ПРИМЕНЕНИЕ НЕЙРОСЕТЕВОЙ МОДЕЛИ YOLOV5 ДЛЯ ПОВЫШЕНИЯ ТОЧНОСТИ СЕГМЕНТАЦИИ ИЗОБРАЖЕНИЙ РАДУЖКИ И ЗРАЧКА ГЛАЗА
Авторы:
1.
Казанский национальный исследовательский технический университет им. А.Н. Туполева
(кафедра систем информационной безопасности, доцент)
Тип:
Статья
Страницы:
с 136
по 140
Статус:
В работе
Язык материала:
русский
Ключевые слова:
ФУНКЦИОНАЛЬНОЕ СОСТОЯНИЕ ЧЕЛОВЕКА, СОСТОЯНИЕ УСТАЛОСТИ ВОДИТЕЛЯ, ПУПИЛЛОМЕТРИЯ, НЕЙРОННЫЕ СЕТИ, СЕГМЕНТАЦИЯ РАДУЖКИ И ЗРАЧКА, СГЛАЖИВАНИЕ ВРЕМЕННОГО РЯДА, КОМПЬЮТЕРНОЕ ЗРЕНИЕ, НЕЙРОСЕТЕВАЯ МОДЕЛЬ YOLOV5
Аннотация (русский):
В данной статье представлено применение нового подхода к сегментации изображений радужной оболочки и зрачка глаза человека с использованием предобученной нейросетевой модели YoLoV5. Не смотря на применение современных нейросетевых технологий и методов компьютерного зрения для обработки изображений и сегментаций глаза, не все из них гарантируют получение высокоточного результата искомых окружностей. Приведены примеры некорректной сегментации радужной оболочки глаза и зрачка, полученные с применением фремоворка Mediapipе и алгоритма FloodFill. Для устранения артефактов, шумов и выбросов в данных ранее использовались сглаживающие фильтры. Вместе с тем, применение сглаживающих фильтров способствует искажению обрабатываемых ими данных, в особенности при работе в системах реального времени, обладающих свойством длительности наблюдения. Поскольку диагностика функционального состояния человека методом пупиллометрии чувствительна к качеству исходных данных, применение сглаживающих фильтров в ряде диагностических случаев не является допустимым. Для повышения точности сегментации изображений радужки и глаза, отказа от искажения данных сглаживающими фильтрами, авторским коллективом разработан модуль компьютерного зрения на базе механизма сегментации окружностей глаза с помощью предобученной нейросетевой модели YoLoV5. Приведены примеры сегментации окружностей глаза нейронной сетью YoLoV5. Проведена оценка точности сегментации изображений радужки и зрачка глаза для чего сравнивалось количество выбросов и пропусков значений временных рядов, полученных с использованием рассматриваемых в статье подходов. Предложенный в статье подход применения нейросетевой модели YoLoV5 реализован в решении задачи мониторинга состояния усталости водителя и применен в прототипе специализированного устройства, разработанного авторским коллективом.
В данной статье представлено применение нового подхода к сегментации изображений радужной оболочки и зрачка глаза человека с использованием предобученной нейросетевой модели YoLoV5. Не смотря на применение современных нейросетевых технологий и методов компьютерного зрения для обработки изображений и сегментаций глаза, не все из них гарантируют получение высокоточного результата искомых окружностей. Приведены примеры некорректной сегментации радужной оболочки глаза и зрачка, полученные с применением фремоворка Mediapipе и алгоритма FloodFill. Для устранения артефактов, шумов и выбросов в данных ранее использовались сглаживающие фильтры. Вместе с тем, применение сглаживающих фильтров способствует искажению обрабатываемых ими данных, в особенности при работе в системах реального времени, обладающих свойством длительности наблюдения. Поскольку диагностика функционального состояния человека методом пупиллометрии чувствительна к качеству исходных данных, применение сглаживающих фильтров в ряде диагностических случаев не является допустимым. Для повышения точности сегментации изображений радужки и глаза, отказа от искажения данных сглаживающими фильтрами, авторским коллективом разработан модуль компьютерного зрения на базе механизма сегментации окружностей глаза с помощью предобученной нейросетевой модели YoLoV5. Приведены примеры сегментации окружностей глаза нейронной сетью YoLoV5. Проведена оценка точности сегментации изображений радужки и зрачка глаза для чего сравнивалось количество выбросов и пропусков значений временных рядов, полученных с использованием рассматриваемых в статье подходов. Предложенный в статье подход применения нейросетевой модели YoLoV5 реализован в решении задачи мониторинга состояния усталости водителя и применен в прототипе специализированного устройства, разработанного авторским коллективом.
Ключевые слова:
ФУНКЦИОНАЛЬНОЕ СОСТОЯНИЕ ЧЕЛОВЕКА, СОСТОЯНИЕ УСТАЛОСТИ ВОДИТЕЛЯ, ПУПИЛЛОМЕТРИЯ, НЕЙРОННЫЕ СЕТИ, СЕГМЕНТАЦИЯ РАДУЖКИ И ЗРАЧКА, СГЛАЖИВАНИЕ ВРЕМЕННОГО РЯДА, КОМПЬЮТЕРНОЕ ЗРЕНИЕ, НЕЙРОСЕТЕВАЯ МОДЕЛЬ YOLOV5
ФУНКЦИОНАЛЬНОЕ СОСТОЯНИЕ ЧЕЛОВЕКА, СОСТОЯНИЕ УСТАЛОСТИ ВОДИТЕЛЯ, ПУПИЛЛОМЕТРИЯ, НЕЙРОННЫЕ СЕТИ, СЕГМЕНТАЦИЯ РАДУЖКИ И ЗРАЧКА, СГЛАЖИВАНИЕ ВРЕМЕННОГО РЯДА, КОМПЬЮТЕРНОЕ ЗРЕНИЕ, НЕЙРОСЕТЕВАЯ МОДЕЛЬ YOLOV5
