Schoobrary رجوع
العودة إلى البحث
ماستر (LMD) الفرنسية 2022 ed41c55a-2fd6-4234-97d0-9befc5728d47

Système de Détection du Port de Masque dans les Salles de Cours par Deep learning: Application Implémentée sur Raspberry pi

Ridha Lahiouel, Chemesse Ennehar Bencheriet

كلية الرياضيات وعلوم الحاسب وعلوم المواد-جامعة 8 ماي 1945 قالمة · الجزائر

الموضوعات

علوم تطبيقية وتكنولوجية

الملخص

Depuis 2019 le monde est confronté à une énorme crise sanitaire en raison de la transmission rapide du coronavirus (COVID-19). Plusieurs directives ont été émises par l’Organisation Mondiale de la Santé (OMS) pour la protection contre la propagation du coronavirus. Selon l’OMS la mesure préventive la plus efficace contre le virus consiste à porter un masque dans les lieux publics et les zones surpeuplées. Il est cependant très difficile des urveiller les personnes dans ces zones. Une solution intelligente a été proposée par les chercheurs c’est de mettre en œuvre des caméras intelligentes dans les lieux (publics et fermés) capables de détecter et de signaler les personnes qui ne portent pas de masques. Notre projet consiste en la conception d’un système intelligent de détection du port de masque dans les salles de cours basé sur les réseaux à convolution profond (DCNN). Le système mis en œuvre est embarqué sur Rasp Berry Pi 3. Il a été construit en affinant le modèle d’apprentissage en profondeur « Inception V3 » entrainer sur la base Images12K contenant plus de 12 000 images de trois classes de personnes : (1) avec des masques portés correctement, (2) avec des masques mal portés et (3) sans masques. Les tests ont été effectués sur des images prisent dans les salles de cours (Amphithéâtres),les salles de travaux dirigés et les salles de travaux pratiques. Les résultats obtenus sont très promoteurs mais un affinement de l’apprentissage, surtout sur la classe des masquesmal portés, permettra de réduire les erreurs de détection et de confusion de cette classe et par conséquent de booster la fiabilité de notre système>

التعريف والنوع

رقم الوثيقة
ed41c55a-2fd6-4234-97d0-9befc5728d47
رقم العقد
0
نوع الوسائط
Crawler
نوع المحتوى
الرسائل العلمية
صيغة المصدر
ماستر (LMD)
نوع الملف
pdf text
أسماء الملفات
2166756_1.pdf, 2166756_2.pdf

بيانات النشر

ألقاب المؤلفين
[{"name_ar":" Ridha Lahiouel","title_ar":"اعداد","title_en":"Preparation"},{"name_ar":"Chemesse Ennehar Bencheriet","title_ar":"اشراف","title_en":"Supervision"}]
اللغة
French

المصدر والدورية

اسم المصدر
Système de Détection du Port de Masque dans les Salles de Cours par Deep learning: Application Implémentée sur Raspberry pi

المحتوى والصفحات

عدد الصفحات
0
ترجمة الملخص
Since 2019 the world has been facing a huge health crisis due to the rapid transmission of the coronavirus (COVID-19). Several guidelines have been issued by the World Health Organization (WHO) for protection against the spread of the coronavirus. According to the WHO, the most effective preventive measure against the virus is to wear a mask in public places and crowded areas. However, it is very difficult to monitor people in these areas. The researchers have proposed an intelligent solution to implement smart cameras in places (public and closed) capable of detecting and reporting people who are not wearing masks. Our project involves designing an intelligent system for detecting mask-wearing in class rooms based on deep convolutional networks (DCNN). The implemented system is embed ded in Raspberry Pi 3. It was built by refining the “Inception V3” deep learning model trained on 12K Images dataset containing more than 12,000 images of three classes of people: ( 1) with masks worn correctly, (2) with masks worn incorrectly, and (3) without masks. The tests were carried out on images taken in classrooms (Amphitheatres), tutorial rooms, and practical work rooms. The results obtained are encouraging, but a refinement of the learning, especially in the class on badly worn masks, will make it possible to reduce the errors of detection and confusion in this class and consequently boost the reliability of our system.
كلمات الباحثين
Masque de protection, Detection du port de masque, Réseaux à convolution profond (DCNN), Apprentissage profond, Inception V3, Raspberry Pi 3

إشراف وإعداد

الإشراف
Chemesse Ennehar Bencheriet
الإعداد
Ridha Lahiouel

الاقتباسات الببليوغرافية

APA

Ridha Lahiouel و Chemesse Ennehar Bencheriet. (2022). Système de Détection du Port de Masque dans les Salles de Cours par Deep learning: Application Implémentée sur Raspberry pi. أطروحة(ماستر (LMD)). كلية الرياضيات وعلوم الحاسب وعلوم المواد-جامعة 8 ماي 1945 قالمة. الجزائر.

MLA

Ridha Lahiouel و Chemesse Ennehar Bencheriet. Système de Détection du Port de Masque dans les Salles de Cours par Deep learning: Application Implémentée sur Raspberry pi. 2022. كلية الرياضيات وعلوم الحاسب وعلوم المواد-جامعة 8 ماي 1945 قالمة، ماستر (LMD).