CCTV AI Bisa Mendeteksi Perilaku Penumpang? Ini Contohnya!

CCTV AI Bisa Mendeteksi Perilaku Penumpang? Ini Contohnya! – Bayangkan sebuah kereta dengan banyak penumpang. Kamera CCTV terus merekam kondisi di dalam gerbong, tetapi petugas tidak mungkin memperhatikan setiap penumpang dan setiap kamera secara bersamaan.

Masalahnya bukan lagi sekadar “apakah ada orang di dalam gerbong?”

Operator mungkin ingin mengetahui hal yang lebih spesifik, misalnya ketika ada penumpang makan di dalam kereta, masuk ke area tertentu, atau melakukan aktivitas yang perlu diperhatikan. Di sinilah CCTV AI dengan video analytics dapat memberikan informasi yang lebih spesifik dari sekadar rekaman.

Namun, AI tidak langsung “mengerti” perilaku seperti manusia. Sistem menganalisis berbagai informasi visual sesuai kemampuan analytics yang tersedia, kemudian menghasilkan event yang bisa diperiksa operator.

Bagaimana CCTV AI Bisa Menganalisis Penumpang yang Makan?

Makan menjadi contoh menarik karena kamera sebenarnya hanya menangkap gambar. Kamera melihat seseorang duduk atau berdiri. Sistem kemudian perlu menganalisis lebih jauh untuk mencari pola aktivitas tertentu.

Secara sederhana, prosesnya dapat digambarkan seperti ini:

Kamera → Deteksi Orang → Analisis Objek/Gerakan → Pencocokan Kondisi → Event → Verifikasi Petugas

Misalnya sistem memiliki kemampuan Action Recognition atau Behavior Analytics yang sesuai. Sistem dapat menganalisis pola visual seseorang yang melakukan aktivitas tertentu. Jika kondisi yang dikonfigurasi terpenuhi, sistem dapat menghasilkan event.

Baca Juga : Kenali teknologi CCTV AI untuk menganalisis perilaku penumpang

Operator kemudian melihat kamera terkait untuk memastikan kejadian tersebut sebelum petugas mengambil tindakan. Jadi, fungsi AI bukan langsung menyatakan seseorang melanggar aturan. AI membantu menemukan kejadian yang perlu diperiksa.

Catatan: kemampuan mengenali aktivitas seperti makan tidak tersedia pada semua kamera atau sistem CCTV AI. Kemampuan tersebut bergantung pada algoritma, perangkat, software, sudut kamera, kondisi pencahayaan, dan konfigurasi sistem.

CCTV AI Tidak Hanya Mendeteksi Orang

Di sinilah perbedaan antara detection dan analysis menjadi penting.

Human Detection, misalnya, menjawab pertanyaan sederhana:

“Apakah ada orang?”

Sementara video analytics dapat mencari informasi yang lebih spesifik:

“Apa yang terjadi pada orang tersebut, di mana kejadiannya, berapa lama berlangsung, dan apakah kondisinya memenuhi aturan tertentu?”

Untuk menghasilkan informasi tersebut, sistem dapat menggunakan beberapa kemampuan analytics.

Tidak semua sistem membutuhkan seluruh fitur tersebut. Pemilihannya harus mengikuti informasi yang memang ingin diperoleh.

Kalau Tujuannya Memantau Penumpang Makan

Misalnya operator ingin memantau aktivitas makan di dalam kereta. Sistem tidak cukup hanya menggunakan People Counting. People Counting hanya membantu mengetahui jumlah orang.

Untuk menganalisis aktivitas tertentu, sistem membutuhkan kemampuan analytics yang memang dapat mengenali pola aktivitas tersebut. Kemudian lokasi kejadian juga dapat menjadi parameter.

Misalnya:

Orang terdeteksi → aktivitas dianalisis → kejadian terjadi di dalam gerbong → sistem menghasilkan event.

Operator kemudian dapat membuka kamera terkait untuk melakukan verifikasi. Dengan pendekatan seperti ini, CCTV tidak hanya menghasilkan rekaman selama perjalanan, tetapi juga membantu menyaring kejadian tertentu dari banyak aktivitas yang terjadi secara bersamaan.

Bagaimana dengan Perilaku Lain?

Konsep yang sama dapat digunakan untuk kebutuhan lain di transportasi publik.

Orang Masuk Area Terlarang

Kalau masalahnya adalah orang masuk ke area yang tidak boleh dimasuki, sistem tidak perlu memahami perilaku kompleks.

Human Detection + Area/Intrusion Detection sudah lebih relevan.

Kamera mendeteksi orang, kemudian sistem mengecek apakah orang tersebut masuk ke area yang sudah ditentukan. Jika iya, event dapat muncul untuk diperiksa operator.

Penumpang Berada Terlalu Lama

Bagaimana jika operator ingin mengetahui seseorang yang terlalu lama berada di area tertentu? Di sini Dwell Time menjadi lebih relevan. Sistem menentukan area dan durasi tertentu.

Misalnya:

Orang berada di area X lebih dari waktu yang ditentukan → event muncul.

Informasi ini dapat membantu operator menentukan kejadian mana yang perlu diperhatikan tanpa harus melihat seluruh rekaman secara manual.

Penumpang Jatuh

Untuk kebutuhan keselamatan, sistem dengan kemampuan Fall Detection dapat menganalisis perubahan posisi atau pola gerakan tubuh tertentu. Ketika sistem menghasilkan event, operator dapat langsung memeriksa kamera dan kondisi di lokasi.

Sekali lagi, AI memberikan indikasi kejadian, sedangkan petugas tetap melakukan verifikasi.

Area Mulai Terlalu Padat

Tidak semua analitik harus memahami perilaku individu. Untuk mengetahui kepadatan penumpang, People Counting dan Occupancy Analytics lebih relevan.

Operator dapat memperoleh informasi seperti:

• jumlah orang dalam area
• perubahan kepadatan
• area yang mulai ramai
• waktu ketika kepadatan meningkat

Informasi tersebut dapat membantu pengelola transportasi menentukan tindakan operasional.

AI Menganalisis Apa yang Dilihat Kamera

Kalau diperhatikan, setiap use case sebenarnya memiliki pertanyaan yang berbeda.

“Ada orang?”
→ Human Detection

“Orang masuk area ini?”
→ Area/Intrusion Detection

“Orang berada di sini terlalu lama?”
→ Dwell Time

“Berapa banyak orang?”
→ People Counting

“Apa pola gerakannya?”
→ Movement Analytics

“Apakah terjadi aktivitas tertentu?”
→ Action/Behavior Recognition

Artinya, fitur AI sebaiknya dipilih berdasarkan informasi yang ingin diperoleh, bukan hanya karena kamera memiliki label “AI”.

AI Menemukan Indikasi, Bukan Langsung Menentukan Pelanggaran

Ini penting ketika menggunakan AI untuk memantau perilaku manusia. Misalnya sistem memberikan event karena mendeteksi pola yang menyerupai aktivitas makan. Belum tentu orang tersebut benar-benar sedang makan.

Bisa saja orang sedang memegang benda, melakukan gerakan lain, atau kondisi kamera membuat sistem salah mengenali aktivitas.

Karena itu, alur yang lebih masuk akal adalah:

AI menganalisis → event muncul → operator memeriksa → petugas mengambil tindakan.

Dengan cara ini, AI berfungsi sebagai alat bantu pemantauan, bukan pengganti keputusan manusia.

Tidak Semua CCTV AI Bisa Menganalisis Perilaku

Ini juga perlu diperhatikan sebelum memilih perangkat. Kamera yang memiliki Human Detection belum tentu memiliki kemampuan Action Recognition. Begitu juga kamera yang memiliki People Counting belum tentu dapat mengenali aktivitas makan, berlari, atau perilaku lainnya.

Kemampuan tersebut dapat bergantung pada:

• jenis kamera
• kemampuan AI yang tersedia
• software atau VMS
• NVR atau perangkat analitik
• posisi kamera
• sudut pengambilan gambar
• pencahayaan
• objek yang ingin dianalisis
• konfigurasi event

Karena itu, kebutuhan sebaiknya ditentukan lebih dulu sebelum memilih perangkat.

Mulai dari Perilakunya, Bukan dari Kameranya

Misalnya operator transportasi mengatakan:

“Kami ingin mengetahui ketika ada penumpang makan di dalam kereta.”

Pertanyaan berikutnya bukan langsung:

“Kamera AI apa yang harus dibeli?”

Tetapi:

• Apa yang harus dilihat kamera?
• Aktivitas seperti apa yang ingin dikenali?
• Di area mana aktivitas tersebut terjadi?
• Berapa lama aktivitas perlu berlangsung sebelum menjadi event?
• Siapa yang akan menerima event tersebut?
• Apa yang dilakukan setelah event muncul?

Baca Juga : Mau Tambah AI ke CCTV yang Sudah Ada? Cari Tahu Caranya

Dari sini barulah PATEKNO dapat membantu menentukan analytics, perangkat, posisi kamera, konfigurasi, dan integrasi yang sesuai.

Dari CCTV Biasa Menjadi Sistem Analitik

Perbedaan pendekatannya bisa digambarkan sederhana.

CCTV biasa:

Kamera → Rekaman

Kamera merekam apa yang terjadi dan operator mencari kembali rekaman ketika membutuhkan informasi.

CCTV AI:

Kamera → Detection → Analysis → Event

Sistem membantu menemukan kondisi tertentu dari apa yang dilihat kamera.

Solusi CCTV AI:

Kamera → Detection → Analysis → Data → Insight → Action

Di tahap ini, CCTV bukan hanya menjadi alat untuk melihat kejadian yang sudah terjadi. Sistem dapat membantu operator mendapatkan informasi yang sebelumnya sulit dipantau secara manual.

PATEKNO Mengembangkan CCTV Berdasarkan Kebutuhan Analisis

Penerapan CCTV AI untuk kereta, MRT, stasiun, atau fasilitas transportasi tidak cukup hanya dengan memilih kamera yang memiliki fitur AI.

Kebutuhan lapangan harus diterjemahkan terlebih dahulu menjadi informasi yang ingin diperoleh.

Misalnya:

• ingin memantau aktivitas tertentu → gunakan analytics yang mampu menganalisis aktivitas tersebut
• ingin mengetahui kepadatan → gunakan People Counting atau Occupancy Analytics
• ingin mengetahui orang masuk area tertentu → gunakan Area/Intrusion Detection
• ingin mengetahui durasi keberadaan → gunakan Dwell Time
• ingin mencari kejadian dari rekaman → gunakan Smart Search atau video search jika tersedia

PATEKNO dapat membantu dari tahap analisis kebutuhan, pemilihan perangkat, penentuan area kamera, konfigurasi analytics, hingga integrasi sistem sesuai kebutuhan proyek.

CCTV AI Bukan Sekadar Mendeteksi Orang

Penumpang makan di dalam kereta hanyalah salah satu contoh bagaimana video analytics dapat digunakan. Yang lebih penting bukan sekadar apakah kamera memiliki AI, tetapi informasi apa yang bisa dihasilkan dari apa yang dilihat kamera.

Ketika kamera dapat mendeteksi objek, menganalisis lokasi, menghitung durasi, membaca pola gerakan, atau mengenali aktivitas tertentu, rekaman CCTV dapat berkembang menjadi sumber informasi untuk membantu operator mengambil tindakan.

Mulai dari masalahnya, tentukan informasi yang dibutuhkan, lalu pilih analytics yang tepat.