基于YOLO的距离计数器和人员数量,作为Covid-19健康协议

Faizal Indaryanto, A. Nugroho, Alfa Faridh Suni
{"title":"基于YOLO的距离计数器和人员数量,作为Covid-19健康协议","authors":"Faizal Indaryanto, A. Nugroho, Alfa Faridh Suni","doi":"10.15294/edukomputika.v8i1.47837","DOIUrl":null,"url":null,"abstract":"Pandemi Covid-19 saat ini cukup memberikan dampak pada masyarakat. Skala penyebaran dari Covid-19 sangatlah cepat, sehingga membutuhkan penanganan yang benar.  Salah satu cara untuk mengurangi penyebaran Covid-19 adalah dengan melakukan Social Distancing. Namun masyarakat cenderung lalai dalam melaksanakan protokol kesehatan tersebut.  Salah satu cara untuk mengatasi masalah ini adalah dengan aplikasi social distancing detector yaitu aplikasi yang digunakan untuk mendeteksi jumlah dan jarak dari objek manusia yang ada pada satu area. Penelitian ini bertujuan untuk mengembangkan aplikasi social distancing detector menggunakan bahasa pemrograman Python dengan library YOLOv3. YOLOv3 memiliki kelebihan dalam object detection dengan akurasi yang tinggi yaitu diatas 90%. Pengujian metode pada penelitian ini menggunakan lima dataset pejalan kaki dari kamera pengawas jalan yang didapatkan dari dataset uji coba beberapa peneliti melalui Github yang memiliki resolusi yang baik dan memiliki objek manusia yang heterogen. Hasil akurasi dari deteksi citra pertama adalah 83,32%. Hasil akurasi dari deteksi citra kedua adalah 76,92%. Hasil akurasi dari deteksi citra ketiga adalah 89,99%. Hasil akurasi dari deteksi citra keempat dan kelima adalah 100%. Hasil Rata-rata tingkat keberhasilan dari semua hasil analisa adalah 90,04% yang diukur dari rata-rata perbandingan jumlah data percobaan berhasil dan jumlah data pengamatan untuk tiap-tiap citra. \n ","PeriodicalId":53354,"journal":{"name":"Edu Komputika Journal","volume":null,"pages":null},"PeriodicalIF":0.0000,"publicationDate":"2021-06-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"3","resultStr":"{\"title\":\"Aplikasi Penghitung Jarak dan Jumlah Orang Berbasis YOLO Sebagai Protokol Kesehatan Covid-19\",\"authors\":\"Faizal Indaryanto, A. Nugroho, Alfa Faridh Suni\",\"doi\":\"10.15294/edukomputika.v8i1.47837\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Pandemi Covid-19 saat ini cukup memberikan dampak pada masyarakat. Skala penyebaran dari Covid-19 sangatlah cepat, sehingga membutuhkan penanganan yang benar.  Salah satu cara untuk mengurangi penyebaran Covid-19 adalah dengan melakukan Social Distancing. Namun masyarakat cenderung lalai dalam melaksanakan protokol kesehatan tersebut.  Salah satu cara untuk mengatasi masalah ini adalah dengan aplikasi social distancing detector yaitu aplikasi yang digunakan untuk mendeteksi jumlah dan jarak dari objek manusia yang ada pada satu area. Penelitian ini bertujuan untuk mengembangkan aplikasi social distancing detector menggunakan bahasa pemrograman Python dengan library YOLOv3. YOLOv3 memiliki kelebihan dalam object detection dengan akurasi yang tinggi yaitu diatas 90%. Pengujian metode pada penelitian ini menggunakan lima dataset pejalan kaki dari kamera pengawas jalan yang didapatkan dari dataset uji coba beberapa peneliti melalui Github yang memiliki resolusi yang baik dan memiliki objek manusia yang heterogen. Hasil akurasi dari deteksi citra pertama adalah 83,32%. Hasil akurasi dari deteksi citra kedua adalah 76,92%. Hasil akurasi dari deteksi citra ketiga adalah 89,99%. Hasil akurasi dari deteksi citra keempat dan kelima adalah 100%. Hasil Rata-rata tingkat keberhasilan dari semua hasil analisa adalah 90,04% yang diukur dari rata-rata perbandingan jumlah data percobaan berhasil dan jumlah data pengamatan untuk tiap-tiap citra. \\n \",\"PeriodicalId\":53354,\"journal\":{\"name\":\"Edu Komputika Journal\",\"volume\":null,\"pages\":null},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2021-06-30\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"3\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Edu Komputika Journal\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.15294/edukomputika.v8i1.47837\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Edu Komputika Journal","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.15294/edukomputika.v8i1.47837","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 3

摘要

新冠肺炎大流行病现在对社会产生了相当大的影响。新冠肺炎的传播规模非常快,因此需要适当的治疗。减少新冠肺炎传播的一种方法是保持社交距离。但人们在执行健康协议时往往会违约。[UNK]解决这个问题的一种方法是应用社交距离检测器应用程序,该应用程序用于检测一个区域内存在的人类物体的数量和距离。本研究旨在使用Python编程语言和YOLOv3库开发社交距离检测器应用程序。YOLOv3在物体检测方面具有超过90%的高精度优势。本研究中的方法测试使用了来自道路监控摄像头的五个行人数据集,这些数据集是通过Github尝试一些研究人员获得的,具有良好的分辨率和异构的人类对象。首次图像检测的准确率为83.32%。第二次图像检测的准确率为76.92%。第三次图像检测的准确率为89.99%。第四和第五图像检测的准确度是100%。通过对每个图像的成功实验数量和观察数据数量的平均比较,所有分析结果的平均成功率为90.04%。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
查看原文
分享 分享
微信好友 朋友圈 QQ好友 复制链接
本刊更多论文
Aplikasi Penghitung Jarak dan Jumlah Orang Berbasis YOLO Sebagai Protokol Kesehatan Covid-19
Pandemi Covid-19 saat ini cukup memberikan dampak pada masyarakat. Skala penyebaran dari Covid-19 sangatlah cepat, sehingga membutuhkan penanganan yang benar.  Salah satu cara untuk mengurangi penyebaran Covid-19 adalah dengan melakukan Social Distancing. Namun masyarakat cenderung lalai dalam melaksanakan protokol kesehatan tersebut.  Salah satu cara untuk mengatasi masalah ini adalah dengan aplikasi social distancing detector yaitu aplikasi yang digunakan untuk mendeteksi jumlah dan jarak dari objek manusia yang ada pada satu area. Penelitian ini bertujuan untuk mengembangkan aplikasi social distancing detector menggunakan bahasa pemrograman Python dengan library YOLOv3. YOLOv3 memiliki kelebihan dalam object detection dengan akurasi yang tinggi yaitu diatas 90%. Pengujian metode pada penelitian ini menggunakan lima dataset pejalan kaki dari kamera pengawas jalan yang didapatkan dari dataset uji coba beberapa peneliti melalui Github yang memiliki resolusi yang baik dan memiliki objek manusia yang heterogen. Hasil akurasi dari deteksi citra pertama adalah 83,32%. Hasil akurasi dari deteksi citra kedua adalah 76,92%. Hasil akurasi dari deteksi citra ketiga adalah 89,99%. Hasil akurasi dari deteksi citra keempat dan kelima adalah 100%. Hasil Rata-rata tingkat keberhasilan dari semua hasil analisa adalah 90,04% yang diukur dari rata-rata perbandingan jumlah data percobaan berhasil dan jumlah data pengamatan untuk tiap-tiap citra.  
求助全文
通过发布文献求助,成功后即可免费获取论文全文。 去求助
来源期刊
自引率
0.00%
发文量
3
审稿时长
24 weeks
期刊最新文献
Kelayakan dan Efektivitas Sistem Administrasi Kurikulum Menggunakan Metode User Centered Design (UCD) di MAN 2 Banjarnegara Integrasi Technology Readiness dan Technology Acceptance Model untuk Analisis Kesiapan Pengguna Terhadap Penerimaan Aplikasi Parenting Penanganan Imbalanced Dataset untuk Klasifikasi Komentar Program Kampus Merdeka Pada Aplikasi Twitter Pengembangan Model Pembelajaran Blended Learning berbasis Media Sosial yang Berwawasan Lingkungan Pengembangan Game Math Story Problems Menggunakan RPG Maker MZ untuk Anak 4-7 Tahun
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
现在去查看 取消
×
提示
确定
0
微信
客服QQ
Book学术公众号 扫码关注我们
反馈
×
意见反馈
请填写您的意见或建议
请填写您的手机或邮箱
已复制链接
已复制链接
快去分享给好友吧!
我知道了
×
扫码分享
扫码分享
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术
文献互助 智能选刊 最新文献 互助须知 联系我们:info@booksci.cn
Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。
Copyright © 2023 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1