تشخیص چهره افراد دارای ماسک با استفاده از MediaPipe Facemesh و الگوریتم های یادگیری عمیق

در پاسخ به نیاز اساسی به تشخیص دقیق چهره های متنقبضی که ماسک می پوشند، این مقاله یک رویکرد نوآورانه ارائه می دهد که از روش های عمیق یادگیری دو مرحله ای موازی به همراه الگوریتم های متا-هیوریستیک هیبریدی بهره می برد. چالش های مرتبط با تشخیص افرادی که ماسک می پوشند، از طریق یک چارچوب جامع آدرس داده می شوند که از فناوری های روز و ورودی های متنوع بهره می برد. این روش شامل یک استراتژی الگوریتمی موازی است، که تشخیص چهره ها با و بدون ماسک به منظور دقت بهینه سازی می شود. هنگام شناسایی چهره های بدون ماسک، الگوریتم خاصی استفاده می شود، در حالی که تشخیص چهره های با ماسک از یک الگوریتم جداگانه استفاده می کند. علاوه بر این، یک ادغام منابع داده متعدد شامل تصاویر چهره با ماسک و ورودی های سنسورهای دما، دقت تشخیص را افزایش می دهد. مرکز اصلی این تحقیق در خوشه بندی داده ها واقع شده است، جایی که مجموعه داده ها بر اساس حجم آنها سازماندهی می شوند، سپس با استفاده از یک شبکه عصبی پیچشی پیشنهادی، دسته بندی انجام می شود. ویژگی های تکراری از هر خوشه با دقت حذف می شوند و پردازش موازی پسین توسط الگوریتم های متمایز انجام می شود. در این مطالعه، دو الگوریتم ترکیبی معرفی شده اند و با افزایش حجم داده، می توان الگوریتم های اضافی را به سادگی درج کرد تا قابلیت مقیاس پذیری و افزایش دقت را فراهم کنند. این رویکرد نوآورانه توانایی بهبود قابل توجه دقت و کارآیی سیستم های تشخیص چهره های متنقبضی را به نمایش می گذارد و نیاز مهمی در حوزه های امنیت تا به سلامت عمومی و فراتر از آن را برطرف می کند. همچنین با پیشرفت فناوری و پیشرفت تحقیقات در این حوزه، امکان بهبود دقت تشخیص چهره های متنقبضی هنوز امیدوارکننده است.

کلیدواژه ها:

تشخیص چهره ، ماسک ، MediaPipe ، یادگیری عمیق