Published September 26, 2022
| Version v1
Publication
Open
Edge Deep Learning and Computer Vision-Based Physical Distance and Face Mask Detection System Using Jetson Xavior NX
Creators
- 1. Tafila Technical University
- 2. Mutah University
- 3. University of Sharjah
- 4. University of Jordan
Description
This paper proposes a fully automated vision-based system for real-time COVID-19 personal protective equipment detection and monitoring. Through this paper, we aim to enhance the capability of on-edge real-time face mask detection as well as improve social distancing monitoring from real-live digital videos. Using deep neural networks, researchers have developed a state-of-the-art object detector called "You Only Look Once Version Five" (YOLO5). On real images of people wearing COVID19 masks collected from Google Dataset Search, YOLOv5s, the smallest variant of the object detection model, is trained and implemented. It was found that the Yolov5s model is capable of extracting rich features from images and detecting the face mask with a high precision of better than 0.88 mAP_0.5. This model is combined with the Density-Based Spatial Clustering of Applications with Noise method in order to detect patterns in the data to monitor social distances between people. The system is programmed in Python and implemented on the NVIDIA Jetson Xavier board. It achieved a speed of more than 12 frames per second. Doi: 10.28991/ESJ-2023-SPER-05 Full Text: PDF
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
تقترح هذه الورقة نظامًا مؤتمتًا بالكامل قائمًا على الرؤية للكشف عن معدات الحماية الشخصية من كوفيد-19 ومراقبتها في الوقت الفعلي. من خلال هذه الورقة، نهدف إلى تعزيز القدرة على الكشف عن أقنعة الوجه في الوقت الفعلي بالإضافة إلى تحسين مراقبة التباعد الاجتماعي من مقاطع الفيديو الرقمية الواقعية. باستخدام الشبكات العصبية العميقة، طور الباحثون كاشفًا حديثًا للأجسام يسمى "You Only Look Once Version Five" (YOLO5). على الصور الحقيقية للأشخاص الذين يرتدون أقنعة كوفيد-19 التي تم جمعها من بحث مجموعة بيانات Google، يتم تدريب YOLOv5s، أصغر متغير لنموذج اكتشاف الكائن، وتنفيذه. وجد أن طراز Yolov5s قادر على استخراج ميزات غنية من الصور واكتشاف قناع الوجه بدقة عالية أفضل من 0.88 mAP_0.5. يتم دمج هذا النموذج مع التجميع المكاني القائم على الكثافة للتطبيقات مع طريقة الضوضاء من أجل اكتشاف الأنماط في البيانات لمراقبة المسافات الاجتماعية بين الناس. تمت برمجة النظام في بايثون وتنفيذه على لوحة NVIDIA Jetson Xavier. وحققت سرعة تزيد عن 12 إطارًا في الثانية. DOI: 10.28991/ESJ-2023-SPER-05 النص الكامل: PDFTranslated Description (French)
Cet article propose un système entièrement automatisé basé sur la vision pour la détection et la surveillance en temps réel des équipements de protection individuelle COVID-19. Grâce à cet article, nous visons à améliorer la capacité de détection des masques faciaux en temps réel et à améliorer la surveillance de la distanciation sociale à partir de vidéos numériques en direct. À l'aide de réseaux de neurones profonds, les chercheurs ont développé un détecteur d'objets de pointe appelé « You Only Look Once Version Five » (YOLO5). Sur des images réelles de personnes portant des masques COVID19 collectées à partir de Google Dataset Search, YOLOv5s, la plus petite variante du modèle de détection d'objets, est formée et mise en œuvre. Il a été constaté que le modèle Yolov5s est capable d'extraire des caractéristiques riches des images et de détecter le masque facial avec une précision élevée supérieure à 0,88 mAP_0,5. Ce modèle est combiné avec la méthode Density-Based Spatial Clustering of Applications with Noise afin de détecter les modèles dans les données pour surveiller les distances sociales entre les personnes. Le système est programmé en Python et implémenté sur la carte NVIDIA Jetson Xavier. Il a atteint une vitesse de plus de 12 images par seconde. Doi : 10.28991/ESJ-2023-SPER-05 Texte intégral : PDFTranslated Description (Spanish)
Este documento propone un sistema totalmente automatizado basado en la visión para la detección y monitoreo de equipos de protección personal COVID-19 en tiempo real. A través de este documento, nuestro objetivo es mejorar la capacidad de detección de mascarillas en tiempo real, así como mejorar el monitoreo del distanciamiento social a partir de videos digitales reales. Utilizando redes neuronales profundas, los investigadores han desarrollado un detector de objetos de última generación llamado "You Only Look Once Version Five" (YOLO5). En imágenes reales de personas que usan máscaras de COVID19 recopiladas de Google Dataset Search, se capacita e implementa YOLOv5s, la variante más pequeña del modelo de detección de objetos. Se encontró que el modelo Yolov5s es capaz de extraer características ricas de las imágenes y detectar la máscara facial con una alta precisión de mejor que 0.88 mAP_0.5. Este modelo se combina con el método Density-Based Spatial Clustering of Applications with Noise con el fin de detectar patrones en los datos para monitorear las distancias sociales entre las personas. El sistema está programado en Python e implementado en la placa NVIDIA Jetson Xavier. Alcanzó una velocidad de más de 12 fotogramas por segundo. Doi: 10.28991/ESJ-2023-SPER-05 Texto completo: PDFFiles
pdf.pdf
Files
(987.3 kB)
| Name | Size | Download all |
|---|---|---|
|
md5:3e4d83ccc0d0656c9e28e26f7b473091
|
987.3 kB | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- نظام EDGE للتعلم العميق ونظام الكمبيوتر القائم على الرؤية للكشف عن المسافة الجسدية وقناع الوجه باستخدام Jetson Xavior NX
- Translated title (French)
- Edge Deep Learning et système de détection de distance physique et de masque facial basé sur la vision par ordinateur à l'aide de Jetson Xavior NX
- Translated title (Spanish)
- Sistema de detección de distancia física y mascarilla facial basado en Edge Deep Learning y visión artificial con Jetson Xavior NX
Identifiers
- Other
- https://openalex.org/W4297229556
- DOI
- 10.28991/esj-2023-sper-05