การตรวจจับผู้ดื่มเครื่องดื่มแอลกอฮอล์จากภาพถ่ายโดยเทคนิคการรู้จำสีแก้มและความกว้างขนาดดวงตา
Article Sidebar
Main Article Content
บทคัดย่อ
บทคัดย่อ
งานวิจัยนี้นำเสนอกระบวนการตรวจจับผู้ดื่มเครื่องดื่มแอลกอฮอล์จากภาพถ่ายโดยเทคนิคการรู้จำสีแก้มและความกว้างของขนาดดวงตา ด้วยวิธี neural network แบบแพร่กระจายย้อนกลับ งานวิจัยฉบับนี้ใช้เทคนิค Haar- like feature ในการค้นหาใบหน้าบุคคลจากภาพถ่าย และใช้เทคนิค region of interest ในการระบุพื้นที่แก้ม เพื่อรู้จำสีของแก้ม และท้ายที่สุดเทคนิค circle hough transform ถูกใช้ในการหาความกว้างของขนาดดวงตา ในงานวิจัยฉบับนี้ภาพถ่ายที่นำมาใช้ในการทดสอบได้จากกลุ่มตัวอย่างบุคคลเพศชายและหญิงที่ดื่มและไม่ดื่มเครื่องดื่มแอลกอฮอล์จำนวน 100 ภาพ แบ่งเป็นภาพเพื่อสร้างโมเดลการรู้จำ (training data) และภาพเพื่อทดสอบ (test data) จากการทดสอบการตรวจจับภาพถ่ายผู้ดื่มเครื่องดื่มแอลกอฮอล์ ระหว่าง support vector machine (SVM), decision tree (C4.5), K-nearest neighbor (KNN), Naïve Bayes, Ada-boost cascade, Bayesian, template matching และ neural network แบบเชิงเส้น/เพอร์เซ็ปตรอน และแบบแพร่กระจายย้อนกลับ แสดงให้เห็นว่า neural network แบบแพร่กระจายย้อนกลับ ให้ผลลัพธ์ค่าความถูกต้อง (accuracy) สูงที่สุดเท่ากับร้อยละ 98
คำสำคัญ : ภาพถ่ายผู้ดื่มเครื่องดื่มแอลกอฮอล์; การตรวจจับภาพใบหน้า; การรู้จำสีแก้ม; การตรวจจับความกว้างของขนาดดวงตา; neural network แบบแพร่กระจายย้อนกลับ
Article Details
เอกสารอ้างอิง
[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.
