СИСТЕМА ОПРЕДЕЛЕНИЯ НАЛИЧИЯ МЕДИЦИНСКОЙ МАСКИ НА ЛИЦЕ
DOI:
https://doi.org/10.52167/1609-1817-2024-135-6-123-131Ключевые слова:
сверточные нейронные сети (CNN), глубокое обучение (DL), идентификация предметов и лиц, определение местоположения лица на изображении, лицевые ориентиры, определение наличия маски на лицеАннотация
Авторы данной статьи рассмотрели проблему распознавания наличия маски на лице с помощью сверточной нейронной сети. В данной работе выполнен анализ современных методов распознавания изображений, изучен процесс идентификации лиц и предметов. Также приведен полный алгоритм процесса определения наличия маски на лице - от наращивания набора баз данных для обучения нейронной сети до процесса распознавания. Эта ситуация заставляет людей адаптироваться к новым условиям, например: работать дома, общаться через Интернет, соблюдать чистоту, чтобы уменьшить передачу COVID-19. Более того, исследования показали, что ношение маски является одним из способов снижения риска передачи вируса. Это заставляет многие общественные места иметь меры о том, что их клиент должен держать дистанцию между людьми и носить маску на лице правильно. Но поставщики общественных услуг не в состоянии тщательно проверить, все ли клиенты носят маску или нет. Поэтому в данном проекте мы предлагаем систему обнаружения масок на лице через веб-камеры с помощью распознавания изображений, которая является одним из высокоточных и эффективных детекторов масок на лице. Эта система может обнаружить маску на лице, отсутствие маски на лице и неправильную маску на лице. Эта система поможет поставщикам общественных услуг убедиться, что все люди в этом месте правильно носят маску, поощрять людей использовать маски и обеспечивать безопасную среду в этих общественных местах.
Библиографические ссылки
[1] Hurshudov A.A. Razrabotka sistemy raspoznavanija vizual'nyh obrazov v potoke dannyh: dis. kand. tehn. nauk: 05.13.01. – Kubanskij gosudarstvennyj tehnologicheskij universitet, Krasnodar, 2015 - 130 p.
[2] Dahlan I.A., Putra M.B.G., Supangkat S.H. Real-time passenger social distance monitoring with video analytics using deep learning in railway station. Indonesian Journal of Electrical Engineering and Computer Science. – 2022 - № 10 (2). - 773–784 p.
[3] Gafarov F.M Iskusstvennye nejronnye seti i prilozhenija: ucheb. posobie / F.M. Gafarov, A.F. Galimjanov. – Kazan': Izd-vo Kazan. un-ta, 2018. – 121 p.
[4] Generacija izobrazhenij lic [Jelektronnyj resurs]: Nabor dannyh. –Rezhim dostupa: https://thispersondoesnotexist.com/ (data obrashhenija: 03.02.2022).
[5] Open source computer vision and machine learning software library [Jelektronnyj resurs] – Rezhim dostupa: https://opencv.org/ (data obrashhenija: 03.02.2022).
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Лицензия
Copyright (c) 2024 Нурбек Сапарходжаев
![Лицензия Creative Commons](http://i.creativecommons.org/l/by-nc-nd/4.0/88x31.png)
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.