Deteksi Zebra Cross Berbasis Edge AI melalui Dashcam di Jalan Raya

Hardware: reComputer J1020v2 with NVIDIA Jetson Nano

Application: Pedestrian Crossing

Industry: Smart Transportation Deployment

Location: United States

Mekanisme Kerja

Teknologi penglihatan komputer (computer vision) telah berhasil diterapkan dalam solusi analitik video berbasis edge, memungkinkan setiap kamera di lokasi berfungsi secara maksimal. Salah satu penerapan teknologi ini adalah dashcam untuk mengenali situasi di jalan raya.

Saat ini, dashcam umumnya hanya merekam perjalanan kendaraan sepanjang hari dan malam tanpa analisis berbasis AI yang dapat memberikan wawasan berharga bagi pengemudi dalam pengambilan keputusan. Perangkat cerdas berbasis edge menawarkan solusi cepat dan akurat menggunakan algoritma YOLO, yang mampu mendeteksi zebra cross secara efektif serta menilai apakah kendaraan melintasi garis batas dari perspektif dashcam.

Seluruh sistem ini dirancang dan dikembangkan oleh tim yang terdiri dari Zhengde Zhang, Menglu Tan, Zhicai Lan, Haichun Liu, Ling Pei, dan WenXian Yu. Mereka bersama-sama mengusulkan penelitian berjudul “CDNet: a real-time and robust crosswalk detection network on Jetson Nano based on YOLOv5”.

Perangkat Jetson Nano mampu memproses dan menganalisis data secara real-time dengan performa mengesankan hingga 33,1 FPS, memberikan informasi berharga bagi pengemudi. Sistem ini memiliki tingkat ketahanan yang tinggi terhadap berbagai kondisi luar ruangan yang menantang, seperti hujan, salju, hari mendung, atau malam hari.

Untuk menghadapi lingkungan yang kompleks, sistem ini menggunakan ekstraktor fitur jaringan saraf konvolusional (CNN) yang canggih. Jaringan ini dilengkapi dengan modul Sequence-and-Excitation (SE) attention mechanism untuk meningkatkan kinerja. Metode Negative Sample Training (NST) meningkatkan akurasi, sementara algoritma Region of Interest (ROI) mempercepat deteksi.

Selain itu, algoritma inovatif Slide Receptive Field Short-term Vectors Memory (SSVM) diterapkan guna meningkatkan ketepatan dalam mendeteksi perilaku kendaraan saat melintasi zebra cross. Algoritma peningkatan kabut sintetis juga diintegrasikan, memungkinkan model beradaptasi dengan baik dalam kondisi berkabut.