Bangun sistem Python untuk mendeteksi, melacak, dan menghitung objek yang melewati area tertentu pada video.
Skill yang dibangun
Membaca video, memeriksa resolusi dan frame rate, serta menyimpan hasil pemrosesan menggunakan OpenCV.
Mengonfigurasi detektor objek, menyaring hasil berdasarkan kelas dan confidence score, lalu menjelaskan dampak perubahan threshold terhadap false positive dan objek terlewat.
Menghubungkan deteksi antarframe dengan tracker, mempertahankan ID objek, dan mendiagnosis ID switch, occlusion, serta objek yang hilang dari frame.
Menerapkan logika penghitungan berbasis garis atau wilayah, menghindari penghitungan ganda, dan memvalidasi hasil terhadap kasus pergerakan objek yang berbeda.
Mahasiswa tingkat akhir, analis data, programmer Python, dan praktisi machine learning yang sudah memahami Python, manipulasi data dasar, konsep dataset dan train-test split, serta dasar evaluasi model. Kursus ini ditujukan bagi peserta yang ingin beralih dari klasifikasi atau analisis citra sederhana menuju pemrosesan video yang menghasilkan informasi operasional, seperti jumlah kendaraan, orang, atau barang yang melewati area tertentu.
Project outcomes
Peserta membangun aplikasi Python yang menerima file video sebagai input, mendeteksi objek yang dipilih, melacak pergerakannya antarframe, dan menghitung objek ketika melewati garis atau area tertentu. Aplikasi menghasilkan video anotasi berisi bounding box, label kelas, ID tracking, garis penghitung, serta ringkasan jumlah objek per kelas atau arah. Struktur program dibuat terpisah antara pembacaan video, deteksi, tracking, penghitungan, dan ekspor hasil agar mudah diuji dengan video dan parameter yang berbeda.
Mengubah video menjadi informasi operasional tidak cukup dengan mengenali objek pada satu frame. Sistem harus menjaga identitas objek antarframe, menghadapi objek yang saling menutupi, serta menentukan kapan sebuah objek benar-benar melewati area penghitungan. Kursus ini membahas persoalan tersebut melalui alur kerja computer vision yang dapat diamati, diuji, dan diperbaiki secara bertahap.
Peserta akan menggunakan Python dan OpenCV untuk membaca video, memeriksa karakteristik frame, menjalankan deteksi objek, menghubungkan hasil deteksi antarframe, lalu menerapkan logika pelacakan dan penghitung berbasis garis atau wilayah. Pembahasan mencakup koordinat, confidence score, threshold, frame rate, identitas objek, serta perbedaan antara deteksi dan tracking. Setiap keputusan dikaitkan dengan konsekuensi seperti objek terhitung ganda, objek terlewat, atau beban komputasi yang meningkat.
Di akhir kursus, peserta membangun pipeline yang menghasilkan video keluaran dengan bounding box, ID pelacakan, garis atau area penghitung, serta rekap jumlah objek berdasarkan kelas dan arah pergerakan. Hasilnya divalidasi menggunakan contoh video dan pemeriksaan kasus gagal, bukan hanya berdasarkan tampilan visual yang tampak benar.
Bangun pipeline Python untuk menemukan aspek produk dan mengukur sentimen dari ulasan berbahasa Indonesia.
Bangun pipeline ekstraksi entitas dan relasi dari teks Bahasa Indonesia, lalu evaluasi hasilnya sebagai knowledge graph yang terukur.
Bangun alur Python untuk mengekstrak tabel dari PDF operasional, memvalidasi hasilnya, lalu menyimpannya sebagai CSV siap analisis.
Bangun pipeline synthetic data tabular yang dapat diuji dari sisi privasi, kualitas statistik, dan dampaknya terhadap performa model.