Depth Realsense Camera-Based Human Detection Using Yolov5

Abstract

Penelitian ini mengembangkan sistem deteksi manusia berbasis kamera depth Intel RealSense D455 menggunakan algoritma YOLOv5n. Sistem ini dirancang untuk mengatasi tantangan deteksi objek dalam berbagai kondisi lingkungan dan pencahayaan, serta untuk aplikasi real-time dengan keterbatasan perangkat keras. Hasil pengujian menunjukkan bahwa sistem ini memiliki akurasi tinggi dalam mendeteksi jarak dan sudut pada siang hari, dengan tingkat kesalahan gabungan sekitar 2.439%. Namun, kinerja sistem menurun pada malam hari dengan tingkat kesalahan gabungan mencapai sekitar 10.042%, menunjukkan kerentanan terhadap perubahan pencahayaan rendah. Evaluasi menggunakan metrik mean Average Precision (mAP) menunjukkan model mencapai nilai mAP sebesar 0.99 pada threshold IoU 0.5 dan nilai rata-rata mAP sebesar 0.9 pada berbagai threshold dari 0.5 hingga 0.95, menandakan akurasi tinggi dalam deteksi dan klasifikasi objek. Integrasi informasi kedalaman dari kamera RealSense dan kemampuan deteksi real-time dari YOLOv5n menunjukkan efektivitas yang baik dalam deteksi manusia. Namun, diperlukan peningkatan lebih lanjut untuk meningkatkan kinerja dalam kondisi pencahayaan rendah. Secara keseluruhan, sistem yang dikembangkan menunjukkan potensi signifikan dalam aplikasi deteksi manusia terutama dalam kondisi pencahayaan terang namun memerlukan penyesuaian lebih lanjut untuk konsistensi deteksi dalam berbagai kondisi pencahayaan.