Publication Search

Traffic accidents are one of the leading causes of death worldwide, where drowsiness while driving is a significant factor that reduces driver alertness. This study develops a real-time driver drowsiness detection system using the Eye Aspect Ratio (EAR) method to avoid this. EAR calculates the ratio of the upper and lower eyelid distances to detect signs of drowsiness based on changes in eye shape. This system utilizes the OpenCV and Dlib libraries to identify faces and measure EAR, with a threshold of 0.25 as a warning trigger. If the EAR value drops below the threshold in several consecutive frames, the system automatically activates an alarm to increase driver alertness. With the advantages of cost efficiency and ease of implementation without additional hardware, this system is suitable for various types of vehicles. The results show that this system is effective in providing early warnings, thus helping to reduce the risk of accidents due to drowsiness.

Pelacakan objek merupakan suatu proses untuk menentukan dan mengikuti posisi dari sebuah objek bergerak yang diinginkan menggunakan kamera secara realtime. Ada berbagai macam algoritma dalam pembuatan sistem pelacakan objek, salah satunya adalah algoritma correlation tracker pada pustaka DLIB. Sistem pelacakan objek ini menggunakan Raspberrry Pi 4 yang berisi program python untuk pelacakan objek. Pi Camera digunakan sebagai input gambar video realtime. Hasil penggunaan algoritma correlation tracker yang ada pada pustaka DLIB, yaitu proses pelacakan objek dapat berjalan dengan baik. Terdapat 5 objek yang dilacak dan hasilnya kotak pelacakan selalu berada di sekitar objek, baik saat objek bergerak ke kiri, ke kanan, maju dan mundur. Apabila objek bergerak maju dan mundur, skala pada kotak pelacakan dapat berubah mengikuti ukuran objek. Performa pada Raspberry Pi dapat dilihat dari framerate video sebesar 10,5 fps.