Utilização de visão computacional para detecção do uso correto de máscara

Abstract

RESUMO: Com o surgimento da pandemia da Covid-19 causada pelo novo Coronavírus (SarsCov-2) em 2020, foram necessárias algumas medidas sanitárias para conter o avanço desta, como: distanciamento social, uso de máscara facial e desinfecção das mãos, objetos e superfícies. A máscara é um equipamento de fácil uso e baixo custo, e apesar do seu uso ser individual apresenta-se como eficiente método de proteção coletiva contra a contaminação, comprovado por vários estudos científicos. Através de ferramenta de visão computacional é possível replicar determinadas funções da visão humana por meio de software e hardware, o que possibilita a verificação do uso correto de máscara a fim de conter a disseminação desse e de outros vírus. A proposta deste trabalho é utilizar o algoritmo YOLO versão 5 para detecção do uso correto de máscara. O desenvolvimento desse sistema se deu através das seguintes etapas: 1) Construção de um dataset personalizado, composto por imagens que contêm as classes correct (uso correto), incorrect (uso incorreto) e without (sem uso de máscara). 2) Anotação das imagens. 3) Treinamento e validação a partir do banco de dados construído. 4) Análise e comparação dos resultados dos testes. Foram realizados 4 treinamentos (testes), sendo avaliados em uma primeira fase de detecção em imagens com no máximo duas instâncias, outra fase de detecção em imagens com no mínimo 7 instâncias e por último a detecção em vídeo gravado pelo próprio autor. Como o teste 04 apresentou os melhores resultados na fase 01 (95,23% de acertos) e na fase 02 (75% de acertos), essa rede foi selecionada para rodar a detecção no vídeo pessoal do autor apresentando excelente performance quando o enquadramento está em primeiro plano (próximo à câmera). Este trabalho visa permitir aos profissionais de vigilância em saúde e autoridades, a estabelecerem orientações mais assertivas e medidas sanitárias em benefício da população.

ABSTRACT: With the emergence of the Covid-19 pandemic caused by the new Coronavirus (SarsCov-2) in 2020, some sanitary measures were needed to contain its advance, such as: social distancing, wearing a face mask and disinfection of hands, objects and surfaces. The mask is an easy-to-use and low-cost equipment, and despite its individual use, it presents itself as an efficient method of collective protection against contamination, proven by several scientific studies. Through a computer vision tool, it is possible to replicate certain functions of human vision through software and hardware, which makes it possible to verify the correct use of a mask in order to contain the spread of this and other viruses. The purpose of this project is to use the YOLO algorithm version 5 to detect the correct way of wearing a mask. The development of this system took place through the following steps: 1) Selecting pictures to build a custom dataset, composed of images that contain the classes correct (correct mask wearing), incorrect (incorrect mask wearing) and without (not wearing a mask). 2) Annotation of images. 3) Training and validation from the built dataset. 4) Analysis and comparison of test results. Four training sessions (tests) were carried out, being evaluated by running a first detection stage on images with a maximum of two instances, another detection stage on images with at least 7 instances and finally running the detection on a video recorded by the author himself. As the test 04 presented the best results in stage 01 (95.23% of hits) and in stage 02 (75% of hits), this network was selected to run the detection on the author's personal video, showing excellent performance when the frame is in the foreground (near the camera). This project aims to allow health surveillance professionals and authorities to establish more assertive guidelines and health measures for the benefit of the population.