Navigasi Menu Kursi Roda berdasarkan Gerak Mata Berkondisi Pencahayaan Rendah dengan Facial Landmark dan Zero-DCE

Muhammad Reza Dahri  Putera; Fitri Utaminingrum

Navigasi Menu Kursi Roda berdasarkan Gerak Mata Berkondisi Pencahayaan Rendah dengan Facial Landmark dan Zero-DCE

Penulis

Muhammad Reza Dahri Putera Fakultas Ilmu Komputer, Universitas Brawijaya
Fitri Utaminingrum Fakultas Ilmu Komputer, Universitas Brawijaya

Kata Kunci:

Disabilitas, Display LCD, Deteksi Arah Gerak Mata, Deteksi Kedipan Mata, Dlib, Zero-DCE, Eye Gaze Ratio, Eye Blink Ratio, Gelap, Zero-Reference Deep Curve Estimation

Abstrak

Berdasarkan data dari Kementrian Koordinator Bidang Pembangunan Manusia dan Kebudayaan (2023), terdapat sekitar 22,97 juta individu dengan disabilitas di Indonesia. Terdapat beberapa jenis disabilitas, di antaranya adalah disabilitas dengan disfungsi tangan dan kaki. Kursi roda biasanya menjadi salah satu alat bantu vital pada penyandang disabilitas disfungsi tangan. Salah satu jenis kursi roda yang beredar di masyarakat adalah kursi roda pintar yang biasanya memiliki alat bantu tambahan berupa display LCD. Namun, hal ini menimbulkan kesulitan kepada para pengguna kursi roda pintar disfungsi tangan dalam melakukan navigasi menu pada display LCD tersebut. Terdapat beberapa penelitian yang telah dilakukan untuk mengatasi permasalahan ini seperti menggunakan arah gerak dan kedipan mata untuk mengontrol menu tersebut. Namun, hal tersebut tergolong kurang efektif apabila digunakan pada kondisi pencahayaan minim. Maka dari itu, penelitian ini berfokus pada perhitungan rasio untuk arah gerak dan kedipan mata dengan bantuan Dlib facial landmark, dan Zero-DCE untuk meningkatkan kualitas citra pada kondisi minim cahaya. Sistem berhasil untuk melakukan deteksi arah gerak dan kedipan mata dalam melakukan navigasi menu pada display LCD. Akurasi sistem untuk deteksi arah gerak dan kedipan mata mencapai 91,90% dalam 7 pengujian dengan lima partisipan pada kondisi pencahayaan terang. Pada kondisi pencahayaan minim, akurasi sistem mencapai 85,46%.

Referensi

Agarwal, V., 2021. Real-time eye tracking using opencv and dlib. [online] Medium. Available at: <https://towardsdatascience.com/real-time-eye-tracking-using-opencv-and-dlib-b504ca724ac6> [Accessed 11 Sep. 2023].

Anon 2023a. Disability. [online] World Health Organization. Available at: <https://www.who.int/news-room/fact-sheets/detail/disability-and-health> [Accessed 11 Sep. 2023].

Anwarul, Haque Mohammed Azim, et al., 2021. SMART WHEELCHAIR USING TFT TOUCH. 9(7), pp.766–775.

Aziz, N., Khusaini, N.S., Mohamed, Z., Hamid, A., Yusof, Y. and Aziz, M.R., 2022. Smart Wheelchairs: A Review on Control Methods. 4th IEEE International Conference on Artificial Intelligence in Engineering and Technology, IICAIET 2022. https://doi.org/10.1109/IICAIET55139.2022.9936836.

Guo, C., Li, C., Guo, J., Loy, C.C., Hou, J., Kwong, S. and Cong, R., 2020. Zero-reference deep curve estimation for low-light image enhancement. 2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR).

Hutamaputra, W., Utaminingrum, F., Budi, A.S. and Ogata, K., 2023. Eyes gaze detection based on multiprocess of ratio parameters for smart wheelchair menu selection in different screen size. Journal of Visual Communication and Image Representation, [online] 91(November 2022), p.103756. https://doi.org/10.1016/j.jvcir.2023.103756.

Kuwahara, A., Nishikawa, K., Hirakawa, R., Kawano, H. and Nakatoh, Y., 2022. Eye fatigue estimation using blink detection based on Eye Aspect Ratio Mapping(EARM). Cognitive Robotics, [online] 2(January), pp.50–59. https://doi.org/10.1016/j.cogr.2022.01.003.

Laksono, B.S.P. and Utaminingrum, F., 2022. Navigasi Menu Berdasarkan Arah Pandangan Mata pada Kursi Roda Pintar menggunakkan Fusion-CNN berbasis Jetson TX2. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, [online] 6(12), pp.5601–5607. Available at: <http://j-ptiik.ub.ac.id>.

Mayena, S., & Utaminingrum, F. 2019. Deteksi Pergerakan dan Kedipan Mata, pada Pemilihan Menu Display menggunakan Centroid Analysis berdasarkan Metode Face Landmark. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 3 (10). pp.10353-10359.

Sarsenov, A. and Latuta, K., 2019. Face recognition based on facial landmarks. 11th IEEE International Conference on Application of Information and Communication Technologies, AICT 2017 - Proceedings. https://doi.org/10.1109/ICAICT.2017.8687015.

Supanji, T.H., 2023. Pemerintah Penuhi Hak Penyandang Disabilitas di Indonesia. [online] Kementerian Koordinator Bidang Pembangunan Manusia dan Kebudayaan. Available at: <https://www.kemenkopmk.go.id/pemerintah-penuhi-hak-penyandang-disabilitas-di-indonesia#:~:text=Saat%20ini%2C%20jumlah%20penyandang%20disabilitas,disabilitas%20terbanyak%20pada%20usia%20lanjut.> [Accessed 11 Sep. 2023].

WHO, 2023. Health products policy and standards Medical devices. World Health Organization. Available at: <https://www.who.int/teams/health-product-policy-and-standards/assistive-and-medical-technology/medical-devices#:~:text=What>.

Yerashenia, N., Bolotov, A., Chan, D. and Pierantoni, G., 2020. Semantic Data Pre-Processing for Machine Learning Based Bankruptcy Prediction Computational Model. Proceedings - 2020 IEEE 22nd Conference on Business Informatics, CBI 2020, 1, pp.66–75. https://doi.org/10.1109/CBI49978.2020.00015.

Zhang, D., Li, J. and Shan, Z., 2020. Implementation of dlib deep learning face recognition technology. 2020 International Conference on Robots & Intelligent System (ICRIS).

Navigasi Menu Kursi Roda berdasarkan Gerak Mata Berkondisi Pencahayaan Rendah dengan Facial Landmark dan Zero-DCE