基于热成像与深度学习算法的智慧城市中人群检测与社交距离分类
计算机视觉与模式识别
2022-09-13 v1 机器学习
图像与视频处理
摘要
COVID-19 是一种由严重急性呼吸综合征冠状病毒引起的疾病。它于2019年12月在中国武汉被发现。已导致一场持续的大流行，造成包括死亡在内的感染病例。冠状病毒主要在人与人之间近距离接触时传播。受此启发，本研究提出一种利用热成像图像进行人员社交距离分类的人工智能系统。通过利用 YOLOv2（you look at once），开发了一种深度学习检测技术，用于室内外场景下人员的检测与跟踪。还实现了一种算法，用于测量和分类人员之间的距离，并自动检查是否遵守社交距离规则。因此，本工作旨在通过评估人员是否及如何遵守社交距离规则，来最小化 COVID-19 病毒的传播。所提出的方法应用于通过热成像相机获取的图像，以建立一个完整的人工智能系统，用于人员跟踪、社交距离分类和体温监测。训练阶段使用了来自不同热成像相机捕获的两个数据集。Ground Truth Labeler 应用程序用于对图像中的人员进行标注。所得结果表明，所提方法适用于构建智慧城市中用于人员检测、社交距离分类和体温分析的智能监控系统。
引用
@article{arxiv.2209.04704,
title = {People detection and social distancing classification in smart cities for COVID-19 by using thermal images and deep learning algorithms},
author = {Abdussalam Elhanashi and Sergio Saponara and Alessio Gagliardi},
journal= {arXiv preprint arXiv:2209.04704},
year = {2022}
}
备注
2 pages, 2 figures , conference (ICT for Smart Cities)