Reconhecimento de pessoas com e sem máscara usando redes neurais convolucionais

Abstract

Em 2020 foi oficialmente declarada a pandemia da COVID-19, a qual trouxe diversas demandas em diferentes áreas de conhecimento. O uso de máscara facial tornou-se um item indispensável em espaços fechados e abertos. Nesse contexto, o desenvolvimento de tecnologias para identificação automática do uso de máscara facial é de fundamental importância. Neste trabalho é proposto o uso de redes neurais convolucionais para construir um modelo computacional que classifica imagens de faces com e sem máscara e o desenvolvimento de um aplicativo mobile que prototipa esse modelo. Os resultados experimentais mostraram que, dentre os modelos treinados e avaliados, o modelo Squeezenet alcançou 98,04% de acurácia. O aplicativo desenvolvido foi avaliado por integrantes da comunidade acadêmica indicando que, embora existam aspectos a serem melhorados, a solução é promissora.

In 2020, the COVID-19 pandemic was officially declared, which brought several demands in different areas of knowledge. The use of a face mask has become an indispensable item in closed and open spaces. In this context, the development of technologies for automatic identification of face mask use is of fundamental importance. In this work we propose the use of convolutional neural networks to build a computational model that classifies images of faces with and without mask and the development of a mobile application that prototypes this model. The experimental results showed that, among the trained and evaluated models, the Squeezenet model reached 98.04% of accuracy. The developed application was evaluated by members of the academic community indicating that, although there are aspects to be improved, the solution is promising.