Android integration
Mengintegrasikan CameraX untuk aliran frame real-time serta antarmuka peringatan pada Android.
Semua Proyek/Microsleep Detector
← Kembali ke semua proyekComputer Vision · Deep Learning · Android
Microsleep Detector
Prototipe aplikasi Android on-device untuk mendeteksi indikasi microsleep dari kondisi mata dan memberi peringatan audio-visual secara real-time.
17,7FPS setelah 30 menit
55,3 mslatensi rata-rata
6perangkat diuji
Alur inferensi on-device
01CameraX02MediaPipe03TFLite
Frame kamera → ROI mata → klasifikasi → alarm
Masalah yang ditangani
Microsleep dapat membuat pengemudi kehilangan kewaspadaan dalam waktu singkat. Proyek ini mengeksplorasi pendekatan non-intrusif berbasis kamera depan perangkat Android agar indikator mata dapat dianalisis langsung tanpa koneksi eksternal.
Ini adalah prototipe tugas akhir untuk eksplorasi teknologi, bukan perangkat keselamatan berkendara yang tersertifikasi.
Kontribusi utama
Vision pipeline
Menggunakan MediaPipe untuk lokalisasi wajah dan area mata sebelum klasifikasi.
On-device inference
Menerapkan MobileNetV3-Small dalam TensorFlow Lite untuk klasifikasi mata terbuka atau tertutup.
Proses sistem
- 01
Capture
CameraX menangkap frame dari kamera depan.
- 02
Locate
MediaPipe menemukan wajah dan membentuk ROI mata.
- 03
Classify
MobileNetV3-Small TFLite mengklasifikasi kondisi mata.
- 04
Decide
Durasi mata tertutup berturut-turut dibandingkan dengan ambang deteksi.
- 05
Alert
Sistem mengaktifkan alarm dan mencatat keluaran pengujian.
Keputusan implementasi
Pemrosesan lokal
Inferensi dijalankan langsung di perangkat agar alur deteksi tidak bergantung pada koneksi internet atau server eksternal.
Area mata terfokus
MediaPipe digunakan untuk menemukan wajah dan membatasi area mata sebelum frame masuk ke model klasifikasi.
Peringatan berbasis durasi
Keluaran mata tertutup dipantau secara berurutan sehingga alarm tidak dipicu hanya oleh satu frame sesaat.
Hasil pengujian perangkat
Pengujian berfokus pada kemampuan aplikasi mempertahankan inferensi real-time dan stabilitas penggunaan, bukan hanya keberhasilan menjalankan model sekali.
| Aspek | Skenario | Hasil teramati |
|---|---|---|
| Kecepatan inferensi | Aplikasi aktif selama 30 menit | 17,7 FPS pada akhir pengujian |
| Latensi | Pengukuran pemrosesan frame | 55,3 ms rata-rata |
| Kompatibilitas | Enam perangkat Android | Tidak ditemukan crash atau freeze selama skenario uji |
Hasil menggambarkan perangkat dan kondisi pengujian tugas akhir; bukan sertifikasi untuk penggunaan keselamatan berkendara.