Changes in the Mask Wearing Rate in Public Areas during the COVID-19 Pandemic as Determined by Artificial Intelligence and CCTV Image Analysis
| dc.contributor.author | ทยา กิติยากร | th_TH |
| dc.contributor.author | Taya Kitiyakara | th_TH |
| dc.contributor.author | สุภารี บุญมานันท์ | th_TH |
| dc.contributor.author | Suparee Boonmanunt | th_TH |
| dc.contributor.author | รัตน์ชัยนันท์ ธรรมสุจริต | th_TH |
| dc.contributor.author | Ratchainant Thammasudjarit | th_TH |
| dc.date.accessioned | 2023-03-30T08:33:23Z | |
| dc.date.available | 2023-03-30T08:33:23Z | |
| dc.date.issued | 2566-03 | |
| dc.identifier.citation | วารสารวิจัยระบบสาธารณสุข 17,1 (ม.ค. - มี.ค. 2566) : 149-167 | th_TH |
| dc.identifier.issn | 2672-9415 | |
| dc.identifier.uri | http://hdl.handle.net/11228/5859 | |
| dc.description.abstract | ภูมิหลัง: โควิด-19 ได้คร่าชีวิตมนุษย์จำนวนมากและได้สร้างความเสียหายทางเศรษฐกิจไปทั่วโลก การใส่หน้ากากเป็นวิธีป้องกันการแพร่ระบาดที่ได้รับการยอมรับทางการแพทย์ แต่อัตราการใส่หน้ากากในแต่ละประเทศกลับไม่เหมือนกัน เนื่องด้วยวัฒนธรรม ความตื่นตัวและนโยบายรัฐ งานวิจัยที่ผ่านมาตั้งข้อสังเกตว่า พื้นที่ที่ใส่หน้ากาก หรือมีการบังคับใส่หน้ากากอนามัย/หน้ากากผ้ามีการแพร่ระบาดของโควิด-19 น้อยกว่าพื้นที่ที่ไม่ใส่หน้ากากอนามัย อย่างไรก็ตามมีงานศึกษาน้อยมากที่มีการประเมินอัตราการใส่หน้ากากโดยใช้ข้อมูลเชิงประจักษ์ ส่วนใหญ่ใช้การรายงานว่ามีกฎหมายบังคับใส่หน้ากาก หรือผลจากการตอบแบบสอบถาม online ดังนั้นหากมีวิธีประเมินอัตราการใส่หน้ากากโดยใช้ข้อมูลเชิงประจักษ์จะเป็นประโยชน์ในการรณรงค์การใส่หน้ากาก งานวิจัยนี้จึงมีเป้าหมายที่จะพัฒนาระบบปัญญาประดิษฐ์ที่จะวิเคราะห์ภาพจากกล้องวงจรปิดที่ใช้จริงในพื้นที่สาธารณะ เพื่อคำนวณอัตราการใส่หน้ากากอนามัย/หน้ากากผ้า และศึกษาดูความสัมพันธ์กับนโยบายหรือปัจจัยอื่นๆ ระเบียบวิธี: โครงการได้คัดเลือกกล้องวงจรปิด ที่ติดตั้งในพื้นที่สาธารณะในกรุงเทพมหานครฯ ตามความเหมาะสมของตำแหน่งและมุมกล้อง โดยทุกสัปดาห์จะรับวิดีโอภาพ 9 ชั่วโมงจากแต่ละกล้องเพื่อมาวิเคราะห์ด้วยปัญญาประดิษฐ์ ที่ได้ฝึกการแยกแยะใบหน้าที่ใส่และไม่ใส่หน้ากากมาจากภาพในคลังภาพสาธารณะใน internet การวิเคราะห์แบ่งเป็น ส่วนภาพที่มีคนสัญจรหรือเคลื่อนไหว กับอีกส่วนที่คนไม่เคลื่อนไหวมากนัก เช่น แผงลอยข้างทางเดิน ภาพที่ผ่านการวิเคราะห์บางส่วนจะได้รับการทบทวนความแม่นยำโดยให้มนุษย์ตรวจอีกที ซึ่งภาพส่วนนี้จะแม่นยำมากและใช้ในการวิเคราะห์เชิงลึกต่อเพื่อดูความสัมพันธ์กับปัจจัยต่างๆ ผลการศึกษา: ทางโครงการได้รับภาพจากกล้อง 39 ตัว ทุกสัปดาห์ ระหว่างวันที่ 1 เมษายน ถึง 15 พฤศจิกายน พ.ศ. 2564 ซึ่งภาพจากกล้อง 15 ตัวจะได้รับการตรวจสอบอีกครั้งด้วยมนุษย์หลังจากที่ได้รับผลกลับมาจากปัญญาประดิษฐ์ เหตุการณ์สำคัญในช่วงการศึกษามีดังต่อไปนี้: การประกาศบังคับใส่หน้ากากอนามัย/หน้ากากผ้าเมื่ออยู่นอกเคหะสถาน และการติดเชื้ออย่างรุนแรงระลอกที่ 4 ในประเทศไทย อัตราการใส่หน้ากากฯ โดยรวม ในส่วนของคนสัญจร ก่อนการประกาศบังคับใส่หน้ากากฯ มีร้อยละ 89 (SD 10%) และเพิ่มขึ้นเป็นร้อยละ 92 (SD 9%) หลังออกประกาศฯ แต่การเพิ่มขึ้นนี้ไม่มีนัยสำคัญทางสถิติ (p=0.3) เมื่อเปรียบเทียบอัตราการใส่หน้ากากฯ ก่อนระลอกที่ 4 กับ ช่วงครึ่งแรกของการแพร่ระบาดระลอกที่ 4 พบว่าอัตราการใส่หน้ากากฯ เพิ่มขึ้นอย่างมีนัยสำคัญ จากร้อยละ 92 ขึ้นเป็นร้อยละ 96 (p=0.0039) หลังจากจุดสูงสุดของการระบาดระลอกที่ 4 อัตราการใส่หน้ากากฯ ลดลงเหลือร้อยละ 94 แต่การลดลงนี้ไม่มีนัยสำคัญ การวิเคราะห์ทางสถิติยังพบว่า จำนวนคนติดเชื้อในสัปดาห์ก่อน วัน เวลา และชนิดพื้นที่ มีผลต่ออัตราการใส่หน้ากากฯ อย่างมีนัยสำคัญ การตรวจภาพใบหน้าที่ไม่ใส่หน้ากากฯ พบว่ามีภาพผู้ชาย ที่ไม่ใส่หน้ากากฯ มากกว่าผู้หญิงประมาณ 3 เท่า นอกจากนั้นยังสังเกตเห็นคนที่สูบบุหรี่ คนพูดคุยผ่านโทรศัพท์มือถือ ขอทาน และคนในชุมชน ไม่ใส่หน้ากากฯ สรุป: การศึกษานี้ได้ใช้ระบบปัญญาประดิษฐ์วิเคราะห์ภาพจากกล้องวงจรปิดในพื้นที่สาธารณะในชีวิตจริง เพื่อวิเคราะห์อัตราการใส่หน้ากากอนามัยและหน้ากากผ้า คนไทยในกรุงเทพมหานครฯ มีอัตราการใส่หน้ากากฯ ร้อยละ 89 ก่อนมีประกาศบังคับใส่หน้ากากอนามัยฯ และเพิ่มขึ้นเป็นร้อยละ 92 หลังจากมีประกาศฯ อย่างไรก็ตามอัตราการใส่หน้ากากฯ เพิ่มขึ้นอย่างมีนัยสำคัญ (ร้อยละ 96) ในช่วงการระบาดระลอกที่ 4 ปัจจัยที่สัมพันธ์กับการใส่หน้ากากคือ จำนวนผู้ป่วยที่รายงานในสัปดาห์ก่อน วัน เวลาและลักษณะพื้นที่ที่ติดตั้งกล้อง ปัจจัยเหล่านี้ รวมทั้งปัจจัยที่ได้จากการตรวจดูภาพของคนที่ไม่ใส่หน้ากากฯ และพฤติกรรมเสี่ยงที่ได้จากการตอบแบบสัมภาษณ์ อาจจะเป็นประเด็นที่นำมาใช้รณรงค์ให้ประชาชนใส่หน้ากากฯ เพิ่มขึ้นได้ในอนาคต | th_TH |
| dc.description.sponsorship | สถาบันวิจัยระบบสาธารณสุข | th_TH |
| dc.language.iso | th | th_TH |
| dc.publisher | สถาบันวิจัยระบบสาธารณสุข | th_TH |
| dc.rights | สถาบันวิจัยระบบสาธารณสุข | th_TH |
| dc.subject | Artificial Intelligence | th_TH |
| dc.subject | ปัญญาประดิษฐ์ | th_TH |
| dc.subject | Machine Learning | th_TH |
| dc.subject | Image Analysis | th_TH |
| dc.subject | Application Software | th_TH |
| dc.subject | โปรแกรมประยุกต์ | th_TH |
| dc.subject | COVID-19 (Disease) | th_TH |
| dc.subject | โควิด-19 (โรค) Coronaviruses | th_TH |
| dc.subject | ไวรัสโคโรนา | th_TH |
| dc.subject | Coronavirus Infections | th_TH |
| dc.subject | การติดเชื้อไวรัสโคโรนา | th_TH |
| dc.title | การเปลี่ยนแปลงของอัตราการใส่หน้ากากอนามัยเมื่ออยู่นอกบ้านในช่วงโควิด-19: การวิเคราะห์จากภาพกล้องวงจรปิดโดยปัญญาประดิษฐ์ | th_TH |
| dc.title.alternative | Changes in the Mask Wearing Rate in Public Areas during the COVID-19 Pandemic as Determined by Artificial Intelligence and CCTV Image Analysis | th_TH |
| dc.type | Article | th_TH |
| dc.description.abstractalternative | Background: The COVID-19 pandemic has caused immense health and financial loss globally. Standard health precautions, including mask-wearing reduced its spread. Compliance with these measures varied between countries, depending on the culture, the public awareness and the policies enacted by the government. A higher rate of mask-wearing was thought to be more effective in limiting the spread of the disease and methods of monitoring mask-wearing would be useful for campaigns to increase mask-wearing. Although the mask-wearing rate has been estimated with questionnaires and episodic counting studies, there were very few reports visually documenting the rate of mask wearing sequentially over time. In the present study we developed an artificial intelligence (AI) system to analyze images from public CCTV (closed-circuit television) to document the rate of mask wearing in Bangkok, Thailand, and correlate the rate with public health policies and COVID-19 events and determine factors related to improper masking. Methodology: Public CCTV cameras in the Bangkok Metropolitan Area (BMA) were selected in view of their location and camera viewpoints. Every week, 9 hours of video clips from each of these cameras were downloaded and sent for analysis by an AI that had been trained to detect mask-wearing using pictures with and without masks from public databases. A number of the images was also visually checked for accuracy. The rate of mask-wearing was analyzed and correlated to public health measures and COVID-19 infections using panel regression analysis. The images of faces without masks were reviewed to understand factors related to not wearing masks. Results: 39 cameras were selected for weekly data download from 1 April to 15 November 2021. Of these 15 were validated fortnightly by humans. Important COVID-19 events over 8 months of the study included the announcement of the mask mandate and the peak infection of the 4th wave of infection in Thailand. The overall average rate of mask-wearing across BMA in the mobile population increased after the mask mandate from 89% (SD 10%) to 92% (SD 9%) but this did not reach statistical significance (p = 0.3). However, comparing the mask-wearing rate from the mask mandate to the start of the 4th wave, and from the start to the peak of infections of the 4th wave, the mask-wearing rate increased significantly from 92% to 96% (p = 0.0039). Statistical analysis also revealed that the reported number of infections in the prior week, weekends, time of day, and type of location were significant factors associated with the mask-wearing behavior. Analyzing the images showed that males were approximately 3 times more likely to be seen without proper masking. Conclusions: The use of public CCTV and mask-detecting AI can be used for public monitoring of mask-wearing in the real-world. Bangkokians had a high mask-wearing rate in public areas with an 89% mask-wearing rate before the mask mandate. Although mask wearing increased after the mandate to 92%, the maximal rate of mask wearing (96%) correlated with the peak infection in Bangkok. Factors related to improper masking included the reported number of infected people in the prior week, weekends, time of day, and location type. These factors, as well as other factors seen from the CCTV images may be good targets for campaigns to increase proper mask wearing in the future. | th_TH |
| dc.subject.keyword | Close Circuit Television | th_TH |
| dc.subject.keyword | CCTV | th_TH |
| dc.subject.keyword | กล้องวงจรปิด | th_TH |
| dc.subject.keyword | การวิเคราะห์ภาพ | th_TH |
| dc.subject.keyword | การใส่หน้ากากอนามัย | th_TH |
| dc.subject.keyword | Mask Wearing | th_TH |
| .custom.citation | ทยา กิติยากร, Taya Kitiyakara, สุภารี บุญมานันท์, Suparee Boonmanunt, รัตน์ชัยนันท์ ธรรมสุจริต and Ratchainant Thammasudjarit. "การเปลี่ยนแปลงของอัตราการใส่หน้ากากอนามัยเมื่ออยู่นอกบ้านในช่วงโควิด-19: การวิเคราะห์จากภาพกล้องวงจรปิดโดยปัญญาประดิษฐ์." 2566. <a href="http://hdl.handle.net/11228/5859">http://hdl.handle.net/11228/5859</a>. | |
| .custom.total_download | 400 | |
| .custom.downloaded_today | 1 | |
| .custom.downloaded_this_month | 5 | |
| .custom.downloaded_this_year | 164 | |
| .custom.downloaded_fiscal_year | 205 |
 | ผลงานวิชาการเหล่านี้เป็นลิขสิทธิ์ของสถาบันวิจัยระบบสาธารณสุข หากมีการนำไปใช้อ้างอิง โปรดอ้างถึงสถาบันวิจัยระบบสาธารณสุข ในฐานะเจ้าของลิขสิทธิ์ตามพระราชบัญญัติสงวนลิขสิทธิ์สำหรับการนำงานวิจัยไปใช้ประโยชน์ในเชิงพาณิชย์ |
Fulltext
Name: hsri-journal-v17n ...
Size: 691.6Kb
Format: PDF
This item appears in the following Collection(s)
-
Articles [1334]
บทความวิชาการ