論文の概要: An Automatic System to Monitor the Physical Distance and Face Mask Wearing of Construction Workers in COVID-19 Pandemic

• arxiv url: http://arxiv.org/abs/2101.01373v2
• Date: Sat, 30 Jan 2021 02:08:46 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-11 11:29:57.238203
• Title: An Automatic System to Monitor the Physical Distance and Face Mask Wearing of Construction Workers in COVID-19 Pandemic
• Title（参考訳）: 新型コロナウイルスパンデミックにおける建設作業員の身体距離とマスク着用状況の自動監視システム
• Authors: Moein Razavi, Hamed Alikhani, Vahid Janfaza, Benyamin Sadeghi, Ehsan Alikhani
• Abstract要約: 世界保健機関(WHO)は、マスクを着用し、ウイルスの拡散を緩和するために身体距離を練習することを推奨している。 本論文では, 建設作業者間のマスク着用と身体的分散の違反を自動的に検出するコンピュータビジョンシステムを開発した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The COVID-19 pandemic has caused many shutdowns in different industries around the world. Sectors such as infrastructure construction and maintenance projects have not been suspended due to their significant effect on people's routine life. In such projects, workers work close together that makes a high risk of infection. The World Health Organization recommends wearing a face mask and practicing physical distancing to mitigate the virus's spread. This paper developed a computer vision system to automatically detect the violation of face mask wearing and physical distancing among construction workers to assure their safety on infrastructure projects during the pandemic. For the face mask detection, the paper collected and annotated 1,000 images, including different types of face mask wearing, and added them to a pre-existing face mask dataset to develop a dataset of 1,853 images. Then trained and tested multiple Tensorflow state-of-the-art object detection models on the face mask dataset and chose the Faster R-CNN Inception ResNet V2 network that yielded the accuracy of 99.8%. For physical distance detection, the paper employed the Faster R-CNN Inception V2 to detect people. A transformation matrix was used to eliminate the camera angle's effect on the object distances on the image. The Euclidian distance used the pixels of the transformed image to compute the actual distance between people. A threshold of six feet was considered to capture physical distance violation. The paper also used transfer learning for training the model. The final model was applied on four videos of road maintenance projects in Houston, TX, that effectively detected the face mask and physical distance. We recommend that construction owners use the proposed system to enhance construction workers' safety in the pandemic situation.
• Abstract（参考訳）: 新型コロナウイルス(COVID-19)のパンデミックは、世界中のさまざまな産業で多くのシャットダウンを引き起こしている。 インフラ建設や保守事業などの部門は、人々の日常生活に大きな影響を与えているため、中断していない。 このようなプロジェクトでは、感染リスクの高い労働者が密接な作業を行う。 世界保健機関(WHO)は、マスクを着用し、ウイルスの拡散を緩和するために身体距離を練習することを推奨している。 本研究では,建設現場におけるマスク着用や身体的距離の違反を自動的に検出するコンピュータビジョンシステムを開発し,パンデミック時のインフラストラクチャプロジェクトの安全性を確保する。 マスク検出のために、論文は、さまざまな種類のマスク着用を含む1,000枚の画像を収集、注釈付けし、既存のマスクデータセットに追加し、1,853枚の画像のデータセットを開発した。 その後、フェイスマスクデータセット上で複数のTensorflow状態検出モデルをトレーニングし、テストし、99.8%の精度でFaster R-CNN Inception ResNet V2ネットワークを選択した。 物理的距離検出には、Faster R-CNN Inception V2を使用して人を検出する。 画像上の物体距離に対するカメラアングルの影響をなくすために変換マトリクスが用いられた。 ユークリッド距離は、人物間の実際の距離を計算するために変換された画像のピクセルを使用した。 6フィートの閾値が物理的距離違反を捉えていると考えられた。 この論文は、モデルトレーニングに転送学習を用いた。 最終モデルはヒューストンの道路整備プロジェクトの4つのビデオに適用され、フェイスマスクと物理的距離を効果的に検出した。 建設業者は, パンデミック時の安全性を高めるために, 提案システムを利用することを推奨する。

関連論文リスト

• Development of a face mask detection pipeline for mask-wearing monitoring in the era of the COVID-19 pandemic: A modular approach [0.0]
  SARS-Cov-2パンデミックの間、マスク着用はウイルスの拡散や収縮を防ぐための効果的な手段となった。 人口のマスク着用率を監視する能力は、ウイルスに対する公衆衛生戦略を決定するのに役立つだろう。 1)顔検出とアライメント,2)顔マスク分類の2つのモジュールからなる2段階の顔マスク検出手法を提案する。
  論文  参考訳（メタデータ） (2021-12-30T12:32:33Z)
• Adversarial Mask: Real-World Adversarial Attack Against Face Recognition Models [66.07662074148142]
  本稿では,最先端の深層学習に基づく顔認識モデルに対する物理対角的普遍摂動(UAP)を提案する。 実験では,幅広い深層学習モデルとデータセットへの対向マスクの転送可能性について検討した。 ファブリック・メディカル・フェイスマスクに対向パターンを印刷することにより,実世界の実験において,我々の対向マスクの有効性を検証した。
  論文  参考訳（メタデータ） (2021-11-21T08:13:21Z)
• A Deep Learning-based Approach for Real-time Facemask Detection [0.0]
  新型コロナウイルス(COVID-19)のパンデミックが世界的な健康危機を引き起こしている。このパンデミックの悪影響から公共空間を保護する必要がある。 フェイスマスクを着用することは、多くの政府で採用されている効果的な保護ソリューションの1つとなっている。 本研究の目的は,多くの実生活アプリケーションにおいて優れた結果を示したディープラーニング(DL)を用いて,効率的なリアルタイム顔マスク検出を実現することである。
  論文  参考訳（メタデータ） (2021-10-17T06:12:02Z)
• COVID-19 Face Mask Recognition with Advanced Face Cut Algorithm for Human Safety Measures [0.0]
  新型コロナウイルス(COVID-19)は、人体の呼吸器に主に影響を及ぼす、高度に汚染された病気である。 本提案では,画像やビデオから顔のマスクを認識するためのコンピュータビジョンとディープラーニングフレームワークをデプロイする。 実験の結果、わずか10時間でYOLOV3マスク認識アーキテクチャと比較して3.4%の大幅な進歩が見られた。
  論文  参考訳（メタデータ） (2021-10-08T18:03:36Z)
• TransRPPG: Remote Photoplethysmography Transformer for 3D Mask Face Presentation Attack Detection [53.98866801690342]
  3次元マスク提示攻撃検出(PAD)は、3次元マスク攻撃から顔認識システムを保護する上で重要な役割を担っている。 ライブ本質表現を効率的に学習するための純粋なrトランス(TransR)フレームワークを提案する。 当社のTransRは軽量で効率的(547Kパラメータと763MOPのみ)で、モバイルレベルのアプリケーションに期待できる。
  論文  参考訳（メタデータ） (2021-04-15T12:33:13Z)
• Contrastive Context-Aware Learning for 3D High-Fidelity Mask Face Presentation Attack Detection [103.7264459186552]
  顔認識システムには、顔提示攻撃検出(PAD)が不可欠である。 ほとんどの既存の3DマスクPADベンチマークにはいくつかの欠点があります。 現実世界のアプリケーションとのギャップを埋めるために、大規模なハイファイアリティマスクデータセットを紹介します。
  論文  参考訳（メタデータ） (2021-04-13T12:48:38Z)
• Facial Masks and Soft-Biometrics: Leveraging Face Recognition CNNs for Age and Gender Prediction on Mobile Ocular Images [53.913598771836924]
  スマートフォンで撮影した自撮り眼画像を使って年齢や性別を推定します。 ImageNet Challengeの文脈で提案された2つの既存の軽量CNNを適応させる。 一部のネットワークは顔認識のためにさらにトレーニングされており、非常に大規模なトレーニングデータベースが利用可能です。
  論文  参考訳（メタデータ） (2021-03-31T01:48:29Z)
• A Computer Vision System to Help Prevent the Transmission of COVID-19 [79.62140902232628]
  新型コロナウイルスのパンデミックは世界中の日常生活のあらゆる領域に影響を与える。 保健機関は、ソーシャルディスタンス、フェイスマスクを着用し、触れる顔を避けることをアドバイスします。 我々は、新型コロナウイルスの感染を防ぐためのディープラーニングベースのコンピュータビジョンシステムを開発した。
  論文  参考訳（メタデータ） (2021-03-16T00:00:04Z)
• BinaryCoP: Binary Neural Network-based COVID-19 Face-Mask Wear and Positioning Predictor on Edge Devices [63.56630165340053]
  フェイスマスクは、空気性疾患に対する双方向保護のための医療に効果的な解決策を提供する。 CNNは、顔認識と正しいマスク着用と位置決めの分類に優れたソリューションを提供する。 CNNは、企業ビル、空港、ショッピングエリア、その他の屋内場所への入り口で利用でき、ウイルスの拡散を緩和することができる。
  論文  参考訳（メタデータ） (2021-02-06T00:14:06Z)
• Face Mask Assistant: Detection of Face Mask Service Stage Based on Mobile Phone [35.26022029969275]
  新型コロナウイルスの原因であるシンドロームウイルス2(SARS-CoV-2)は、小さな呼吸液滴によって伝達される。 発生源での拡散を抑制するため、マスクを着用することは便利で効果的な手段である。 携帯電話を用いた検知システムを提案する。
  論文  参考訳（メタデータ） (2020-10-09T08:49:52Z)
• Multi-Stage CNN Architecture for Face Mask Detection [0.0]
  本研究では,フェイスマスクが適切に使用されていないインスタンスを検出できるディープラーニングシステムを提案する。 本システムは2段階の畳み込みニューラルネットワーク(CNN)アーキテクチャによって構成され,マスクやマスクのない顔を検出する。 これにより、安全違反の追跡、フェイスマスクの使用の促進、安全な作業環境の確保が期待できる。
  論文  参考訳（メタデータ） (2020-09-16T12:23:21Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。