Perpustakaan Digital ITB

Remote photoplethysmography (rPPG) memungkinkan pengukuran denyut jantung secara nirkontak menggunakan kamera, dan berpotensi untuk skenario multisubjek. Penelitian sebelumnya telah mencakup multisubjek, namun belum mendukung real-time dan belum mempertimbangkan deployment dengan sumber daya yang terbatas seperti Raspberry Pi. Penelitian ini bertujuan membangun sistem estimasi denyut jantung real-time berbasis kamera untuk multisubjek pada Kit AI Raspberry Pi. Sistem terdiri dari deteksi wajah, pelacakan wajah, ekstraksi ROI, ekstraksi sinyal rPPG, dan estimasi denyut jantung dalam satu pipeline terintegrasi. Pemilihan komponen didasarkan pada akurasi dan performa real-time, dengan modifikasi pada ekstraksi sinyal rPPG berbasis deep learning. Komponen yang digunakan adalah SCRFD-2.5G untuk deteksi wajah, Centroid Tracker untuk pelacakan wajah, seluruh wajah untuk ekstraksi ROI, DeepPhys yang telah dimodifikasi untuk ekstraksi sinyal rPPG, dan FFT untuk estimasi denyut jantung. Optimasi sistem dilakukan dengan pemecahan window menjadi chunk yang lebih kecil, inferensi batch, dan statistik inkremental. Pengujian meliputi dua skenario: (1) komponen ekstraksi sinyal rPPG yang dimodifikasi, menghasilkan MAE 1,28 bpm dan latensi 29,09 ms; (2) pengujian sistem secara keseluruhan menunjukkan sistem berjalan real-time dengan rata-rata FPS 29,972 dan 0% frame terlewat, tetapi MAE sangat besar yaitu 29,498 bpm. Hal ini disebabkan karena kurangnya kualitas dataset yang dikembangkan sendiri. Disimpulkan bahwa sistem dibangun dengan cara memilih komponen terbaik dari sejumlah alternatif, yang didukung dengan optimasi sistem lanjutan. Dihasilkan sistem yang berjalan dengan baik pada Kit AI Raspberry Pi jika kondisi data optimal.