CN111027525A - 疫情期间公共场所潜在被感染者追踪方法、装置及系统 - Google Patents

疫情期间公共场所潜在被感染者追踪方法、装置及系统 Download PDF

Info

Publication number
CN111027525A
CN111027525A CN202010154976.XA CN202010154976A CN111027525A CN 111027525 A CN111027525 A CN 111027525A CN 202010154976 A CN202010154976 A CN 202010154976A CN 111027525 A CN111027525 A CN 111027525A
Authority
CN
China
Prior art keywords
potential
tracking
potential infected
diagnostician
confirmed
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010154976.XA
Other languages
English (en)
Other versions
CN111027525B (zh
Inventor
党婉丽
罗谦
罗晓
邓睿
耿龙
潘野
陈肇欣
郁二改
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Second Research Institute of CAAC
Original Assignee
Second Research Institute of CAAC
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Second Research Institute of CAAC filed Critical Second Research Institute of CAAC
Priority to CN202010154976.XA priority Critical patent/CN111027525B/zh
Priority to JP2020542373A priority patent/JP6980928B2/ja
Priority to PCT/CN2020/080855 priority patent/WO2020114528A2/zh
Publication of CN111027525A publication Critical patent/CN111027525A/zh
Application granted granted Critical
Publication of CN111027525B publication Critical patent/CN111027525B/zh
Priority to US17/979,782 priority patent/US20230121997A1/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/80—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for detecting, monitoring or modelling epidemics or pandemics, e.g. flu
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/7837—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using objects detected or recognised in the video content
    • G06F16/784—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using objects detected or recognised in the video content the detected or recognised objects being people
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/7867—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, title and artist information, manually generated time, location and usage information, user ratings
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/787—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G06Q50/265—Personal security, identity or safety
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Primary Health Care (AREA)
  • Data Mining & Analysis (AREA)
  • Business, Economics & Management (AREA)
  • Biomedical Technology (AREA)
  • Epidemiology (AREA)
  • Library & Information Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Pathology (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Social Psychology (AREA)
  • Development Economics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Psychiatry (AREA)
  • Software Systems (AREA)
  • Human Computer Interaction (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Computer Security & Cryptography (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Educational Administration (AREA)
  • Evolutionary Computation (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Signal Processing (AREA)
  • Image Analysis (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明实施例中提供了一种疫情期间公共场所潜在被感染者追踪方法、装置及系统，该方法包括如下步骤：根据确诊人员关联信息，确定确诊人员在公共场所进行活动的时间节点，以及与时间节点匹配的位置信息；根据确诊人员在公共场所的时间节点与位置信息，基于传染病传播机理，借助公共场所的视频监控设备提供的视频帧数据，搜索潜在被感染者；基于多目标跟踪技术对潜在感染者进行跟踪，并结合公共场所关键节点时间确认其身份。本发明主动寻找公共场所中与确诊人员关联的潜在被感染者，并确定其身份。经过数据测试，其精度可以达到80%以上，在很大程度上解决了公共交通场所潜在被感染人员的寻找及确认，对疫情的防控发挥重要的作用。

Description

疫情期间公共场所潜在被感染者追踪方法、装置及系统
技术领域
本发明涉及公共区域密集场景下目标追踪技术领域，尤其涉及一种疫情期间公共场所潜在被感染者追踪方法、装置及系统。
背景技术
在疫情传播过程中，假设有三种人，分别为A、B和C。C与A明确认识，则在A诊断为患者后，与之接触的C很容易确定。但假设A在公众场所（例如旅途中的机场、车站或码头等）遇到了平生不认识的B， A不知道B的存在，B也不知道A的存在。但经过若干天的病毒潜伏期，发现 A为病毒感染者。那么A在公共场所曾经接触过的B，成为潜在的被病毒感染者，B这种潜在的感染者是非常危险的，因为B被明确诊断为感染者之前，没有人知道他是被感染者，连B自己也无法知道。于是，B在公共场所没有任何防护的继续出现，若A与B的接触果真导致了B的被感染，则B处于潜伏期的这段时间无疑会导致病毒更大范围的扩散与传播。
如何寻找潜在的被感染人（称之为“B类人员”）是否在公共交通工具及场所中与已确诊人员甚至疫源地人员（称之为A类人员）接触过是疫情防疫中的重要环节。
现已有部分方案或者软件可以解决潜在感染者的发现问题，例如在机场或者或者候车室或检票口落采用如方案：
方案一、根据乘坐车辆、航班信息以及座位信息，查询自身是否与确诊人员为同一航班以及座位号较近；
方案二、基于人员旅行数据，分析其感染病毒的概率；
方案三、 人为根据确诊人员的运动轨迹，主动寻找潜在感染人员。
在上述三种主流解决方案中，存在以下问题：
（1）第一种方案寻找潜在感染者范围较小，只可以定位到航班，对于已经确认感染者停留且停留时间较长的位置的航站楼潜在感染者难易定位及确认。
（2）第二种方案主要基于人员的旅行数据，进行时间的关联，寻找潜在感染者，其具有应用范围较广的优势，但分析粒度粗，且属于主动查询确认，而不能别动的删选及查找且确认其身份。
（3）第三种方案主要是人为主动寻找，通过公布确诊者的运动轨迹，由接触者自行确认自身是否属于潜在感染者。
上述三种方案在一定程度上均可以删选出部分潜在的感染者，但对于机场航站楼，均不能解决如何确认航站楼内潜在感染人员身份的问题。
综上所述，大型机场航站楼、火车站、公共汽车站等作为公共场所，人群较为聚集，停留时间长，是疫情防御中需要重点关注场所。如何从诸如上述共场合中，根据已确诊的感染人的信息，准确定位潜在的被感染人，并确认被感染人的身份，是本领域技术技术人员亟需解决的技术问题。
发明内容
有鉴于此，本发明实施例提供一种疫情防控期间公共场所潜在感染者追踪方法、装置及系统，以传染病传播机理为途径，基于多目标跟踪确定潜在被感染者的位置及轨迹，结合时间及空间维度特征，实现对潜在被感染者的身份确认。
第一方面，本发明公开了一种疫情期间公共场所潜在被感染者追踪方法，包括：
根据确诊人员关联信息，确定所述确诊人员在公共场所进行活动的时间节点，以及与所述时间节点匹配的位置信息；
根据所述确诊人员在公共场所的时间节点与位置信息，基于传染病传播机理，借助所述公共场所的视频监控设备提供的视频帧数据，搜索潜在被感染者；
基于多目标跟踪，对所述潜在感染者进行跟踪，并结合所述潜在感染者在所述公共场所活动的时间节点确认身份。
进一步地，上述追踪方法中，所述确诊人员关联信息包括：确诊人员身份信息和所乘交通工具的运营信息。
进一步地，上述追踪方法中，确定所述确诊人员在公共场所的位置信息包括如下步骤：
根据所述确诊人员在公共场所进行活动所对应的时间节点，确定公共场所中对应的视频监控设备；
接收在所述视频监控设备中所提取的各个时间节点的视频帧；
在所述视频帧中，对所述确诊者进行检测、提取并确认。
进一步地，上述追踪方法中，在所述视频帧中，对所述确诊者进行检测及提取并确认，包括：
提取确诊者在不同时间节点不同视频帧中的位置及特征，构建特征空间；
基于移动距离和轨迹概率构建空间概率特征；
基于所述特征空间以及空间概率特征，判断相邻时间点的不同视频帧中确诊者的相似度，当相似度大于给定阈值时，以视频帧中的确诊者为基础继续进行追踪，描述完其在公共场所的所有位置，对所述的确诊者在公共区的轨迹进行确认。
进一步地，上述追踪方法中，所述基于传染病传播机理，借助所述公共场所的视频监控设备提供的视频帧数据，搜索潜在被感染者包括：
在所述视频帧中，以所述确诊者的位置为圆心，将给定的传染病传播范围映射到视频帧中的距离后，以该距离为半径构建圆形区域；
将所述圆形区域中的行人确定为潜在被感染者；
将所述确诊者当前的视频帧作为起始视频帧，对该视频帧所对应的时间节点向前、向后进行追踪，直至所述确诊者所在的位置满足：
Figure 466075DEST_PATH_IMAGE001
其中，
Figure 654611DEST_PATH_IMAGE002
表示所述确诊者当前所在的位置，
Figure 229949DEST_PATH_IMAGE003
为所述确诊者在其运动轨迹的另一个位置；
以
Figure 628569DEST_PATH_IMAGE002
为圆心，
Figure 681976DEST_PATH_IMAGE004
为半径，继续构建圆形区域，再次搜索潜在的被感染者。
重复上述步骤，直至搜索到该公共场所中所有的被感染者。
进一步地，上述追踪方法中，所述基于所述潜在被感染者进行追踪并进行身份确认包括：
提取搜索到的潜在被感染者在不同时间节点不同视频帧中的位置及特征，构建特征空间；
基于移动距离和轨迹概率构建空间概率特征；
基于所述特征空间以及空间概率特征，判断相邻时间点的不同视频帧中潜在被感染者的相似度，当相似度大于给定阈值时，以视频帧中的潜在被感染者为基础继续进行追踪，直至跟踪至所述潜在被感染者的进行登记的节点时，确认所述潜在被感染者的身份并上报。
进一步地，上述追踪方法中，所述提取确诊者在不同时间节点不同视频帧中的位置及特征后，还包括构建特征金字塔，依据所述特征金字塔确定所述特征空间；以及
所述提取搜索到的潜在被感染者在不同时间节点不同视频帧中的位置及特征后，也包括构建特征金字塔，依据所述特征金字塔确定所述构建特征空间。
进一步地，上述追踪方法中，基于所述确诊者或所述潜在被感染者基于视频帧获得的特征空间以及空间概率特征，判断相邻时间点的不同视频帧中确诊者或潜在被感染者的相似度为：
令第i时刻从视频帧中提取的特征金字塔构建的特征空间为
Figure 787335DEST_PATH_IMAGE005
令第j=i+1时刻从视频帧中提取的特征金字塔构建的特征空间为
Figure 471258DEST_PATH_IMAGE006
令所述确诊者或所述潜在被感染者在不同方向的空间概率特征为
Figure 763699DEST_PATH_IMAGE007
则不同视频帧中确诊者或潜在被感染者的相似度通过如下方式计算：
Figure 886375DEST_PATH_IMAGE008
其中，Q为不同视频帧中确诊者的相似度或不同视频帧中，潜在被感染者的相似度，i和j均为自然数，在实际应用中，
Figure 185856DEST_PATH_IMAGE009
第二方面，本发明还提供了一种疫情期间公共场所潜在被感染者追踪装置，包括：
确诊人员搜索模块，用于根据确诊人员关联信息，确定所述确诊人员在公共场所进行活动的时间节点，以及与所述时间节点匹配的位置信息；
潜在被感染者搜索模块，用于根据所述确诊人员在公共场所的时间节点与位置信息，基于传染病传播机理，借助所述公共场所的视频监控设备提供的视频帧数据，搜索潜在被感染者；
潜在被感染者身份确认模块，用于基于多目标跟踪，对所述潜在感染者进行跟踪，并结合所述潜在感染者在所述公共场所活动的时间节点确认身份。
进一步地，上述追踪装置中，所述确诊人员关联信息包括：确诊人员身份信息和所乘交通工具的运营信息。
进一步地，上述追踪装置中，所述确诊人员搜索模块包括：
视频监控设备确定单元，用于根据所述确诊人员在公共场所进行活动所对应的时间节点，确定公共场所中对应的视频监控设备；
接收单元，用于接收在所述视频监控设备中所提取的各个时间节点的视频帧；
确诊人员确认单元，用于在所述视频帧中，对所述确诊者进行检测、提取并确认。
进一步地，上述追踪装置中，在所述视频帧中，所述确诊人员确认单元还包括：
第一特征空间构建子单元，用于提取确诊者在不同时间节点不同视频帧中的位置及特征，构建特征空间；
第一空间概率特征构建子单元，用于基于移动距离和轨迹概率构建空间概率特征；
第一确认单元，基于所述特征空间以及空间概率特征，判断相邻时间点的不同视频帧中确诊者的相似度，当相似度大于给定阈值时，以视频帧中的确诊者为基础继续进行追踪，直至跟踪至所述确诊者的进行登记的节点时，对所述确诊者进行确认。
进一步地，上述追踪装置中，所述潜在被感染者搜索模块用于实现：
在所述视频帧中，以所述确诊者的位置为圆心，将给定的传染病传播范围映射到视频帧中的距离后，以该距离为半径构建圆形区域；
将所述圆形区域中的行人确定为潜在被感染者；
将所述确诊者当前的视频帧作为起始视频帧，对该视频帧所对应的时间节点向前、向后进行追踪，直至所述确诊者所在的位置满足：
Figure 837417DEST_PATH_IMAGE001
其中，
Figure 85996DEST_PATH_IMAGE002
表示所述确诊者当前所在的位置，
Figure 746784DEST_PATH_IMAGE010
为所述确诊者在其运动轨迹的另一个位置；
以
Figure 623474DEST_PATH_IMAGE002
为圆心，
Figure 711515DEST_PATH_IMAGE004
为半径，继续构建圆形区域，再次搜索潜在的被感染者。
进一步地，上述追踪装置中，潜在被感染者身份确认模块包括：
第二特征空间构建子单元，用于提取搜索到的潜在被感染者在不同时间节点不同视频帧中的位置及特征，构建特征空间；
第二空间概率特征构建子单元，用于基于移动距离和轨迹概率构建空间概率特征；
第二确认子单元，基于所述特征空间以及空间概率特征，判断相邻时间点的不同视频帧中潜在被感染者的相似度，当相似度大于给定阈值时，以视频帧中的潜在被感染者为基础继续进行追踪，直至跟踪至所述潜在被感染者的进行登记的节点时，确认所述潜在被感染者的身份并上报。
进一步地，上述追踪装置中，所述提取确诊者在不同时间节点不同视频帧中的位置及特征后，还包括构建特征金字塔，依据所述特征金字塔确定所述特征空间；以及，所述提取搜索到的潜在被感染者在不同时间节点不同视频帧中的位置及特征后，也包括构建特征金字塔，依据所述特征金字塔确定所述构建特征空间。
进一步地，上述追踪装置中，所述第一确认子单元和所述第二确认子单元中：
令第i时刻从视频帧中提取的特征金字塔构建的特征空间为
Figure 244128DEST_PATH_IMAGE005
令第j=i+1时刻从视频帧中提取的特征金字塔构建的特征空间为
Figure 380711DEST_PATH_IMAGE006
令所述确诊者或所述潜在被感染者在不同方向的空间概率特征为
Figure 315169DEST_PATH_IMAGE007
则不同视频帧中确诊者或潜在被感染者的相似度通过如下方式计算：
Figure 574112DEST_PATH_IMAGE008
其中，Q为不同视频帧中确诊者的相似度或不同视频帧中，潜在被感染者的相似度，i和j均为自然数，在实际应用中，
Figure 390758DEST_PATH_IMAGE009
第三方面，本发明还公开了一种疫情期间公共场所潜在被感染者追踪方法，所述公共场所为航站楼；将所述航站楼划分为值机区域、安检区域和候机区域；基于所述值机区域、所述安检区域和所述候机区域执行上述任一项所述的疫情防控期间公共场所潜在被感染者追踪方法；针对所述确诊人员，在所述值机区域获得潜在被感染者为第一集合，在所述安检区域获得潜在被感染者为第二集合；在所述候机区域获得的潜在被感染者为第三集合；则将所述第一集合、所述第二集合与所述第三集合的并集作为潜在被感染者。
本发明基于公共场所（例如机场航站楼）现有的监视环境，在确诊者身份确认的基础上，主动寻找公共场所中与确诊人员关联的潜在被感染者，并确定其身份。经过数据测试，其精度可以达到80%以上，在很大程度上解决了公共交通场所潜在被感染人员的寻找及确认，对疫情的防控发挥重要的作用。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1为本发明实施例疫情期间公共场所潜在被感染者追踪方法的步骤流程图；
图2示出了本发明实施例疫情防控期间公共场所潜在感染者追踪方法的业务流程图；
图3示出了本发明实施例疫情防控期间公共场所潜在感染者追踪方法，如何确定确诊人员在航站楼所进行活动的时间节点，以及与时间节点匹配的位置信息的步骤流程图；
图4示出了本发明实施例疫情防控期间公共场所潜在感染者追踪方法中，如何搜索潜在被感染者的步骤流程图；
图5为本发明实施例疫情期间公共场所潜在感染者追踪方法中，确诊人员所在的视频帧进行行人检测及编号示意图；
图6为本发明实施例疫情期间公共场所潜在感染者追踪方法中，以确诊人员为圆心构建平面圆，确定第一批潜在感染人员的示意图；
图7为本发明实施例疫情期间公共场所潜在感染者追踪方法中，计算圆
Figure 658929DEST_PATH_IMAGE011
半径的模型示意图；
图8为本发明实施例疫情期间公共场所潜在感染者追踪方法中，图8示出了与圆O外切的圆
Figure 385576DEST_PATH_IMAGE011
中的第二批潜在感染人员的示意图；
图9为本发明实施例疫情期间公共场所潜在感染者追踪方法中，特征金字塔的示意图；
图10为本发明实施例疫情期间公共场所潜在被感染者追踪装置的结构框图。
具体实施方式
下面结合附图对本发明实施例进行详细描述。
以下通过特定的具体实例说明本公开的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。本公开还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本公开的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。
需要说明的是，下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见，本文中所描述的方面可体现于广泛多种形式中，且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本公开，所属领域的技术人员应了解，本文中所描述的一个方面可与任何其它方面独立地实施，且可以各种方式组合这些方面中的两者或两者以上。举例来说，可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外，可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。
还需要说明的是，以下实施例中所提供的图示仅以示意方式说明本公开的基本构想，图式中仅显示与本公开中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
另外，在以下描述中，提供具体细节是为了便于透彻理解实例。然而，所属领域的技术人员将理解，可在没有这些特定细节的情况下实践所述方面。
在进行方案步骤描述之前，对B类人员进行定义。
在疫情传播过程中，假设有三种人A、B、C。A为病毒感染的确诊人员。在A确诊前，可能与两类人相遇，一类是B，一类是C。A与B不认识。A与C认识。在A确诊为病毒感染者后，C类人很容易确认。但B类人很难发现。这是因为，例如，A在公共场所中遇到过平生绝不认识的B，A不知道B的存在，B不知道A的存在。因此，B是最大的隐患也是不易找到的，没有人知道谁是B，哪怕自己是B也难以知晓。
本发明实施例提供一种疫情防控期间公共区域潜在感染者追踪方法及系统，以传染病传播机理为途径，基于多目标跟踪确定潜在被感染者的位置及轨迹，结合时间及空间维度特征，实现对潜在被感染者的身份确认，流程如下：
（1）结合公共场所的业务流程，描述确诊人员在关键区域的运动位置；
（2）根据确诊者的运动位置，基于传染病传播机理的潜在被感染人员的寻找确认；
（3）基于多目标跟踪技术的潜在感染者的轨迹描述及身份确认方法.
参照图1，示出了本发明实施例疫情防控期间公共场所潜在被感染者追踪方法的步骤流程图，包括如下步骤：
S110，根据确诊人员关联信息，确定确诊人员在公共场所进行活动的时间节点，以及与时间节点匹配的位置信息；
S120，根据确诊人员在公共场所的时间节点与位置信息，基于传染病传播机理，借助公共场所的视频监控设备提供的视频帧数据，搜索潜在被感染者；
S130，基于多目标跟踪，对所述潜在感染者进行跟踪，并结合所述潜在感染者在所述公共场所活动的时间节点确认身份。
下面，以机场航站楼为例，对本发明疫情防控期间公共区域潜在感染者追踪方法作进一步地详细说明。需要说明的是，本实施例虽然以机场航站楼为例进行说明，但本发明并非局限于机场航站楼，可扩展至汽车站、火车站、码头等设置有视频监控设备并且需要进行身份认证公共场所。
参照图2，图2示出了本实施例疫情防控期间公共区域潜在感染者追踪方法的业务流程图。
简单地说，就是病毒感染的确诊人员在离港前，根据确诊人员关联信息，（包括确诊人员个人信息和航班的运营信息），在值机区域、安检区域和候机区域，基于传染病传播机理，依据视频帧时间轴信息，定位行人特征，搜索潜在被感染人员。其中每个区域都包括三个关键点：1）确诊人员关键区域时间节点及位置信息的确认；2）基于病毒传播学机理，对潜在人员位置及图像身份的标定；3）关键区域中进行潜在被感染者身份信息的追踪及确认。在一个实施例中，可以通过如下步骤实现上述过程，参照图3。
图3示出了根据确诊人员关联信息，如何确定确诊人员在公共场所进行活动的时间节点，以及与时间节点匹配的位置信息。也就是说，如何确定病毒感染的确诊者在关键区域的运动位置。
步骤S310，查询确诊人员的身份信息和航班信息；
步骤S320，依据身份信息和航班信息，确定该确诊人员在机场航站楼的值机区域、安检区域和候机区域三个时间节点；
步骤S330，建立确诊者信息集合
Figure 815421DEST_PATH_IMAGE012
，其中，
Figure 57046DEST_PATH_IMAGE013
身份信息中的一种表现形式，指的是面部信息，
Figure 925645DEST_PATH_IMAGE014
指的是航班信息，
Figure 569116DEST_PATH_IMAGE015
代表时间序列集合，其中包含A的值机时间
Figure 169861DEST_PATH_IMAGE016
，安检时间
Figure 836466DEST_PATH_IMAGE017
，登机检票时间
Figure 446439DEST_PATH_IMAGE018
，具体表示为：
Figure 272313DEST_PATH_IMAGE019
步骤S340，通过时间节点及值机柜台、安检通道、候机检票柜台确认对应的摄像头ID；
步骤S350，根据摄像头ID提取
Figure 778380DEST_PATH_IMAGE015
时间节点的视频帧。
步骤S360，对视频帧中的行人进行检测，并提取病毒感染确诊者确认者。该步骤中可以通过如下方式完成：
提取确诊者在不同时间节点不同视频帧中的位置及特征，构建特征空间；
基于移动距离和轨迹概率构建空间概率特征；
基于特征空间以及空间概率特征，判断相邻时间点的不同视频帧中确诊者的相似度，当相似度大于给定阈值时，以视频帧中的确诊者为基础继续进行追踪，直至跟踪至确诊者的进行登记的节点时，对确诊者进行确认。
其上述确认方式在下面涉及潜在被感染者（B类人）时还会做进一步地说明，故在此不再赘述。相关之处，参照下文说明即可。
下面对S120进行说明。也就是，根据确诊人员在公共场所的时间节点与位置信息，基于传染病传播机理，借助公共场所的视频监控设备提供的视频帧数据，如何搜索潜在被感染者。具体来说，参照图4，包括如下步骤：
步骤S410，在确认病毒感染者A的位置的基础上，以A在三个区域的位置为圆心O，以传染病传播的范围为半径映射到视频帧的距离为半径，构建圆形区域，所在圆形区域中的行人可确定为B类人员，也就是潜在的被感染者，此时B类人员的位置记为
Figure 260177DEST_PATH_IMAGE020
,，其所在的视频帧图像的时间为
Figure 345945DEST_PATH_IMAGE021
；
步骤420，以确认病毒感染者A所在的视频帧为起始视频帧，其在三个区域的时间为
Figure 698429DEST_PATH_IMAGE022
，对A在
Figure 640977DEST_PATH_IMAGE022
时间节点前、后进行追踪，直至其所在位置
Figure 406808DEST_PATH_IMAGE002
满足以下关系：
Figure 358583DEST_PATH_IMAGE001
其中
Figure 565574DEST_PATH_IMAGE004
代表的是实际中传染病传播的距离映射到视频帧中的距离。
步骤S430，以
Figure 882285DEST_PATH_IMAGE002
为圆心，
Figure 73095DEST_PATH_IMAGE004
继续构建圆形区域，确定B类人员
Figure 625299DEST_PATH_IMAGE023
,
步骤S440，重复步骤2、步骤3，直至所有的B类人员确认。
下面，对步骤S130做进一步地说明。在一个实施例中，基于潜在被感染者进行追踪并进行身份确认可以通过如下步骤实现：
i以提取的
Figure 952376DEST_PATH_IMAGE024
时间节点的视频帧为起始点确定
Figure 502306DEST_PATH_IMAGE020
的位置及特征；
ii提取并构建此视频帧中
Figure 852516DEST_PATH_IMAGE020
的特征金字塔，构成特征空间；
iii构建空间概率特征，主要指移动的距离、轨迹概率，对其进行跟踪；
iv跟踪至值机、安检、或者候机检票处，根据节点时间确认B类人员的身份信息。
本实施例基于机场航站楼现有的监视环境，在确诊者身份确认的基础上，主动寻找公共场所中与确诊人员关联的潜在被感染者，并确定其身份。经过数据测试，其精度可以达到80%以上，在很大程度上解决了公共交通场所潜在被感染人员的寻找及确认，对疫情的防控发挥重要的作用。
下面结合一个更加具体的实施例，对本发明疫情防控期间公共区域潜在感染者追踪方法进行说明。本实例选择航站楼安检区域为例进行说明。
步骤1：根据确诊人员A的关联信息，确定确诊人员A在机场航站楼进行活动的时间节点，以及与所述时间节点匹配的位置信息。
具体地，根据确诊者A的身份信息和航班信息，确认其出现在安检通道的位置以及时间，设其出现在某机场安检区域进行检票的时间为11:23，出现的安检通道号为10。
根据时间节点11:23及安检通道10，调取视频帧，获取其中的一帧图像。然后，将该帧图像进行分块，利用现有技术中的RCNN模型对行人进行检测，并将行人进行编号。参照图5所示。根据检票位置，确定确诊人员A，其在图像中的编号为45，图中标记有A的框为确诊人员A。
步骤2，根据确诊人员A在航站楼安检区域的时间节点与位置信息，基于传染病传播机理，借助航站楼安检区域的视频监控设备提供的视频帧数据，搜索潜在被感染者，也就是B类人员。
根据传染病的传播机理，设其在m米范围之内，停留时间为t的条件下均可以认为其为潜在感染者B。
设安检区域检票柜台行人站立的安全距离为d，映射到图片中的距离为y，y定义为基准距离，为后续半径计算提供基础依据；
根据影视透视模型，三维空间中的距离变化与二维空间中的距离变化存在比例关系，设
Figure 146094DEST_PATH_IMAGE025
。
此时根据确诊者A在图片中的位置，m映射到此图相中的大小为ma。
在视频帧中构建以确诊者A所在位置为圆心，ma为半径的圆 ，如图6所示。图6为以确诊人员为圆心构建平面圆，确定第一批潜在感染人员的示意图。其中，m=1米，a=0.05。图6中圆
Figure 327676DEST_PATH_IMAGE026
区域中的人员即为第一批寻找的潜在感染者
Figure 110824DEST_PATH_IMAGE027
的位置，其在图6中的编号为19和30。
接下来，利用历史数据对确诊人员A出现在此位置之前的轨迹进行倒序跟踪，并在确诊人员A出现的之前的下一个位置为圆心构建圆
Figure 276227DEST_PATH_IMAGE011
，圆
Figure 842337DEST_PATH_IMAGE026
与圆
Figure 81689DEST_PATH_IMAGE011
相切，圆
Figure 973421DEST_PATH_IMAGE011
的半径计算按照如图7所示的模型进行计算。
在图7中，
Figure 94961DEST_PATH_IMAGE028
代表确诊者在圆
Figure 792659DEST_PATH_IMAGE011
中的位置及对应的建立的二维坐标系下y轴值，
Figure 214413DEST_PATH_IMAGE029
代表其在圆
Figure 214730DEST_PATH_IMAGE011
位置的X轴的值，其参考线的坐标为
Figure 823566DEST_PATH_IMAGE030
，
Figure 997058DEST_PATH_IMAGE031
及
Figure 335635DEST_PATH_IMAGE032
分别代表确诊者在圆
Figure 303591DEST_PATH_IMAGE026
中的位置，则其在图像中所占的像素点（面积）
Figure 665303DEST_PATH_IMAGE033
与
Figure 580169DEST_PATH_IMAGE034
满足下述关系：
Figure 976515DEST_PATH_IMAGE035
设
Figure 443269DEST_PATH_IMAGE011
的半径为
Figure 26697DEST_PATH_IMAGE036
，圆
Figure 745254DEST_PATH_IMAGE026
的半径为
Figure 730528DEST_PATH_IMAGE037
，
Figure 305865DEST_PATH_IMAGE036
的计算公式为：
Figure 438906DEST_PATH_IMAGE038
Figure 757892DEST_PATH_IMAGE037
与
Figure 800935DEST_PATH_IMAGE036
满足下述关系：
Figure 281595DEST_PATH_IMAGE039
根据上述方法，确定圆
Figure 105194DEST_PATH_IMAGE011
。进而确定圆
Figure 24609DEST_PATH_IMAGE011
中的潜在被感染人员。参照图8。图8示出了与圆O外切的圆
Figure 250054DEST_PATH_IMAGE011
中的第二批潜在感染人员的示意图。
重复圆
Figure 901615DEST_PATH_IMAGE026
至圆
Figure 884614DEST_PATH_IMAGE011
的方式，根据感染者A的运动轨迹，确认所有潜在感染人员也就是B类人员的位置。
步骤3，基于潜在被感染者进行追踪并进行身份确认。在本实施例中，是基于多目标跟踪技术的潜在感染者的轨迹描述及身份确认。
如上所述，圆
Figure 545403DEST_PATH_IMAGE026
中的感染者位置已经确认，其编号为19、30。对潜在感染者的追踪技术对于确诊者同样适用。
将
Figure 687671DEST_PATH_IMAGE040
时间的视频帧输入至现有技术中的mask-RCNN网络，提取编号为19、30的人员的特征，并构建其特征金字塔，构建特征空间。特征金字塔的使用可以促使更多高级语义信息被检测到。设其特征空间为：
Figure 775713DEST_PATH_IMAGE041
参照图9，图9为特征金字塔的示意图。图9中每一层的语义信息由下至上从低至高，语义越来越强，检测到的信息越来越高级，挖掘到的图片信息越深入。
对
Figure 42746DEST_PATH_IMAGE024
+1帧图像进行行人检测，同样构建其特征金字塔。记为：
Figure 444909DEST_PATH_IMAGE042
根据安检区域的地理位置特征，行人的空间运动方向具有确定性，其在运动向不同的方向的概率不同，设其在不同方向的运动概率为
Figure 379367DEST_PATH_IMAGE043
（
Figure 372730DEST_PATH_IMAGE043
为统计经验值，例如：对于安检口，行人朝安检口运动的概率大于其它方向的概率值）。因此衡量两者之间的相似度（
Figure 454956DEST_PATH_IMAGE044
）定义为：
Figure 723126DEST_PATH_IMAGE045
为了减少其计算量，在实际相似度的计算中，使用对应层次的特征进行相似度的计算，如下：
Figure 449774DEST_PATH_IMAGE046
最终：
Figure 879618DEST_PATH_IMAGE047
且在实际运用中，
Figure 449140DEST_PATH_IMAGE009
由此以来，可以避免整体特征进行计算的冗余性，进一步提高了在实际应用中计算速度。
根据此相似度，确认潜在感染者在
Figure 989842DEST_PATH_IMAGE024
+1帧中的位置，以此为跟踪，直至其位置为安检通道的检票柜台，根据检票信息，确认潜在感染者B的身份，并上报。
在一个实施例中，在步骤1中，也采用上述基于相似度的方式确定对确诊人员A在安检区域的身份不断进行核实。算法相同，在此不再赘述。
需要说明的是，上述实施例是以安检区域为例，说明潜在感染者B的身份是如何确认的，没有涉及值机区域和候机区域，但这两个区域其中潜在感染者B的身份确认方法与该实施例相同，在此不再赘述。具体实施时，针对确诊人员，在值机区域获得潜在被感染者为第一集合，在安检区域获得潜在被感染者为第二集合；在候机区域获得的潜在被感染者为第三集合；则将第一集合、第二集合与第三集合的并集作为潜在被感染者。
本实施例基于公共场所（例如机场航站楼）现有的监视环境，在确诊者身份确认的基础上，主动寻找公共场所中与确诊人员关联的潜在被感染者，并确定其身份。经过数据测试，其精度可以达到80%以上，在很大程度上解决了公共交通场所潜在被感染人员的寻找及确认，对疫情的防控发挥重要的作用。
第二方面，本发明还提供了一种疫情防控期间公共场所潜在被感染者追踪装置。参照图10所示，包括：
确诊人员搜索模块1001，用于根据确诊人员关联信息，确定所述确诊人员在公共场所进行活动的时间节点，以及与所述时间节点匹配的位置信息；
潜在被感染者搜索模块1002，用于根据所述确诊人员在公共场所的时间节点与位置信息，基于传染病传播机理，借助所述公共场所的视频监控设备提供的视频帧数据，搜索潜在被感染者；
潜在被感染者身份确认模块1003，用于基于多目标跟踪，对所述潜在感染者进行跟踪，并结合所述潜在感染者在所述公共场所活动的时间节点确认身份。
需要说明的是，疫情防控期间公共场所潜在被感染者追踪装置与疫情防控期间公共场所潜在被感染者追踪方法原理相同，上文已经对疫情防控期间公共场所潜在被感染者追踪方法做了说明，相关之处相互参考即可，本发明在此不做赘述。
此外，本发明实施例还提供了一种疫情防控期间公共场所潜在被感染者追踪系统，该系统包括：少一个处理器；以及，与该至少一个处理器通信连接的存储器；其中，该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行前述方法实施例中疫情防控期间公共场所潜在被感染者追踪方法。
上文已经对疫情防控期间公共场所潜在被感染者追踪方法做了说明，相关之处相互参考即可，本发明在此不做赘述。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种疫情期间公共场所潜在被感染者追踪方法，其特征在于，包括如下步骤：
根据确诊人员关联信息，确定所述确诊人员在公共场所进行活动的时间节点，以及与所述时间节点匹配的位置信息；
根据所述确诊人员在公共场所的时间节点与位置信息，基于传染病传播机理，借助所述公共场所的视频监控设备提供的视频帧数据，搜索潜在被感染者；
基于多目标跟踪，对所述潜在感染者进行跟踪，并结合所述潜在感染者在所述公共场所活动的时间节点确认身份。
2.根据权利要求1所述的追踪方法，其特征在于，
所述确诊人员关联信息包括：确诊人员身份信息和所乘交通工具的运营信息；并且，确定所述确诊人员在公共场所的位置信息包括如下步骤：
根据所述确诊人员在公共场所进行活动所对应的时间节点，确定公共场所中对应的视频监控设备；
接收在所述视频监控设备中所提取的各个时间节点的视频帧；
在所述视频帧中，对所述确诊者进行检测、提取并持续进行跟踪确认。
3.根据权利要求2所述的追踪方法，其特征在于，在所述视频帧中，对所述确诊者进行检测及提取并持续进行跟踪确认，包括：
提取确诊者在不同时间节点不同视频帧中的位置及特征，构建特征空间；
基于移动距离和轨迹概率构建空间概率特征；
基于所述特征空间以及空间概率特征，判断相邻时间点的不同视频帧中确诊者的相似度，当相似度大于给定阈值时，以视频帧中的确诊者为基础继续进行追踪，直至描述完所述确诊者在公共场所的所有位置，对所述的确诊者在公共场所的轨迹进行确认。
4.根据权利要求3所述的追踪方法，其特征在于，所述基于传染病传播机理，借助所述公共场所的视频监控设备提供的视频帧数据，搜索潜在被感染者包括：
在所述视频帧中，以所述确诊者的位置为圆心，将给定的传染病传播范围映射到视频帧中的距离后，以该距离为半径构建圆形区域；
将所述圆形区域中的行人确定为潜在被感染者；
将所述确诊者当前的视频帧作为起始视频帧，对该视频帧所对应的时间节点向前、向后进行追踪，直至所述确诊者所在的位置满足：
Figure 965321DEST_PATH_IMAGE001
其中，
Figure 839736DEST_PATH_IMAGE002
表示所述确诊者当前所在的位置，
Figure 216491DEST_PATH_IMAGE003
为所述确诊者在其运动轨迹的另一个位置；
以
Figure 492751DEST_PATH_IMAGE002
为圆心，
Figure 460707DEST_PATH_IMAGE004
为半径，继续构建圆形区域，再次搜索潜在的被感染者；
重复上述步骤，直至搜索到该公共场所中所有的被感染者。
5.根据权利要求4所述的追踪方法，其特征在于，所述基于多目标跟踪，对所述潜在感染者进行跟踪，并结合所述潜在感染者在所述公共场所活动的时间节点确认身份，包括如下步骤：
提取搜索到的潜在被感染者在不同时间节点不同视频帧中的位置及特征，构建特征空间；
基于移动距离和轨迹概率构建空间概率特征；
基于所述特征空间以及空间概率特征，判断相邻时间点的不同视频帧中潜在被感染者的相似度，当相似度大于给定阈值时，以视频帧中的潜在被感染者为基础继续进行追踪，直至跟踪至所述潜在被感染者的进行登记的节点时，确认所述潜在被感染者的身份并上报。
6.根据权利要求5所述的追踪方法，其特征在于，
所述提取确诊者在不同时间节点不同视频帧中的位置及特征后，还包括构建特征金字塔，依据所述特征金字塔确定所述特征空间；以及
所述提取搜索到的潜在被感染者在不同时间节点不同视频帧中的位置及特征后，也包括构建特征金字塔，依据所述特征金字塔确定所述构建特征空间。
7.根据权利要求6所述的追踪方法，其特征在于，
基于所述确诊者或所述潜在被感染者基于视频帧获得的特征空间以及空间概率特征，判断相邻时间点的不同视频帧中确诊者或潜在被感染者的相似度为：
令第i时刻从视频帧中提取的特征金字塔构建的特征空间为
Figure 884735DEST_PATH_IMAGE005
令第j=i+1时刻从视频帧中提取的特征金字塔构建的特征空间为
Figure 596339DEST_PATH_IMAGE006
令所述确诊者或所述潜在被感染者在不同方向的空间概率特征为
Figure 930369DEST_PATH_IMAGE007
则不同视频帧中确诊者或潜在被感染者的相似度通过如下方式计算：
Figure 69226DEST_PATH_IMAGE008
其中，Q为不同视频帧中确诊者的相似度或不同视频帧中，潜在被感染者的相似度，i和j均为自然数，在实际应用中，
Figure 246130DEST_PATH_IMAGE009
。
8.一种疫情期间公共场所潜在被感染者追踪方法，其特征在于，
所述公共场所为航站楼；
将所述航站楼划分为值机区域、安检区域和候机区域；
基于所述值机区域、所述安检区域和所述候机区域执行如权利要求1至7中任一项所述的疫情期间公共场所潜在被感染者追踪方法；
针对所述确诊人员，在所述值机区域获得潜在被感染者为第一集合，在所述安检区域获得潜在被感染者为第二集合；在所述候机区域获得的潜在被感染者为第三集合；
则将所述第一集合、所述第二集合与所述第三集合的并集作为潜在被感染者。
9.一种疫情期间公共场所潜在被感染者追踪装置，其特征在于，包括：
确诊人员搜索模块，用于根据确诊人员关联信息，确定所述确诊人员在公共场所进行活动的时间节点，以及与所述时间节点匹配的位置信息；
潜在被感染者搜索模块，用于根据所述确诊人员在公共场所的时间节点与位置信息，基于传染病传播机理，借助所述公共场所的视频监控设备提供的视频帧数据，搜索潜在被感染者；
潜在被感染者身份确认模块，用于基于多目标跟踪，对所述潜在感染者进行跟踪，并结合所述潜在感染者在所述公共场所活动的时间节点确认身份。
10.一种疫情期间公共场所潜在被感染者追踪系统，其特征在于，包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行前述任一权利要求1至9中任一项所述的疫情期间公共场所潜在被感染者追踪方法。
CN202010154976.XA 2020-03-09 2020-03-09 疫情期间公共场所潜在被感染者追踪方法、装置及系统 Active CN111027525B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN202010154976.XA CN111027525B (zh) 2020-03-09 2020-03-09 疫情期间公共场所潜在被感染者追踪方法、装置及系统
JP2020542373A JP6980928B2 (ja) 2020-03-09 2020-03-24 疫病期間中の公共場所における潜在感染者の追跡方法、装置及びシステム
PCT/CN2020/080855 WO2020114528A2 (zh) 2020-03-09 2020-03-24 疫情期间公共场所潜在被感染者追踪方法、装置及系统
US17/979,782 US20230121997A1 (en) 2020-03-09 2022-11-03 Method, device and system for tracking potential infected persons in public place during epidemic period

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010154976.XA CN111027525B (zh) 2020-03-09 2020-03-09 疫情期间公共场所潜在被感染者追踪方法、装置及系统

Publications (2)

Publication Number Publication Date
CN111027525A true CN111027525A (zh) 2020-04-17
CN111027525B CN111027525B (zh) 2020-06-30

Family

ID=70199437

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010154976.XA Active CN111027525B (zh) 2020-03-09 2020-03-09 疫情期间公共场所潜在被感染者追踪方法、装置及系统

Country Status (4)

Country Link
US (1) US20230121997A1 (zh)
JP (1) JP6980928B2 (zh)
CN (1) CN111027525B (zh)
WO (1) WO2020114528A2 (zh)

Cited By (39)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111369721A (zh) * 2020-05-26 2020-07-03 浙江宇视科技有限公司 一种检疫方法、闸机单元和闸机系统
CN111461677A (zh) * 2020-04-27 2020-07-28 深圳市城市公共安全技术研究院有限公司 疫情期间人员管理方法、装置、终端及存储介质
CN111627564A (zh) * 2020-05-25 2020-09-04 日立楼宇技术（广州）有限公司 用户检测模型的训练及检测方法、装置、设备和存储介质
CN111695472A (zh) * 2020-06-02 2020-09-22 广州市泰睿科技有限公司 一种辅助进行信息快速录入的方法、电子设备及存储介质
CN111695048A (zh) * 2020-05-09 2020-09-22 珠海中科先进技术研究院有限公司 疫情溯源方法及介质
CN111711676A (zh) * 2020-06-04 2020-09-25 中国联合网络通信集团有限公司 传染病患者的室内密切接触者的确认方法及服务器
CN111710424A (zh) * 2020-06-19 2020-09-25 浙江新芮信息科技有限公司 餐饮人员健康监测方法、设备和计算机可读存储介质
CN111711925A (zh) * 2020-06-04 2020-09-25 中国联合网络通信集团有限公司 一种密切接触者判断方法及装置
CN111737585A (zh) * 2020-08-07 2020-10-02 中航信移动科技有限公司 位置的选择方法、装置、计算机设备及存储介质
CN111798354A (zh) * 2020-06-17 2020-10-20 广州通达汽车电气股份有限公司 一种公共交通的乘车人员信息管理方法及装置
CN111798353A (zh) * 2020-06-17 2020-10-20 广州通达汽车电气股份有限公司 一种公共交通的信息通知方法及装置
CN111798342A (zh) * 2020-07-07 2020-10-20 德能森智能科技(无锡)有限公司 一种基于云平台的智慧社区系统
CN111818450A (zh) * 2020-07-01 2020-10-23 中国医学科学院生物医学工程研究所 人员定位方法、装置、设备及存储介质
CN111816320A (zh) * 2020-04-22 2020-10-23 杭州溪塔科技有限公司 基于区块链的病患接触者匹配方法及系统
CN111812688A (zh) * 2020-06-05 2020-10-23 中南大学湘雅二医院 一种基于gps的呼吸道传染病潜在携带者追踪方法
CN111863270A (zh) * 2020-05-20 2020-10-30 京东城市(北京)数字科技有限公司 疾病传染概率确定方法、装置、系统及存储介质
CN111885502A (zh) * 2020-06-28 2020-11-03 华东师范大学 一种保护隐私的疫情防控预警与追溯系统及方法
CN111885498A (zh) * 2020-07-13 2020-11-03 中国联合网络通信集团有限公司 一种应急响应等级的预测方法及预测装置
CN111901753A (zh) * 2020-06-04 2020-11-06 中国联合网络通信集团有限公司 一种基于区块链的传染病密切接触者确定方法及区块链节点
CN112037927A (zh) * 2020-08-24 2020-12-04 北京金山云网络技术有限公司 与被追踪人关联的同行人确定方法、装置及电子设备
CN112135261A (zh) * 2020-09-23 2020-12-25 维沃移动通信有限公司 潜在感染者确定方法、装置、电子设备和存储介质
CN112153575A (zh) * 2020-09-27 2020-12-29 深圳前海微众银行股份有限公司 一种接触者追踪方法、装置、设备及存储介质
CN112382400A (zh) * 2020-07-02 2021-02-19 浙江宇视科技有限公司 一种疫情防控方法、装置、电子设备和存储介质
CN112530600A (zh) * 2020-05-26 2021-03-19 第四范式（北京）技术有限公司 传染病的溯源方法、装置、电子设备及存储介质
CN112635073A (zh) * 2020-12-18 2021-04-09 四川省疾病预防控制中心 一种密切接触者排查方法、装置、计算机设备及存储介质
US10991190B1 (en) 2020-07-20 2021-04-27 Abbott Laboratories Digital pass verification systems and methods
CN112735605A (zh) * 2021-01-22 2021-04-30 中国银行股份有限公司 人员密切接触识别追踪分析方法及装置
CN113132912A (zh) * 2021-04-12 2021-07-16 东南大学 基于人地数字画像的传染病密接者的双重追溯方法及系统
CN113327103A (zh) * 2021-08-03 2021-08-31 深圳市知酷信息技术有限公司 智慧校园疫情在线监测预警方法、系统及存储介质
CN113539512A (zh) * 2021-07-21 2021-10-22 医渡云（北京）技术有限公司 传染病传播趋势的预测方法及装置、存储介质、电子设备
CN113538678A (zh) * 2021-07-28 2021-10-22 视伴科技(北京)有限公司 一种确定潜在目标人的方法及装置
CN113539513A (zh) * 2021-08-03 2021-10-22 卫宁健康科技集团股份有限公司 患者行踪追溯方法、系统、计算机设备及存储介质
CN113643824A (zh) * 2021-07-19 2021-11-12 南京理工大学 基于γ-疑似感染社区模型的疑似流行病感染人员检测方法
CN113793690A (zh) * 2021-08-31 2021-12-14 医渡云（北京）技术有限公司 传染病的区域风险评估方法、装置、存储介质及设备
CN113852916A (zh) * 2020-06-26 2021-12-28 丰田自动车株式会社 信息处理系统、信息处理方法以及记录介质
CN113873441A (zh) * 2020-06-30 2021-12-31 香港科技大学 接触者追踪的方法及相应的处理方法、系统、设备和介质
CN113938835A (zh) * 2020-07-13 2022-01-14 华为技术有限公司 一种确定密切接触终端设备的方法及装置
CN114067935A (zh) * 2021-11-03 2022-02-18 广西壮族自治区通信产业服务有限公司技术服务分公司 一种流行病调查方法、系统、电子设备及存储介质
CN115187916A (zh) * 2022-09-13 2022-10-14 太极计算机股份有限公司 基于时空关联的建筑内疫情防控方法、装置、设备和介质

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210391089A1 (en) * 2020-06-15 2021-12-16 Honeywell International Inc. Methods and systems for reducing a risk of spread of an illness in a building
CN112367622A (zh) * 2020-11-04 2021-02-12 南京科技职业学院 一种用于紧急公共卫生事件预警的方法
CN113365211A (zh) * 2021-04-19 2021-09-07 中科劲点（北京）科技有限公司 基于活动轨迹的疫情预报方法及其装置、介质及电子设备
CN117476250B (zh) * 2023-12-21 2024-03-12 华侨大学 基于多目标跟踪的流行病调查预测方法、装置及可读介质

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030204130A1 (en) * 2002-04-26 2003-10-30 The Regents Of The University Of California Early detection of contagious diseases
CN1567329A (zh) * 2003-06-25 2005-01-19 北京行者华视网络系统集成技术有限公司 无污染健康身份证明和健康申报的方法和装置
CN101999888A (zh) * 2010-12-01 2011-04-06 北京航空航天大学 一种对体温异常者进行检测与搜寻的疫情防控系统
JP2011142558A (ja) * 2010-01-08 2011-07-21 Fujitsu Ltd イメージセンサおよび撮像システム
CN103970977A (zh) * 2013-02-06 2014-08-06 翦宜军 疫情监控的方法
CN107239655A (zh) * 2017-05-26 2017-10-10 陈明福 一种在线健康证明文件的识别方法
KR101806521B1 (ko) * 2016-06-08 2017-12-07 (주)에코비즈 열화상 카메라를 이용하는 가축의 방역 시스템
CN207067411U (zh) * 2017-08-02 2018-03-02 长沙九兴动物防检用品有限公司 一种用于畜禽防疫的智能跟踪脚标装置
CN108027431A (zh) * 2015-09-09 2018-05-11 Cpg技术有限责任公司 对象识别系统及方法
CN108615214A (zh) * 2018-05-17 2018-10-02 邵春芝 出入境口岸旅客卫生检疫系统及操作方法
CN108700468A (zh) * 2017-09-29 2018-10-23 深圳市大疆创新科技有限公司 对象检测方法、对象检测终端及计算机可读介质
CN108812407A (zh) * 2018-05-23 2018-11-16 平安科技（深圳）有限公司 动物健康状态监测方法、设备及存储介质
CN109036579A (zh) * 2018-08-22 2018-12-18 泰康保险集团股份有限公司 基于区块链的信息预测方法、装置、介质及电子设备
CN110197502A (zh) * 2019-06-06 2019-09-03 山东工商学院 一种基于身份再识别的多目标跟踪方法及系统
CN110717414A (zh) * 2019-09-24 2020-01-21 青岛海信网络科技股份有限公司 一种目标检测追踪方法、装置及设备
CN110771064A (zh) * 2018-09-28 2020-02-07 深圳市大疆创新科技有限公司 一种估计方法、监听设备及计算机可读存储介质

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012118775A (ja) * 2010-12-01 2012-06-21 Nec Casio Mobile Communications Ltd 食中毒管理システム、食中毒管理方法および食中毒管理プログラム
CN103259962B (zh) * 2013-04-17 2016-02-17 深圳市捷顺科技实业股份有限公司 一种目标追踪方法和相关装置
CN103310013A (zh) * 2013-07-02 2013-09-18 北京航空航天大学 一种面向主题的网页采集系统
CN105740615B (zh) * 2016-01-28 2018-10-16 中山大学 利用手机轨迹追踪传染源和预测传染病流行趋势的方法
KR101885031B1 (ko) * 2017-05-24 2018-08-03 서울시립대학교 산학협력단 교통 네트워크에 기반하여 질병 위험 지역을 감시하고 정보를 제공하는 장치 및 방법
CN109360660A (zh) * 2018-10-31 2019-02-19 河南省疾病预防控制中心 一种疾控与出行信息互联的防控方法及防控系统

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030204130A1 (en) * 2002-04-26 2003-10-30 The Regents Of The University Of California Early detection of contagious diseases
CN1567329A (zh) * 2003-06-25 2005-01-19 北京行者华视网络系统集成技术有限公司 无污染健康身份证明和健康申报的方法和装置
JP2011142558A (ja) * 2010-01-08 2011-07-21 Fujitsu Ltd イメージセンサおよび撮像システム
CN101999888A (zh) * 2010-12-01 2011-04-06 北京航空航天大学 一种对体温异常者进行检测与搜寻的疫情防控系统
CN103970977A (zh) * 2013-02-06 2014-08-06 翦宜军 疫情监控的方法
CN108027431A (zh) * 2015-09-09 2018-05-11 Cpg技术有限责任公司 对象识别系统及方法
KR101806521B1 (ko) * 2016-06-08 2017-12-07 (주)에코비즈 열화상 카메라를 이용하는 가축의 방역 시스템
CN107239655A (zh) * 2017-05-26 2017-10-10 陈明福 一种在线健康证明文件的识别方法
CN207067411U (zh) * 2017-08-02 2018-03-02 长沙九兴动物防检用品有限公司 一种用于畜禽防疫的智能跟踪脚标装置
CN108700468A (zh) * 2017-09-29 2018-10-23 深圳市大疆创新科技有限公司 对象检测方法、对象检测终端及计算机可读介质
CN108615214A (zh) * 2018-05-17 2018-10-02 邵春芝 出入境口岸旅客卫生检疫系统及操作方法
CN108812407A (zh) * 2018-05-23 2018-11-16 平安科技（深圳）有限公司 动物健康状态监测方法、设备及存储介质
CN109036579A (zh) * 2018-08-22 2018-12-18 泰康保险集团股份有限公司 基于区块链的信息预测方法、装置、介质及电子设备
CN110771064A (zh) * 2018-09-28 2020-02-07 深圳市大疆创新科技有限公司 一种估计方法、监听设备及计算机可读存储介质
CN110197502A (zh) * 2019-06-06 2019-09-03 山东工商学院 一种基于身份再识别的多目标跟踪方法及系统
CN110717414A (zh) * 2019-09-24 2020-01-21 青岛海信网络科技股份有限公司 一种目标检测追踪方法、装置及设备

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
BRADOU 等: "Modern approach to infectious disease management using infrared themal camera scanning for fever in healthcare settings", 《JOURNAL OF INFECTION》 *
廖彦杰 等: "一种对高温人群快速监测与搜寻的智能疫情防控系统", 《电子元器件与信息技术》 *
张婧婍: "对罗湖口岸传染病医学排查方式的改进研究", 《中国优秀硕士学位论文全文数据库-医药卫生科技辑》 *
陈静 等: "视频监控在埃博拉病毒出血热防控中的应用", 《解放军医院管理杂志》 *

Cited By (54)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111816320A (zh) * 2020-04-22 2020-10-23 杭州溪塔科技有限公司 基于区块链的病患接触者匹配方法及系统
CN111461677A (zh) * 2020-04-27 2020-07-28 深圳市城市公共安全技术研究院有限公司 疫情期间人员管理方法、装置、终端及存储介质
CN111695048B (zh) * 2020-05-09 2023-06-02 珠海中科先进技术研究院有限公司 疫情溯源方法及介质
CN111695048A (zh) * 2020-05-09 2020-09-22 珠海中科先进技术研究院有限公司 疫情溯源方法及介质
CN111863270A (zh) * 2020-05-20 2020-10-30 京东城市(北京)数字科技有限公司 疾病传染概率确定方法、装置、系统及存储介质
CN111627564A (zh) * 2020-05-25 2020-09-04 日立楼宇技术（广州）有限公司 用户检测模型的训练及检测方法、装置、设备和存储介质
CN112530600A (zh) * 2020-05-26 2021-03-19 第四范式（北京）技术有限公司 传染病的溯源方法、装置、电子设备及存储介质
CN111369721A (zh) * 2020-05-26 2020-07-03 浙江宇视科技有限公司 一种检疫方法、闸机单元和闸机系统
CN111695472A (zh) * 2020-06-02 2020-09-22 广州市泰睿科技有限公司 一种辅助进行信息快速录入的方法、电子设备及存储介质
CN111711676A (zh) * 2020-06-04 2020-09-25 中国联合网络通信集团有限公司 传染病患者的室内密切接触者的确认方法及服务器
CN111711925A (zh) * 2020-06-04 2020-09-25 中国联合网络通信集团有限公司 一种密切接触者判断方法及装置
CN111901753A (zh) * 2020-06-04 2020-11-06 中国联合网络通信集团有限公司 一种基于区块链的传染病密切接触者确定方法及区块链节点
CN111711676B (zh) * 2020-06-04 2021-12-10 中国联合网络通信集团有限公司 传染病患者的室内密切接触者的确认方法及服务器
CN111812688A (zh) * 2020-06-05 2020-10-23 中南大学湘雅二医院 一种基于gps的呼吸道传染病潜在携带者追踪方法
CN111798353A (zh) * 2020-06-17 2020-10-20 广州通达汽车电气股份有限公司 一种公共交通的信息通知方法及装置
CN111798354A (zh) * 2020-06-17 2020-10-20 广州通达汽车电气股份有限公司 一种公共交通的乘车人员信息管理方法及装置
CN111710424A (zh) * 2020-06-19 2020-09-25 浙江新芮信息科技有限公司 餐饮人员健康监测方法、设备和计算机可读存储介质
CN113852916B (zh) * 2020-06-26 2024-04-05 丰田自动车株式会社 信息处理系统、信息处理方法以及记录介质
CN113852916A (zh) * 2020-06-26 2021-12-28 丰田自动车株式会社 信息处理系统、信息处理方法以及记录介质
CN111885502A (zh) * 2020-06-28 2020-11-03 华东师范大学 一种保护隐私的疫情防控预警与追溯系统及方法
CN111885502B (zh) * 2020-06-28 2021-07-27 华东师范大学 一种保护隐私的疫情防控预警与追溯系统及方法
CN113873441A (zh) * 2020-06-30 2021-12-31 香港科技大学 接触者追踪的方法及相应的处理方法、系统、设备和介质
CN113873441B (zh) * 2020-06-30 2024-02-09 香港科技大学 接触者追踪的方法及相应的处理方法、系统、设备和介质
CN111818450A (zh) * 2020-07-01 2020-10-23 中国医学科学院生物医学工程研究所 人员定位方法、装置、设备及存储介质
CN112382400A (zh) * 2020-07-02 2021-02-19 浙江宇视科技有限公司 一种疫情防控方法、装置、电子设备和存储介质
CN112382400B (zh) * 2020-07-02 2024-02-13 浙江宇视科技有限公司 一种疫情防控方法、装置、电子设备和存储介质
CN111798342A (zh) * 2020-07-07 2020-10-20 德能森智能科技(无锡)有限公司 一种基于云平台的智慧社区系统
CN111885498A (zh) * 2020-07-13 2020-11-03 中国联合网络通信集团有限公司 一种应急响应等级的预测方法及预测装置
CN113938835A (zh) * 2020-07-13 2022-01-14 华为技术有限公司 一种确定密切接触终端设备的方法及装置
US11574514B2 (en) 2020-07-20 2023-02-07 Abbott Laboratories Digital pass verification systems and methods
US10991185B1 (en) 2020-07-20 2021-04-27 Abbott Laboratories Digital pass verification systems and methods
US10991190B1 (en) 2020-07-20 2021-04-27 Abbott Laboratories Digital pass verification systems and methods
US11514737B2 (en) 2020-07-20 2022-11-29 Abbott Laboratories Digital pass verification systems and methods
US11514738B2 (en) 2020-07-20 2022-11-29 Abbott Laboratories Digital pass verification systems and methods
CN111737585A (zh) * 2020-08-07 2020-10-02 中航信移动科技有限公司 位置的选择方法、装置、计算机设备及存储介质
CN111737585B (zh) * 2020-08-07 2020-11-17 中航信移动科技有限公司 位置的选择方法、装置、计算机设备及存储介质
CN112037927A (zh) * 2020-08-24 2020-12-04 北京金山云网络技术有限公司 与被追踪人关联的同行人确定方法、装置及电子设备
CN112135261A (zh) * 2020-09-23 2020-12-25 维沃移动通信有限公司 潜在感染者确定方法、装置、电子设备和存储介质
CN112153575B (zh) * 2020-09-27 2024-01-19 深圳前海微众银行股份有限公司 一种接触者追踪方法、装置、设备及存储介质
CN112153575A (zh) * 2020-09-27 2020-12-29 深圳前海微众银行股份有限公司 一种接触者追踪方法、装置、设备及存储介质
CN112635073A (zh) * 2020-12-18 2021-04-09 四川省疾病预防控制中心 一种密切接触者排查方法、装置、计算机设备及存储介质
CN112735605A (zh) * 2021-01-22 2021-04-30 中国银行股份有限公司 人员密切接触识别追踪分析方法及装置
CN113132912A (zh) * 2021-04-12 2021-07-16 东南大学 基于人地数字画像的传染病密接者的双重追溯方法及系统
CN113643824B (zh) * 2021-07-19 2024-03-26 南京理工大学 基于γ-疑似感染社区模型的疑似流行病感染人员搜索方法
CN113643824A (zh) * 2021-07-19 2021-11-12 南京理工大学 基于γ-疑似感染社区模型的疑似流行病感染人员检测方法
CN113539512A (zh) * 2021-07-21 2021-10-22 医渡云（北京）技术有限公司 传染病传播趋势的预测方法及装置、存储介质、电子设备
CN113538678A (zh) * 2021-07-28 2021-10-22 视伴科技(北京)有限公司 一种确定潜在目标人的方法及装置
CN113539513A (zh) * 2021-08-03 2021-10-22 卫宁健康科技集团股份有限公司 患者行踪追溯方法、系统、计算机设备及存储介质
CN113327103A (zh) * 2021-08-03 2021-08-31 深圳市知酷信息技术有限公司 智慧校园疫情在线监测预警方法、系统及存储介质
CN113793690A (zh) * 2021-08-31 2021-12-14 医渡云（北京）技术有限公司 传染病的区域风险评估方法、装置、存储介质及设备
CN113793690B (zh) * 2021-08-31 2024-03-12 医渡云（北京）技术有限公司 传染病的区域风险评估方法、装置、存储介质及设备
CN114067935B (zh) * 2021-11-03 2022-05-20 广西壮族自治区通信产业服务有限公司技术服务分公司 一种流行病调查方法、系统、电子设备及存储介质
CN114067935A (zh) * 2021-11-03 2022-02-18 广西壮族自治区通信产业服务有限公司技术服务分公司 一种流行病调查方法、系统、电子设备及存储介质
CN115187916A (zh) * 2022-09-13 2022-10-14 太极计算机股份有限公司 基于时空关联的建筑内疫情防控方法、装置、设备和介质

Also Published As

Publication number Publication date
US20230121997A1 (en) 2023-04-20
JP6980928B2 (ja) 2021-12-15
WO2020114528A2 (zh) 2020-06-11
CN111027525B (zh) 2020-06-30
JP2021508896A (ja) 2021-03-11
WO2020114528A3 (zh) 2021-01-14

Similar Documents

Publication Publication Date Title
CN111027525B (zh) 疫情期间公共场所潜在被感染者追踪方法、装置及系统
CN111261301B (zh) 一种大数据传染病防控方法及系统
JP2009055139A (ja) 人物追跡システム、人物追跡装置および人物追跡プログラム
Gad et al. Vision-based approach for automated social distance violators detection
Chen et al. Motion propagation detection association for multi-target tracking in wide area aerial surveillance
CN112613668A (zh) 基于人工智能的景区危险区域管控方法
JP2016085675A (ja) 移動物体追跡装置
CN113851227A (zh) 一种人员追踪方法、装置、设备
CN111666821A (zh) 人员聚集的检测方法、装置及设备
Yang et al. Network flow labeling for extended target tracking PHD filters
Pi et al. Deep learning for visual analytics of the spread of COVID-19 infection in crowded urban environments
Gupta et al. SSDT: distance tracking model based on deep learning
Chow et al. Robust object detection fusion against deception
Montero et al. Multi-camera BEV video-surveillance system for efficient monitoring of social distancing
Chauhan et al. Study of moving object detection and tracking for video surveillance
CN109977796A (zh) 尾随通行检测方法及装置
Fabbri et al. Inter-homines: Distance-based risk estimation for human safety
Su et al. A new approach for social group detection based on spatio-temporal interpersonal distance measurement
Pham et al. Fusion of wifi and visual signals for person tracking
CN116524540A (zh) 一种基于二部图的煤矿井下人数统计方法
CN115690157A (zh) 一种基于Transformer的毫米波雷达行人轨迹预测方法
Guerrieri et al. Social distance evaluation in transportation systems and other public spaces using deep learning
Shiozuka et al. Agent-based tracking method addressing target recognition errors
Anithadevi et al. An Improved SSD Object Detection Algorithm For Safe Social Distancing and Face Mask Detection In Public Areas Through Intelligent Video Analytics
Van den Berghe et al. Fusing camera and Wi-Fi sensors for opportunistic localization

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant