Perpustakaan Digital ITB

Dalam mendukung pembangunan smart city di Indonesia, pengembangan stasiun kereta api harus bergerak ke arah smart station. Dalam mewujudkan smart station, perlu diperhatikan aspek safe and secure. Salah satu contoh tindakan yang mengancam aspek dari safe and secure di lingkungan stasiun adalah aktivitas memanjat pagar. Aktivitas ini dapat berujung pada perusakan sarana ataupun kekerasan. Aktivitas memanjat pagar dapat diawasi dengan pemanfaatan video analytics. Video yang akan digunakan bersumber dari CCTV yang telah terpasang di stasiun. Video analytics akan dijalankan melalui server VIANA dengan algoritma OpenPose dengan Deep Neural Network untuk melakukan rekognisi aktivitas memanjat pagar di lingkungan stasiun KAI. Pengujian terhadap algoritma OpenPose dengan DNN dilakukan pada lingkungan nyata, yaitu stasiun KAI Bandung. Hasil dari pengujian berupa nilai akurasi, presisi, dan recall. Nilai dari akurasi sebesar 75%, presisi sebesar 76%, dan recall sebesar 72%. Algoritma ini juga menggunakan resources dengan stabil tanpa kenaikan secara signifikan. Algoritma ini memiliki nilai GPU utilization sebesar 35%, memory utilization sebesar 8%, dan suhu dari GPU sebesar 63o C. Hasil prediksi aktivitas memanjat pagar oleh algoritma ini ditampilkan dalam halaman berupa dashboard. Halaman ini akan menampilkan denah dan daerah yang tertangkap oleh CCTV. Untuk tiap daerah, akan ditampilkan foto yang terindikasi terdapat aktivitas memanjat pagar oleh algoritma. Foto akan disimpan dalam storage pada VIANA.