Willkommen

Herzlich willkommen auf unserer Projektseite. Auf dieser Homepage erhalten Sie Informationen rund um das Projekt Projektname.

Kurzbeschreibung

Deutsch: Attention Monitoring ist ein Projekt, das Fahrer warnt, wenn sie abgelenkt sind. Ziel ist die Verbesserung der Verkehrssicherheit und die Reduktion der Unfallrate durch Ablenkung. Dies wird durch Abstimmung der einzelnen Komponenten auf die Aufgabe erreicht. Zwei Softwarekomponenten werden eingesetzt: TensorFlow für die KI-Trainingsmodelle und OpenCV zur Videoauswertung. Beide Komponenten werden in einem gemeinsamen Projekt zusammengeführt und auf einem Raspberry Pi installiert.

Unser Projekt wird bearbeitet und erstellt an der HTL Mössingerstraße

HTL Mössingerstraße

English: Attention Monitoring is a project that alerts drivers when they become distracted. The goal is to improve road safety and reduce accident rates caused by distraction. This is achieved through the coordination of all components for the specific task. Two software components are used: TensorFlow for the AI training models and OpenCV for video analysis. Both components are integrated into a single project and installed on a Raspberry Pi.

Details

Strukturplan

Attention Monitoring – Projektstrukturplan

Strukturplan
Hardware-Status

Attention Monitoring – Hardwareübersicht

Hardware-Aufbau
Status Komponente Hinweis
check_circle Raspberry PI 5 4GB RAM
check_circle Dealikee Kameramodul IR 1080p
check_circle MAX98357A I²S Audioverstärker
check_circle Lautsprecher 0,5W
highlight_off Stromversorgung 5V/5A
highlight_off Gehäuse -
highlight_off Platine -
highlight_off Lüfter Platine nicht gefertigt

Tabelle basierend auf den Einträgen im bestehenden Hardware‑Status.


Die technische Basis ist vorhanden, jedoch bestehen noch einige wichtige Probleme. Die Kamera ließ sich zunächst nur schwer einbinden, was die Inbetriebnahme verzögerte. Außerdem fehlen weiterhin eine stabile 5-V/5-A-Stromversorgung, ein Gehäuse sowie die Platine und der Lüfter. Ohne diese Komponenten ist eine ausreichende Kühlung des Raspberry Pi 5 nicht gewährleistet. Insgesamt ist das Projekt gestartet und einsatzbereit.

Software-Status

Attention Monitoring – Softwareübersicht

Status Komponente Hinweis
check_circle TensorFlow Modell geladen
check_circle OpenCV Videoverarbeitung aktiv
check_circle MediaPipe Videoverarbeitung aktiv
check_circle Betriebssystem Raspberry Pi OS
check_circle Python-Laufzeit 3.11

Tabelle basierend auf den aktuellen Software‑Komponenten.


Das TensorFlow-Modell muss sehr gut vortrainiert und exakt auf die Anwendung zugeschnitten sein – selbst kleine Ungenauigkeiten führen zu Fehlklassifikationen. Zusätzlich ist ein präzises Zuschneiden der Bildbereiche über MediaPipe und OpenCV zwingend notwendig, da ungenaue Ausschnitte die Modellleistung deutlich verschlechtern. Anfangs wurde der Code außerdem falsch implementiert: Bei jedem Frame wurde ein neues Objekt erzeugt, was zu starkem RAM-Verbrauch und massiven Performance-Einbrüchen führte. Dieses Problem wurde inzwischen behoben, sodass die Verarbeitung nun deutlich ressourcenschonender abläuft.

Software-Übersicht
Ziele

Projektziele – Software

Übersichtliche Zielauflistung für die beiden Verantwortlichen.

Jan Niklas Lorin

  • check_circle Straßensicherheit erhöhen
  • check_circle Unfallstatistik senken
  • check_circle Zuverlässige Audioausgabe für Warnungen
  • check_circle Erkennung der Ablenkung

Gebhart Tillmann Nico Lass

  • check_circle Straßensicherheit erhöhen
  • check_circle Erstellen von Datensätzen für die KI
  • check_circle Robuste Videoanalyse mit OpenCV/MediaPipe
  • check_circle Design und Herstellen von Gehäuse

Our Awesome Team

Jan Niklas Lorin

Jan Niklas Lorin

Erstellung des KI-Modell, Leiterplatte + Bauteile verarbeitet, Homepage

Gebhart Tillmann Nico Lass

Gebhart Tillmann Nico Lass

Erstellung der Videoverarbeitung, Kamera, Gehäuse, Grafik

Dipl.-Ing. Thomas Aichholzer

DI Thomas Aichholzer, BSc., BEd.

Betreuer