新常态：基于物联网与深度学习的 Covid-19 及时检测与防控协同范式
计算机与社会
2020-08-28 v1 计算机视觉与模式识别
机器学习
摘要
新型冠状病毒（COVID-19）的蔓延通过影响全球经济，给各国政府与健康当局造成了数万亿美元的损失。本研究的目的是引入一种互联智能范式，其不仅能检测病毒的可能传播，还有助于重启商业/经济并恢复社会生活。我们提出一种基于互联物联网（IoT）的范式，利用基于卷积神经网络（CNN）的目标检测、智能可穿戴与互联电子健康来避免当前及未来的疫情暴发。首先，互联监控摄像头将连续视频流推送至服务器，我们在其中检测物体间距离以识别任何社交距离违规。违规会激活对活跃智能手机用户及其当前患病状态的基于区域的监测。若存在确诊患者或高症状人员，系统将追踪暴露与感染人群并采取适当措施。我们使用 YOLO（you only look once）v2 与 v3 评估了所提的社交距离违规检测方案，并使用 Python 仿真评估了感染传播追踪。
引用
@article{arxiv.2008.12103,
title = {New Normal: Cooperative Paradigm for Covid-19 Timely Detection and Containment using Internet of Things and Deep Learning},
author = {Farooque Hassan Kumbhar and Syed Ali Hassan and Soo Young Shin},
journal= {arXiv preprint arXiv:2008.12103},
year = {2020}
}