한국빅데이터학회지 (The Journal of Bigdata)

  • 제7권1호
  • /
  • Pages.63-73
  • /
  • 2022
  • /
  • 2508-1829(pISSN)
  • /
  • 2713-6361(eISSN)
한국빅데이터학회 (Korea Bigdata Society)
권호 표지
DOI QR코드

DOI QR Code

YOLOv5를 이용한 임베디드 마스크 인식 시스템

Embedded Mask Recognition System using YOLOv5

  • 유가원 (동의대학교 대학원 컴퓨터소프트웨어공학과 부산IT융합부품연구소) ;
  • 최은성 (동의대학교 대학원 인공지능학과 부산IT융합부품연구소) ;
  • 강영진 (동의대학교 인공지능그랜드ICT연구센터) ;
  • 전영준 (동의대학교 부산IT융합부품연구소) ;
  • 정석찬 (동의대학교 e비즈니스학과 인공지능그랜드ICT연구센터 부산IT융합부품연구소)
  • 투고 : 2022.05.06
  • 심사 : 2022.05.18
  • 발행 : 2022.06.30
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

2020년부터 현재까지 COVID-19가 지속되고 있으며, 사회적으로도 많은 변화가 생겼다. 마스크를 착용하는 것은 필수가 되었고, 마스크 미착용 시, 공공시설이나 식당 등을 이용할 수 없게 되었다. 이로 인해 대부분의 공공시설 출입구에서는 마스크 인식 시스템을 구비하여 마스크 착용 여부를 확인하고 있다. 그러나 목도리로 입을 가린 사람이나 마스크를 제대로 착용하지 않은 사람 등에 대한 판별 여부가 불분명하다. 본 연구에서는 YOLOv5를 이용한 임베디드 마스크 인식 시스템을 제안하였다. 기존 마스크 인식 시스템과는 달리 마스크 착용 여부뿐만 아니라 목도리를 입으로 가린 사람, 손으로 입을 가린 사람 등 다양한 예외 상황에서도 마스크 착용 여부를 구별해낼 수 있었으며, Nvida Jetson Nano Board에 탑재하였을 때 우수한 성능을 보였다.

COVID-19 has continued from 2020 to the present, and many social changes have occurred. Wearing a mask has become mandatory, and if you do not wear a mask, you cannot use public facilities or restaurants. For this reason, most public facility entrances are equipped with a mask recognition system to check whether a mask is worn. However, it is unclear whether people who cover their mouths with a scarf or who do not wear a mask properly can be identified. In this study, we proposed an embedded mask recognition system using YOLOv5. Unlike the existing mask recognition system, it was able to distinguish not only whether a mask was worn, but also whether a mask was worn in various exceptional situations, such as a person with a scarf or a person covering their mouth with their hands, and showed excellent performance when mounted on the Nvida Jetson Nano Board.

키워드

과제정보

본 연구는 과학기술정보통신부 및 정보통신기획평가원의 지역지능화혁신인재양성(GrandICT연구센터, IITP-2022-2020-0-01791) 사업, 중소벤처기업부 및 중소기업기술정보진흥원의 구매조건부신제품개발사업 (공동투자형, S3037748, 1425159369)사업의 연구 결과로 수행되었음.

참고문헌

  1. http://www.kma.org/notice/sub1_view.asp 
  2. P. S. Reddy, M. Nandini, E. Mamatha, K. V. Reddy, and A. Vishant, "Face mask Detection using Machine Learning Techniques," ICOEI, pp. 1468-1472, 2021. 
  3. M. Sandler, A. Howard, M.Zhu, A. Zhmojinov, and L-C. Chen, "MobileNetV2: Inverted Residuals and Linear Bottlenecks," 2018 IEEE/CVF Conference on, pp. 4510-4520, 2018. 
  4. A. S. Indah, Reynaldi, and M. Arif, "Faster Region-based Convolutional Neural Network for Mask Face Detection," ICICoS, pp. 282-286, 2021. 
  5. S. Ren, K. He, R.Grishick, and J. Sun, "Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks," IEEE Transactions on, vol. 39, no. 6, pp.1137-1149, 2017. 
  6. X. Mingyuan, W. Heng, Y. Shuqun, and L. Rui, "Mask wearing detection method based on SSD-Mask algorithm," ICCSMT, pp. 138-143, 2020. 
  7. W. Liu, D. Anguelov, D. Erhan, C. Sezegedy, S. Reed, C-Y. Fu, and A. C. Berg, "SSD:Single Shot MultiBox Detector," CoRR, vol.abs/1512.02325, 2015. 
  8. Z. Wei, Y. He, L. Yuhan, W. Xiaotang, and J. Junbing, "Mask wearing Detection Based on Improved YOLOv3," CISAI, pp. 194-197, 2021 
  9. https://ropiens.tistory.com/44 
  10. https://docs.ultralytics.com/tutorials/training-tips-best-results/