Perpustakaan Digital ITB

Riset kecerdasan buatan dalam pengolahan citra telah berkembang pesat akhir- akhir ini. Pengolahan citra dapat dimanfaatkan dalam sistem kamera pengawas. Sistem kamera pengawas bergantung pada manusia untuk menerjemahkan gambar yang tertangkap pada rekaman video. Bagaimanapun, pengamatan secara manual oleh manusia rentan terhadap distraksi dan kelelahan. Maka dari itu, penelitian ini merancang tiga modul dengan tujuan dan fungsi yang berbeda dan diintegrasikan menjadi satu sistem untuk membantu peran manusia dalam melakukan pengawasan. Tiga modul tersebut terdiri dari deteksi objek, pengenalan wajah, dan deteksi perilaku anomali untuk diintegrasi dengan state machine. Penelitian ini menggunakan metoda Histogram Oriented Gradient-Support Vector Machine (HOG-SVM) untuk deteksi objek, pemanfaatan deep learning Convolutional Neural Network (CNN) berdasarkan adaptasi metoda transfer learning yang dikombinasikan dengan arsitektur Visual Geometry Group-16 (VGG16) untuk pengenalan wajah, serta spatiotemporal autoecnoder berdasarkan dimensi ruang dan waktu yang didasari nilai loss dan threshold untuk mengidentifikasi perilaku anomali. Metrik standar seperti akurasi, presisi, recall, dan f1-score digunakan untuk menguji ketiga model dari modul tersebut. Ketiga modul diintegrasikan dengan state machine dalam perpindahan antar modulnya. Sistem secara keseluruhan dapat mengenali dan membedakan keadaan normal dan abnormal yang terjadi. Akurasi keseluruhan sistem mencapai 84%, nilai presisi 84,615%, nilai recall 94,286%, dan skor f1 89,189%.