Fairizal Arifianto

Semua Proyek/REMIND Driver Safety System

← Kembali ke semua proyek

Computer Vision · Deep Learning · IoT

REMIND Driver Safety System

Prototipe capstone pemantauan kelelahan pengemudi yang mengintegrasikan deteksi kondisi mata berbasis kamera dengan pembacaan denyut jantung dan SpO₂.

2subsistem terintegrasi
1prototipe Raspberry Pi
3anggota tim

Integrasi sistem

CAMmataMAXBPM / SpO₂LCDoutput
Kamera · CNN · MAX30102 · Buzzer · Streamlit
Foto prototipe akhir REMIND Driver Safety System
Artefak prototipe asli: perangkat REMIND yang menggabungkan kamera, display, dan komponen pemantauan dalam satu perangkat.

Masalah dan ruang lingkup prototipe

Proyek ini mengeksplorasi cara menggabungkan dua jenis masukan dalam satu perangkat lokal: kondisi mata dari kamera dan pembacaan sensor fisiologis. Tujuannya adalah membangun demonstrasi terintegrasi yang dapat mengolah masukan, menampilkan status, dan memberi peringatan melalui perangkat yang sama.

REMIND adalah prototipe akademik. Hasil demonstrasi fungsional tidak dapat diartikan sebagai validasi perangkat medis atau produk keselamatan kendaraan.

Peran saya dalam tim

Proyek capstone ini dikerjakan oleh tiga anggota. Kontribusi utama saya berada pada pengembangan klasifikasi kondisi mata terbuka dan tertutup sebagai masukan bagi subsistem pemantauan visual. Perakitan perangkat, integrasi sensor, antarmuka, dan pengujian prototipe dilakukan bersama tim.

Eye-state classifier

Menyiapkan komponen model untuk membedakan kondisi mata terbuka dan tertutup dari masukan kamera.

Pipeline visual

Membantu menghubungkan keluaran klasifikasi mata ke logika status pada prototipe.

Team integration

Mendukung penyatuan subsistem visual dengan sensor, display, dan mekanisme peringatan pada Raspberry Pi.

Arsitektur ringkas

Visual monitoring

Kamera dan pipeline computer vision mengamati kondisi mata pengemudi secara real-time.

Physiological sensing

MAX30102 membaca sinyal BPM dan SpO₂ ketika jari terdeteksi pada sensor.

Feedback

LCD, buzzer, dan antarmuka menampilkan status serta himbauan berdasarkan keluaran sistem.

Alur integrasi

  1. 01

    Initialize

    Raspberry Pi, kamera, sensor, serta antarmuka dinyalakan.

  2. 02

    Observe

    Kamera mengirim frame untuk evaluasi kondisi mata.

  3. 03

    Classify

    Model klasifikasi menentukan keadaan mata sebagai input sistem.

  4. 04

    Measure

    Sensor MAX30102 membaca BPM dan SpO₂ ketika tersedia.

  5. 05

    Respond

    Status, buzzer, dan himbauan disajikan pada antarmuka.

Hasil yang dicapai

Prototipe lokal terintegrasi

Kamera, klasifikasi kondisi mata, sensor MAX30102, display, dan buzzer dapat dijalankan dalam satu prototipe berbasis Raspberry Pi 5.

Demonstrasi alur end-to-end

Masukan perangkat dapat diproses menjadi status pada antarmuka dan respons peringatan dalam skenario demonstrasi tim.

Tidak ada angka akurasi atau klaim efektivitas keselamatan yang ditampilkan karena bukti yang tersedia berfokus pada keberhasilan integrasi prototipe.

Teknologi