Detecção de uso de máscaras em ambientes fechados com MobileNetV2 e Single Shot Multibox Detector

  • Paulo Fernando Neres Ferreira IFMA
  • Daniel Lima Gomes Junior IFMA
  • Alex Martins Santos IFMA

Resumo


Este artigo apresenta uma aplicação de aprendizado profundo para detecção de pessoas utilizando máscaras faciais em ambientes fechados. Com o advento da pandemia da Covid 19, a necessidade de tomar precauções para diminuir e controlar o avanço da pandemia é essencial. Entre essas precauções, o uso de máscaras tornou-se importante para reduzir as taxas de contágio. O sistema apresentado é capaz de detectar o uso correto de máscaras em ambientes fechados usando mobilenetV2 como extrator de características e SSD como detector de objetos, junto de tecnologias como TensorFlow, Keras, OpenCV e Python. Os resultados mostram performances razoáveis utilizando curto período de treinamento, baixo poder de computação e densidade de dados.

Referências

Balaji, S., Balamurugan, B., Kumar, T. A., Rajmohan, R., e Kumar, P. P. (2021). A brief survey on ai based face mask detection system for public places (march 28, 2021). Irish Interdisciplinary Journal of Science & Research.

Deng, J., Dong, W., Socher, R., Li, L.-J., Li, K., e Fei-Fei, L. (2009). Imagenet: A large-scale hierarchical image database. In 2009 IEEE conference on computer vision and pattern recognition, pages 248-255. Ieee.

Everingham, M., Van Gool, L., Williams, C. K. I., Winn, J., e Zisserman, A. (2010). The pascal visual object classes (voc) challenge. International Journal of Computer Vision, 88(2):303-338.

Goodfellow, I., Bengio, Y., e Courville, A. (2016). Deep Learning. MIT Press. Disponível em: <http://www.deeplearningbook.org>. Acecsso em: Jun, 2022.

Islam, M. S., Haque Moon, E., Shaikat, M. A., e Jahangir Alam, M. (2020). A novel approach to detect face mask using cnn. In 2020 3rd International Conference on Intelligent Sustainable Systems (ICISS), pages 800-806.

Jiang, M. e Fan, X. (2020). Retinamask: A face mask detector. CoRR, abs/2005.03950.

Li, Y., Huang, H., Xie, Q., Yao, L., e Chen, Q. (2018). Research on a surface defect detection algorithm based on mobilenet-ssd. Applied Sciences, 8(9).

Lin, T.-Y., Maire, M., Belongie, S., Bourdev, L., Girshick, R., Hays, J., Perona, P., Ramanan, D., Zitnick, C. L., e Dollár, P. (2014). Microsoft coco: Common objects in context.

Liu, W., Anguelov, D., Erhan, D., Szegedy, C., Reed, S., Fu, C.-Y., e Berg, A. C. (2016). SSD: Single shot MultiBox detector. In Computer Vision - ECCV 2016, pages 21-37. Springer International Publishing.

Mask Dataset (2020). Mask dataset. https://makeml.app/datasets/mask.

OMS (2020). Recomendações sobre o uso de máscaras no contexto da covid-19. Disponível em: [link]. Acesso em: Ago, 2021.

Sandler, M., Howard, A., Zhu, M., Zhmoginov, A., e Chen, L.-C. (2018). Mobilenetv2: Inverted residuals and linear bottlenecks. In 2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition, pages 4510-4520.

Simonyan, K. e Zisserman, A. (2014). Very deep convolutional networks for large-scale image recognition.

Zaki, S. Z. M., Asyraf Zulkifley, M., Mohd Stofa, M., Kamari, N. A. M., e Ayuni Mohamed, N. (2020). Classification of tomato leaf diseases using MobileNet v2. IAES Int. J. Artif. Intell. (IJ-AI), 9(2):290.
Publicado
28/09/2022
Como Citar

Selecione um Formato
FERREIRA, Paulo Fernando Neres; GOMES JUNIOR, Daniel Lima; SANTOS, Alex Martins. Detecção de uso de máscaras em ambientes fechados com MobileNetV2 e Single Shot Multibox Detector. In: ESCOLA REGIONAL DE COMPUTAÇÃO DO CEARÁ, MARANHÃO E PIAUÍ (ERCEMAPI), 10. , 2022, São Luís. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, 2022 . p. 61-68. DOI: https://doi.org/10.5753/ercemapi.2022.225942.