患者検証のためのMicrosoft Kinect V2センサーによる顔認識の実装

目的：この研究の目的は、放射線療法環境での患者識別のためにMicrosoft Kinect V2センサーを使用して、顔認識の簡単な実装を提示することでした。 材料と方法：Algorithmの基礎としてKinect V2 SDKに配布されたフェイシャルマッピングライブラリを使用して、Microsoft Kinect V2を使用して顔認識システムが作成されました。このシステムは、参照データセットの作成と、一致するアルゴリズムのリアルタイムセンサーデータのその後の評価の両方で使用されるさまざまなフェイシャルランドマークを表す31のファイダルポイントを抽出します。アルゴリズムをテストするために、39の面のデータベースが作成され、それぞれが465のベクトルを有効なポイントに由来し、顔の識別システムの感度と特異性データを取得するために1対1のマッチング手順が実行されました。ROC曲線をプロットして、システムのパフォーマンスを表示し、一致する決定のためのしきい値を特定しました。さらに、周囲光強度の関数としてのシステムパフォーマンスがテストされました。 結果：一致するアルゴリズムで最適化されたパラメーターを使用して、5299試験のシステムの感度は96.5％で、特異性は96.7％でした。結果は、事前に収集された参照データセットからの比較を通じて特定の顔をリアルタイムで検証するためのかなり堅牢な方法論を示しています。現在の実装では、各顔のデータ収集のプロセスとその後のマッチングセッションの平均は約30秒でした。時間のコミットメントにもかかわらず、データ収集プロセスはすべての参加者によって十分に許容され、参照記録セッションとその後のリアルタイム識別セッションの両方で一貫した周囲光条件が維持された場合、最も堅牢でした。 結論：Microsoft Kinect V2センサーと分散型SDKを使用して、患者の識別のために顔認識システムを実装できます。現在の形式では、システムは正確です。時間がかかる場合は、メソッドのさらなる繰り返しが堅牢で実装しやすく、従来の患者識別方法の費用対効果の高い補足を提供する可能性があります。

PURPOSE: The aim of this study was to present a straightforward implementation of facial recognition using the Microsoft Kinect v2 sensor for patient identification in a radiotherapy setting. MATERIALS AND METHODS: A facial recognition system was created with the Microsoft Kinect v2 using a facial mapping library distributed with the Kinect v2 SDK as a basis for the algorithm. The system extracts 31 fiducial points representing various facial landmarks which are used in both the creation of a reference data set and subsequent evaluations of real-time sensor data in the matching algorithm. To test the algorithm, a database of 39 faces was created, each with 465 vectors derived from the fiducial points, and a one-to-one matching procedure was performed to obtain sensitivity and specificity data of the facial identification system. ROC curves were plotted to display system performance and identify thresholds for match determination. In addition, system performance as a function of ambient light intensity was tested. RESULTS: Using optimized parameters in the matching algorithm, the sensitivity of the system for 5299 trials was 96.5% and the specificity was 96.7%. The results indicate a fairly robust methodology for verifying, in real-time, a specific face through comparison from a precollected reference data set. In its current implementation, the process of data collection for each face and subsequent matching session averaged approximately 30 s, which may be too onerous to provide a realistic supplement to patient identification in a clinical setting. Despite the time commitment, the data collection process was well tolerated by all participants and most robust when consistent ambient light conditions were maintained across both the reference recording session and subsequent real-time identification sessions. CONCLUSION: A facial recognition system can be implemented for patient identification using the Microsoft Kinect v2 sensor and the distributed SDK. In its present form, the system is accurate-if time consuming-and further iterations of the method could provide a robust, easy to implement, and cost-effective supplement to traditional patient identification methods.