Penerapan teknologi visual control dalam kehidupan modern telah membawa perubahan besar terhadap berbagai aktivitas manusia sehari-hari. Salah satu penerapan penting dari teknologi ini adalah kemampuan untuk mendeteksi tindakan mencurigakan melalui sistem pengawasan video. Meningkatnya kebutuhan akan pengawasan yang efektif dan keamanan publik mendorong lahirnya berbagai sistem pemantauan cerdas yang umumnya berbasis kamera tetap. Namun, penggunaan CCTV konvensional yang masih bergantung pada pemantauan manusia secara terus-menerus kini dinilai kurang efisien dan tidak praktis, terutama dalam skala besar atau situasi yang dinamis.
Penggunaan metode ekstraksi fitur postur kinematik dari posisi sendi rangka tubuh manusia untuk meningkatkan akurasi dalam pengenalan aktivitas. Pendekatan ini melibatkan pengukuran fitur linier dan sudut pada sendi berdasarkan hubungan antarsegmen tulang yang terlihat pada data video, sehingga sangat cocok diterapkan pada algoritma estimasi pose. Dalam praktiknya, estimasi pose dilakukan dengan memproses ekstraksi urutan pergerakan sendi dari waktu ke waktu. Data ini selanjutnya dapat digunakan untuk membangun pola gerak yang khas, berguna dalam mengenali jenis aktivitas maupun identitas seseorang secara lebih akurat.
Penelitian yang dilakukan oleh Dr. Ir. Riky Tri Yunardi, S.T., M.T., IPM., ASEAN Eng. dan rekan-rekan, telah mengembangkan sebuah model deep learning yang dirancang khusus untuk mengenali individu dan aktivitas mereka melalui data video yang direkam oleh kamera yang terpasang pada drone. Setiap frame video memuat data gerak yang berasal dari koordinat posisi sendi dan sudut antar sendi. Proses ini bertujuan untuk menonjolkan pola gerak struktural dan mengekstraksi fitur berdasarkan jarak serta sudut sendi, yang kemudian digunakan sebagai masukan bagi sistem pengklasifikasi. Model inovatif ini menggabungkan keunggulan dari jaringan Deep CNN dan LSTM guna mengklasifikasikan identitas seseorang serta jenis aktivitas yang dilakukan secara lebih akurat.
Dari hasil penelitian ini membuktikan bahwa pendekatan deep learning efektif digunakan untuk mengenali individu dan aktivitas manusia melalui data video yang direkam oleh kamera yang terpasang pada drone. Meskipun penelitian ini hanya melibatkan 10 subjek dan beberapa jenis aktivitas, hasilnya menunjukkan potensi besar teknologi ini dalam sistem pengawasan. Penelitian lanjutan diharapkan dapat memperluas jumlah data, meningkatkan ketahanan terhadap variasi subjek, serta mengintegrasikan kemampuan pelacakan multi-individu untuk penerapan di dunia nyata yang lebih luas dalam meningkatkan sistem pengawasan cerdas.
Penulis: Ir. Riky Tri Yunardi, S.T., M.T., IPM., ASEAN Eng. Informasi detail dari riset ini dapat dilihat pada tulisan kami di: https://pubs2.ascee.org/index.php/IJRCS/article/view/1949/pdf
