🚀 YOLOv8 - Sistem Deteksi Man/Woman

Sistem deteksi objek canggih berbasis YOLOv8 dengan fitur pemrosesan kamera, penyimpanan hasil, dan optimasi performa.

---

📌 Ringkasan

Proyek ini mengimplementasikan sistem deteksi objek real-time dengan YOLOv8, mendukung berbagai sumber input seperti kamera live dan gambar statis. Dengan antarmuka yang intuitif, sistem ini memberikan pengalaman deteksi yang efisien dan terorganisir.

---

✨ Fitur Utama

✅ Deteksi objek real-time dari webcam atau kamera eksternal
✅ Penghitungan berdasarkan kelas untuk analisis lebih mendalam
✅ Pemantauan FPS untuk menilai kinerja deteksi
✅ Simpan gambar dengan satu klik saat deteksi berlangsung
✅ Rekaman video otomatis dari sesi deteksi
✅ Manajemen output terorganisir untuk gambar dan video
✅ Ambang batas deteksi yang dapat dikonfigurasi untuk Confidence dan IoU

---

🔧 Teknologi yang Digunakan

• Python 3.x → Bahasa pemrograman utama
• OpenCV → Pengolahan video & kamera
• Ultralytics YOLOv8 → Model deteksi objek mutakhir
• NumPy → Pemrosesan data numerik
• PyTorch → Framework pembelajaran mesin

---

⚙️ Instalasi

📌 Prasyarat

• Python 3.6 atau lebih tinggi
• pip (manajer paket Python)
• Conda (opsional, tetapi disarankan untuk lingkungan virtual)

🔹 Langkah Instalasi

1️⃣ Klon repositori

git clone https://github.com/manap01/detections_man_woman.git
cd detections_man_woman

2️⃣ Buat dan aktifkan lingkungan virtual (disarankan untuk isolasi dependensi)

# Menggunakan venv
python -m venv venv
source venv/bin/activate  # Windows: venv\Scripts\activate

# Atau menggunakan conda
conda create -n detections_man_woman python=3.8 -y
conda activate detections_man_woman

3️⃣ Instal dependensi

pip install -r requirements.txt

4️⃣ Instal PyTorch (jika belum otomatis terinstal)

conda install pytorch torchvision torchaudio cpuonly -c pytorch

5️⃣ Instal dependensi tambahan untuk YOLOv8

pip install ultralytics-thop>=2.0.0

6️⃣ Unduh dan tempatkan model YOLOv8

• Simpan model YOLOv8 (best.pt) di dalam folder models/

---

🚀 Cara Menggunakan

🔹 Menjalankan Deteksi Kamera

python src/detect.py

🔹 Kontrol Keyboard

• 's' → Simpan frame deteksi
• 'q' → Keluar dari aplikasi

🔹 Kustomisasi Parameter Deteksi

# Contoh: Mengubah confidence threshold dan ID kamera
detector = ObjectDetector(model_path, conf_threshold=0.4)
detector.detect_from_camera(camera_id=1, save_video=True)

🔹 Memproses Gambar Statis

from detect import ObjectDetector

detector = ObjectDetector("models/best.pt")
result_image = detector.detect_on_image("path/to/your/image.jpg")

---

🛠️ Konfigurasi Parameter

Parameter	Deskripsi
model_path	Path ke file model YOLOv8
conf_threshold	Ambang batas kepercayaan deteksi (default: 0.5)
iou_threshold	Ambang batas IoU untuk Non-Maximum Suppression (default: 0.45)

---

⚠️ Troubleshooting

❌ 1. ModuleNotFoundError: No module named 'torch'

✅ Solusi: Instal PyTorch:

conda install pytorch torchvision torchaudio cpuonly -c pytorch

❌ 2. Dependensi ultralytics-thop hilang

✅ Solusi:

pip install ultralytics-thop>=2.0.0

❌ 3. Model YOLOv8 tidak ditemukan

✅ Solusi: Pastikan file best.pt berada di folder models/

❌ 4. OpenCV Error saat mengakses kamera

✅ Solusi:

python -c "import cv2; print(cv2.VideoCapture(0).isOpened())"

Jika hasilnya False, restart sistem atau perbarui OpenCV:

pip install --upgrade opencv-python

---

🎓 Cara Melatih Model Sendiri

Untuk melatih model YOLOv8 sendiri:

1️⃣ Siapkan dataset dalam format YOLOv8. 2️⃣ Jalankan perintah berikut:

!yolo task=detect mode=train data=path/to/data.yaml model=yolov8s.pt epochs=100 imgsz=640

3️⃣ Simpan model hasil pelatihan (best.pt) di folder models/

---

🌐 Sumber Daya Tambahan

• 📖 Dokumentasi YOLOv8
• 🔬 Contoh Google Colab
• 📊 Persiapan Dataset dengan Roboflow

---

🤝 Kontribusi

Kami terbuka untuk kontribusi! Silakan ajukan Pull Request atau Issue untuk perbaikan dan fitur baru.

📝 Lisensi

Proyek ini dilisensikan di bawah MIT License - lihat file LICENSE untuk detail lebih lanjut.

---

🎓 Sertifikat

---

📩 Kontak

Untuk pertanyaan atau dukungan, silakan buka issue di repositori ini.