Perpustakaan judul masih dalam tahap pengembangan, admin siap menampung kritik dan saran
Aplikasi pendeteksi mata mengantuk berbasis citra digital menggunakan metode haar classifier secara real rime
Randy Kuswara NIM. (2013) | Skripsi | Teknik Informatika
Bagikan
Ringkasan
Teknologi tepat guna banyak diciptakan untuk membantu pekerjaan manusia sehari-hari terutama masalah-masalah yang sulit dikerjakan. Salah satu masalah tersebut adalah kecelakaan lalu lintas yang disebabkan oleh mengantuk, salah satu indikasi dari mata mengantuk adalah mata tertutup. Oleh karena itu dibutuhkan suatu aplikasi simulator untuk mendeteksi mata mengantuk.Aplikasi simulator untuk mendeteksi kantuk mengunakan pengolahan citra yang menggunakan metode haar classifier secara real time berdasarkan mata dalam keadaan tertutup. haar classifier memiliki empat langkah dalam mendeteksi kantuk create samples, cropping, haar like features, casscade classifier, output xml, dan yang terakhir objek ditemukan.Hasil uji performansi dari aplikasi deteksi mata mengantuk menunjukkan bahwa aplikasi yang berbasis dektop ini dapat membantu dalam mendeteksi mata tertutup sebagai indikator dari mengantuk. Aplikasi pendeteksi mata tertutup sebagai ciri dari mengantuk secara real time dapat mendeteksi mata yang tertutup dengan pengujian performansi berupa lama kedipan mata dengan jarak wajah ke webcam 40cm dan lebih dari 400ms memiliki 100% terdeteksi.
Ringkasan Alternatif
Appropriate technologies are created to help people work connon problems especially difficult to do. One such problem is that of traffic accidents caused by drowsiness. Therefore we need a simulator application to detect sleepy eyes.Application simulator to detect sleepiness using image processing using haar classifier method in real time based on the eye in a closed state. haar classifier has four steps in detecting drowsiness create samples, cropping, haar like features, casscade classifier, xml output, and the last object was found.Performance test results of a sleepy eye detection application show that the dektop based applications can help in detecting closed eyes as an indicator of drowsiness. Applications closed eye detection as characteristic of drowsiness in real time to detect the eyes are covered with a long performance testing blink of an eye with a distance of 40cm and a face to the webcam is more than 400ms have 100% undetectable.