Deteksi Mata di Video Smartphone Menggunakan Mediapipe Python
DOI:
https://doi.org/10.31328/jointecs.v8i2.4562Keywords:
deteksi mata, mediapipe, opencv, python, telepon pintar.Abstract
Teknologi deteksi mata digunakan untuk mengenali dan menganalisis fitur-fitur unik pada mata seseorang sebagai cara untuk mengidentifikasi atau mengautentikasi identitas seseorang. Teknologi ini dapat digunakan dalam berbagai aplikasi, seperti pengenalan pola, sistem biometrik, sistem pengawasan, dan lainnya. Kebanyakan aplikasi memerlukan ketepatan dalam mendeteksi mata, sehingga diperlukan metode deteksi mata yang cepat dan andal. Dalam penelitian ini, diajukan metode deteksi mata yang menggunakan library Python OpenCV dan MediaPipe, yang menawarkan akurasi yang lebih baik dibandingkan solusi yang sudah ada. Kedua pustaka tersebut diimplementasikan dalam bahasa pemrograman Python, yang populer di kalangan pengembang perangkat lunak karena kemampuan pemrograman berorientasi objek, kemampuan untuk memanipulasi dan memproses data dengan mudah, serta pustaka dan modul yang tersedia dalam berbagai bidang seperti kecerdasan buatan. Pengujian sistem dilakukan dengan menggunakan video yang diambil menggunakan telepon pintar. Meskipun video diambil dalam kondisi kurang optimal, yaitu dengan pencahayaan yang tidak sempurna, pengujian dilakukan pada 56 video yang memiliki kualitas cukup baik dengan durasi sekitar 5-10 detik. Hasil yang diperoleh menunjukkan tingkat akurasi yang mencapai 100%. Selain itu, sistem yang dibuat mampu membedakan antara kondisi mata terbuka dan tertutup, yang akan memudahkan penelitian selanjutnya dalam mendeteksi kedipan mata. Kesimpulan yang dapat diambil adalah model yang telah dibuat mampu mendeteksi mata dengan tingkat akurasi yang sangat tinggiReferences
A. A. M. Suradi, “Deteksi Jalan Berdasarkan Segmentasi Warna HSV Dalam Penerapan Mobil Otonom (Autonomous Car),†2021.
M. Knapik and B. Cyganek, “Fast eyes detection in thermal images,†Multimed Tools Appl, vol. 80, no. 3, pp. 3601–3621, Jan. 2021, doi: 10.1007/s11042-020-09403-6.
C. Dewi, R.-C. Chen, X. Jiang, and H. Yu, “Adjusting eye aspect ratio for strong eye blink detection based on facial landmarks,†PeerJ Comput. Sci., vol. 8, p. e943, Apr. 2022, doi: 10.7717/peerj-cs.943.
F. Zhang et al., “MediaPipe Hands: On-device Real-time Hand Tracking.†arXiv, Jun. 17, 2020. Accessed: Feb. 01, 2023. [Online]. Available: http://arxiv.org/abs/2006.10214
C. Lugaresi et al., “MediaPipe: A Framework for Building Perception Pipelines.†arXiv, Jun. 14, 2019. doi: 10.48550/arXiv.1906.08172.
G. Güney et al., “Video-Based Hand Movement Analysis of Parkinson Patients before and after Medication Using High-Frame-Rate Videos and MediaPipe,†Sensors, vol. 22, no. 20, Art. no. 20, Jan. 2022, doi: 10.3390/s22207992.
“Automatic Detection of Tomato Leaf Deficiency using Soft Computing Technique,†IJEAT, vol. 9, no. 2, pp. 5406–5410, Dec. 2019, doi: 10.35940/ijeat.A1045.129219.
D. Kondratyuk et al., “MoViNets: Mobile Video Networks for Efficient Video Recognition,†in 2021 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), Nashville, TN, USA: IEEE, Jun. 2021, pp. 16015–16025. doi: 10.1109/CVPR46437.2021.01576.
M. F. Rasyid, “Comparison Of LBPH, Fisherface, and PCA For Facial Expression Recognition of Kindergarten Student,†International Journal Education and Computer Studies (IJECS), vol. 2, no. 1, Art. no. 1, May 2022, doi: 10.35870/ijecs.v2i1.625.
A. H. Ahamad, N. Zaini, and M. F. A. Latip, “Person Detection for Social Distancing and Safety Violation Alert based on Segmented ROI,†in 2020 10th IEEE International Conference on Control System, Computing and Engineering (ICCSCE), Aug. 2020, pp. 113–118. doi: 10.1109/ICCSCE50387.2020.9204934.
A. P. Ismail, F. A. A. Aziz, N. M. Kasim, and K. Daud, “Hand gesture recognition on python and opencv,†IOP Conf. Ser.: Mater. Sci. Eng., vol. 1045, no. 1, p. 012043, Feb. 2021, doi: 10.1088/1757-899X/1045/1/012043.
A. A. M. Suradi, M. F. Rasyid, and N. Nasaruddin, “Sistem Perhitungan Jumlah Kendaraan Berbasis Computer Vision,†SISITI : Seminar Ilmiah Sistem Informasi dan Teknologi Informasi, vol. 11, no. 1, Art. no. 1, Aug. 2022, Accessed: Jan. 26, 2023. [Online]. Available: http://ejurnal.dipanegara.ac.id/index.php/sisiti/article/view/950
A. A. Mahersatillah, Z. Zainuddin, and Y. Yusran, “Unstructured Road Detection and Steering Assist Based on HSV Color Space Segmentation for Autonomous Car,†in 2020 3rd International Seminar on Research of Information Technology and Intelligent Systems (ISRITI), Dec. 2020, pp. 688–693. doi: 10.1109/ISRITI51436.2020.9315452.
F. Rasyid, Mar’atuttahirah, M. S. Mustafa, and A. A. M. Suvardi, “Menghitung Akurasi Sistem Deteksi Masker Berdasarkan Arah Pandangan Kepala Objek,†Computer Science Research and Its Development Journal, vol. 14, no. 3, Art. no. 3, Dec. 2022, doi: 10.22303/csrid.14.3.2022.203-214.
“Confusion Matrix - an overview | ScienceDirect Topics.†https://www.sciencedirect.com/topics/engineering/confusion-matrix (accessed Jul. 04, 2022).
M. Rasyid, Z. Zainuddin, and A. Andani, “Early Detection of Health Kindergarten Student at School Using Image Processing Technology,†in Proceedings of the 1st International Conference on Science and Technology, ICOST 2019, 2-3 May, Makassar, Indonesia, Makassar, Indonesia: EAI, 2019. doi: 10.4108/eai.2-5-2019.2284609.
“Confusion Matrix - an overview | ScienceDirect Topics.†Accessed: Jul. 04, 2022. [Online]. Available: https://www.sciencedirect.com/topics/engineering/confusion-matrix
Moh. A. Hasan, Y. Riyanto, and D. Riana, “Grape leaf image disease classification using CNN-VGG16 model,†J. Teknol. dan Sist. Komput, vol. 9, no. 4, pp. 218–223, Oct. 2021, doi: 10.14710/jtsiskom.2021.14013.
J. Xu, Y. Zhang, and D. Miao, “Three-way confusion matrix for classification: A measure driven view,†Information Sciences, vol. 507, pp. 772–794, Jan. 2020, doi: 10.1016/j.ins.2019.06.064.
F. Utaminingrum, A. D. Purwanto, M. R. R. Masruri, K. Ogata, and I. K. Somawirata, “Eye Movement and Blink Detection for Selecting Menu On-Screen Display Using Probability Analysis Based on Facial Landmark.†ICIC International å¦ä¼š, 2021. doi: 10.24507/ijicic.17.04.1287.
D. A. Navastara, W. Y. M. Putra, and C. Fatichah, “Drowsiness Detection Based on Facial Landmark and Uniform Local Binary Pattern,†J. Phys.: Conf. Ser., vol. 1529, no. 5, p. 052015, May 2020, doi: 10.1088/1742-6596/1529/5/052015.
M. Wang et al., “Multidimensional Feature Optimization Based Eye Blink Detection Under Epileptiform Discharges,†IEEE Transactions on Neural Systems and Rehabilitation Engineering, vol. 30, pp. 905–914, 2022, doi: 10.1109/TNSRE.2022.3164126.
Downloads
Published
Issue
Section
License
Pernyataan Hak Cipta dan Lisensi
Hak Cipta :
Penulis yang mempublikasikan naskahnya pada Jurnal ini menyetujui ketentuan berikut:
Hak cipta pada setiap artikel adalah milik penulis.
- Penulis mengakui bahwa JOINTECS (JOURNAL OF INFORMATION TECHNOLOGY AND COMPUTER SCIENCE) berhak sebagai yang mempublikasikan pertama kali dengan lisensi Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0).
- Penulis dapat memasukan tulisan secara terpisah, mengatur distribusi non-ekskulif  dari naskah yang telah terbit di jurnal ini kedalam versi yang lain (misal: dikirim ke respository institusi penulis, publikasi kedalam buku, dll), dengan mengakui bahwa naskah telah terbit pertama kali pada JOINTECS (JOURNAL OF INFORMATION TECHNOLOGY AND COMPUTER SCIENCE);
Lisensi :
JOINTECS diterbitkan berdasarkan ketentuan Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0). Lisensi ini mengizinkan setiap orang untuk menyalin dan menyebarluaskan kembali materi ini dalam bentuk atau format apapun, menggubah, mengubah, dan membuat turunan dari materi ini untuk kepentingan apapun, termasuk kepentingan komersial, selama mereka mencantumkan kredit kepada Penulis atas ciptaan asli.
This work is Under licensed
Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0)
