一种基于视觉的 COVID-19 社交距离与临界密度检测系统
图像与视频处理
2020-07-10 v2 计算机视觉与模式识别
摘要
社交距离已被证明是针对 2019 年传染性冠状病毒病（COVID-19）传播的有效措施。然而，个人并不习惯追踪自身与周围环境之间所需的 6 英尺（2 米）距离。一个能够检测个体间距离并警告他们的主动监控系统可以减缓这种致命疾病的传播。此外，测量感兴趣区域（ROI）中的社交密度并调节流入量可以降低社交距离违规发生的几率。另一方面，记录数据并标记不遵守措施的个体将侵犯自由社会中的个人权利。在此，我们提出了一种基于人工智能（AI）的实时社交距离检测与警告系统，考虑了四个重要的伦理因素：（1）系统绝不应记录/缓存数据，（2）警告不应针对个体，（3）检测/警告回路中不应有人类监督者，（4）代码应开源并对公众可访问。在此背景下，我们提出使用单目相机和基于深度学习的实时目标检测器来测量社交距离。如果检测到违规，会发出非侵入式的视听警告信号，而不针对违反社交距离措施的个体。此外，如果社交密度超过临界值，系统会发送控制信号以调节进入 ROI 的流入量。我们在真实世界数据集上测试了所提方法，以衡量其通用性与性能。所提方法已可部署，且我们的代码已开源。
引用
@article{arxiv.2007.03578,
title = {A Vision-based Social Distancing and Critical Density Detection System for COVID-19},
author = {Dongfang Yang and Ekim Yurtsever and Vishnu Renganathan and Keith A. Redmill and Ümit Özgüner},
journal= {arXiv preprint arXiv:2007.03578},
year = {2020}
}