Mengapa Kerumunan Mengacaukan Computer Vision
Bayangkan peron kereta bawah tanah yang sibuk saat jam sibuk pagi hari. Tubuh-tubuh berdesakan, bahu saling bersenggolan, dan tas kerja berayun di antara orang asing. Bagi mata manusia, ini adalah kekacauan, namun kekacauan yang masih bisa dikelola. Anda masih bisa mengikuti seorang teman di tengah kerumunan atau melihat seseorang melambai dari seberang peron. Bagi sistem computer vision, pemandangan yang sama ini adalah medan ranjau. Ketika puluhan orang saling tumpang tindih dalam satu bingkai, model deteksi dan pelacakan standar mulai hancur. Kotak pembatas (bounding boxes) menyatu. Identitas tertukar. Orang-orang menghilang di balik orang lain dan tidak pernah kembali dengan label yang sama.
Kesenjangan antara kondisi laboratorium yang bersih dan realitas yang berantakan inilah yang coba dijembatani oleh CVPR19 Tracking and Detection Challenge. Alih-alih menguji model pada pemandangan yang jarang dan terang di mana setiap orang berdiri terpisah, tantangan ini memaksa mereka masuk ke lingkungan padat di mana kepadatan tinggi secara langsung menyebabkan oklusi (occlusion), dan oklusi menyebabkan kesalahan pelacakan identitas yang sulit diperbaiki. Sejak saat itu, para peneliti telah menggunakan tolok ukur (benchmark) ini sebagai ajang pembuktian untuk menemukan cara yang lebih baik dalam mengelola kesalahan-kesalahan ini sebelum menjadi tidak terkendali.
Apa yang Sebenarnya Diuji oleh Tantangan Ini
Tantangan CVPR19 tidak menganggap kerumunan sebagai satu masalah tunggal. Tantangan ini membagi tingkat kesulitan menjadi empat area fokus yang menyingkap berbagai kelemahan dalam alur kerja (pipeline) standar.
Akurasi deteksi objek dalam kerumunan. Di tempat parkir yang lengang, sebuah detektor dapat menggambar kotak yang bersih di sekitar setiap pejalan kaki. Di lorong stadion yang padat, jaringan yang sama sering kali merespons batang tubuh yang tumpang tindih dengan cara menggabungkan beberapa orang menjadi satu kotak pembatas raksasa atau justru melewatkan tubuh yang sebagian tersembunyi sepenuhnya. Tantangan ini mengevaluasi apakah sebuah model masih dapat melokalisasi individu ketika hanya kepala, lengan, atau bahu yang terlihat.
Stabilitas pelacakan multi-objek. Pelacakan terasa mudah ketika satu orang bergerak di ruangan kosong. Hal ini menjadi sangat sulit ketika sebuah kamera harus memantau lima puluh orang yang menyeberangi alun-alun secara bersamaan. Tantangan ini menguji stabilitas pelacak dengan mengukur apakah lintasan (trajectory) tetap koheren saat orang-orang bergerak di antara satu sama lain. Satu bingkai kebingungan dapat menyebabkan pelacak mewarisi identitas yang salah atau memunculkan pelacakan duplikat yang bertahan selama beberapa menit.
Menangani oklusi yang sering terjadi. Oklusi dalam kerumunan bukanlah hambatan yang sesekali terjadi. Ia bersifat konstan dan dinamis. Seorang pejalan kaki menghalangi orang lain selama tiga bingkai, lalu orang ketiga berjalan ke celah tersebut, dan orang yang asli muncul kembali dari sudut yang berbeda. Oklusi statis seperti pilar atau mobil yang diparkir dapat diprediksi. Kerumunan manusia bergeser secara terus-menerus, dan tantangan ini menekankan pada pemulihan (recovery). Ketika seseorang muncul kembali dari balik sekelompok orang, apakah model mengenalinya, atau justru menganggapnya sebagai pendatang yang sepenuhnya baru?
Mempertahankan identitas melalui pergerakan. Persistensi identitas bergantung pada lebih dari sekadar pengenalan wajah. Saat orang-orang bergerak melalui pemandangan yang padat, skala mereka berubah, pose mereka bergeser dari tampak depan ke profil samping, dan pencahayaan bervariasi di berbagai bagian lingkungan. Tantangan ini mempertanyakan apakah sebuah sistem dapat mempertahankan pengenal (identifier) yang sama untuk seseorang yang berjalan sejauh dua puluh meter melalui kerumunan padat, bahkan ketika orang tersebut telah teroklusi berkali-kali dan hanya fragmen penampilannya yang tersisa.
Dari Tolok Ukur ke Dampak Nyata
Meningkatkan performa pada keempat aspek ini bukanlah sekadar latihan akademis. Model yang lebih baik berdampak langsung pada cara sistem otonom dan alat pengawasan beroperasi di pengaturan dunia nyata.
Bayangkan sebuah kendaraan otonom yang mendekati penyeberangan jalan yang sibuk di sebuah festival. Pejalan kaki tidak berjalan dalam barisan yang teratur. Mereka berkerumun, mendorong kereta bayi, dan melangkah keluar dari balik satu sama lain. Jika sistem pelacakan kendaraan kehilangan identitas seorang pejalan kaki saat mereka menunduk di balik orang lain, mobil tersebut tidak dapat memprediksi di mana pejalan kaki itu akan muncul kembali. Mobil tersebut mungkin menganggap ancaman telah hilang, atau lebih buruk lagi, keliru menganggap pejalan kaki yang tersembunyi sebagai orang lain dan salah menghitung lintasan mereka. Pelacakan yang stabil dalam kerumunan adalah persyaratan keselamatan, bukan sebuah kemewahan.
Jaringan pengawasan menghadapi masalah yang serupa. Seorang operator keamanan yang mengawasi pusat transit tidak membutuhkan sistem yang dapat mendeteksi orang di koridor kosong. Mereka membutuhkan sistem yang dapat menghitung secara akurat selama evakuasi stasiun, saat ratusan penumpang mengalir menuju satu pintu keluar. Jika oklusi menyebabkan pergantian identitas yang terus-menerus, sistem akan menghasilkan data yang tidak berguna: orang yang sama tercatat sebagai lima individu terpisah, atau sekelompok orang tercatat sebagai satu gumpalan tunggal. Hal ini merusak analisis hilir apa pun, baik saat Anda mengukur aliran kerumunan, mengidentifikasi perilaku mencurigakan, atau mengoordinasikan respons darurat.
Bahkan robotika ritel dan gudang pun mendapat manfaat. Kendaraan pemandu otomatis harus menavigasi lorong-lorong tempat pekerja manusia mengambil inventaris. Di ruang sempit ini, oklusi parsial terjadi terus-menerus. Robot yang kehilangan jejak pekerja di balik unit rak mungkin merencanakan jalur yang terlalu dekat saat orang tersebut melangkah keluar kembali. Kemampuan untuk mempertahankan penguncian identitas selama hilangnya jejak sesaat menjaga interaksi manusia-robot tetap aman.
Realitas Teknis di Balik Skor
Para peneliti yang menguji tolok ukur CVPR19 segera menyadari bahwa memperlakukan deteksi dan pelacakan sebagai tahap yang terpisah akan melipatgandakan tingkat kegagalan. Detektor yang kehilangan orang yang teroklusi sebagian akan membuat pelacak kekurangan data. Pelacak yang hanya mengandalkan kedekatan spasial akan memberikan identitas yang salah kepada tubuh mana pun yang muncul pertama kali dari balik rintangan.
Karena hal ini, tantangan tersebut mendorong pemikiran yang terintegrasi. Tim-tim fokus pada representasi fitur yang mampu bertahan dari fragmentasi. Jika deskriptor seluruh tubuh gagal saat kaki tersembunyi, model perlu lebih mengandalkan apa pun yang tetap terlihat, seperti batang tubuh atau pola gaya berjalan. Yang lain menekankan penalaran temporal, menggunakan model gerak untuk memprediksi di mana orang yang teroklusi kemungkinan akan muncul kembali sehingga sistem dapat melanjutkan pelacakan tanpa menunggu deteksi ulang seluruh tubuh.
Tantangan ini juga menyoroti pentingnya heuristik pemulihan. Dalam adegan dengan kepadatan rendah, pelacak mungkin dengan aman berasumsi bahwa deteksi baru di dekat posisi lama adalah milik orang yang sama. Dalam kerumunan, asumsi tersebut menciptakan rantai pertukaran domino. Sistem yang lebih baik belajar untuk ragu-ragu sebelum menetapkan kembali identitas, dengan mengumpulkan beberapa bingkai bukti setelah oklusi teratasi sebelum menetapkan kecocokan.
Mengapa Kepadatan Adalah Uji Kejujuran
Computer vision tidak kekurangan tolok ukur. Apa yang membuat CVPR19 Tracking and Detection Challenge berkesan adalah karena tantangan ini menghilangkan kenyamanan latar belakang kosong dan subjek yang terisolasi. Model yang mendapat skor baik di sini telah membuktikan bahwa ia dapat menangani gangguan visual yang mendefinisikan lingkungan manusia yang sebenarnya. Kepadatan adalah uji kejujuran. Hal ini menyingkap asumsi rapuh tentang pemisahan objek dan visibilitas yang konstan.
Jika Anda ingin melihat bagaimana metode tertentu berperforma dan arsitektur mana yang menjanjikan di bawah tekanan semacam ini, Anda dapat membaca rincian lengkapnya di sini. Dan jika Anda sedang membangun di bidang ini dan ingin berdiskusi dengan orang lain yang menghadapi masalah oklusi yang sama, bergabunglah dengan komunitas pembelajaran di sini. Pekerjaan pelacakan melalui kerumunan masih jauh dari selesai, dan ujian sebenarnya selalu terletak pada apa yang terjadi saat suasana menjadi ramai.