Reza, Muhammad Alvin Noor (2021) Rancang bangun deteksi kantuk berbasis facial landmark menggunakan Dlib Dan Opencv untuk pengendara kendaraan roda empat. Sarjana thesis, UIN Sunan Gunung Djati Bandung.
|
Text (COVER)
1_cover.pdf Download (26kB) | Preview |
|
|
Text (ABSTRAK)
2_abstrak.pdf Download (84kB) | Preview |
|
|
Text (DAFTAR ISI)
3_daftarisi.pdf Download (118kB) | Preview |
|
|
Text (BAB I)
4_bab1.pdf Download (214kB) | Preview |
|
Text (BAB II)
5_bab2.pdf Restricted to Registered users only Download (330kB) | Request a copy |
||
Text (BAB III)
6_bab3.pdf Restricted to Registered users only Download (137kB) | Request a copy |
||
Text (BAB IV)
7_bab4.pdf Restricted to Registered users only Download (785kB) | Request a copy |
||
Text (BAB V)
8_bab5.pdf Restricted to Registered users only Download (551kB) | Request a copy |
||
Text (BAB VI)
9_bab6.pdf Restricted to Registered users only Download (26kB) | Request a copy |
||
Text (DAFTAR PUSTAKA)
10_daftarpustaka.pdf Restricted to Registered users only Download (99kB) | Request a copy |
Abstract
Kantuk memiliki dampak buruk terhadap pengendara karena dapat menyebabkan microsleep. Aplikasi deteksi kantuk berbasis facial landmark diperlukan untuk monitoring pengendara saat berkendara.. Aplikasi deteksi kantuk dirancang berdasarkan metode pengenalan wajah yang memiliki keunggulan dalam hal deteksi wajah. Beberapa metode deteksi wajah seperti computer vision, dlib face detector, dlib's facial landmark dan eye aspect ratio (EAR) dikombinasikan untuk merancang aplikasi deteksi kantuk. Aplikasi deteksi kantuk didesain menggunakan Python 3.6.8 yang memiliki library pendukung dalam merancang aplikasi. Library yang digunakan dalam merancang aplikasi deteksi kantuk diantarnya OpenCV untuk mengolah gambar dan video secara real time, Dlib untuk detektor wajah, Tkinter untuk membangun aplikasi GUI. Input aplikasi deteksi kantuk berupa video real time yang diambil melalui sebuah webcam. Aplikasi akan mengaktifkan bunyi alarm dan tulisan peringatan saat seseorang terdeteksi mengantuk. Pengujian aplikasi deteksi kantuk dilakukan menggunakan machine Learning, perhitungan confusion matrix, pengujian secara real time dan evaluasi penggunaan resource seperti daya, memori dan CPU. Nilai akurasi dari pengujian menggunakan machine learning dan confussion matrix memiliki nilai 97%. Nilai akurasi pengujian real time sebesar 96%. Persentase penggunaan CPU aplikasi deteksi kantuk ketika digunakan adalah 30.8%, penggunaan memori sekitar 130.4 MB dan konsumsi daya diukur menggunakan Open Hardware Monitor adalah 5.09 W saat aplikasi bekerja.
Item Type: | Thesis (Sarjana) |
---|---|
Uncontrolled Keywords: | computer vision; confusion matrix; dlib’s facial landmark; eye apect ratio (EAR); machine learning. |
Subjects: | Special Computer Methods Special Computer Methods > Artificial Intelligence Special Computer Methods > Computer Vision |
Divisions: | Fakultas Sains dan Teknologi > Program Studi Teknik Elektro |
Depositing User: | Muhammad Alvin Noor Reza |
Date Deposited: | 06 Sep 2021 05:42 |
Last Modified: | 06 Sep 2021 05:42 |
URI: | https://digilib.uinsgd.ac.id/id/eprint/42666 |
Actions (login required)
View Item |