Jasa Skripsi Tesis Disertasi Python YOLO ~ Integrasi YOLO dan DeepSORT untuk Sistem Pelacakan Individu dalam Video Surveillance

Berikut adalah silabus 10 sesi @1.5 jam untuk topik “Integrasi YOLO dan DeepSORT untuk Sistem Pelacakan Individu dalam Video Surveillance”. Silabus ini dirancang agar peserta memahami deteksi objek menggunakan YOLO, pelacakan menggunakan DeepSORT, hingga integrasi dan evaluasi sistem pelacakan.

️ Silabus 10 Sesi (Total 15 Jam)

Sesi 1: Pengenalan Sistem Deteksi dan Pelacakan Objek

• Konsep dasar video surveillance

• Perbedaan deteksi vs pelacakan objek

• Studi kasus penggunaan YOLO + DeepSORT

• Tools yang akan digunakan (Python, OpenCV, YOLOv5, DeepSORT, CUDA/GPU)

• Persiapan lingkungan (Anaconda, VS Code, dll)

Sesi 2: Pengenalan dan Instalasi YOLOv5

• Penjelasan arsitektur YOLOv5 (Backbone, Neck, Head)

• Pre-trained vs training custom model

• Instalasi YOLOv5 di Google Colab dan lokal (GPU/CUDA)

• Menjalankan inference pada gambar dan video

Sesi 3: Dataset dan Preprocessing untuk Deteksi Objek

• Format dataset YOLO (images + annotations)

• Labeling tools (LabelImg, Roboflow)

• Teknik augmentasi dataset

• Eksperimen dengan dataset umum (COCO, MOT16, atau custom CCTV)

Sesi 4: Fine-Tuning YOLOv5 dengan Dataset Video Surveillance

• Transfer learning menggunakan YOLOv5s

• Konfigurasi hyperparameter

• Training model untuk mendeteksi individu (person class)

• Validasi hasil deteksi

Sesi 5: Teori dan Implementasi DeepSORT

• Penjelasan SORT vs DeepSORT

• Re-identifikasi objek dan penggunaan feature extractor

• Kalman Filter dan Hungarian Algorithm

• Arsitektur DeepSORT dan dependencies-nya

Sesi 6: Integrasi YOLOv5 + DeepSORT

• Alur integrasi deteksi (YOLO) dan tracking (DeepSORT)

• Modifikasi bounding box hasil YOLO menjadi input DeepSORT

• Visualisasi ID objek pada frame video

• Eksperimen awal: pelacakan banyak orang di video

Sesi 7: Evaluasi dan Visualisasi Hasil Tracking

• Menyimpan hasil tracking ke video/output log

• Menampilkan ID unik, trajectory, dan waktu muncul

• Perhitungan akurasi deteksi & pelacakan (MOTA, MOTP, ID Switch)

• Error umum dan debugging

Sesi 8: Studi Kasus 1 – Pelacakan Individu di Area Masuk Gedung

• Simulasi sistem CCTV gedung

• Deteksi dan tracking masuk/keluar orang

• Analisis heatmap aktivitas

• Penghitungan jumlah orang masuk dan keluar

Sesi 9: Studi Kasus 2 – Pelacakan Kerumunan di Ruang Terbuka

• Pelacakan pergerakan individu dalam crowd

• Identifikasi kecepatan dan jalur gerak

• Estimasi durasi keberadaan di area tertentu

Sesi 10: Evaluasi Proyek Akhir dan Optimasi

• Uji performa sistem (real-time vs batch)

• Optimasi runtime (YOLOv5n, mixed precision, GPU acceleration)

• Presentasi hasil proyek akhir (tracking di video asli)

• Diskusi pengembangan lanjut: DeepSORT dengan ReID custom, YOLOv8, multi-camera tracking

Output yang Diharapkan:

• Sistem lengkap: video input → deteksi YOLO → tracking DeepSORT

• File video hasil pelacakan + log ID

• Evaluasi performa (akurasi, ID switch)

• Presentasi proyek akhir berbasis studi kasus nyata