Іmplementation of medical mask recognition technology in real time using a video camera

Скорочена інформація про документ
dc.contributor.authorProchukhan, Dmytro
dc.contributor.authorKorablev, Mykola
dc.date.accessioned2023-03-30T08:54:16Z
dc.date.available2023-03-30T08:54:16Z
dc.date.issued2022
dc.description.abstractBackground. The coronavirus pandemic (COVID-19) has led to a major global health crisis due to the rapid spread of the virus. The World Health Organization has provided guidelines for protection against this disease. One of the effective recommendations is to wear a medical mask in public or crowded places. Involving human resources to monitor how these requirements are met is ineffective. It is necessary to automate the process of determining a properly dressed medical mask in real time using a video camera. The authors have developed an application that effectively copes with this task. Objective. The purpose of thew paper is the application development of a medical mask recognition in real time using a video camera, adapted for the use in modern Ukrainian reality with high accuracy and low system requirements. Methods. Analysis of existing analogues in the world, building a model of convolutional neural network, the architecture of which will detect and classify the image obtained from the camcorder in real time, create application architecture, develop a model in Python programming language, application testing. Results. A convolutional neural network of its own architecture has been created. The use of the Adam algorithm to optimize learning and use binary cross entropy as a cost function is substantiated. The method of face recognition using Haar features has been improved. High rate of convolutional neural network training was obtained: the training set accuracy - 97.46%, the test set accuracy - 97.23%, the cost function value at the training set - 2.37%, the cost function value at the test set - 2.57%. An application consisting of three modules has been developed: a machine learning module, an image processing module, a video camera activation module and a mask recognition device. Conclusions. The application effectively copes with the task of recognizing the presence of a medical mask in real time. The developed model in comparison with the analogues has a smaller size and simpler architecture without compromising accuracy or speed. The software has been successfully tested on various operating systems and hardware configurations. The application can be used in areas where there is a need to automate the process of determining the presence and accuracy of wearing a medical mask in real time.uk
dc.description.abstractotherПроблематика. Пандемія коронавірусу (СOVID-19) призвела до значної кризи охорони здоров’я у світі через швидке розповсюдження цього вірусу. Всесвітня організація охорони здоров’я надала рекомендації щодо захисту від вказаної хвороби. Однією з ефективних рекомендацій є носіння медичної маски в громадських місцях і місцях скупчення людей. Залучення людських ресурсів для контролю за виконанням цього побажання є неефективним. Необхідно провести автоматизацію процесу визначення правильно одягнутої медичної маски в режимі реального часу з використанням відеокамери. Авторами розроблено додаток, який ефективно справляється з цією задачею. Мета дослідження. Розробка додатку розпізнавання медичної маски в режимі реального часу з використанням відеокамери, адаптованого для використання в сучасних українських реаліях з високою точністю і низькими системними вимогами. Методика реалізації. Аналіз існуючих аналогів у світі, побудування моделі згорткової нейронної мережі, архітектура якої дозволить провести детектування і класифікацію отриманого зображення з відеокамери в режимі реального часу, створення архітектури додатку, розробка створеної моделі на мові програмування Python, тестування додатку. Результати дослідження. Створено згорткову нейронну мережу власної архітектури. Обгрунтовано використання алгоритму Adam для оптимізації навчання і застосування бінарної перехресної ентропії у якості функції витрат. Удосконалено метод розпізнавання обличчя з використанням ознак Хаара. Отримано високі показники навчання згорткової нейронної мережі: точність на навчальній множині — 97.46%, точність на тестовій множини — 97.23%, значення функції витрат на навчальній множині — 2.37 %, значення функції витрат на тестовій множині — 2.57 %. Розроблено додаток, що складається з трьох модулів: модуль машинного навчання, модуль обробки зображення, модуль включення відеокамери та розпізнавання наявності маски. Висновки. Додаток ефективно справляється з задачею розпізнавання наявності медичної маски в режимі реального часу. Розроблена модель у порівнянні з аналогами має менший розмір, більш просту архітектуру, не поступаючись у точності і швидкодії. Програмне забезпечення пройшло успішне тестування на різних операційних системам та апаратних конфігураціях. Додаток може бути використано в галузях, в яких існує потреба в автоматизації процесу визначення наявності і правильності одягнутої медичної маски в режимі реального часу.uk
dc.format.pagerangePp. 66-69uk
dc.identifier.citationProchukhan, D. Іmplementation of medical mask recognition technology in real time using a video camera / Dmytro V. Prochukhan, Mykola М. Korablev // Information and telecommunication sciences : international research journal. – 2022. – Vol. 13, N. 1. – Pp. 66-69. – Bibliogr.: 5 ref.uk
dc.identifier.doihttps://doi.org/10.20535/2411-2976.12022.66-69
dc.identifier.orcid0000-0002-4622-1015uk
dc.identifier.orcid0000-0002-8931-4350uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/54139
dc.language.isoenuk
dc.publisherNational Technical University of Ukraine “Igor Sikorsky Kyiv Polytechnic Institute”uk
dc.publisher.placeKyivuk
dc.relation.ispartofInformation and telecommunication sciences : international research journal, 2021, Vol. 12, N. 1(22)uk
dc.rights.urihttps://creativecommons.org/licenses/by/4.0/
dc.sourceInformation and telecommunication sciences : international research journal, 2022, Vol. 13, N. 1
dc.subjectconvolutional neural networkuk
dc.subjectзгорткова нейронна мережаuk
dc.subjectdetectionuk
dc.subjectдетектуванняuk
dc.subjectrecognitionuk
dc.subjectрозпізнаванняuk
dc.subjectclassificationuk
dc.subjectкласифікаціяuk
dc.subjectoptimization algorithmuk
dc.subjectалгоритм оптимізаціїuk
dc.subject.udc004.391uk
dc.titleІmplementation of medical mask recognition technology in real time using a video camerauk
dc.title.alternativeРеалізація технології розпізнавання медичної маски в режимі реального часу з використанням відеокамериuk
dc.typeArticleuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
259776-Article Text-597624-1-10-20220623.pdf
Розмір:
671.02 KB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.1 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Information and telecommunication sciences: international research journal, Vol. 13, N. 1