kesehatan salah satunya adalah dengan menghindari kerumunan dan menjaga jarak. Meskipun peraturan sudah berlaku, masyarakat tetap banyak sekali yang membandel dan tetap berkerumun seperti tidak terjadi apa apa, oleh karena itu diperlukan sebuah sistem monitoring untuk memantau aksi kerumunan salah satunya dengan menggunakan drone.
Video yang direkam menggunakan kamera drone akan
diproses dengan menggunakan metode FCN (Fully-Convolutional Network) yang mengkonjugasikan komputasi dan efektivitas serta ditambah dengan metode two-loss yaitu Classification untuk menentukan itu kerumunan atau tidak dan Regression untuk membantu tugas klasifikasi diatas dalam menghitung kepadatan berdasarkan rata rata clustering coefficient.
Pada tugas akhir ini penulis mengimplementasikan metode
FCN (Fully-Convolutional Network) dalam citra gambar yang
diambil dari sequence video sehingga menghasilkan output
berupa keputusan apakah sejumlah orang dalam gambar itu
kerumunan atau tidak. Data latih yang digunakan menggunakan VisDrone Dataset dan menggunakan P-DESTRE Dataset dimana terdiri dari sequence gambar yang diambil dari ketinggian rata rata drone diterbangkan yang mengambil berbagai macam scenario baik itu berupa kerumunan maupun bukan, sedangkan untuk data tes nya menggunakan data yang diambil menggunakan drone.
Hasil akhir dari pengujian menggunakan model terbaik
didapat dari pre-trained model 5 dimana memiliki 2 keluaran yaitu 1 klasifikasi dan 1 regresi yang memiliki akurasi klasifikasi sebesar 0,978 sedangkan mean absolute error untuk regresinya sebesar 0,141. Hasil ini mengungguli model dari scratch yaitu model 4 dimana memiliki 3 keluaran yaitu 1 klasifikasi dan 2 regresi yang memiliki akurasi klasifikasi sebesar 0,945 sedangkan mean absolute error untuk regresi pertama dan keduanya 0,230 dan 7,210.
=========================================================
During the COVID-19 pandemic, such as during the planning and implementation of this final project, the government has set regulations that require the public to implement several health protocols, one of which is avoiding crowds and keeping a distance. Even though the regulations have been in effect, there are still a lot of people who are stubborn and still crowd around like nothing happened, therefore a monitoring system is needed to monitor crowd action, one of which is using drones.
Video recorded using a drone camera will be processed using the FCN (Fully-Convolutional Network) method which conjugates computation and effectiveness and is added with a two-loss method, namely Classification to determine whether it is a crowd or not and Regression to assist the classification task above in calculating density based on average. average clustering coefficient.
In this final project, the author implements the FCN (Fully-Convolutional Network) method in images taken from video sequences so as to produce output in the form of a decision whether a number of people in the image are a crowd or not. The training data used uses the VisDrone Dataset and uses the PDESTRE Dataset which consists of a sequence of images taken from the average height of the drone being flown that takes various scenarios, whether in the form of a crowd or not, while the test data uses data taken using a drone.
The final result of testing using the best model is obtained from pre-trained model 5 which has 2 outputs, namely 1 classification and 1 regression which has a classification accuracy of 0.978 while the mean absolute error for the regression is 0.141. This result outperforms the model from scratch, namely model 4 which has 3 outputs, namely 1 classification and 2 regressions which have a classification accuracy of 0.945 while the mean absolute error for the first and second regressions is 0.230 and 7.210.

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	COVID-19, Deteksi Kerumunan, Fully-Convolutional Network, Convolutional Neural Network, Clustering Coefficient, Crowd Detection, Drone.
Subjects:	Q Science > QA Mathematics > QA278.55 Cluster analysis R Medicine > R Medicine (General) > R858 Deep Learning R Medicine > RA Public aspects of medicine > RA644.C67 COVID-19 (Disease)
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55201-(S1) Undergraduate Thesis
Depositing User:	Muhammad Fatih
Date Deposited:	12 Aug 2021 12:44
Last Modified:	12 Aug 2021 12:44
URI:	http://repository.its.ac.id/id/eprint/86127

Actions (login required)

View Item