Please use this identifier to cite or link to this item: https://ir.swu.ac.th/jspui/handle/123456789/29042
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorธานินทร์ ดวงจันทร์th_TH
dc.contributor.authorภัทรสุดา สิมชมภูth_TH
dc.contributor.authorปรียานุช ดาวลอยth_TH
dc.contributor.authorพรพิมล แก่สีโลหิตth_TH
dc.date.accessioned2023-11-06T09:04:25Z-
dc.date.available2023-11-06T09:04:25Z-
dc.date.issued2565-
dc.identifier.urihttps://ir.swu.ac.th/jspui/handle/123456789/29042-
dc.description.abstractThis engineering project objective to develop an OpenCV application for image processing and real-time eye detection using a camera to monitor drivers' drowsiness. The project uses a sample group of 10 students' faces from the Faculty of Engineering, Srinakharinwirot University. The program for detecting facial features and eye blinking is written in Python. More than 18 blinks/min is considered normal, 12-18 blinks/min is considered level 1 drowsiness, less than 12 blinks/min is considered level 2 drowsiness, and if you close your eye for 2 sec is considered level 3 drowsiness. From the test results in the first three levels, the second root mean square error (RMSE) was used as an indicator of eye blink behavior. The sample group had RMSE values that conform to the standard in the range of 0 - 1 , consisting of 0 , 6 , and 9 in sequent. And at level 3 of testing, the alertness was found to be related to the duration of eye closure of the sample group each time it was detected. The alertness would stop when the sample group opened their eyes again. And from the results of all 4 levels, the average EAR was 0.17 and 0.15, which is consistent with the threshold set in the program that if there is blinking or close your eyes, the EAR value would be less than 0.20. Therefore, EAR is an important tool for assessing the status of the sample group. If the sample group has normal conditions but the number of eye blinks is below the specified threshold, the program will count it as drowsiness.th_TH
dc.language.isothth_TH
dc.publisherสาขาวิชาวิศวกรรมไฟฟ้า คณะวิศวกรรมศาสตร์ มหาวิทยาลัยศรีนครินทรวิโรฒth_TH
dc.titleการตรวจจับอาการง่วงนอนด้วยโปรแกรมประยุกต์ OPENCVth_TH
dc.title.alternativeDrowsiness detection using an OPENCV applicationth_TH
dc.typeWorking Paperth_TH
dc.subject.keywordการตรวจจับดวงตาth_TH
dc.subject.keywordโอเพ่นซีวีth_TH
dc.subject.keywordราสเบอร์รี่พายth_TH
dc.description.abstractthaiโครงงานวิศวกรรมนี้ มีวัตถุประสงค์เพื่อพัฒนาโปรแกรมประยุกต์ OpenCV ร่วมกับการประมวลผลภาพ และการตรวจจับดวงตาด้วยกล้องแบบเรียลไทม์ เพื่อเฝ้าระวังอาการง่วงนอนของผู้ขับขี่รถยนต์ โดยใช้กลุ่มตัวอย่างใบหน้าจากนิสิตคณะวิศวกรรมศาสตร์ มหาวิทยาลัยศรีนครินทรวิโรฒ จำนวน 10 คน โดยใช้โปรแกรมประมวลผลที่เขียนด้วยภาษาไพทอนในการตรวจจับบริเวณใบหน้า และการกระพริบของดวงตา เมื่อกระพริบตามากกว่า 18 ครั้งใน 1 นาที เป็นอาการปกติ กระพริบตามากกว่า 12 ครั้งแต่น้อยกว่า 18 ครั้งใน 1 นาที เป็นอาการง่วงนอนระดับที่ 1 กระพริบตาน้อยกว่า 12 ครั้งใน 1 นาที เป็นอาการง่วงนอนระดับที่ 2 และหลับตาค้าง 2 วินาที เป็นอาการง่วงนอนระดับที่ 3 จากผลการทดสอบใน 3 ระดับแรกใช้ค่ารากที่สองของคลาดเคลื่อนเฉลี่ยกำลังสอง(RMSE) เป็นตัวชี้วัดพฤติกรรมการกระพริบตา ซึ่งกลุ่มตัวอย่างมีค่า RMSE เป็นไปตามมาตรฐานที่อยู่ในช่อง 0-1 จำนวน 0, 6 และ 9 คน และผลการทดสอบในระดับที่ 3 การแจ้งเตือนสัมพันธ์กับเวลาหลับตาค้างของกลุ่มตัวอย่างทุกครั้งที่ตรวจจับได้ ซึ่งการแจ้งเตือนจะหยุดเมื่อกลุ่มตัวอย่างลืมตาขึ้นอีกครั้ง และจากผลการทดสอบทั้ง 4 ระดับมีค่า EAR เฉลี่ยรวมอยู่ที่ 0.17 และ 0.15 ซึ่งเป็นไปตามเกณฑ์การพิจารณาที่กำหนดไว้ในโปรแกรมว่าหากมีการกระพริบตาหรือหลับตา ค่า EAR จะน้อยกว่า 0.2 ดังนั้น ค่า EAR จึงเป็นเครื่องมือสำคัญในการประเมินสถานะของกลุ่มตัวอย่าง และหากกลุ่มตัวอย่างมีอาการปกติแต่มีจำนวนการกระพริบตาไม่ถึงเกณฑ์ที่กำหนดไว้โปรแกรมจะนับว่ามีอาการง่วงนอนth_TH
Appears in Collections:EleEng-Senior Projects

Files in This Item:
File Description SizeFormat 
Eng_Patsuda_S.pdf
  Restricted Access
4.61 MBPDFView/Open Request a copy


Items in SWU repository are protected by copyright, with all rights reserved, unless otherwise indicated.