การทดสอบสมรรถนะการตรวจจับของโมเดลการตรวจจับจุดสังเกตบนใบหน้า
Article Sidebar
Main Article Content
บทคัดย่อ
ปัจจุบันการตรวจจับใบหน้ามีเทคนิคต่าง ๆ มากมาย ไม่ว่าจะเป็นการตรวจจับใบหน้าทั้งใบหน้า หรือการตรวจจับใบหน้าแบบแยกเป็นส่วน ๆ ด้วยเทคโนโลยีปัญญาประดิษฐ์ แต่งานวิจัยชิ้นนี้มีการใช้โมเดลตรวจจับจุดสังเกตบนใบหน้า ซึ่งเป็นการตรวจจับใบหน้าส่วนต่าง ๆ จำนวน 68 จุด โดยแต่ละจุดบนใบหน้าที่ตรวจจับได้สามารถนำไปใช้คำนวณหาค่าต่าง ๆ ได้ งานวิจัยชิ้นนี้นำภาพถ่ายลักษณะอาการต่าง ๆ บนใบหน้า ซึ่งเป็น Dataset จำนวน 1,522 ภาพ มาใช้ในการทดสอบการตรวจจับใบหน้าว่ามีความผิดปกติมากน้อยเพียงใด พบว่าโมเดลดังกล่าวมีความแม่นยำในการตรวจจับ 94.81% และเมื่อนำโมเดลดังกล่าวมาตรวจจับจุดสังเกตบริเวณตาและปาก โดยการเปรียบเทียบประสิทธิภาพระหว่างอุปกรณ์ 2 อย่าง ได้แก่ Nvidia Jetson Nano และ Raspberry Pi 4 + Intel® Neural Compute Stick 2 โดยใช้กล้องเว็บแคมในการตรวจจับจุดสังเกตบริเวณตาและปาก โดยจำลองสถานการณ์ 4 รูปแบบ พบว่าการตรวจจับจุดสังเกตบนใบหน้าของอุปกรณ์ทั้ง 2 ชนิดมีความแม่นยำเฉลี่ย 78.08% และ 80.59% ตามลำดับ
Article Details
- เนื้อหาต้นฉบับที่ปรากฏในวารสารเป็นความรับผิดชอบของผู้เขียน ทั้งนี้ไม่รวมความผิดพลาดอันเกิดจากเทคนิคการพิมพ์
- ลิขสิทธิ์ต้นฉบับที่ได้รับการตีพิมพ์ในวารสารวิชาการ ซายน์เทค มรภ.ภูเก็ต ถือเป็นกรรมสิทธิ์ของวารสารวิชาการ ซายน์เทค มรภ.ภูเก็ต
เอกสารอ้างอิง
Soukupová, T., & Cech, J. (2016). Eye blink detection using facial landmarks. (Research Reports). Slovenia: Czech Technical University in Prague.
Taufique, A. M. N., Savakis, A., & Leckenby, J. (2019). Automatic Quantification of Facial Asymmetry Using Facial Landmarks (pp. 1-5). In 2019 IEEE Western New York Image and Signal Processing Workshop (WNYISPW). Rochester, New York.
Wei, W., Tian, C., & Zhang, Y. (2015). A two-stage facial landmark localization method (pp. 157-160). In 2015 International Conference on Orange Technologies (ICOT). Hong Kong, China.
พรพิมล ตินะน้อย และ ณิชมน ทองพัฒน์. (2562). มุ่งเป้าปลอดภัย ‘จยย.’ ลดตายติดอันดับโลก. [ออนไลน์], สืบค้นจาก https://tdri.or.th/2019/02/motorbikes-key-to-solving-road-deaths/ (30 มีนาคม 2563).
กลุ่มสถิติการขนส่ง กองแผนงาน กรมการขนส่งทางบก. (2562). รายงานสรุปผลอุบัติเหตุรถโดยสารสาธารณะ ประจำปีงบประมาณ พ.ศ. 2562. [ออนไลน์], สืบค้นจาก https://web.dlt.go.th/ statistics/ (25 มีนาคม 2563).
Wong, J. Y., & Lau, P. Y. (2019). Real-Time Driver Alert System Using Raspberry Pi. ECTI Transactions on Electrical Engineering, Electronics, and Communications, 17(2), 193-203.
Terada, T., Chen, Y. W., & Kimura, R. (2018). 3D facial landmark detection using deep convolutional neural networks (pp. 390-393). In 14th International Conference on Natural Computation, Fuzzy Systems and Knowledge Discovery (ICNC-FSKD). Huangshan, China.
Huber, P. (2017). Real-time 3D morphable shape model fitting to monocular in-the-wild videos (PhD Thesis). UK: University of Surrey.
Khunthi, S., Saichua, P., & Surinta, O. (2019). Effective Face Verification Systems Based on the Histogram of Oriented Gradients and Deep Learning Techniques (pp. 1-6). In 14th International Joint Symposium on Artificial Intelligence and Natural Language Processing (iSAI-NLP). Chiang Mai, Thailand.
