Deteksi Varian Penggunaan Helm dari Kamera Surveilans Menggunakan Metode Berbasis Deep Learning
Abstract
Sepeda motor merupakan moda transportasi utama di Indonesia, tetapi tingkat kepatuhan terhadap penggunaan helm masih rendah. Rekaman kamera surveilans yang sering kali memiliki resolusi rendah menyulitkan deteksi otomatis. Selain itu, variasi helm yang digunakan, seperti full-face, half-face, non-standar, serta pengendara tanpa helm, menjadi tantangan dalam proses pendeteksian. Penelitian ini bertujuan untuk mengembangkan model deep learning berbasis YOLOv8n yang mampu mendeteksi penggunaan helm pada citra beresolusi rendah. Dataset dikumpulkan secara mandiri dengan sudut pandang serta pencahayaan yang serupa. Pengujian dilakukan dengan berbagai konfigurasi batch size dan jumlah epoch untuk menemukan parameter optimal. Hasil evaluasi menunjukkan bahwa model dengan 100 epoch dan batch size 32 memberikan performa terbaik dengan mAP@50 sebesar 0.984, mAP@50- 95 sebesar 0.819, precision 0.953, recall 0.952, dan F1-score 0.953. Model ini mampu mendeteksi empat kategori helm dengan akurasi tinggi meskipun pada citra beresolusi rendah. Penelitian ini membuktikan bahwa YOLOv8n dapat digunakan untuk deteksi otomatis penggunaan helm dengan akurasi tinggi, yang dapat membantu sistem pemantauan lalu lintas dan meningkatkan keselamatan berkendara.
Kata kunci: deteksi helm, kamera surveilans, resolusi rendah, deep learning, YOLOv8
Downloads
References
Kompas.com, “Jumlah Sepeda Motor di Indonesia Tembus 128 Juta Unit,”
https://otomotif.kompas.com/read/2023/03/19/082100215
/jumlah-sepeda-motor-di-indonesia-tembus-128-juta-unit.
Kompas.com, “Sepeda Motor Jadi Penyumbang
Kecelakaan Tertinggi Sepanjang 2023,”
https://otomotif.kompas.com/read/2024/01/17/071200015
/sepeda-motor-jadi-penyumbang-kecelakaan-tertinggisepanjang-2023.
Pemerintah Pusat Indonesia, “Undang-undang
Nomor 22 Tahun 2009 tentang Lalu Lintas Dan Angkutan
Jalan,” https://peraturan.bpk.go.id/Details/38654/uu-no22-tahun-2009.
D. Hazra and Y.-C. Byun, “Upsampling real-time, low-resolution CCTV videos using generative adversarial networks,” Electronics (Basel), vol. 9, no. 8, p. 1312, 2020.
J. Mercado Reyna et al., “Detection of Helmet Use in Motorcycle Drivers Using Convolutional Neural Network,” Applied Sciences, vol. 13, no. 10, p. 5882, 2023.
T. Waris et al., “CNN‐Based Automatic Helmet Violation Detection of Motorcyclists for an Intelligent Transportation System,” Math Probl Eng, vol. 2022, no. 1, p. 8246776, 2022.
M. Dasgupta, O. Bandyopadhyay, and S. Chatterji, “Automated helmet detection for multiple motorcycle riders using CNN,” in 2019 IEEE Conference on Information and Communication Technology, IEEE, , pp. 1–4.
A. Afzal, H. U. Draz, M. Z. Khan, and M. U. G. Khan, “Automatic helmet violation detection of motorcyclists from surveillance videos using deep learning approaches of computer vision,” in 2021 International Conference on Artificial Intelligence (ICAI), IEEE, 2021, pp. 252–257.
M. Jakubec, E. Lieskovska, A. Brezani, and J. Tothova, “Deep learning-based automatic helmet recognition for two-wheeled road safety,” Transportation research procedia, vol. 74, pp. 1171–1178, 2023.
A. Albert, K. Gunadi, and E. Setyati, “Deteksi
Helm pada Pengguna Sepeda Motor dengan Metode
Convolutional Neural Network,” Jurnal Infra, vol. 8, no. 1, pp. 295–301, 2020.
bandungkita.id, “Pakai Helm Full Face, Masih Perlukah Kenakan Masker? Ini Penjelasannya,”
motorexpertz.com, “Ragam Helm Motor: Half
Face, Full Face, dan Modular, Apa Bedanya?,”
https://motorexpertz.com/read/28036/ragam-helm-motorhalf-face-full-face-dan-modular-apa-bedanya.
oto.detik.com, “Kenali 7 Jenis Helm Motor
Beserta Kegunaan dan Tingkat Keamanannya,”
rsa.or.id, “Mana Helmnya?,”
https://rsa.or.id/mana-helmnya/.
A. KM and A. KK, “A Review on Deep Learning Based Helmet Detection,” in Proceedings of the International Conference on Systems, Energy & Environment (ICSEE), 2021.
B. Yogameena, K. Menaka, and S. Saravana Perumaal, “Deep learning‐based helmet wear analysis of a motorcycle rider for intelligent surveillance system,” IET Intelligent Transport Systems, vol. 13, no. 7, pp. 1190– , 2019.
Z. Li, F. Liu, W. Yang, S. Peng, and J. Zhou, “A survey of convolutional neural networks: analysis, applications, and prospects,” IEEE Trans Neural Netw Learn Syst, vol. 33, no. 12, pp. 6999–7019, 2021.
F. I. Ariwibowo and D. P. Ismi, “Transforming traffic surveillance: a YOLO-based approach to detecting helmetless riders through CCTV,” Science in Information
