[논문]마이크로프로세서 기반의 얼굴 마스크 감지

Lim, Hyunkeun; Ryoo, Sooyoung; Jung, Hoekyung

doi:10.6109/jkiice.2021.25.3.490

마이크로프로세서 기반의 얼굴 마스크 감지
Face-Mask Detection with Micro processor 원문보기

한국정보통신학회논문지 = Journal of the Korea Institute of Information and Communication Engineering, v.25 no.3, 2021년, pp.490 - 493

Lim, Hyunkeun (Department of Computer Engineering, Paichai University) , Ryoo, Sooyoung (Department of Computer Engineering, Paichai University) , Jung, Hoekyung (Department of Computer Engineering, Paichai University)

Abstract ▼ AI-Helper

This paper proposes an embedded system that detects mask and face recognition based on a microprocessor instead of Nvidia Jetson Board what is popular development kit. We use a class of efficient models called Mobilenets for mobile and embedded vision applications. MobileNets are based on a streamlined architechture that uses depthwise separable convolutions to build light weight deep neural networks. The device used a Maix development board with CNN hardware acceleration function, and the training model used MobileNet_V2 based SSD(Single Shot Multibox Detector) optimized for mobile devices. To make training model, 7553 face data from Kaggle are used. As a result of test dataset, the AUC (Area Under The Curve) value is as high as 0.98.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 논문은 마이크로 프로세서 기반의 코로나 온도측정 기기에 딥러닝 기법을 기반하여 얼굴인식과 마스크 착용 여부 판별 시스템을 제안하였다. 기기에 부착된 카메라로부터 입력되는 실시간 영상 데이터로부터 모델판별 알고리즘을 통해 얼굴인식과 마스크 착용 여부를 판별하여 화면에 검출된 이미지 영역을 표시한다.
본 논문은 코로나 출입관리 시스템에 적용할 목적으로 마스크 착용 감시 장치를 개발하였다. 최근 코로나로 인한 출입통제 시스템에 관한 연구가 진행되고 있다[6].

제안 방법

임베디드 기기에서의 딥러닝 최적화 연구가 진행되고 있다[8, 9]. 본 논문에서 적용한 개발 보드로 저가이면서 CNN 하드웨어 가속 기능 그리고 아두이노와 같은 Form을 사용하는 Maix 개발보드를 사용하였다.
본 논문은 개발환경 구성과 데이터 모델링에 대한 데이터 구축 학습 변환 과정의 내용으로 구성된다.

대상 데이터

사용된 기기로 Maixduino는 Maix Module을 기반으로 AI+Iot 애플리케이션 용 RISC-V64 개발 보드로 표 1 과 같다.
학습에 사용된 데이터는 Kaggle에서 공개된 7553개 [5]의 얼굴 데이터를 사용하여 학습 데이터와 검증 데이터로 구성하였다.
학습은 I7-7700 GTX1060 16G PC에서 실행하여 그림 4와 같이 20번 학습하여 18분 소요되었다. 학습 과정은 그림 1과 같다.

데이터처리

모델 개발은 Tensorflow 2.x 프레임워크를 사용하여 학습 및 검증한 후, 모델 성능을 평가하기 위해 ROC- curve와 AUC값을 구하였다.

이론/모형

마이크로 프로세서에 최적화된 모델로 CNN 계열 중 가볍고 속도가 빠른 MobileNet을 사용한 SSD(Single Shot Multibox Detector) 모델을 사용하였다.
본 논문에서 사용한 개발 도구로 MaixPy을 사용하였다. MaixPy는 Micro Python 개발환경을 지원하는 실시간 마이크로 컨트롤러 기반 애플리케이션의 개발을 위한 Maix 전용 Python 개발 환경이다.
사용한 모델은 MobileNet V2[1]를 사용한 SSD(Single shot Multibox Detector)[2]를 적용하여 마이크로 프로세서 기기에서 실시간으로 실행 가능하도록 구현하였다.

성능/효과

테스트 데이터셋을 활용하여 ROC(Receiver Operating Characteristic) 커브와 아래 면적에 해당하는 AUC(Area Under the Curve) 값을 구한 결과, 그림 4와 같이 AUC 값이 약 0.98로 1에 가까운 값을 갖으며 좋은 성능을 보인다.

후속연구

향후 본 기기를 확장하여 센서들을 부착하고 개발된 모델에 센서 데이터를 확장하여 출입관리에 필요한 확장된 모델링을 개발할 예정이다.

참고문헌 (9)

W. Liu, D. Anguelov, D. Erhan, C. Szegedy, S. Reed, C. Y. Fu, and A. C. Berg, "Ann-Arbor-SSD: Single Shot MultiBox Detector," University of Michigan, 2018.
M. Sandler, A. Howard, M. Zhu, A. Zhmoginov, and L. Chen, "MobileNetV2: Inverted Residuals and Linear Bottlenecks," Google Inc., 2018.
Use a Low-Cost Module and MicroPython to Quickly Build AI-Based Vision and Hearing Devices. [Internet]. Available: https://www.digikey.kr/en/articles/use-a-low-cost-module-micropython-ai-based-vision-hearing-devices.
A. G. Howard, M. Zhu, B. Chen, D. Kalenichenko, W. Wang, T. Weyand, M. Andreetto, and H. Adam, "MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications," Google Inc., 2017.
Face Mask Detection Dataset, [Internet]. Available: https://www.kaggle.com/omkargurav/face-mask-dataset.
S. H. Lee, "Deep learning based face mask recognition for access control," Journal of the Korea Academia-Industrial cooperation Society, vol. 21, no. 8, pp. 395-400, 2020.

원문보기 상세보기
H. B. Yoo, M. S. Park, and S. H. Kim, "REAL TIME FACE DETECTION METHOD USING TENSORRT AND SSD," KIPS Transactions on Software and Data Engineering, vol. 9, no. 10, pp. 323-328, Oct. 2020.

원문보기 상세보기
M. S. Pak and S. H. Kim, "Face Detection using Deep Learning in Embedded Platform," Proceedings of the Korea Information Processing Society Conference, pp. 827-829, 2018.
H. K. Kim, J. Y. Kim, and H. K. Jung, "Convolutional Neural Network Based Image Processing System," Journal of Information and Communication Convergence Engineering, vol. 16, no. 3, pp. 160-165, Sep. 2018.

원문보기 상세보기

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증