دستگاه‌ حضور و غیاب شناسایی چهره با ماسک

استفاده از ماسک های صورت در دوران همه گیری بیماری های پاندمیک همچون کرونا، تبدیل به جزئی از زندگی روزمره ما شده است. برای جلوگیری از انتقال ویروس و عوامل عفونی و بیماری زا به اشخاص و نیز ایجاد سد در برابر عطسه و سرفه افراد ناقل، استفاده از این ماسک ها امری اجباری در ادارات، بیمارستان ها، حمل و نقل عمومی و حتی فروشگاه های خرد و رستوران ها است.

دستگاه های حضور و غیاب تشخیص چهره با ماسک و نیز تشخیص ماسک شرکت سامانه های بعد پنجم قادر به شناسایی سریع افراد در میان جمعیت هستند و میتوانند دسترسی پرسنل و مهمان هایی که از ماسک استفاده نکرده اند را محدود کنند.

دستگاه شناسایی چهره با ماسک چگونه عمل می کند ؟

دستگاه شناسایی چهره با ماسک برای بررسی استفاده و یا عدم استفاده از ماسک توسط کاربر، از یک الگوریتم بینایی رایانه ای بهره میگیرد. این الگوریتم پیش از آنکه تردد کاربر را تائید کند، به برداشت و بررسی اطلاعات چهره میپردازد. با این حساب علاوه بر تشخیص چهره افرادی که از ماسک استفاده میکنند، تکنولوژی تشخیص ماسک راهی سریع، آسان و قابل اعتماد جهت نظارت بر رعایت پروتکل های بهداشتی توسط پرسنل و عابرین است.

بینایی رایانه ای نیز به افزایش دقت تشخیص در این دستگاه ها کمک می کند. مضاف بر این، فرآیند تشخیص ماسک سرعت بالایی نیز دارد و تنها در نیم ثانیه صورت میپذیرد. فناوری تشخیص ماسک به لطف بهره گیری از لنز عریض اسکن تصاویر و سرعت بالای پایانه های کنترل تردد در مقایسه چهره افراد با الگوهای ثبت شده در بانک اطلاعاتی، عملکرد برجسته ای در تشخیص استفاده و یا عدم استفاده از ماسک توسط افراد دارد.

تاثیر سیستم کنترل درد با ماسک در رعایت بهداشت

در برخی شرایط، استفاده از ماسک توصیه شده و یا اجباری است. سیستم های کنترل تردد مجهز به تشخیص چهره با ماسک راهکاری ساده برای کاهش میزان ابتلا و نیز ابزار ساده ای برای یادآوری استفاده از ماسک و رعایت بهداشت پیش از ورود به بخش های موردنظر هستند. از آنجا که دستگاه های حضور و غیاب تشخیص چهره نیازی به تماس کاربر ندارند، می توانند ایمنی و بهداشت بیشتری را برای مجموعه شما فراهم آورند.

مراحل شناسایی چهره با ماسک توسط دستگاه حضور و غیاب

طبقه بندی تصاویر

در مراحل طبقه بندی تصاویر چهره در دستگاه های حضور و غیاب مبتنی بر فناوری تشخیص چهره با ماسک به دو بخش آموزش و گسترش تقسیم میشود.

در این دو بخش از معماری ResNet 101 و ابزار یادگیری عمیق Pytorch استفاده میشود.

در بخش آموزش

ابتدا انبوهی از داده ها به سیستم وارد می شود. مقدار این داده ها در حدود ۲۰۰.۰۰۰ تصویر چهره با ماسک و ۱.۰۰۰.۰۰۰ تصویر استاندارد چهره است. میزان انحراف آماری داده ها پس از اولین مرحله ادراکی بین ۵ تا ۱۰ درصد خواهد بود. در مرحله دوم نیز مجددا سیستم با حجم بالایی از دیتا بعنوان ورودی آموزش داده میشود. این بار با وارد کردن تصاویر اشتباه، میزان انحراف داده ها و گستردگی بازه آماری افزایش پیدا میکند و میزان دقت تشخیص ماسک در شرایط آزمایشگاهی نیز تا ۹۹.۸٪ بالا می رود.

پس از اتمام این مراحل آموزش، سیستم تشخیص چهره، قادر به طبقه بندی الگوهای چهره بدون ماسک و با ماسک با دقت حداقل ۹۸ درصد خواهد بود.

در بخش گسترش

پس از آن که سیستم به کمک تشخیص چهره، محدوده قرارگیری چهره در تصویر و نیز نحوه جاگیری اجزای صورت را تعیین کرد، با بهره گیری از فناوری یادگیری عمیق تصویر ماسک به صورت خودکار بر روی چهره قرار میگیرد تا تصویر دیجیتالی از چهره فرد با ماسک ایجاد شود. این روند تا جایی ادامه پیدا میکند که از تمامی تصاویر، مجموعه داده کاملی از چهره های با ماسک جمع آوری کنیم.

به مدد فناوری نور مرئی، دستگاههای حضور و غیاب مجهز به تشخیص ماسک تا فاصله ۲.۵ متر و زاویه ۳۰ درجه توانایی شناسایی دارند. همچنین این دستگاههای حضور و غیاب، با ترکیب این امکان و قابلیت اندازه گیری دمای بدن، راهکاری کاربردی در دوران شیوع ویروس کرونا ارائه میکنند.

مشاهده ی دستگاه های حضور و غیاب تشخیص چهره