Aplicación de inteligencia artificial para monitorear el uso de mascarillas de protección
DOI:
https://doi.org/10.21830/19006586.725Palabras clave:
aplicación informática, COVID-19, detección facial, Haar Cascade, inteligencia artificial, prevenciónResumen
En el contexto de la pandemia actual, esta investigación crea una aplicación web que permite monitorear el uso de la mascarilla protectora en ambientes públicos. Utilizando el framework Flask, en el lenguaje de Python, la aplicación cuenta con un panel de control que ayuda a visualizar los datos obtenidos. El proceso de detección utiliza el algoritmo Haar Cascade para clasificar rostros con y sin mascarillas protectoras. Como resultado, la aplicación web es liviana y permite detectar y almacenar en la nube las imágenes capturadas y la posibilidad de un mayor análisis de datos. El clasificador presenta precisión, revocación y f-score de 63 %, 93 % y 75 %, respectivamente. Aunque la precisión fue satisfactoria, se realizarán nuevos experimentos para explorar nuevas técnicas de visión por computadora.
Descargas
Referencias bibliográficas
Almanza, J. C. (2018). Visão computacional e aprendizagem automática para aplicações em agropecuária e ciências forenses [monografía de grado, Universidade Católica Dom Bosco, Campo Grande, Mato Grosso do Sul, Brasil]. http://www.gpec.ucdb.br/pistori/orientacoes/planos/carlos2018.pdf
Araujo Z., L., & Rosito J., C. (2018). Real-time gender detection in the wild using deep neural networks. En 2018 31st SIBGRAPI Conference on Graphics, Patterns and Images (SIBGRAPI) (pp. 118-125). https://doi.org/10.1109/sibgrapi.2018.00022
Backes, A. R., & Junior, J. J. (2019). Introdução à visão computacional usando Matlab. Alta Books Editora.
Botelho, G., Papa, J., & Marana, A. (2018). On the learning of deep local features for robust face spoofing detection. En 2018 31st SIBGRAPI Conference on Graphics, Patterns and Images (SIBGRAPI) (pp. 258-265). https://doi.org/10.1109/sibgrapi.2018.00040
Duarte, J. C. (2009). O algoritmo boosting at start e suas aplicacoes [tesis, Doutor em Ciências-Informática, Pontifícia Universidade Católica do Rio de Janeiro]. Coleção Digital. https://doi.org/10.17771/PUCRio.acad.31451
Chang, A., Wang, A., Mark, A., & Louie, K. (2020). Documentation—Materialize [software]. Google. https://materializecss.com/
Clark, A., Lundh, F., & GitHub contributors. (2020). Pillow: Python Imaging Library (7.2.0) [software]. Python. https://python-pillow.org
Data Flair. (2020). Face Mask Data [base de datos para descarga]. https://data-flair.training/blogs/download-face-mask-data/
Diário Oficial de São Paulo. (2020, 6 de mayo). Decreto 59396 2020 de São Paulo SP. https://bit.ly/3hbJGbb
Dirolf, M. (2020). Pymongo: Python driver for MongoDB (3.11.0) [software]. Python. https://pypi.org/project/pymongo/
Finizola, J. S., Targino, J. M., Teodoro, F. G., & Lima, C. A. (2019). Comparative study between Deep Face, Autoencoder and traditional machine learning techniques aiming at biometric facial recognition. En 2019 International Joint Conference on Neural Networks (IJCNN) (pp. 1-8). https://doi.org/10.1109/IJCNN.2019.8852273
Gehanno, J.-F., Rollin, L., Le Jean, T., Louvel, A., Darmoni, S., & Shaw, W. (2009). Precision and recall of search strategies for identifying studies on return-to-work in Medline. Journal of Occupational Rehabilitation, 19(3), 223-230. https://doi.org/10.1007/s10926-009-9177-0
Harmouch, M. (2020, 4 de julio). Haar cascade classifiers in OpenCV explained visually. Medium. https://bit.ly/32frGZ4
Hewings-Martin, Y. (2020, 10 de abril). How do SARS and MERS compare with COVID-19? Medical News Today. https://bit.ly/2K3gubP
Kissler, S. M., Tedijanto, C., Goldstein, E., Grad, Y. H., & Lipsitch, M. (2020). Projecting the transmission dynamics of SARS-CoV-2 through the postpandemic period. Science, 368(6493), 860-868. https://doi.org/10.1126/science.abb5793
Kunz, G. (2019). Chartist.js Simple responsive charts. https://gionkunz.github.io/chartist-js/
Lienhart, R., & Maydt, J. (2002). An extended set of Haar-like features for rapid object detection. En Proceedings. International Conference on Image Processing. https://doi.org/10.1109/ICIP.2002.1038171
Magdy, W., & Jones, G. J. (2010). PRES: A score metric for evaluating recall-oriented information retrieval applications. En Proceedings of the 33rd international ACM SIGIR conference on Research and Development in Information Retrieval (pp. 611-618). https://doi.org/10.1145/1835449.1835551
MongoDB Inc. (2020). MongoDB Atlas. https://www.mongodb.com/cloud/atlas
Mordvintsev, A. (2013). Face detection using Haar cascades. OpenCV-Python Tutorials. https://bit.ly/3bM9aKX
OpenCV Team. (2020). OpenCV. https://opencv.org/
OpenJS Foundation. (2020). JQuery. https://jquery.com/
Pallets (s. f.). Welcome to Flask’s documentation [página web]. Consultado el 14 de agosto de 2020. https://flask.palletsprojects.com/en/1.1.x/
Pontes, R. (2011). Inteligência artificial nos investimentos. Clube de Autores (managed).
Portal do Governo. (2020, 9 de abril). Governo de SP apresenta Sistema de Monitoramento Inteligente contra coronavírus. Governo do Estado de São Paulo. https://bit.ly/2X3ReFn
Python Software Foundation. (2020a). Base64—Base16, Base32, Base64, Base85 Data Encodings (3.8.5). Documentation. Consultado el 14 de agosto. https://docs.python.org/3/library/base64.html
Python Software Foundation. (2020b). Io—Core tools for working with streams (3.8.5). Documentation. Consultado el 14 de agosto. https://docs.python.org/3/library/io.html
Reis, F. (2020, 7 de abril). Estudo avalia eficácia das máscaras de proteção no combate ao coronavírus. Pfarma. https://pfarma.com.br/coronavirus/5399-eficacia-mascaras.html
Sistema de Monitoramento Inteligente do Governo de São Paulo (SIMI-SP). (2020). Isolamento. Governo do Estado de São Paulo. https://www.saopaulo.sp.gov.br/coronavirus/isolamento/
Vieira, J., Ricardo, O., Hannas, C., Kanadani, T., Prata, T., & Kanadani, F. (2020). What do we know about COVID-19? A review article. Revista Da Associação Médica Brasileira, 66(4), 534-540. https://doi.org/10.1590/1806-9282.66.4.534
Viola, P., & Jones, M. (2001). Rapid object detection using a boosted cascade of simple features. En Proceedings of the 2001 IEEE Computer Society Conference on Computer Vision and Pattern Recognition. CVPR 2001. https://doi.org/10.1109/CVPR.2001.990517
Descargas
Publicado
Cómo citar
Número
Sección
| Estadísticas de artículo | |
|---|---|
| Vistas de resúmenes | |
| Vistas de PDF | |
| Descargas de PDF | |
| Vistas de HTML | |
| Otras vistas | |
