APLICACIÓN WEB PARA LA IDENTIFICACIÓN AUTOMÁTICA DEL USO DEL TAPABOCAS
DOI:
https://doi.org/10.25112/bcij.v1i1.2669Palavras-chave:
Tapabocas, Reconocimiento automático, Redes neuronales, TripletResumo
Junto con el lavado de manos y el distanciamiento social, el uso de máscaras faciales (tapabocas) es una de las medidas de bioseguridad para prevenir la transmisión de enfermedades respiratorias como el covid-19. En este artículo proponemos la identificación automática del uso del tapabocas, con el objetivo de realizar alarmas del mal uso y el no uso del tapabocas. Este trabajo puede ser utilizado en lugares de acceso a personas donde el uso del tapabocas debe ser obligatorio. Se construyó una base de datos de imágenes con personas haciendo uso correcto del tapabocas (clase OK), mal uso del tapabocas ( clase BAD) y sin tapabocas (clase No-Mask). La base de datos fue construida por los estudiantes del semillero en inteligencia artificial del ITM. Para entrenar el modelo se implementó una red neural con arquitectura triplet, en la cual, después de normalizar cada imagen y transformarla en una de menor dimensión, se toma una imagen objetivo, llamado anchor, en este caso una de nuestras clases definidas, un ejemplo positivo (de la misma clase del anchor) y dos ejemplos negativos (de diferente clase del anchor, una por cada clase diferente). Con estas muestras se calcula la distancia entre el anchor y los ejemplos positivo y negativos. La distancia será grande entre el anchor y los ejemplos negativos y pequeña con el ejemplo positivo. Los ejemplos positivos y negativos se seleccionaron aleatoriamente. Los resultados son promisorios y se se hace una buena clasificación al llegar una muestra nueva.
Referências
ANGGO, M.; LA ARAPU. Face Recognition Using Fisherface Method. Journal of Physics: Conference Series, v. 1028, n. 1, p. 998–1001, 2018.
ASLAM, F. A. et al. Efficient Way Of Web Development Using Python And Flask. International Journal of Advanced Research in ComputerScience, v. 6, n. 2, p. 54–57, 2015.
BRICEÑO, J. C. et al. El boom de los tapabocas. Revista de ingeniería, v. 50, p. 72–75, 2020.
CHENG, K. K.; LAM, T. H.; LEUNG, C. C. Wearing face masks in the community during the COVID-19 pandemic: altruism and solidarity. The Lancet, v. 2019, n. 20, p. 2019–2020, 2020.
HASAN, N. A. et al. Face Masks - Protecting the Wearer But Neglecting the Aquatic Environment? SSRN Electronic Journal, v. 4, n. April, p. 100126, 2020.
JIMÉNEZ MORA, M. A. et al. Uso de Tapabocas en la Población General para Controlar la Transmisión de COVID-19 : ¿ Cuál es la Evidencia ? Facultad medicina, p. 1–10, 2020.
LI, C. et al. Human face detection algorithm via Haar cascade classifier combined with three additional classifiers. ICEMI 2017 - Proceedings of IEEE 13th International Conference on Electronic Measurement and Instruments, v. 2018- Janua, p. 483–487, 2017.
LI, J. et al. Robust face recognition using the deep C2D-CNN model based on decision-level fusion. Sensors (Switzerland), v. 18, n. 7, p. 1–27, 2018.
LOEY, M. et al. Fighting against COVID-19: A novel deep learning model based on YOLO-v2 with ResNet-50 for medical face mask detection. Sustainable Cities and Society, v. 65, October 2020, p. 102600, 2021.
MOHAMMED, N. N. et al. Face Recognition Based on PCA with Weighted and Normalized Mahalanobis distance. International Conference on Intelligent Informatics and Biomedical Sciences (ICIIBMS). Anais...IEEE, 2018
MUFID, M. R. et al. Design an MVC Model using Python for Flask Framework Development. IES 2019 - International Electronics Symposium: The Role of Techno-Intelligence in Creating an Open Energy System Towards Energy Democracy, Proceedings, n. Mvc, p. 214–219, 2019.
NAGRATH, P. et al. SSDMNV2: A real time DNN-based face mask detection system using single shot multibox detector and MobileNetV2. Sustainable Cities and Society, v. 66, n. December 2020, p. 102692, 2021.
SHEN, W.; KHANNA, R. Prolog to Face Recognition: Eigenface, Elastic Matching, and Neural Nets. Proceedings of the IEEE, v. 85, n. 9, p. 1422, 1997.
SURESH, K.; PALANGAPPA, M. B.; BHUVAN, S. Face Mask Detection by using Optimistic Convolutional Neural Network. Proceedings of the 6th International Conference on Inventive Computation Technologies, ICICT 2021, p. 1084–1089, 2021.
VIOLA, P.; JONES, M. Rapid object detection using a boosted cascade of simple features. Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition, v. 1, p. 11–18, 2001.
WILLIAM, I. et al. Face Recognition using FaceNet (Survey, Performance Test, and Comparison). Proceedings of 2019 4th International Conference on Informatics and Computing, ICIC 2019, 2019.
WINARNO, E. et al. Attendance System Based on Face Recognition System Using CNN-PCA Method and Real-Time Camera. 2019 2nd International Seminar on Research of Information Technology and Intelligent Systems, ISRITI 2019, p. 301–304, 2019.
ZHANG, K. et al. Joint Face Detection and Alignment Using Multitask Cascaded Convolutional Networks. IEEE Signal Processing Letters, v. 23, n. 10, p. 1499–1503, 2016.
