DETEKSI DAN ANALISIS KERUMUNAN ORANG UNTUK MONITORING PROTOKOL MENGGUNAKAN YOU ONLY LOOK ONCE (YOLO)

Wabah virus korona COVID-19 yang masih berlangsung telah menyebabkan bencana global dengan penyebarannya yang sangat cepat dan mematikan. Social distancing sebagai salah satu tindakan pencegahan yang memadai terhadap penyebaran virus pandemi. Risiko penyebaran virus dapat diminimalisir dengan menghindari kontak fisik antar manusia. Dalam sistem monitoring protokol terutama social distancing, salah satu bagian yang penting adalah mendeteksi manusia. Dalam beberapa tahun terakhir, algoritma deep learning yang berbeda telah dikembangkan dan yang memberikan hasil deteksi manusia yang akurat. Oleh karena itu, tujuan dari penelitian ini adalah untuk menyediakan model deteksi deep learning untuk pelacakan social distancing menggunakan perspektif overhead. Kerangka kerja menggunakan model pengenalan objek YOLOv3 dan YOLOv5 untuk mengidentifikasi manusia dalam video. Dengan cara ini, pendeteksian menggunakan kumpulan data manusia berupa citra overhead. Model deteksi mengidentifikasi manusia menggunakan informasi kotak pembatas yang terdeteksi. Model-model dilatih pada kumpulan data manusia citra overhead dan diuji pada kumpulan data manusia citra overhead. Selanjutnya, penghitungan overhead view person dilakukan dengan menggunakan informasi dari bounding box yang diklasifikasikan. Penelitian ini dilakukan pada video yang diambil secara mandiri untuk menguji keakuratan model. Hasil menunjukkan bahwa model deteksi yang dihasilkan mempunyai akurasi yang lebih tinggi dibandingkan dengan model pre-trained.
Kata Kunci: COVID-19, Social Distancing, Deep Learning, perspektif Overhead, YOLO, Deteksi Manusia.