[논문 리뷰] Face Mask Assistant: Detection of Face Mask Service Stage Based on Mobile Phone

Yuzhen Chen, Menghan Hu외 5명|arXiv (Cornell University)|2020. 10. 09.

COVID-19 diagnosis using AI참고 문헌 40인용 수 14

한 줄 요약

이 논문은 스마트폰에 장착된 모바ile 마이크로스코프와 GLCM 무늬 분석을 활용해 수술용 마스크의 사용 단계—'정상 사용', '조기 경고', 또는 '사용 금지'—를 감지하는 모바일 기반 시스템을 제안한다. 미세 사진을 기반으로 KNN 분류를 통해 82.87% ± 8.50%의 정밀도를 달성하여 코로나19 패닉 기간 동안 마스크 사용을 안전하게 연장할 수 있는 저비용·이동성 있는 솔루션을 제공한다.

ABSTRACT

Coronavirus Disease 2019 (COVID-19) has spread all over the world since it broke out massively in December 2019, which has caused a large loss to the whole world. Both the confirmed cases and death cases have reached a relatively frightening number. Syndrome coronaviruses 2 (SARS-CoV-2), the cause of COVID-19, can be transmitted by small respiratory droplets. To curb its spread at the source, wearing masks is a convenient and effective measure. In most cases, people use face masks in a high-frequent but short-time way. Aimed at solving the problem that we don't know which service stage of the mask belongs to, we propose a detection system based on the mobile phone. We first extract four features from the GLCMs of the face mask's micro-photos. Next, a three-result detection system is accomplished by using KNN algorithm. The results of validation experiments show that our system can reach a precision of 82.87% (standard deviation=8.5%) on the testing dataset. In future work, we plan to expand the detection objects to more mask types. This work demonstrates that the proposed mobile microscope system can be used as an assistant for face mask being used, which may play a positive role in fighting against COVID-19.

연구 동기 및 목표

• 일상 생활에서 일반적으로 사용되는 수술용 마스크의 사용 단계를 판단할 수 있는 도구의 부족을 해결하기 위해.
• 시각적 노후화 기반으로 마스크 사용 가능성을 평가할 수 있는 이동성 있고 저비용이며 사용이 간편한 시스템을 개발하기 위해.
• 마스크 사용 효율을 향상시키고 낭비를 줄이기 위해 마스크를 더 이상 사용하지 말아야 할 시점을 감지함으로써 자원 부족 상황에서의 마스크 사용을 최적화하기 위해.
• 정확한 감지에 있어 고해상도 미세 사진이 표준 스마트폰 카메라 이미지보다 필수적인지 검증하기 위해.
• 실제 현장에서 구현 가능한 실시간 감지에 적합하도록 분류를 이원화된 모델로 단순화할 수 있는지 탐색하기 위해.

제안 방법

• 스마트폰에 부착된 모바일 마이크로스코프를 사용해 사용된 수술용 마스크의 미세 사진을 촬영한다.
• 미세 사진의 회색 수준 공통 발생 행렬(GLCM)에서 대비, 상관관계, 에너지, 균일성의 네 가지 무늬 특징을 추출한다.
• K-최근접 이웃(KNN) 알고리즘을 적용하여 마스크를 '정상 사용', '조기 경고', 또는 '사용 금지' 중 하나의 사용 단계로 분류한다.
• 다양한 사용 기간 동안 촬영한 미세 사진 데이터셋을 기반으로 시스템을 검증하며, 정밀도와 표준편차를 통해 결과를 보고한다.
• 표준 스마트폰 카메라 이미지와 미세 사진 간의 감지 성능을 비교하여 고해상도 촬영의 필요성을 평가한다.
• '정상 사용'과 '조기 경고'를 하나의 클래스인 '정상 사용'으로 통합하는 단순화된 이원화 모델을 제안하여 분류 복잡도를 낮춘다.

실험 결과

연구 질문

• RQ1 사용된 수술용 마스크의 미세 사진에서 추출한 무늬 특징가 사용 단계를 신뢰성 있게 나타낼 수 있는가?
• RQ2 표준 스마트폰 카메라 이미지와 고해상도 미세 사진을 사용할 경우 감지 시스템의 성능에 어떤 차이가 있는가?
• RQ3 이원화된 단순 모델이 삼원 분류보다 감지 정확도를 향상시킬 수 있는가?
• RQ4 대비, 균일성 등의 무늬 특징 변화가 마스크 사용 시간 증가와 얼마나 관련이 있는가?
• RQ5 저비용 모바일 마이크로스코프를 탑재한 스마트폰 기반 시스템이 실시간·현장 중심의 마스크 사용 단계 감지에 실현 가능하고 효과적인가?

주요 결과

• 제안된 시스템은 GLCM 무늬 특징을 기반으로 KNN 분류를 통해 마스크를 세 가지 사용 단계로 분류하는 데 82.87% ± 8.50%의 정밀도를 달성했다.
• 모바일 마이크로스코프로 촬영한 미세 사진은 마스크 기공 내에 있는 물방울과 오염물질과 같은 중요한 세부 정보를 드러내었으며, 이는 표준 스마트폰 카메라 이미지에서는 확인할 수 없었다.
• 표준 스마트폰 카메라 이미지는 '사용 금지'로 분류되어야 할 마스크를 '정상 사용'으로 잘못 분류한 바, 이는 시스템에서 고해상도 미세 사진의 필수성을 입증하는 사례였다.
• 이원화 모델은 '정상 사용'과 '조기 경고'를 하나의 클래스로 통합하여 분류 복잡도를 낮추었고, 이로 인해 정확도가 88.51%로 향상되었다.
• 장기간 사용함에 따라 대비와 상관관계는 증가하고, 에너지와 균일성은 감소함으로써 시간이 지남에 따라 측정 가능한 무늬의 노후화가 발생하는 것으로 나타났다.
• 이 시스템은 미세 사진의 무늬 분석이 공중보건 위기 상황에서 안전한 마스크 사용을 연장하는 실용적이고 이동 가능한 도구가 될 수 있음을 입증한다.