Detección de mascarillas y escáner térmico para la atención de Covid – Proyecto Python

Introducción

La pandemia del coronavirus COVID-19 está desenstringndo una catástrofe sanitaria mundial, por lo que la Organización Mundial de la Salud recomienda el uso de mascarilla en las áreas designadas. La detección de máscaras faciales y la desinfección de manos han sido un tema muy conocido en los últimos tiempos, así como en la preparación de imágenes y la visión por computadora. Se están diseñando muchos cálculos nuevos que usan arquitecturas convolucionales para hacer que el cálculo sea lo más exacto posible. Estas arquitecturas convolucionales han hecho posible extraer incluso matices de píxeles. Propongo diseñar un clasificador de doble cara que pueda reconocer cada cara en el borde, independientemente de su disposición. Ofrecemos un método para generar velos de división facial precisos a partir de cualquier imagen de entrada de tamaño subjetivo. La preparación se lleva a cabo mediante redes totalmente convolucionales para segmentar semánticamente los rostros de la imagen.

Esto se logra agregando un microprocesador como el Raspberry Pi 3 Modelo B, una cámara Pi, un relé, un sensor de temperatura infrarrojo sin contacto y otros sensores, y luego desarrollando un modelo conectando cada uno de estos componentes.

Objetivos

1. Usando Live Streams / Model, identifique la cara de la persona.
2. Para crear un modelo en Tensor Flow para detectar si una persona está usando una máscara facial o no.
3. Con una cámara térmica, mida la temperatura corporal de la persona.
4. Si la persona usa una máscara y su temperatura corporal es normal, la máquina desinfectante debe encenderse automáticamente; de lo contrario, sonará un zumbador y se deberá enviar un mensaje de alarma a la autoridad correspondiente por correo electrónico/mensaje de texto.

¿Qué hace el Proyecto?

En mi concepto, he utilizado el microcontrolador Raspberry Pi, que se acoplará a una cámara y una pantalla. El objetivo principal del concepto es monitorear y atender la crisis pandémica actual, COVID19. Esta enfermedad se está convirtiendo en una amenaza para la vida de las personas a diario. En el escenario actual, es fundamental erradicar esta enfermedad y preservar nuestras vidas. En este concepto, estoy verificando principalmente dos condiciones: si el individuo está usando una máscara o no, y la temperatura del cuerpo. Si la persona no lleva puesto, nuestro algoritmo de aprendizaje automático sugerido debe pronosticar y verificar la exactitud del mensaje, o se debe enviar un correo electrónico a la persona autorizada. De igual forma, se comprobará la temperatura; si alguna de las condiciones no coincide, se emitirá una alarma a la persona involucrada. Si tanto la previsión de mascarilla como la temperatura son correctas, la máquina higienizadora higienizará automáticamente el cuerpo de la persona. La autenticación se transmitirá a la persona en forma de identificación, nombre o cualquier otro dato sobre esa persona.

Tecnologías utilizadas en este Proyecto

• Inteligencia artificial
• Aprendizaje automático
• Aprendizaje profundo
• OpenCV
• Python

Habilidad requerida para construir el proyecto

Uno debe ser capaz de escribir programas en Python y trabajar con microprocesadores y sensores. Deben estar bien versados ​​en áreas como Inteligencia Artificial, Aprendizaje Automático, Aprendizaje Profundo y OpenCV.

Implementación paso a paso

El modelo de detección de máscara facial se crea en cuatro pasos :

1. Especificando el modelo: (Node de capa, la función de activación se aplica a esos Nodes)
2. Compilar: (función de pérdida, Optimizer)
3. Ajuste: (hacer que el modelo aprenda)
4. Predecir: (usar el modelo para predecir)

Para entrenar un detector de máscara facial personalizado, debemos dividir nuestro proyecto en dos etapas únicas, cada una con su propio conjunto de subpasos (como se ve en la Figura siguiente):

Entrenamiento: aquí nos centraremos en cargar nuestro conjunto de datos de detección de máscaras faciales desde el disco, entrenar un modelo (usando Keras/Tensor Flow) en este conjunto de datos y luego serializar el detector de máscaras faciales en el disco.

Despliegue: una vez que se entrena el detector de máscaras faciales, podemos pasar a cargar el detector de máscaras, realizar la detección de rostros y luego clasificar cada rostro como con _máscara o sin_máscara.

descripcion del modelo

1. Reconocimiento facial
2. Detección de máscara facial
3. Comprobación de temperatura
4. Sistema de alerta y desinfectante de manos

1) Reconocimiento facial:

La detección de rostros es una especie de tecnología de visión por computadora que puede reconocer los rostros de las personas en fotografías digitales. 

• El reconocimiento facial implica reconocer el rostro en una imagen como perteneciente a la persona X en lugar de a la persona Y. Se usa con frecuencia para aplicaciones biométricas, como desbloquear un teléfono inteligente. 
• El análisis facial intenta aprender algo sobre las personas en función de sus rasgos faciales, como su edad, sexo o la emoción que muestran.
• La técnica de seguimiento facial se usa comúnmente en el análisis de video e intenta seguir una cara y sus características (ojos, nariz y labios) de cuadro a cuadro.

2) Detección de máscara facial:

Datos en origen: se utilizó OpenCV para aumentar el tamaño de las imágenes. En ese momento, las imágenes se titulaban “cubierta” y “sin velo”. Las imágenes disponibles eran de varios tamaños y objetivos y muy probablemente fueron extraídas de varias fuentes o de máquinas (cámaras) de varios objetivos.

Procesamiento de datos: las empresas, como se indica a continuación, se aplicaron a todas las imágenes de datos sin procesar para convertirlas en formularios limpios que pudieran ser manejados por un modelo de IA de organización neuronal.

• Cambiar el tamaño de la imagen de información (256 x 256).
• Aplicar el tamizado de sombreado (RGB) sobre los canales (Nuestro modelo MobileNetV2 respalda la imagen 2D de 3 canales).
• Escalado/normalización de imágenes utilizando la media estándar del trabajo de PyTorch en cargas.
• Recorte central de la imagen con una estimación de píxeles de 224x224x3.
• Finalmente, convertirlos en tensores (similar a la exposición Numpy).
• Entrenar y,
• Despliegue.

3) Control de temperatura:

Aunque ninguna cámara térmica puede detectar o diagnosticar el coronavirus, las cámaras FLIR se pueden usar como complemento de los métodos de detección de temperatura corporal existentes en lugares públicos de alto tráfico para identificar una temperatura más alta de la piel a través de una detección individual rápida. Si la temperatura de la piel en lugares cruciales (particularmente la esquina del ojo y la frente) es más alta de lo normal, se puede elegir a la persona para una evaluación adicional.

4) Sistema de alerta y desinfectante de manos:

El zumbador y el motor del rociador estarán vinculados al microcontrolador. Si se supera el umbral de temperatura y no se detecta la mascarilla, se activará la alarma. Si tanto la máscara facial como la temperatura están configuradas en normal, se activará el desinfectante automático.

Diagrama de bloques

Producción

Aplicación en la vida real

Esta aplicación se puede utilizar en varios institutos como: 

• Colega
• hospitales
• aeropuertos
• tiendas
• Estaciones de tren