Sistem Tertanam Prediksi Kantuk Pengemudi Berdasarkan Image Processing Persentase Ketertutupan Mata Menggunakan Deep Learning

Sim, Lieyanto (2023) Sistem Tertanam Prediksi Kantuk Pengemudi Berdasarkan Image Processing Persentase Ketertutupan Mata Menggunakan Deep Learning. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 07311940000029-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2025. Download (2MB) | Request a copy

Abstract

Pengemudi yang mengantuk saat berkendara merupakan salah satu penyebab terbesar dari kecelakaan lalu lintas. Untuk mencegah terjadinya kecelakaan lalu lintas akibat pengemudi mengantuk, diperlukan sistem yang dapat memprediksi kantuk pada pengemudi. Penelitian yang telah dilakukan sebelumnya menunjukkan adanya keterkaitan antara persentase ketertutupan mata (PERCLOS) dengan kondisi kantuk pengemudi. Penelitian ini memanfaatkan citra wajah yang diambil menggunakan kamera untuk diolah sesuai dengan kebutuhan. Dalam penerapannya, penggunaan masker dapat memengaruhi kemampuan deteksi wajah pada sistem. Selain itu, perbedaan karakter wajah dari setiap pengemudi memengaruhi akurasi dan parameter yang digunakan pada sistem. Pada penelitian ini, dirancang sebuah sistem untuk melakukan prediksi kantuk berdasarkan PERCLOS. Proses pengambilan data dan pengujian sistem dilakukan menggunakan portable driving simulator (PDS). Penggunaan model deep learning untuk melakukan deteksi wajah menghasilkan sistem dengan kemampuan deteksi wajah yang lebih baik dan durasi proses yang lebih singkat dibandingkan dengan sistem berbasis HOG dan Linear SVM. Penggunaan nilai rata-rata dan standar deviasi dari EAR subjek mampu menghasilkan nilai threshold yang bergantung pada karakteristik mata setiap subjek. Pada penelitian ini, deep learning digunakan untuk melakukan klasifikasi dan prediksi terjadinya kantuk pengemudi. Sistem yang dirancang mampu menjalankan proses yang lebih banyak dengan durasi proses rata-rata yang lebih singkat dari sistem sebelumnya, yaitu sebesar 55,06 milisekon. Rencana penelitian lanjutan dilakukan dengan subjek yang memiliki profesi sebagai pengemudi.
=================================================================================================================================
Drivers who are drowsy while driving are one of the biggest causes of traffic accidents. To prevent traffic accidents caused by drowsy drivers, we need a system that can predict driver drowsiness. Previous studies have shown that there is a relationship between the percentage of eye closure (PERCLOS) and driver sleepiness. This study has utilized facial images taken using a camera to be processed according to needs. In practice, the use of masks can affect the ability to detect faces on the system. In addition, the different facial characteristics of each driver affect the accuracy and parameters used in the system. In this study, a system was designed to predict sleepiness based on PERCLOS. The process of data collection and system testing carried out using portable driving simulator (PDS). Use of deep learning model to carry out face detection produced a system with better face detection capabilities and a shorter processing duration compared to HOG and Linear SVM based systems. The use of the average value and standard deviation of the EAR in each subject could produce threshold value depending on the eye characteristics of each subject. In this research, deep learning was used to classify and predict driver drowsiness. The designed system was capable of running more processes with a shorter average processing duration than the previous system, which is 55.06 milliseconds. Further research plans are carried out with subjects who have a profession as a driver.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Convolutional Neural Network, Drowsiness, PERCLOS, Prediction, Safety Driving, Kantuk, Keamanan Berkendara, Prediksi.
Subjects:	Q Science > Q Science (General) > Q325.5 Machine learning.
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Biomedical Engineering > 11410-(S1) Undergraduate Thesis
Depositing User:	Lieyanto Sim
Date Deposited:	05 Oct 2023 08:37
Last Modified:	05 Oct 2023 08:37
URI:	http://repository.its.ac.id/id/eprint/102118

Actions (login required)

View Item