СИСТЕМА ДЕТЕКЦИИ МАСОК НА ЛИЦЕ В УСЛОВИЯХ РЕАЛЬНОГО ВРЕМЕНИ НА БАЗЕ VGG16

Аннотация

В статье рассматривается разработка и исследование системы автоматической детекции защитных масок на лице с использованием архитектуры сверточной нейронной сети VGG16. Актуальность задачи обусловлена необходимостью контроля соблюдения санитарно-эпидемиологических норм в условиях массового скопления людей, а также ограничениями традиционных методов визуального мониторинга. В работе применяется подход трансферного обучения, позволяющий эффективно адаптировать предобученную модель VGG16 к задаче классификации изображений лиц по трём категориям: «mask», «no_mask» и «mask_weared_incorrect». Проведена предварительная обработка данных и расширенная аугментация изображений, направленные на повышение обобщающей способности модели.

Построенная нейросетевая архитектура была дообучена с использованием двухэтапной стратегии, включающей начальное обучение классификационной головы и последующий fine-tuning верхних сверточных блоков. Экспериментальные результаты показали высокую точность классификации, достигающую 98%, что подтверждает применимость модели для использования в системах видеонаблюдения в условиях реального времени. Анализ метрик, включая precision, recall и F1-score, а также визуальная оценка предсказаний демонстрируют устойчивость модели к вариациям освещения, положения головы и качеству изображения. Полученные результаты демонстрируют эффективность архитектуры VGG16 в задачах компьютерного зрения, связанных с обеспечением безопасности и мониторингом соблюдения масочного режима. Модель может быть интегрирована в системы автоматизированного контроля, функционирующие в аэропортах, медицинских учреждениях и других общественных пространствах, требующих оперативной оценки наличия маски на лице.