ระบบตรวจจับหน้ากากใบหน้าโดยใช้ OpenCV และ Tensorflow
การตรวจจับหน้ากากใบหน้า
ระบบตรวจจับหน้ากากใบหน้าที่สร้างด้วย OpenCV, Keras/TensorFlow โดยใช้แนวคิด Deep Learning และ Computer Vision เพื่อตรวจจับหน้ากากในภาพนิ่งและสตรีมวิดีโอแบบเรียลไทม์
แรงจูงใจ
ท่ามกลางการแพร่ระบาดของไวรัสโควิด-19 ที่กำลังดำเนินอยู่ ยังไม่มีแอปพลิเคชั่นการตรวจจับหน้ากากที่มีประสิทธิภาพซึ่งขณะนี้มีความต้องการสูงสำหรับวิธีการขนส่ง พื้นที่ที่มีประชากรหนาแน่น ย่านที่อยู่อาศัย ผู้ผลิตขนาดใหญ่ และองค์กรอื่นๆ เพื่อความปลอดภัย ไม่มีชุดข้อมูลขนาดใหญ่ของ 'with_mask' รูปภาพทำให้งานนี้ยุ่งยากและท้าทาย
วิธีการซื้อ etn
คุณสมบัติ
ตัวตรวจจับหน้ากากใบหน้าของเราไม่ได้ใช้ชุดข้อมูลรูปภาพที่แปลงแล้วและแบบจำลองนั้นแม่นยำ เนื่องจากการใช้สถาปัตยกรรม MobileNetV2 จึงมีประสิทธิภาพในการคำนวณ ทำให้ง่ายต่อการปรับใช้โมเดลกับระบบฝังตัว (Raspberry Pi, Google Coral เป็นต้น)
ระบบนี้จึงสามารถใช้ในแอปพลิเคชันแบบเรียลไทม์ที่ต้องการการตรวจจับหน้ากากเพื่อความปลอดภัยอันเนื่องมาจากการระบาดของ Covid-19 โครงการนี้สามารถรวมเข้ากับระบบฝังตัวสำหรับการใช้งานในสนามบิน สถานีรถไฟ สำนักงาน โรงเรียน และสถานที่สาธารณะ เพื่อให้มั่นใจว่ามีการปฏิบัติตามแนวทางความปลอดภัยสาธารณะ
ชุดข้อมูล
สามารถดาวน์โหลดชุดข้อมูลที่ใช้ได้ที่นี่ - คลิกเพื่อดาวน์โหลด
ชุดข้อมูลนี้ประกอบด้วย 4095 ภาพ เป็นของสองชั้นเรียน:
- โคลนที่เก็บ
- เปิดเทอร์มินัล ไปที่ไดเร็กทอรีโครงการที่โคลนและพิมพ์คำสั่งต่อไปนี้:
- ตั้งค่าเคส Raspberry Pi และระบบปฏิบัติการโดยทำตามหัวข้อการเริ่มต้นใช้งานในหน้า 3 ที่ |_+_| หรือ https://www.canakit.com/Media/CanaKit-Raspberry-Pi-Quick-Start-Guide-4.0.pdf
- ด้วย NOOBS ใช้ระบบปฏิบัติการที่แนะนำ
- ตั้งค่า PiCamera
- ประกอบเคส PiCamera จาก Arducam โดยใช้ |_+_| หรือ https://www.ardumam.com/docs/cameras-for-raspberry-pi/native-raspberry-pi-cameras/5mp-ov5647-cameras/
- แนบโมดูล PiCamera ของคุณเข้ากับ Raspberry Pi และเปิดใช้งานกล้อง
- https://osf.io/preprints/3gph4/
- https://link.springer.com/chapter/10.1007/978-981-33-4673-4_49
- https://ieeexplore.ieee.org/abstract/document/9312083/
- https://link.springer.com/chapter/10.1007/978-981-33-4673-4_48
- https://www.researchgate.net/profile/Akhyar_Ahmed/publication/344173985_Face_Mask_Detector/links/5f58c00ea6fdcc9879d8e6f7/Face-Mask-Detector.pdf
- ชื่อผู้แต่ง - Chandrika Deb
- วันที่พิมพ์หรือปรับปรุงในวงเล็บ
- ชื่อเรื่องหรือคำอธิบายของเอกสาร
- URL.
ภาพที่ใช้เป็นภาพจริงของใบหน้าที่สวมหน้ากาก รูปภาพถูกรวบรวมจากแหล่งต่อไปนี้:
ข้อกำหนดเบื้องต้น
การอ้างอิงและไลบรารีที่จำเป็นทั้งหมดจะรวมอยู่ในไฟล์ |_+_| ดูที่นี่
การติดตั้ง
2. เปลี่ยนไดเร็กทอรีของคุณเป็นโคลน repo
|_+_|3. สร้างสภาพแวดล้อมเสมือนของ Python ที่ชื่อว่า 'test' และเปิดใช้งานมัน
|_+_||_+_|4. ตอนนี้ เรียกใช้คำสั่งต่อไปนี้ใน Terminal/Command Prompt เพื่อติดตั้งไลบรารีที่จำเป็น
|_+_|การทำงาน
2. ในการตรวจจับหน้ากากในรูปภาพ ให้พิมพ์คำสั่งต่อไปนี้:
|_+_|3. ในการตรวจจับมาสก์หน้าในสตรีมวิดีโอแบบเรียลไทม์ ให้พิมพ์คำสั่งต่อไปนี้:
|_+_|ผลลัพธ์
โมเดลของเราให้ความแม่นยำ 98% สำหรับการตรวจจับหน้ากากใบหน้าหลังการฝึกผ่าน |_+_|
เราได้กราฟเส้นโค้งการฝึกความแม่นยำ/การสูญเสียดังต่อไปนี้
แอพ Streamlit
เว็บแอพตรวจจับหน้ากากใบหน้าโดยใช้ Tensorflow & Streamlit
สั่งการ
|_+_|รูปภาพ
อัพโหลดรูปภาพ
ผลลัพธ์
การตั้งค่าอุปกรณ์ Internet of Things
ฮาร์ดแวร์ที่คาดหวัง
เริ่มต้น
การติดตั้งและดำเนินการแอป Raspberry Pi
รันคำสั่งเหล่านี้หลังจากโคลนโปรเจ็กต์
| คำสั่ง | ถึงเวลาแล้วเสร็จ |
|---|---|
| sudo apt install -y libatlas-base-dev liblapacke-dev gfortran | 1 นาที |
| sudo apt ติดตั้ง -y libhdf5-dev libhdf5-103 | 1 นาที |
| pip3 ติดตั้ง -r requirements.txt | 1-3 นาที |
| รับ ' https://raw.githubusercontent.com/PINTO0309/Tensorflow-bin/master/tensorflow-2.4.0-cp37-none-linux_armv7l_download.sh' | น้อยกว่า 10 วินาที |
| ./tensorflow-2.4.0-cp37-none-linux_armv7l_download.sh | น้อยกว่า 10 วินาที |
| pip3 ติดตั้ง tensorflow-2.4.0-cp37-none-linux_armv7l.whl | 1-3 นาที |
รางวัล
ได้รับรางวัลรองชนะเลิศตำแหน่งใน Amdocs Innovation India ICE Project Fair
อ้างโดย:
ความกตัญญู
เลือกใน Devscript Winter Of Code
เลือกใน สคริปต์ Winter Of Code
ถูกเลือกใน รหัสนักศึกษาใน
:+1: เครดิต
:handshake: การสนับสนุน
โปรดอ่านหลักเกณฑ์การบริจาค ที่นี่
รู้สึกอิสระที่จะ ยื่นเรื่องใหม่ พร้อมชื่อเรื่องและคำอธิบายที่เกี่ยวข้องบน the ใบหน้า-หน้ากาก-การตรวจจับ ที่เก็บ หากคุณพบวิธีแก้ไขปัญหาของคุณแล้ว ฉันชอบที่จะตรวจสอบคำขอดึงของคุณ !
:handshake: ผู้ร่วมให้ข้อมูลของเรา
จรรยาบรรณ
คุณสามารถดูหลักจรรยาบรรณของเราได้ที่นี่
การอ้างอิง
คุณได้รับอนุญาตให้อ้างอิงส่วนใดส่วนหนึ่งของรหัสหรือชุดข้อมูลของเรา คุณสามารถใช้ในงานวิจัยหรือโครงการของคุณ อย่าลืมให้เครดิตแก่ผู้ดูแล Chandrika Deb โดยกล่าวถึงลิงก์ไปยังที่เก็บนี้และโปรไฟล์ GitHub ของเธอ
ทำตามรูปแบบนี้:
ดาวน์โหลดรายละเอียด:
ผู้เขียน: chandrikadeb7
รหัสแหล่งที่มา: https://github.com/chandrikadeb7/Face-Mask-Detection
ใบอนุญาต: ใบอนุญาตของฉัน
-การเรียนรู้