疫情期间广域社交距离监测：密度图与分割方法

随着全球范围内管控措施的放松，在拥挤公共场所监测社交距离对防止COVID-19感染的新一波大规模暴发至关重要。近期相关工作局限于在走廊中通过检测图像中完整人体的每个个体来检测至多小规模人群的社交距离。本文中，我们提出一种利用端到端深度学习监测社交距离的新框架，以在可能存在严重遮挡的广域中检测违反社交距离的人群。我们的框架包括基于真实密度图创建新真值，并提出两种不同方案——基于密度图和基于分割——来检测违反社交距离约束的人群。我们使用由PET2009和CityStreet数据集生成的真值评估两种方法的结果。我们表明，即便在严重遮挡或远离相机处，我们的框架也能很好地提供人们未遵守社交距离的区域。