КОМП’ЮТЕРНА СИСТЕМА РОЗПІЗНАВАННЯ ЗОБРАЖЕНЬ МАСКИ НА ОБЛИЧЧЯХ - Научное сообщество

Вас приветствует Интернет конференция!

Приветствуйем на нашем сайте

Рік заснування видання - 2011

КОМП’ЮТЕРНА СИСТЕМА РОЗПІЗНАВАННЯ ЗОБРАЖЕНЬ МАСКИ НА ОБЛИЧЧЯХ

20.10.2021 23:39

[1. Информационные системы и технологии]

Автор: Деревянчук О.В., к.ф.-м.н., доцент, кафедра професійної та технологічної освіти і загальної фізики, Чернівецький національний університет імені Юрія Федьковича


У сучасних транспортних системах, зокрема, в системах залізничного транспорту, часто виникає завдання виявлення пасажирів, які одягнули чи не одягнули маску на обличчя. Вирішення такого завдання дозволить контролювати присутність людей без масок в приміщеннях залізничних вокзалів та в інших приміщеннях, присутність пасажирів без масок у вагонах, що є дуже актуальним в умовах карантину. Розпізнавання маски на обличчі також значно розширить можливості роботів присутності. Отримання зображень облич відносно просто реалізується за допомогою цифрових відеокамер. Проте, завдання розпізнати на зображенні обличчя в масках або без масок є значно складнішим. Це зумовлено різними умовами освітлення, різними відстанями пасажирів до відеокамер, поворотами пасажирів та іншими факторами. Тому в роботі запропоновано спочатку детектувати обличчя та їх риси (деталі) за методом Віоли-Джонса [1], після чого визначати ймовірність наявності маски на обличчі з використанням нечіткої логіки [2]. 

Початкове кольорове зображення зчитується з відеокамери як тривимірний масив fRGB(i, k, c), де i = 1, ..., M; k = 1, ..., N; M – висота зображення в пікселях, N – ширина зображення в пікселях, c – номер каналу кольору (Red, Green, Blue) (рис. 1). У в даній роботі обробка зображень виконується програмою на мові Python засобами хмарної платформи Google Colab та бібліотеки OpenCV. Апаратну реалізацію системи планується виконати засобами мікрокомп’ютера Raspberry Pi 3 B+. Детектування облич на зображенні, а також ділянок очей, рота та маски, виконується методом Віоли-Джонса з використанням каскадів Хаара (рис. 1).




Рис. 1. Початкове зображення fRGB з виділеними на ньому фронтально повернутими обличчями та їх деталями 

Введено лінгвістичну змінну «Впевненість детектування обличчя», термами якої є значення «низька», «середня», «висока», яка чисельно описується носієм х1 нечіткої множини. Аналогічно введено лінгвістичні змінні «Впевненість детектування очей», «Впевненість детектування рота», «Впевненість детектування маски» та «Впевненість наявності маски» (з такими ж термами), які описуються носіями x2, x3, x4 та y відповідно. Розроблено нечітку базу знань Мамдані, яка містить, зокрема, такі правила [2]:

1) якщо x1 = Висока та x2 = Висока та x3 = Висока, тоді y = Низька;

2) якщо x1 = Висока та x2 = Висока та x3 = Низька, тоді y = Висока.

На основі розробленої бази знань виконується нечітке логічне виведення і отримуються ймовірності детектування обличчя з маскою та без маски. 

Література:

1. 4-Cascade_classification.ipynb. [Electronic resource]. – Access mode: https://colab.research.google.com/github/computationalcore/introduction-to-opencv/blob/master /notebooks/4-Cascade_classification.ipynb

2. Борисов В. В. Нечеткие модели и сети / В. В. Борисов, В. В. Круглов, А. С. Федулов. – М.: Горячая линия – Телеком, 2007. – 284 с.



Creative Commons Attribution Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License
допомога Знайшли помилку? Виділіть помилковий текст мишкою і натисніть Ctrl + Enter
Конференции

Конференции 2024

Конференции 2023

Конференции 2022

Конференции 2021



Міжнародна інтернет-конференція з економіки, інформаційних систем і технологій, психології та педагогіки

Наукова спільнота - інтернет конференції

:: LEX-LINE :: Юридична лінія

Інформаційне суспільство: технологічні, економічні та технічні аспекти становлення