Введение в проект
В современном мире одна из распространенных проблем, с которой сталкиваются люди, — оставаться в безопасности, находясь в людных местах. Эта проблема обострилась, когда COVID-19 поразил крупные города мира, заставив горожан приспосабливаться к новым нормам, таким как ношение масок и частое мытье рук с мылом.
Если мы ищем меры предосторожности/предотвращения COVID в Интернете, мы получаем список рекомендаций по обеспечению безопасности. Один из советов, который часто появляется, заключается в том, чтобы носить маску, когда физическое/социальное дистанцирование невозможно. В этом проекте наша команда надеется использовать искусственный интеллект (ИИ), чтобы помочь уменьшить распространение COVID-19, поощряя ношение масок и повышая осведомленность сотрудников в офисах.
Целевые проблемы
В некоторых регионах ношение масок может быть обязательным в местах скопления людей, например, на рабочих местах или в общественном транспорте. Наш проект направлен на то, чтобы помочь командам лучше соблюдать это требование, выявляя тех, кто не соблюдает правила, и предупреждая команды.
Этот проект будет использоваться для классификации тех, кто носит маски, и тех, кто не находится в офисах или общественных местах. На основании классификационного отчета мы можем узнать, кто из сотрудников соблюдает правило ношения масок в служебных помещениях. Если сотрудник не соблюдает эти требования, мы можем выяснить, кто это, сообщить об этом их руководителям и принять необходимые меры.
Решение
Мы планируем реализовать вышеуказанную концепцию, разделив ее на 3 модуля. Первый модуль предназначен для определения того, носит ли человек/сотрудник маску или нет с веб-камеры/видео. Второй модуль предназначен для идентификации человека по изображению и сохранения информации о сотруднике, такой как идентификатор сотрудника, имя, в базе данных или в любом файле. Здесь у нас нет записей о сотрудниках, поэтому мы будем использовать изображения знаменитостей, найденные в Интернете, сопоставить их с их именами и сохранить в базе данных или файле (файл .csv или .txt).
Для первого и второго модуля мы можем использовать концепции машинного обучения и глубокого обучения. Третий модуль предназначен для отправки почты соответствующим сотрудникам, вызывающим их менеджера для необходимых действий. Этот модуль может быть реализован с использованием любого языка программирования, такого как Python, Java, .Net и т. д. Архитектура и блок-схема прилагаются ниже для краткого объяснения процесса.
Файлы модулей доступны в нашем репозитории Github: https://github.com/VivekAnandhangithub/Alibab_Hackathon_2020.
Используемые облачные продукты Alibaba
- Эластичный вычислительный сервис (ECS)
- ApsaraDB RDS для MySQL
- Платформа машинного обучения для ИИ (PAI)
Технологические особенности
Мы использовали API-интерфейс Alibaba AI и Alibaba ECS для создания моделей машинного обучения с использованием языка Python для обнаружения лица и маски лица на изображении и определения имени человека, использующего его.
Мы использовали сверточные нейронные сети (ConvNets или CNN) в наших модулях для распознавания и классификации изображений. ConvNets успешно идентифицируют лица, объекты и дорожные знаки. В CNN доступны различные архитектуры, и мы использовали модели MobileNet и VGG.
Ниже мы объяснили алгоритмы, используемые в каждом модуле.
В первом модуле мы определяем, носит ли человек/сотрудник маску или нет по изображению. Мы использовали предопределенный алгоритм под названием «Каскад Хаара», который используется для идентификации объектов на изображении или видео. В каскаде Хаара есть несколько или разные типы моделей, которые можно использовать для обнаружения лица, маски, глаза и т. д. на изображении или видео. Мы использовали модель haarcascade_frontalface_alt2 и предопределенный вес для обнаружения маски лица на изображении. Модель имеет 160 слоев и имеет суммарные параметры 2 422 210. Из которых 164 226 параметров являются обучаемыми, а остальные 2 257 984 - необучаемыми параметрами. Мы создали определяемую пользователем функцию, в которую мы добавили логику для проверки того, есть ли у человека на изображении маска или нет, на основе результата, отображаемого в конкретном выводе. Если у человека на изображении нет маски, то он отобразит изображение, выделяющее его лицо, и отобразит достоверность или точность предсказания его маски.
Во втором модуле мы пытаемся классифицировать человека с изображения с помощью VGG16, здесь используются модель и предопределенные веса VGG. Мы используем модель SVM, чтобы предсказать имя человека на изображении и сохранить предсказанное имя в текстовом файле. Модель имеет в общей сложности 145 002 878 параметров, и все они используются в качестве обучаемых параметров.
В Модуле 3 мы будем отправлять электронное письмо менеджеру с изображением без маски с уровнем точности. В веб-камере мы возьмем кадр и сохраним его в определенном месте и поделимся им с соответствующим менеджером. Здесь мы настроили наш Gmail в качестве домена для отправки электронной почты.
Будущее усовершенствование
Мы планируем реализовать вышеуказанную концепцию с наборами данных и моделями разных/нескольких типов. Мы также планируем добавить еще один модуль для определения социального дистанцирования.
О команде
Вивеканандхан М. — Alibaba Cloud MVP — искусственный интеллект
Я разбираюсь в системе управления контентом, машинном обучении и глубоком обучении, веб-приложениях, цифровых преобразованиях, автоматизации и облачных технологиях и имею 9-летний опыт работы. Я публиковал свои исследовательские статьи об облачных технологиях во многих международных журналах и в Гарвардском университете.
Кушик Радхакришнан — старший разработчик
Я разбираюсь в .Net, Python, SAS, машинном и глубоком обучении, веб-приложениях. Я делаю PGP в AIML в Институте Великих озер и Техасском университете в Остине и имею 5-летний опыт работы. Работает над реализацией проектов, связанных с машинным обучением и глубоким обучением.
Отказ от ответственности:взгляды и мнения, выраженные в этой статье, приведены только для справки и не обязательно отражают точку зрения Alibaba Cloud. Alibaba Cloud не несет ответственности за ложную, неточную, неуместную или неполную информацию, представленную в этой статье.
