UPES学生使用机器学习开发口罩检测系统

该系统利用监督学习(Supervised Learning)模式和PC网络摄像机(PC Web Camera)，对戴口罩和不戴口罩的人进行检测，可以在大学、机场、医院、办公室等感染几率较高的场所使用

UPES学生阿比纳夫·穆德加尔(B.Tech。机电一体化批次2017-2021)已开发使用机器学习的口罩检测技术在机械工程系Natraj Mishra博士的指导下。

根据官方数据，印度的COVID-19检测阳性率很高。随着新冠肺炎患者数量开始减少，一些国家也解除了封锁。印度也在新冠肺炎疫情暴发1.0后，企业不得不恢复正常，为了保护自己和他人，戴上口罩是非常必要的。

米什拉博士说:“为了有效防止COVID-19的传播，有必要戴上口罩。因此，提高现有技术在蒙面人脸和非蒙面人脸上的人脸识别性能迫在眉睫。口罩检测平台使用机器学习来识别用户是否戴口罩。”

机器学习，最基本的是一种使用算法来分析数据，从中学习，然后决定或预测世界上的一些事情的实践。机器学习算法可以将过去学到的知识应用到新数据中，使用标记的例子来预测未来的事件。相比之下，当用于训练的信息既没有分类也没有标签时，就会部署无监督机器学习算法。阿比纳夫补充说:“无监督学习研究系统如何从未标记的数据中推断出一个函数来描述隐藏的结构。该系统不会计算出正确的输出，但它会探索数据，并可以从数据集中推断出未标记数据的隐藏结构。”

他进一步解释说，从分析一个已知的训练数据集开始，学习算法产生一个推断函数来预测输出值。“在经过充分的训练后，该系统能够为任何新的输入提供目标。学习算法还可以将其输出与正确的预期输出进行比较，并发现错误以相应地修改模型，”Abhinav说。

据Mishra博士介绍，在这个项目中，使用监督学习范式和PC网络摄像机开发了口罩检测系统，以检测戴口罩或不戴口罩的人。他说:“带面具和不带面具的数据集有助于训练模型，以识别人们是否戴面具。”

阿比纳夫进一步补充说，该项目的主要目标是在新冠病毒通过传染传播的可能性相对较高的大学、机场、医院和办公室实施这一系统。他说:“学生、旅行者、员工和工人的面部数据将在入口处的系统中捕获。如果发现任何人没有戴口罩，他们的照片将被发送给当局，以便他们能够迅速采取行动，并且个人将收到戴口罩的通知。口罩检测系统也会监控不戴口罩的员工，并提醒他们戴口罩。”