Perpustakaan Digital ITB

Jaga jarak sosial (social distancing) merupakan salah satu solusi untuk memutus rantai penyebaran COVID-19. Akan tetapi, kerumunan manusia menjadi masalah utama terjadinya kontak erat di antara manusia yang saling berdekatan. Diperlukan sebuah model pendeteksian kerumunan manusia yang dapat melakukan estimasi jarak di antara dua atau lebih untuk mencegah pelanggaran jarak sosial dengan batas aman kurang dari 1.5 meter dari sudut pandang kamera UAV. Pelatihan model CNN dilakukan pada 9.600 gambar manusia, pesepeda, dan pengendara sepeda motor. Model pralatih yang digunakan bertipe SSD dengan arsitektur MobileNet, ResNet50, dan ResNet101. Selain itu, perhitungan estimasi jarak sosial menggunakan jarak Euclidian dengan rata-rata manusia Indonesia sebagai acuannya, yakni 1.6 meter. Kalibrasi jarak sosial juga dilakukan dengan menggunakan prinsip proyeksi dari perbedaan sudut pandang kamera UAV saat terbang. Berdasarkan analisis hasil pengujian, MobileNet V2 dipilih sebagai model pendeteksian kerumunan manusia karena memiliki ukuran di bawah 100 Megabytes dan runtime pendeteksian rata-rata untuk citra tunggal hanya 0.606 detik, sehingga sesuai dengan beban yang dapat ditangani komputer pendamping UAV. MobileNet V2 juga mampu mendeteksi kerumunan manusia dengan baik, terbukti dengan nilai presisi yang mencapai 84.9% (IoU=0.50:0.95) dan nilai sensitivitas (recall) yang mencapai 87.8% (MaxDets=100). Selain itu, program berhasil dikembangkan untuk melakukan perhitungan pelanggaran menggunakan estimasi jarak sosial.