Ratnasari, Devi Ayu (2018) Sistem Deteksi Perhatian Operator Kamera Pengawas Terhadap Monitor Menggunakan Haar Cascade Clasifier. Sarjana thesis, Universitas Brawijaya.
Abstract
Operator pengawas kamera diwajibkan melakukan pengawasan monitor dengan durasi shift rata-rata 6 jam sampai 8 jam yang menyebabkan menurunnya tingkat perhatian dalam mengawasi monitor sehingga tugas pengawasannya kurang maksimal. Karena tidak adanya pengawas kinerja operator untuk mengetahui perhatian operator terhadap monitor, maka dibuatlah alat pengawas operator secara realtime. Sistem ini menggunakan kamera sebagai sumber masukan, Raspberry Pi sebagai pemroses dan buzzer sebagai keluaran sistem. Penelitian ini menggunakan konversi warna HSV untuk menentukan piksel yang mengandung warna kulit dan thresholding untuk merubah gambar menjadi biner (hitam atau putih). Posisi duduk dan berdiri ditentukan dengan membagi frame menjadi dua yaitu atas dan bawah lalu dilakukan perhitungan piksel putih pada setiap frame. Jika piksel putih pada frame bawah lebih banyak daripada frame atas maka akan disimpulkan subjek dalam posisi duduk dan sebaliknya untuk posisi berdiri. Jika subjek terdeteksi duduk, maka selanjutnya adalah deteksi wajah dan mata dengan algoritma Haar Cascade Classifier. Jika wajah dan mata subjek terdeteksi, maka subjek dikategorikan dalam kondisi memperhatikan monitor, dan jika tidak terdeteksi maka subjek dikategorikan tidak memperhatikan monitor. Buzzer sebagai hasil keluaran sistem akan berbunyi jika subjek dalam kondisi tidak memperhatikan monitor dan buzzer akan diam jika subjek dalam kondisi memperhatikan monitor. Hasil pengujian dari sistem ini berupa deteksi duduk dan berdiri dengan tingkat akurasi 100%. Hasil deteksi wajah dan mata untuk klasifikasi perhatian atau tidak memperhatikan monitor didapat tingkat akurasi sebesar 98.33%.
English Abstract
Surveillance camera operators have to watching the monitor with an average shift duration 6 hours to 8 hours which caused the level of focus in watching the monitor decrease so the surveillance task is insufficient. There is no supervisor for the performance of the operators to know the operator attention to monitors, then the surveillance tool for operator in realtime has been made. The system uses the camera as a source of input, Raspberry Pi as the processor and bell as the output of the system. This research use the HSV color conversion to determine which pixels containing skin color and thresholding to change the picture to a binary image (black or white). Sitting and standing position is determined by dividing the frame into the upper and lower then do the calculations of white pixels in each frame. If the white pixels in the frame below a lot more than top frame it will the categorized in a sitting position, instead for the standing position. If any body is detected, then do the face and eyes detection with Haar Cascade Classifier algorithm. If the face and eyes of the body are detected, then the subject categorized in focus condition, and if it is not detected then the subject categorized in didn't focus. Bel as a result of the system, the bel will beep if the subject categorized didn't focus and Bell will be silent if the subject categorized focus. The results of the testing of this system in the form of detection of sitting and standing with 100% accuracy. The results of the face and the eyes detection to classificate focus or not focus have 98.33% accuracy.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2018/550/051808394 |
| Uncontrolled Keywords: | Deteksi Perhatian, Opereator Pengawas Kamera, Haar cascade classifier, Raspberry Pi Focus Detection, Camera supervisor, Haar Cascade Classifier, Raspberry Pi |
| Subjects: | 600 Technology (Applied sciences) > 658 General management > 658.3 Personnel management (human resource management) > 658.302 Supervision |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 08 May 2019 03:33 |
| Last Modified: | 21 Oct 2021 03:00 |
| URI: | http://repository.ub.ac.id/id/eprint/162128 |
Preview |
Text
Devi Ayu Ratnasari.pdf - Published Version Download (6MB) | Preview |
Actions (login required)
 |
View Item |