НЕЙРОСЕТЕВАЯ МОДЕЛЬ РАСПОЗНАВАНИЯ ВЫРАЖЕНИЯ ЛИЦА ДЛЯ ОПРЕДЕЛЕНИЯ УСТАЛОСТИ ЧЕЛОВЕКА

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.