Sistem Pendeteksi Pejalan Kaki Di Lingkungan Terbatas Berbasis SSD MobileNet V2 Dengan Menggunakan Gambar 360° Ternormalisasi

Abstract

Pertumbuhan arus lalu lintas kendaraan di berbagai wilayah seperti perkotaan danperdesaan semakin tinggi diakibatkan oleh semakin meningkatnya kebutuhan alat transportasi. Pertumbuhan arus lalu lintas kendaraan di berbagai wilayah seperti perkotaan dan perdesaan semakin tinggi diakibatkan oleh semakin meningkatnya kebutuhan alat transportasi. Kondisi tersebut menyebabkan banyak para ilmuan berupaya untuk meningkatkan kualitas dari moda transportasi secara terus-menerus sehingga semakin mudah, aman dan praktis untuk digunakan. Akibatnya saat ini telah muncul ide transportasi tanpa pengemudi untuk memenuhi kebutuhan tersebut. Bentuk alat transportasi tersebut tidak hanya kendaraan pribadi, namun lebih diharapkan berupa kendaraan masal seperti bus atau kereta. Hal ini tentunya akan menjadi bentuk tantangan baru dalam memasuki era Mobility In Society 5.0 yang diperkirakan akan segera dihadapi juga oleh negara kita. Ada beberapa aspek yang harus diperhatikan dalam mendesain tranportasi otonom atau kendaraan listrik otonom agar tidak menimbulkan kecelakaan yang dapat membahayakan pengendara dan lingkungan sekitar. Diantaranya adalah keberadaan sistem pendeteksi para pejalan kaki. Sistem ini sangat penting karena seperti halnya kendaraan konvensional, kendaraan otonom juga harus menghindari pejalan kaki, namun kali ini dengan tanpa bantuan pengemudi. Untuk mengatasi hal tersebut di atas, maka pada penelitian ini sistem software yang memiliki fungsi untuk dapat mendeteksi pejalan kaki dari segala arah menggunakan kamera 360° dikembangkan. Sistem ini juga memanfaatkan teknologinya deep learning. Desain dan realisasi sistem ini melalui beberapa tahapan yang dimulai dari instalasi software pendukung pada NVIDIA jetson AGX xavier, pengambilan data video dengan kamera 360° untuk membuat dataset sebanyak 19.038 gambar, melatih SSD MobileNet V2 dengan dataset tersebut, hingga proses pengujian secara real-time dan offline. Hasilnya, dengan mengujikan 548 gambar 360° yang ternormalisasi secara offline untuk kondisi siang hari terdapat 60,40% gambar yang dapat terdeteksi sempurna, sedangkan untuk 514 gambar 360° ternormalisasi untuk kondisi sore hari diperoleh 62,25% gambar terdeteksi sempurna. Sedangkan pada pengujian real-time diperoleh confident level 90% untuk pendeteksian pejalan kaki pada siang hari, dan 85% pada sore hari.