Huda, Choirul (2020) Deteksi Kantuk Memanfaatkan Facial Landmark Berdasarkan Analisis Nilai Ear Dan Bobot Kecerahan Pada Pengendara Mobil Berbasis Perangkat Bergerak. Magister thesis, Universitas Brawijaya.
Abstract
Kecelakaan lalu lintas merupakan penyebab kematian tertinggi kedua setelah penyakit jantung. Penyebab kecelakaan lalu lintas didominasi oleh human error seperti kantuk saat berkendara. Kantuk merupakan dorongan alamiah yang diperlukan oleh semua makhluk hidup untuk tidur. Namun, kantuk dapat menyebabkan masalah jika muncul saat berkendara. Berdasarkan sejumlah studi yang sudah dilakukan, kantuk saat berkendara menjadi penyebab kecelakaan yang paling dominan. Korban tidak hanya mengalami cedera ringan, namun juga berakhir hingga kematian. Kecelakaan lalu lintas yang disebabkan oleh kantuk terjadi hampir di semua negara, mulai dari negara berkembang hingga negara maju. Saat ini, riset deteksi kantuk pada pengemudi mobil terus berkembang. Disisi lain, metode yang sudah ada masih ditemukan sejumlah kendala ketika diimplementasikan di dalam mobil. Mulai dari tingkat akurasi yang rendah, tingginya waktu komputasi, serta rendahnya adaptasi pada kondisi cahaya yang berbeda seperti saat siang, sore dan malam hari. Oleh karena itu, pada penelitian ini sebuah metode baru diajukan agar sistem deteksi kantuk dapat beradaptasi pada kondisi cahaya yang berbeda serta memperbaiki waktu komputasi sistem sehingga mampu meningkatkan akurasi deteksi kantuk secara keseluruhan. Sistem deteksi kantuk yang diajukan diimplementasikan pada smartphone memanfaatkan ekstraksi titik facial landmark pada area mata. Bobot kecerahan digunakan agar sistem mampu bekerja pada kondisi pencahayaan yang berbeda seperti siang, sore dan malam hari. Metode eye aspect ratio (EAR) digunakan untuk mengukur jarak antara kelopak mata atas dan bawah berdasarkan hasil ekstraksi titik facial landmark sehingga sistem dapat membedakan mata terbuka dan tertutup dengan akurat. Analisis sensor accelerometer digunakan sebagai metode validasi agar sistem mampu menyalakan alarm ketika mengenali sopir mengantuk saat mengemudi. Berdasarkan sejumlah pengujian yang sudah dilakukan, sistem mampu mendeteksi kantuk pada pengemudi mobil ketika siang hari sebesar 92,67%, saat sore hari sebesar 88,67% dan ketika malam hari sebesar 83,33%.
English Abstract
Traffic accidents are the second highest cause of death after heart disease. Traffic accidents are generally caused by human errors such as drowsiness when driving. Drowsiness is required by the living creatures. However, drowsiness generates dilemmas if it appears when driving. Some previous studies have proven that drowsiness while driving is the most dominant cause of traffic accidents. The victim not only suffered minor injuries but also ended in death. Traffic accidents caused by sleepy drivers occur in all countries, start from developing countries to developed countries. Currently, research on driver drowsiness detection continues to grow. On the other hand, the existing methods are still found several obstacles when implemented inside a car. Initiate with a loss of accuracy, lack of computation, and unadapted to different light conditions during the day, evening and night. Therefore, a comprehensive method is proposed to improve the lack of previous studies. The proposed system is mobile-based drowsiness detection utilizing the extraction point of the facial landmark to identify eye area. The system is also equipped with brightness weights to be able to work in different light conditions. The eye aspect ratio (EAR) method is applied to measure the distance between the upper and lower eyelids based on the extraction points to precisely distinguish open and closed eyes. The analysis of the accelerometer sensor is employed as a validation method to turn on an alarm when recognizing a sleepy driver while driving. Based on some experiments that have been done, the system adequate to identify drowsiness drivers inside a car at daytime as 92.67%, in the evening as 88.67% and at night as 83.33%.
Other obstract
-
| Item Type: | Thesis (Magister) |
|---|---|
| Identification Number: | TES/006.37/HUD/d/2020/042000526 |
| Uncontrolled Keywords: | COMPUTER VISION, IMAGE ANALYSIS, DROWSY DRIVING, ACCELEROMETERS |
| Subjects: | 000 Computer science, information and general works > 006 Special computer methods > 006.3 Artificial intelligence > 006.37 Computer vision |
| Divisions: | S2/S3 > Magister Ilmu Komputer, Fakultas Ilmu Komputer |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 27 Jan 2020 02:31 |
| Last Modified: | 30 Sep 2024 02:05 |
| URI: | http://repository.ub.ac.id/id/eprint/178376 |
Preview |
Text
Choirul Huda (2).pdf Download (4MB) | Preview |
Actions (login required)
 |
View Item |