REGION PROPOSAL MENGGUNAKAN SELECTIVE SEARCH PADA REGION CONVOLUTIONAL NEURAL NETWORK (R-CNN) UNTUK MENDETEKSI MANUSIA DALAM CITRA PEJALAN KAKI

Deteksi manusia khususnya pejalan kaki telah menarik perhatian yang besar dalam bidang computer vision dan pattern recognition. Deteksi manusia memiliki peranan penting dalam kehidupan sehari hari seperti sistem keamanan pada tempat umum serta sistem kerja pada self drive car. Masalah utama dalam deteksi manusia khususnya pejalan kaki yaitu tingkat akurasi serta kecepatan deteksi. Untuk memperoleh tingkat akurasi serta kecepatan deteksi yang maksimal, banyak hal yang harus diperhatikan seperti keberagaman pose pejalan kaki, jarak pejalan kaki yang jauh dari kamera pengawas, background atau lingkungan disekitar pejalan kaki yang kompleks serta pencahayaan yang berubah ubah. Dalam proses deteksi manusia menggunakan Region Convolutional Neural Network (R-CNN) terdapat dua tahapan utama yaitu menentukan region proposal dan klasifikasi. Region proposal adalah kandidat area yang dianggap sebagai manusia. Klasifikasi berguna untuk menentukan region proposal adalah manusia atau objek lain. ekstraksi region proposal dengan sliding window masih memiliki kelemahan yaitu menghasilkan banyak window dan perlu didentifikasikan menggunakan classifier. Pada penelitian ini, ekstraksi region proposal menggunakan Selective search yang dikombinasikan dengan Region Convolutional Neural Network (R-CNN) untuk deteksi manusia. Dataset yang digunakan dalam penelitian adalah ini adalah INRIA Person dataset. Dari hasil uji coba, penggunaan selective search sebagai ekstraksi region proposal memperoleh akurasi precision sebesar 55,29 % , recall sebesar 56,31 % dan f1-score sebesar 53.91 % .