การตรวจจับผู้ดื่มเครื่องดื่มแอลกอฮอล์จากภาพถ่ายโดยเทคนิคการรู้จำสีแก้มและความกว้างขนาดดวงตา
Article Sidebar
Main Article Content
Abstract
Abstract
The research on “Photo detection of alcohol drinking by recognizing cheek color and eye width techniques” is aimed to detect the alcohol drinking by concerning the portrait of people. It utilizes the effective classifier, which is the backpropagation neural network with the combination of cheek color recognition and eye width techniques to classify the photos of alcohol drinker. Herein, the Haar-like feature technique is applied for recognizing the face from photos. From the given face area, the region of interest technique is used to identify the cheek area and its color, and the width of the eye is detected by the circle hough transform technique. For testing the proposed work, realistic samples of 100 photos from alcohol and non-alcohol drinkers are used. The given photos are divided to training and test photos. The existing classifiers, such as support vector machine (SVM), decision tree (C4.5), K-nearest neighbor (KNN), Naïve Bayes, Ada-boost cascade, Bayesian, template matching and neural networks, are applied to group the photos into alcohol and non-alcohol drinkers. The results showed that the backpropagation neural network presented the highest accuracy of 98 %.
Keywords: photo of alcohol drinker; face detection; cheeks color recognition; eye width detection; back propagation neural network
Article Details
References
[2] ศูนย์อำนวยการป้องกันและลดอุบัติเหตุทางถนน, สถิติอุบัติเหตุที่เกิดขึ้นในช่วงเทศกาลสงกรานต์ (7 วันอันตราย) ระหว่าง พ.ศ. 2553-2559, แหล่ง ที่มา : http://www.roadsafetythailand.com/main/index.php/data-statisticsth/statanddatanewyearmenu, 15 มกราคม 2560.
[3] มูลนิธิเมาไม่ขับ, กฎหมายว่าด้วยการตรวจวัดคนดื่มเครื่องดื่มแอลกอฮอล์จากเลือด ที่เกิน 50 มิลลิกรัมเปอร์เซ็นต์, แหล่งที่มา : http://www.ddd.or.th/categories/view/3, 10 ตุลาคม 2560.
[4] สำนักงานกองทุนสนับสนุนการสร้างเสริมสุขภาพ, กิจกรรมโครงการด้านการลดละเลิกแอลกอฮอล์, แหล่งที่มา : http://www.thaihealth.or.th/tag/ดื่มสุรา, 10 ตุลาคม 2560.
[5] Koukiou, G. and Anasassopoulos, V., 2013, Face locations suitable drunk persons identification, Afr. J. Biomet. Forensics 13: 165-168.
[6] Takahashi, K., Hiramatsu, K. and Tetsuishi, M., 2015, Experiments on detection of drinking from face images using neural networks, Afr. J. Soft Comput. Machine 15: 97-101.
[7] พีระพล คำพันธ์, อรณิช ปีแหล่ และจิรารัตน์ เอี่ยมสอาด, 2559, การประยุกต์ใช้เบย์เซียนและการประมวลผลภาพสำหรับการคัดแยกมะม่วง, ว.วิจัยเทคโนโลยีอุตสาหกรรมและวิศวกรรม 1: 11-20.
[8] Wang, W.C., 2015, A face detection method used for color images, Int. J. Signal Process 8: 257-266
[9] รติพร จันทร์กลั่น, 2557, การปรับปรุงอัลกอริทึมซัพพอร์ตเวกเตอร์แมชชีนสำหรับการจำแนกข้อมูลภาพไบโอเมตริกซ์, วิทยานิพนธ์ปริญญาโท, มหาวิทยาลัยเทคโนโลยีสุรนารี, นครราชสีมา, 103 น.
[10] วริสรา สุรนันท์ และมหศักดิ์ เกตุฉ่ำ, 2558, การควบคุมการทำงานของสมาร์ทโฟนด้วยเทคนิคการตรวจจับดวงตาบนระบบปฏิบัติการแอนดรอยด์สำหรับผู้พิการทางแขน, น. 181-186, การประชุมแห่งชาติด้านเทคโนโลยีสารสนเทศและคอมพิวเตอร์ ครั้งที่ 11.
[11] อรรณพ สาขะจันทร์ และจักรี ศรีนนท์ฉัตร, 2558, การพัฒนาการตรวจสอบจอแสดงผล LED ด้วยโครงข่ายประสาทเทียมโดยใช้ภาพอินทริกัล, น. 168-173, การประชุมแห่งชาติด้านเทคโนโลยีสารสนเทศและคอมพิวเตอร์ครั้งที่ 11.
[12] ชวโรจน์ ใจสิน, 2557, การประเมินขนาดของผลลำใยสดในช่อด้วยเทคนิคการประมวลผลด้วยภาพ, วิทยานิพนธ์ปริญญาเอก, มหาวิทยาลัยเกษตรศาสตร์, กรุงเทพฯ, 132 น.
[13] วศิษฐ์ จันสด และศรายุทธ รัตนตรัย, 2013, ตัวควบคุมผู้ใช้สำหรับการรู้จำใบหน้า, น. 697-704, การประชุมวิชาการเทคโนโลยีสารสนเทศและคอมพิวเตอร์แห่งชาติ ครั้งที่ 9.
[14] mns-smartpro, ระบบวิเคราะห์ใบหน้า, แหล่งที่มา : http://www.mnsmartpro.com/Blog/ระบบวิเคราะห์ใบหน้า-blog.aspx, 10 ตุลาคม 2560.
[15] Social Profiles, ระบบวิเคราะห์ใบหน้า, แหล่งที่มา : http://kokzard.blogspot.com/2012/04/face-recognition-algorithm.html, 10 ตุลาคม 2560.