Deteksi Mata Berkedip menggunakan Convolutional Neural Network pada Data Video

Sigit, Firman Matiinu (2020) Deteksi Mata Berkedip menggunakan Convolutional Neural Network pada Data Video. Masters thesis, Institut Teknologi Sepuluh Nopember.

[img] Text
07111850060001-Master_thesis.pdf - Accepted Version
Restricted to Repository staff only until 1 March 2023.

Download (16MB) | Request a copy

Abstract

Tanda tubuh seseorang ketika kelelahan dan mengantuk dapat dilihat dari perubahan perilaku pada bagian mata, mulut, dan otak. Mata akan menja- di lebih sering berkedip, jarak antara kelopak mata atas dan bawah menjadi lebih mengecil, waktu memejamkan mata menjadi lebih lama, mulut akan sedi- kit membuka, dan otak akan mengeluarkan gelombang delta dengan frekuensi gelombang paling rendah antara 0.5 sampai 4 Hz. Perubahan bagian tubuh tersebut terutama bagian wajah; jarak antara kelopak mata atas dan bawah adalah bahan penting untuk penelitian meng- enai deteksi mengantuk, pada penelitian ini dalam kaitannya tentang deteksi mengantuk akan dirancang suatu prototipe deteksi mata berkedip berbasis data gambar wajah dan mata mengggunakan convolutional neural network berjalan secara realtime detection. Data gambar wajah, perilaku perubahan mata, mata membuka dan menu- tup dari penulis disimpan sebagai dataset, untuk pembelajaran Convolutional Neural Network (CNN). Pada Pembelajaran pertama, CNN dibelajarkan ke- pada 6000 dataset gambar terdiri dari 3000 gambar mata membuka dan 3000 gambar mata menutup. Pada pembelajaran kedua CNN dibelajarkan kepa- da 8000 gambar dataset yang terdiri dari 4000 gambar mata membuka dan 4000 gambar mata menutup, dan pada pembelajaran ketiga CNN dibelajark- an kepada 10000 dataset gambar terbagi menjadi dua kategori label yaitu kategori label mata membuka dan menutup. Untuk kategori mata membuka terdiri dari 5000 gambar mata membuka dan untuk kategori mata menutup terdiri dari 4000 gambar mata menutup dan 1000 gambar mata setengah me- nutup. Masing-masing pemodelan CNN/pretrained CNN tersebut diujikan untuk mendeteksi mata berkedip terhadap 11 sampel yang berbeda terdiri da- ri 1 sampel dari wajah penulis sendiri dan 10 sampel dari wajah orang lain. Deteksi mata berkedip berhasil paling banyak yaitu ketika pemodelan CNN ini diujikan untuk mendeteksi mata berkedip pada sampel wajah penulis sendiri pada posisi wajah tepat didepan kamera yaitu mempunyai tingkat keberhasilan deteksi mencapai 0.95 dari 20 kali percobaan pendeteksian. Kata Kunci: Convolutional Neural Network (CNN), Dataset, Haar-Cascade Method, Mata.

Item Type: Thesis (Masters)
Uncontrolled Keywords: Convolutional Neural Network (CNN), Dataset, Haar-Cascade Method, Mata, Convolutional neural network, Eyes, Haar cascade method, Images.
Subjects: Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science)
T Technology > T Technology (General) > T385 Visualization--Technique
T Technology > T Technology (General) > T57.5 Data Processing
T Technology > T Technology (General) > T57.62 Simulation
T Technology > T Technology (General) > T57.83 Dynamic programming
T Technology > TA Engineering (General). Civil engineering (General) > TA1637 Image processing--Digital techniques
Divisions: Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Electrical Engineering > 20101-(S2) Master Thesis
Depositing User: Firman Matiinu Sigit
Date Deposited: 09 Feb 2021 08:12
Last Modified: 09 Feb 2021 08:12
URI: https://repository.its.ac.id/id/eprint/82639

Actions (login required)

View Item View Item