НЕЙРОСЕТЕВАЯ МОДЕЛЬ РАСПОЗНАВАНИЯ ВЫРАЖЕНИЯ ЛИЦА ДЛЯ ОПРЕДЕЛЕНИЯ УСТАЛОСТИ ЧЕЛОВЕКА

  • Курбанов Бабахан Казанский национальный исследовательский технический университет им. А.Н. Туполева - КАИ
  • Алексей Сергеевич Катасёв Казанский национальный исследовательский технический университет им. А.Н. Туполева - КАИ
  • Инсаф Мударисович Шаяхметов Казанский национальный исследовательский технический университет им. А.Н. Туполева - КАИ
  • Булат Ринатович Зиннуров Казанский национальный исследовательский технический университет им. А.Н. Туполева - КАИ
Ключевые слова: нейросетевая модель, сверточная нейронная сеть, определение усталости человека, выражение лица, ResNet50

Аннотация

Статья посвящена использованию сверточной нейросетевой модели для определения усталости человека по выражению лица. Для этого используется архитектура сверточной нейронной сети ResNet50, которая обучается на изображениях и находит признаки, указывающие на усталость и бодрость человека. Подготовленный набор данных включает в себя 6000 изображений, из которых 3000 изображений соответствуют усталому человеку (на этих изображениях человек зевает или закрывает глаза) и 3000 изображений – бодрому человеку. При создании нейросетевой модели ResNet50 использован язык программирования Python, платформа для разработки Jupyter Notebook и среда разработки Anaconda3. Нейросетевая модель обучалась в течение 100 эпох, при этом каждый обучающий пример состоял из 32 элементов. Благодаря использованию алгоритма оптимизации Adam удалось обучить нейронную сеть для корректной классификации изображений на два класса: усталость и бодрость. При обучении нейросетевая модель достигла уровня точности классификации в 95%. В результате расчета значений метрик качества классификации Recall и Precision на тестовой выборке данных, используя матрицу ошибок, удалось получить высокие результаты. Для класса «усталый» значение метрики Recall составило 0.9426, а метрики Precision – 0.9587. Для класса «бодрый» значение метрики Recall составило 0.9576, а метрики Precision – 0.9417. Эти показатели свидетельствуют об адекватности построенной модели и возможности ее практического использования. В итоге можно сделать вывод, что проведенное исследование продемонстрировало успешное применение нейросетевой модели распознавания выражения лица для определения усталости человек с высокой степенью точности.

Биографии авторов

Курбанов Бабахан, Казанский национальный исследовательский технический университет им. А.Н. Туполева - КАИ

Аспирант кафедры систем информационной безопасности КНИТУ-КАИ.

Обрасть научных интересов: нейросетевое  моделировние, интеллектуальный анализ данных.

SPIN-код: 6048-4250, ORCID: 0009-0006-5777-675X

E-mail: babahan-98@mail.ru

Алексей Сергеевич Катасёв, Казанский национальный исследовательский технический университет им. А.Н. Туполева - КАИ

Доктор технических наук, профессор, профессор кафедры систем информационной безопасности КНИТУ-КАИ.

Область научных интересов: нейросетевое и нейронечеткое моделирование, интеллектуальных анализ данных, мягкие вычисления, системы поддержки принятия решений.

SPIN-код: 9374-6690, AuthorID: 651038, ORCID:000-0002-9446-0491.

E-mail: ASKatasev@kai.ru

Инсаф Мударисович Шаяхметов, Казанский национальный исследовательский технический университет им. А.Н. Туполева - КАИ

Магистрант кафедры систем информационной безопасности КНИТУ-КАИ.

Область научных интересов: нейросетевое моделирование.

SPINкод: 4970-3280, AuthorID: 1194899, ORCID: 0009-0004-9290-1080

E-mail: Shayakhmetov-insaf@mail.ru

Булат Ринатович Зиннуров, Казанский национальный исследовательский технический университет им. А.Н. Туполева - КАИ

Магистрант кафедры систем информационной безопасности КНИТУ-КАИ.

Область научных интересов: нейросетевое моделирование.

SPIN-код: 8905-0826, AuthorID:1216207, ORCID: 0009-0000-7633-7302

E-mail: bulatzinnurov99@gmail.com

Опубликован
2024-01-29
Как цитировать
Бабахан, Курбанов, Катасёв, Алексей, Шаяхметов, Инсаф, & Зиннуров, Булат. (2024, январь 29). НЕЙРОСЕТЕВАЯ МОДЕЛЬ РАСПОЗНАВАНИЯ ВЫРАЖЕНИЯ ЛИЦА ДЛЯ ОПРЕДЕЛЕНИЯ УСТАЛОСТИ ЧЕЛОВЕКА. Электроника, фотоника и киберфизические системы, 3(4), 30-36. извлечено от https://elphoto.kai.ru/article/view/598
Раздел
Киберфизические системы