用于 Covid 护理的面罩检测和热扫描仪 – Python项目

介绍

冠状病毒 COVID-19 大流行正在引发全球健康灾难，因此世界卫生组织建议在指定区域戴口罩。近来，口罩检测和手部消毒以及图像准备和计算机视觉领域都是一个众所周知的主题。正在设计许多新的计算，它们使用卷积架构来使计算尽可能精确。这些卷积架构使得甚至可以提取像素细微差别。我建议设计一个双人脸分类器，它可以识别边缘中的每个人脸，而不受其排列的影响。我们提供了一种从任何主观大小的输入图像中生成精确的面部分割面纱的方法。准备工作是使用全卷积网络从语义上分割出图像中的人脸。

这是通过添加微处理器（例如 Raspberry Pi 3 B 型）、Pi 相机、继电器、红外非接触式温度传感器和其他传感器，然后通过连接这些组件中的每一个来开发模型来实现的。

目标

使用实时流/模型，识别人脸。
在 Tensor Flow 中创建一个模型来检测一个人是否戴着口罩。
使用热像仪测量人的体温。
如果个人佩戴口罩且体温正常，消毒机应自动开启；否则，蜂鸣器会响起，警报信息应通过电子邮件/短信发送给相应的机构。

项目有什么作用？

在我的概念中，我使用了 Raspberry Pi 微控制器，它将连接到相机和显示器。该概念的主要目标是监测和照顾当前的大流行危机 COVID19。这种疾病每天都在威胁着人们的生活。在当前情况下，根除这种疾病并保护我们的生命至关重要。在这个概念中，我主要验证两个条件：个人是否戴口罩，以及身体的温度。如果个人没有佩戴，我们建议的机器学习算法必须预测并验证消息的正确性，或者必须向授权人发送电子邮件。同样，将检查温度；如果任一条件不匹配，则会向相关人员发出警报。如果口罩预报和温度都正确，消毒机会自动对人的身体进行消毒。身份验证将以 ID、姓名或有关该个人的任何其他事实的形式传输给该个人。

本项目使用的技术

人工智能
机器学习
深度学习
OpenCV
Python

构建项目所需的技能

必须能够用Python编写程序并使用微处理器和传感器。他们应该精通人工智能、机器学习、深度学习和 OpenCV 等领域。

分步实施

面部面具检测模型的创建分为四个步骤：

指定模型：（层节点，激活函数应用于那些节点）
编译：（损失函数，优化器）
适合：（让模型学习）
预测：（使用模型进行预测）

为了训练定制的口罩检测器，我们必须将我们的项目分为两个独特的阶段，每个阶段都有自己的一组子步骤（如下图所示）：

两阶段 COVID-19 人脸检测器

训练：这里我们将专注于从磁盘加载我们的面罩检测数据集，在该数据集上训练模型（使用 Keras/Tensor Flow），然后将面罩检测器序列化到磁盘。

部署：一旦面罩检测器经过训练，我们就可以继续加载面罩检测器，执行人脸检测，然后将每个人脸分类为带 _mask 或不带_mask。

型号说明

人脸识别
面罩检测
温度检查
警报系统和洗手液

1）人脸识别：

人脸检测是一种计算机视觉技术，可以识别数码照片中的人脸。

面部识别需要将图片中的人脸识别为属于 X 人而不是 Y 人。它经常用于生物识别应用，例如解锁智能手机。
面部分析试图根据人们的面部特征（例如他们的年龄、性别或他们所表现出的情绪）了解有关他们的一些信息。
面部跟踪技术常用于视频分析，并尝试逐帧跟踪面部及其特征（眼睛、鼻子和嘴唇）。

2）面罩检测：

数据来源： OpenCV 用于增加图像的大小。当时，这些图片的标题是“封面”和“没有面纱”。可用的图像具有各种大小和目标，并且很可能是从各种来源或各种目标的机器（相机）中提取的。

数据处理：如下所示，风险投资被应用于所有原始数据图像，以将它们转换为可由神经组织 AI 模型处理的干净形式。

调整信息图片的大小 (256 x 256)。
在通道上应用阴影筛选 (RGB)（我们的模型 MobileNetV2 支持 2D 3 通道图片）。
使用 PyTorch 在负载中工作的标准平均值缩放/标准化图片。
以 224x224x3 的像素估计对图片进行中心修剪。
最后将它们转换为张量（类似于 Numpy 展示）。
培训和，
部署。

3) 温度检查：

虽然没有热像仪可以检测或诊断冠状病毒，但 FLIR 热像仪可以作为现有体温筛查方法的补充，在人流量大的公共场所通过快速的个体筛查来识别较高的皮肤温度。如果关键部位（尤其是眼角和前额）的皮肤温度高于正常值，则可能会选择该个体进行额外筛查。

4) 警报系统和洗手液：

蜂鸣器和喷水器电机将连接到微控制器。如果超过温度阈值且未检测到口罩，则会激活警报。如果口罩和温度都设置为正常，则自动消毒器将启动。

框图

用于 COVID 护理的面罩检测器和热扫描仪的框图

输出

面罩检测

在现实生活中的应用

此应用程序可用于各种机构，例如 –

大学
医院
机场
商店
火车站