Penghitungan Jumlah Kerumunan Orang Berbasis Penglihatan pada Perangkat Komputasi Rendah menggunakan Filter Konvolusi Heterogen

Pertumbuhan penduduk yang masif meningkatkan potensi risiko keamanan di kawasan padat penduduk. Untuk memantau fenomena tersebut, crowd counting bisa menjadi salah satu solusinya. Namun pendekatan crowd counting yang ada masih membutuhkan perangkat komputasi yang tinggi. Dalam riset ini, diusulkan penghitungan kerumunan berbasis kepadatan yang berfokus pada perangkat seluler. Untuk mengatasi konsumsi sumber daya yang tinggi, model yang diusulkan mengurangi jumlah parameter dengan menggunakan Filter Konvolusi Heterogen sehingga menghasilkan komputasi yang lebih rendah dan waktu penghitungan yang lebih cepat. Eksperimen dilakukan pada tiga set data, ShanghaiTech Bagian A, ShanghaiTech Bagian B, UCF_CC_50. Eksperimen ekstensif dilakukan pada perangkat seluler untuk mendapatkan gambaran tentang error dari model pada perangkat seluler. Error dari model yang diusulkan dengan 10.75 juta parameter dibandingkan dengan CSRNet dengan 16.26 juta parameter di perangkat seluler serupa pada setiap dataset dengan hanya memiliki MAE yang lebih besar masing-masing sebesar 1.78%, 3.37%, dan 12.45% pada UCF_CC_50, ShanghaiTech Bagian A, dan ShanghaiTech Bagian B tetapi dengan latensi yang lebih baik oleh 29.83%, 44.85%, 50%, dan konsumsi baterai rata-rata yang lebih baik masing-masing sebesar 25.71%, 44.17% dan 50.79%. Model yang diusulkan berhasil meningkatkan kecepatan penghitungan jumlah orang yang signifikan dalam gambar dengan MAE yang sedikit lebih tinggi dibandingkan dengan CSRNet pada perangkat seluler.