CN111680583A - 人群标记的方法、系统、计算机设备和可读存储介质 - Google Patents
人群标记的方法、系统、计算机设备和可读存储介质 Download PDFInfo
- Publication number
- CN111680583A CN111680583A CN202010448617.5A CN202010448617A CN111680583A CN 111680583 A CN111680583 A CN 111680583A CN 202010448617 A CN202010448617 A CN 202010448617A CN 111680583 A CN111680583 A CN 111680583A
- Authority
- CN
- China
- Prior art keywords
- detection target
- detection
- marking
- matching object
- matching
- 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
Links
Images
Classifications
-
- 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
- G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
-
- 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
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及一种人群标记的方法、系统、计算机设备和可读存储介质,其中,人群标记的方法包括:在检测图像中获取第一检测目标的活动特征,在活动特征为预设活动特征的情况下,标记第一检测目标,并通过检测图像,标记在第一检测目标的预设范围内的第二检测目标,将检测目标与人脸库进行匹配,获取检测目标的匹配对象,根据匹配对象被标记的类别,对匹配对象进行分类。通过本申请,解决了相关技术中,通过红外热成像技术对人群进行目标检测,无法确定与疑似人员有密切接触的人群的问题,实现了疫情防控过程中,对与疑似人员进行密切接触的人群的定位和追踪,提高了对疑似人员的流行病学接触史的确认效率。
Description
技术领域
本申请涉及图像处理技术领域,特别是涉及人群标记的方法、系统、计算机设备和可读存储介质。
背景技术
随着科技飞速发展,红外热成像技术在安防技术领域的运用越来越广泛。通过红外热成像技术,工作人员可以在监控画面中清晰地看到物体或者人体表面的温度分布,结合可见光图像可以准确地看到当前物体或者人体的视觉图像以及被测物体或人体的动作。在疫情防控的过程中,通过红外热成像技术对密集人员进行监控,是较为高效的监测手段。
相关技术中,通过红外热成像技术,将红外热成像与可见光图像结合,对目标进行体温监测。然而,由于传染病的传播途径主要为呼吸道飞沫和密切接触,在火车站等人群密度高的场合,虽然可以通过红外热成像和可见光图像技术确定疑似感染人员的位置,却无法确定人群中哪些人有可能被疑似人员的呼吸道飞沫所传染,也无法确定与疑似人员有密切接触的人群,同时为后续追踪传播途径带来困难。
目前针对相关技术中,通过红外热成像技术对人群进行目标检测,无法确定与疑似人员有密切接触的人群的问题,尚未提出有效的解决方案。
发明内容
本申请实施例提供了一种人群标记的方法、系统、计算机设备和计算机可读存储介质,以至少解决相关技术中通过红外热成像技术对人群进行目标检测,无法确定与疑似人员有密切接触的人群的问题。
第一方面,本申请实施例提供了一种人群标记的方法,所述方法包括:
在检测图像中获取第一检测目标的活动特征,在所述活动特征为预设活动特征的情况下,标记所述第一检测目标,并通过所述检测图像,标记在所述第一检测目标的预设范围内的第二检测目标;
将检测目标与人脸库进行匹配,获取所述检测目标的匹配对象,根据所述匹配对象被标记的类别,对所述匹配对象进行分类,其中,所述检测目标包括所述第一检测目标和所述第二检测目标,所述类别与所述预设活动特征对应。
在其中一些实施例中,在所述预设活动特征为传播飞沫的情况下,所述标记在所述第一检测目标的预设范围内的第二检测目标包括:
在所述检测图像中,根据温度变化值和气体流动值,获取所述第一检测目标产生的飞沫的覆盖范围;
标记在所述覆盖范围内的所述第二检测目标,存储所述第一检测目标与所述第二检测目标之间的对应关系。
在其中一些实施例中,所述获取第一检测目标的活动特征包括检测所述第一检测目标的体温,在得到所述体温之后,所述方法包括以下之一:
在所述体温在预设体温范围内的情况下,标记所述第一检测目标,并标记与所述第一检测目标之间的距离小于接触阈值的所述第二检测目标,存储所述第一检测目标与所述第二检测目标之间的对应关系;
在所述体温不在预设体温范围内的情况下,标记与所述第一检测目标之间的距离小于所述接触阈值的所述第二检测目标,存储所述第一检测目标与所述第二检测目标之间的对应关系。
在其中一些实施例中,所述根据所述匹配对象被标记的类别,对所述匹配对象进行分类包括:
在所述匹配对象的标记包括多个所述类别的情况下,将所述匹配对象列入高危列表;
根据所述高危列表,对所述匹配对象进行追踪。
在其中一些实施例中,在所述根据所述匹配对象被标记的类别,对所述匹配对象进行分类之后,所述方法还包括:
对比多个固定周期中,所述高危列表中的所述匹配对象的数量,根据所述数量的变化,生成增量曲线图;
根据所述固定周期确定更新频率,根据所述更新频率,增加或者删除所述增量曲线图中的数据。
在其中一些实施例中,在所述生成增量曲线图之后,所述方法还包括:
在检测画面中,显示所述增量曲线图、所述高危列表和监控画面。
在其中一些实施例中,所述将检测目标与人脸库进行匹配,获取所述检测目标的匹配对象包括:
通过红外热成像获取检测目标的人脸图,将所述检测目标的人脸图与所述人脸库中的人脸图进行匹配,在匹配成功的条件下,记录和存储与所述人脸库中的人脸图对应的检测目标,得到所述匹配对象。
第二方面,本申请实施例提供了一种人群标记的系统,所述系统包括图像获取装置和处理器:
所述图像获取装置获取检测图像,所述处理器在检测图像中获取第一检测目标的活动特征,在所述活动特征为预设活动特征的情况下,标记所述第一检测目标,并通过所述检测图像,标记在所述第一检测目标的预设范围内的第二检测目标;
所述处理器将检测目标与人脸库进行匹配,获取所述检测目标的匹配对象,根据所述匹配对象被标记的类别,对所述匹配对象进行分类,其中,所述检测目标包括所述第一检测目标和所述第二检测目标,所述类别与所述预设活动特征对应。
第三方面,本申请实施例提供了一种计算机设备,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述任一所述方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述任一所述方法。
相比于相关技术,本申请实施例提供的人群标记的方法,通过在检测图像中获取第一检测目标的活动特征,在该活动特征为预设活动特征的情况下,标记该第一检测目标,并通过该检测图像,标记在该第一检测目标的预设范围内的第二检测目标;将检测目标与人脸库进行匹配,获取该检测目标的匹配对象,根据该匹配对象被标记的类别,对该匹配对象进行分类,其中,该检测目标包括该第一检测目标和该第二检测目标,该类别与该预设活动特征对应,解决了相关技术中,通过红外热成像技术对人群进行目标检测,无法确定与疑似人员有密切接触的人群的问题,实现了疫情防控过程中,对与疑似人员进行密切接触的人群的定位和追踪,提高了对疑似人员的流行病学接触史的确认效率。
本申请的一个或多个实施例的细节在以下附图和描述中提出,以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是根据本申请实施例的人群标记的方法的应用环境示意图;
图2是根据本申请实施例的人群标记的方法的流程图;
图3是根据本申请实施例的飞沫传播情况下的人群标记的方法的流程图;
图4是根据本申请实施例的对匹配对象进行分类的方法的流程图;
图5是根据本申请实施例的高危列表的示意图;
图6是根据本申请实施例的增量曲线图的示意图;
图7是根据本申请实施例的检测画面的示意图;
图8是根据本申请优选实施例的人群标记的方法的流程图;
图9是根据本申请实施例的人群标记的系统的结构框图;
图10是根据本申请实施例的电子设备的内部结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行描述和说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。基于本申请提供的实施例,本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
显而易见地,下面描述中的附图仅仅是本申请的一些示例或实施例,对于本领域的普通技术人员而言,在不付出创造性劳动的前提下,还可以根据这些附图将本申请应用于其他类似情景。此外,还可以理解的是,虽然这种开发过程中所作出的努力可能是复杂并且冗长的,然而对于与本申请公开的内容相关的本领域的普通技术人员而言,在本申请揭露的技术内容的基础上进行的一些设计,制造或者生产等变更只是常规的技术手段,不应当理解为本申请公开的内容不充分。
在本申请中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是,本申请所描述的实施例在不冲突的情况下,可以与其它实施例相结合。
除非另作定义,本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制,可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形,意图在于覆盖不排他的包含;例如包含了一系列步骤或模块(单元)的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可以还包括没有列出的步骤或单元,或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电气的连接,不管是直接的还是间接的。本申请所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。本申请所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象,不代表针对对象的特定排序。
本申请提供的人群标记的方法,可以应用于如图1所示的应用环境中,图1是根据本申请实施例的人群标记的方法的应用环境示意图,如图1所示。其中,摄像装置102与服务器104通过网络进行通信。摄像装置102获取检测图像,服务器104在检测图像中获取第一检测目标,并获取该第一检测目标的活动特征,在该活动特征为预设活动特征的情况下,标记该第一检测目标,并通过该检测图像,标记在该第一检测目标的预设范围内的第二检测目标。服务器104将检测目标与人脸库进行匹配,获取该检测目标的匹配对象,根据该匹配对象被标记的类别,对该匹配对象进行分类,其中,该检测目标包括该第一检测目标和该第二检测目标,该类别与该预设活动特征对应。其中,服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
本实施例提供了一种人群标记的方法,图2是根据本申请实施例的人群标记的方法的流程图,如图2所示,该方法包括如下步骤:
步骤S201,在检测图像中获取第一检测目标,并获取该第一检测目标的活动特征,在该活动特征为预设活动特征的情况下,标记该第一检测目标,并通过该检测图像,标记在该第一检测目标的预设范围内的第二检测目标。
本实施例中的检测图像,可以为红外热成像,也可以为可见光图像,还可以将红外热成像与可见光图像进行结合,该检测图像可以由监控设备的摄像装置得到,也可以由其他具有摄像或者拍照功能的电子设备得到,第一检测目标和第二检测目标均为高密度人群场景下的检测目标,本实施例中的高密度人群场景可以为火车站、飞机场、商场或者电影院等等。
本实施例中的活动特征包括行为特征和生理特征,预设活动特征为与疾病感染症状相关的活动特征,例如打喷嚏、咳嗽或者体温等等,该预设活动特征可以通过对可见光图像进行识别得到。预设范围为可能发生人传人感染的范围,例如,可以根据疾病的传染强度设置预设接触范围为0.5米或者1米,在该预设范围中的检测目标为第二检测目标。
步骤S202,将检测目标与人脸库进行匹配,获取该检测目标的匹配对象,根据该匹配对象被标记的类别,对该匹配对象进行分类,其中,该检测目标包括该第一检测目标和该第二检测目标,类别与预设活动特征对应。
本实施例中,将检测目标的人脸图与人脸库中的人脸图进行匹配,获取检测目标的身份,根据该身份得到检测目标的匹配对象,在实际场景中,在一段时间内,该匹配对象可能会被多个检测过程标记,从而产生多个标记,工作人员可以根据这些标记的类别,将匹配对象分为高危险人群、中危险人群或者低危险人群,其中,标记的类别与不同的预设活动特征有关,例如,打喷嚏和体温的标记属于不同的标记类别。
通过上述步骤S201和步骤S202,对具有预设活动特征的疑似感染人员进行标记,同时标记该疑似感染人员周围的人群,在该疑似感染人员被确诊的情况下,可以通过标记记录快速追踪,解决了相关技术中,通过红外热成像技术对人群进行目标检测,无法确定与疑似人员有密切接触的人群的问题,实现了疫情防控过程中,对与疑似人员进行密切接触的人群的定位和追踪,提高了对疑似人员的流行病学接触史的确认效率。
在其中一些实施例中,图3是根据本申请实施例的飞沫传播情况下的人群标记的方法的流程图,如图3所示,该方法包括如下步骤:
步骤S301,在该检测图像中,根据温度变化值和气体流动值,获取该第一检测目标产生的飞沫的覆盖范围。
本实施例可以通过动作识别模型来对第一检测目标的动作进行识别,以判断第一检测目标的活动特征是否为预设活动特征。在本实施例中,预设活动特征为飞沫传播,则此时第一检测目标的动作包括咳嗽或者打喷嚏等可以产生飞沫的动作,该动作识别模型可以通过传统的机器学习或者基于神经网络的深度学习得到。
在判定第一检测目标的预设活动特征为传播飞沫的情况下,可以根据红外热成像中的温度变化值和气体流动值,从红外热成像中获取飞沫传播的范围,进而确定飞沫的覆盖范围。
本实施例中,在第一检测目标的预设活动特征为飞沫传播的情况下,第一检测目标可以被标记为“飞沫传播”。
步骤S302,标记在该覆盖范围内的该第二检测目标,存储第一检测目标与第二检测目标之间的对应关系。
在得到覆盖范围之后,可以在红外热成像或者可见光图像中,将位于覆盖范围内的人群进行标记,覆盖范围内的所有人均为第二检测目标,该第二检测目标被标记为“覆盖人群”,对应的标记内容可以为“第一检测目标姓名-覆盖人群”,以存储第一检测目标与第二检测目标之间的对应关系。
通过上述步骤S301和步骤S302,本实施例基于可见光图像识别与飞沫传播相关的动作,再基于红外热成像获取飞沫传播的覆盖范围,标记该覆盖范围内的第二检测目标,可以针对于通过飞沫进行传播的疾病,对确诊病人的流行病学接触史进行追踪,提高接触人群的追踪速度。
在其中一些实施例中,第一检测目标的活动特征包括体温,在体温位于预设体温范围内的情况下,标记该第一检测目标,并标记与第一检测目标之间的距离小于接触阈值的第二检测目标,存储第一检测目标与第二检测目标之间的对应关系。本实施例中的预设体温范围为体温异常的范围,通常为大于37.5℃,第一检测目标的体温可以通过红外热成像得到,在第一检测目标出现体温异常的情况下,标记第一检测目标为“体温”,对应的标记内容为“体温-温度值”,例如,在第一检测目标的温度被检测到为38℃的情况下,第一检测目标对应的检测内容为“体温-38℃”。本实施例中的接触阈值为易于发生疾病传染的范围,距离为第一检测目标与第二检测目标之间的间隔,在距离小于接触阈值的情况下,第二检测目标被传染的可能性较大,其中,该接触阈值可以由工作人员设定。本实施例中的第二检测目标被标记为“体温异常”,对应的标记内容为“第一检测目标姓名-体温异常”,通过该标记内容,存储第一检测目标与第二检测目标之间的对应关系,在第一检测目标被确诊后,可以通过查询第一检测目标的姓名,获取与第一检测目标相关的接触人群,提高对接触人群的追踪效率。
在其中一些实施例中,在第一检测目标的体温不在预设体温范围内的情况下,标记与该第一检测目标之间的距离小于接触阈值的第二检测目标,存储该第一检测目标与该第二检测目标之间的对应关系。本实施例中,在第一检测目标的体温不在预设体温范围的情况下,说明第一检测目标在检测时没有表现出发病症状,此时仅将距离小于接触阈值的第二检测目标标记为“近距离接触”,对应的标记内容为“第一检测目标姓名-近距离接触”,本实施例中的接触阈值可以设置为1米。在本实施例中,如果第一检测目标在检测之后发病,依然可以通过已经存储的对应关系进行接触人群的追踪,提高追踪效率。
在其中一些实施例中,图4是根据本申请实施例的对匹配对象进行分类的方法的流程图,如图4所示,该方法包括如下步骤:
步骤S401,在该匹配对象的标记包括多个类别的情况下,将该匹配对象列入高危列表。
在多次检测过程中,统计并记录匹配对象的标记类别。例如,在匹配对象为第一检测目标的情况下,匹配对象可能被标记为“飞沫传播”或者“体温”,在匹配对象为第二检测目标的情况下,匹配对象可能被标记为“近距离接触”、“覆盖人群”或者“体温异常”。
本实施例在检测过程中,还会记录匹配对象被标记为不同种类的次数,例如,匹配对象作为第二检测目标,在两个不同的第一检测目标的覆盖范围内均被标记时,匹配对象的“覆盖人群”种类的次数则为2。
本实施例中的高危列表可以分为“非本人-高危险区”和“本人-高危险区”,在匹配对象作为第一检测目标,且同时具有“飞沫传播”和“体温”两种标记的情况下,将匹配对象列入“本人-高危险区”,在匹配对象作为第二检测目标,且同时具有“近距离接触”、“覆盖人群”和“体温异常”三种标记的情况下,将该匹配对象列入“非本人-高危险区”。
图5是根据本申请实施例的高危列表的示意图,如图5所示,在高危列表中,展示了匹配对象的人脸图、姓名、被标记类别和被标记类别次数。本实施例中的“非本人-高危险区”和“本人-高危险区”均可按照图5中的示意图进行展示。
步骤S402,根据该高危列表,对该匹配对象进行追踪。
通过上述步骤S401和步骤S402,在对检测目标进行检测的过程中,生成高危列表,可以很直观地查看当前匹配对象与人群的接触情况,及时了解当前感染可能性较大的人群,利于后续医疗跟踪和观察,并从宏观上实时掌握当前感染可能性整体情况,通过高危列表的搜索功能,还可以根据标记的种类迅速查找目标。
在其中一些实施例中,对比多个固定周期中,高危列表中的匹配对象的数量,根据该数量的变化,生成增量曲线图,在生成增量曲线图之后,根据固定周期确定更新频率,根据该更新频率,增加或者删除增量曲线图中的数据。本实施例中的固定周期由工作人员根据疾病的发展情况确定,固定周期可以为一天,也可以为一周。图6是根据本申请实施例的增量曲线图的示意图,如图6所示,在固定周期为一天的情况下,可以记录每天从00:00~23:59之间的高危列表中的人数,并与前一天的人数对比,得到增量,根据多个固定周期的对比结果形成增量曲线图,该增量曲线图也每天进行更新,增加最近一天的变化数据,删除日期最早一天的变化数据。通过增量曲线图,可以快速地判断出当前检测区域的感染可能性是否有得到控制,从宏观上较为准确地掌握目前的疾病状况。
在一些实施例中,在生成增量曲线图之后,还可以在检测画面中,显示增量曲线图、高危列表和监控画面。图7是根据本申请实施例的检测画面的示意图,如图7所示,该检测画面在展示红外热成像摄像头监控画面的同时,在画面下方,展示增量曲线图,以便实时查看当前疾病的感染情况,在画面的右侧,为高危列表,本实施例中的高危列表包括“非本人-高危险区”和“本人-高危险区”,在检测画面中,还包括“人员展示区域”,可以将匹配对象的人脸图、被标记类别和被标记类别次数进行展示,通过该列表,可以及时了解当前感染可能性较大的人群。本实施例通过在检测画面中展示增量曲线图和高危列表,可以更加直观地了解疫情的感染情况。
在其中一些实施例中,将检测目标与人脸库进行匹配,获取该检测目标的匹配对象包括:通过红外热成像获取检测目标的人脸图,将该检测目标的人脸图与该人脸库中的人脸图进行匹配,在匹配成功的条件下,记录和存储与人脸库中的人脸图对应的检测目标,得到该匹配对象。本实施例中可以通过提取检测目标的人脸图的特征值,对检测目标的人脸图进行识别,进而与人脸库中的人脸图进行匹配,得到检测目标的姓名或者其他身份标识,从而确定匹配对象,提高对检测目标的识别效率。
下面通过优选实施例对本申请实施例进行描述和说明。
图8是根据本申请优选实施例的人群标记的方法的流程图,如图7所示,该方法包括如下步骤:
步骤S801,通过红外热成像摄像头将第一检测目标的人脸图与人脸库中的人脸图进行匹配,将匹配结果进行记录和存储。
步骤S802,检测到该第一检测目标存在打喷嚏或者咳嗽等产生飞沫的行为的情况下,将第一检测目标标记为“飞沫传播”。
在红外热成像中,根据飞沫的温度变化值和气体流动值判断当前飞沫的覆盖范围,将位于覆盖范围内的第二检测目标标记为“覆盖人群”,对应的标记内容为“第一检测人姓名-覆盖人群”。
步骤S803,检测第一检测目标的体温,在体温正常的情况下,对距离第一检测目标1米内的第二检测目标进行标记,标记种类为“近距离接触”,对应的标记内容为“第一检测目标姓名-近距离接触”。
在体温异常的情况下,将第一检测目标标记为“体温”,对应的标记内容为“体温-温度值”,将距离第一检测目标1米内的第二检测目标标记为“体温异常”,对应的标记内容为“第一检测目标姓名-体温异常”。
步骤S804,记录第一检测目标和第二检测目标被标记的种类以及每个种类被标记的次数。
步骤S805,将同时具有“飞沫传播”和“体温”两种标记的检测目标列入“本人-高危险区”,将同时具有“近距离接触”、“覆盖人群”和“体温异常”三种标记的检测目标象列入“非本人-高危险区”。
步骤S806,对比多个固定周期中,“本人-高危险区”和“非本人-高危险区”中的数据变化,得到增量曲线图,在检测画面中将红外热成像摄像头监控画面、“本人-高危险区”、“非本人-高危险区”和增量曲线图进行显示。
本实施例中的步骤S802和步骤S803可以同时进行,通过上述步骤S801至步骤S806,对具有预设活动特征的疑似感染人员进行标记,同时标记该疑似感染人员周围的人群,在该疑似感染人员被确诊的情况下,可以通过标记记录快速追踪,解决了相关技术中,通过红外热成像技术对人群进行目标检测,无法确定与疑似人员有密切接触的人群的问题,实现了疫情防控过程中,对与疑似人员进行密切接触的人群的定位和追踪,提高了对疑似人员的流行病学接触史的确认效率。
需要说明的是,在上述流程中或者附图的流程图中示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本实施例还提供了一种人群标记的系统,该系统用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”、“单元”、“子单元”等可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图9是根据本申请实施例的人群标记的系统的结构框图,如图9所示,该系统包括图像获取装置91和处理器92:
该图像获取装置91获取检测图像,该处理器92在检测图像中获取第一检测目标,并获取该第一检测目标的活动特征,在该活动特征为预设活动特征的情况下,标记该第一检测目标,并通过该检测图像,标记在该第一检测目标的预设范围内的第二检测目标;该处理器92将检测目标与人脸库进行匹配,获取该检测目标的匹配对象,根据该匹配对象被标记的类别,对该匹配对象进行分类,其中,该检测目标包括该第一检测目标和该第二检测目标,该类别与该预设活动特征对应。
本实施例中,通过图像获取装置91获取第一检测目标的检测图像,通过处理器92对具有预设活动特征的疑似感染人员进行标记,同时标记该疑似感染人员周围的人群,在该疑似感染人员被确诊的情况下,可以通过标记记录快速追踪。而相关技术中,在火车站等高人群密度的场合,虽然可以通过红外热成像和可见光图像技术确定疑似人员的位置,但却无法确定人群中哪些人有可能被疑似人员的呼吸道飞沫所传染,也无法确定与疑似人员有密切接触的人群,为后续追踪带来困难,本实施例解决了通过红外热成像技术对人群进行目标检测,无法确定与疑似人员有密切接触的人群的问题,实现了疫情防控过程中,对与疑似人员进行密切接触的人群的定位和追踪,提高了对疑似人员的流行病学接触史的确认效率。
需要说明的是,上述各个模块可以是功能模块也可以是程序模块,既可以通过软件来实现,也可以通过硬件来实现。对于通过硬件来实现的模块而言,上述各个模块可以位于同一处理器中;或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种人群标记的方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
在一个实施例中,图10是根据本申请实施例的电子设备的内部结构示意图,如图10所示,提供了一种电子设备,该电子设备可以是服务器,其内部结构图可以如图10所示。该电子设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该电子设备的处理器用于提供计算和控制能力。该电子设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该电子设备的数据库用于存储数据。该电子设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种人群标记的方法。
本领域技术人员可以理解,图10中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的电子设备的限定,具体的电子设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述各实施例提供的人群标记的方法中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述各个实施例提供的人群标记的方法中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,该计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种人群标记的方法,其特征在于,所述方法包括:
在检测图像中获取第一检测目标的活动特征,在所述活动特征为预设活动特征的情况下,标记所述第一检测目标,并通过所述检测图像,标记在所述第一检测目标的预设范围内的第二检测目标;
将检测目标与人脸库进行匹配,获取所述检测目标的匹配对象,根据所述匹配对象被标记的类别,对所述匹配对象进行分类,其中,所述检测目标包括所述第一检测目标和所述第二检测目标,所述类别与所述预设活动特征对应。
2.根据权利要求1所述的方法,其特征在于,在所述预设活动特征为传播飞沫的情况下,所述标记在所述第一检测目标的预设范围内的第二检测目标包括:
在所述检测图像中,根据温度变化值和气体流动值,获取所述第一检测目标产生的飞沫的覆盖范围;
标记在所述覆盖范围内的所述第二检测目标,存储所述第一检测目标与所述第二检测目标之间的对应关系。
3.根据权利要求1所述的方法,其特征在于,所述获取第一检测目标的活动特征包括检测所述第一检测目标的体温,在得到所述体温之后,所述方法包括以下之一:
在所述体温在预设体温范围内的情况下,标记所述第一检测目标,并标记与所述第一检测目标之间的距离小于接触阈值的所述第二检测目标,存储所述第一检测目标与所述第二检测目标之间的对应关系;
在所述体温不在预设体温范围内的情况下,标记与所述第一检测目标之间的距离小于所述接触阈值的所述第二检测目标,存储所述第一检测目标与所述第二检测目标之间的对应关系。
4.根据权利要求1所述的方法,其特征在于,所述根据所述匹配对象被标记的类别,对所述匹配对象进行分类包括:
在所述匹配对象的标记包括多个所述类别的情况下,将所述匹配对象列入高危列表;
根据所述高危列表,对所述匹配对象进行追踪。
5.根据权利要求4所述的方法,其特征在于,在所述根据所述匹配对象被标记的类别,对所述匹配对象进行分类之后,所述方法还包括:
对比多个固定周期中,所述高危列表中的所述匹配对象的数量,根据所述数量的变化,生成增量曲线图;
根据所述固定周期确定更新频率,根据所述更新频率,增加或者删除所述增量曲线图中的数据。
6.根据权利要求5所述的方法,其特征在于,在所述生成增量曲线图之后,所述方法还包括:
在检测画面中,显示所述增量曲线图、所述高危列表和监控画面。
7.根据权利要求1所述的方法,其特征在于,所述将检测目标与人脸库进行匹配,获取所述检测目标的匹配对象包括:
通过红外热成像获取检测目标的人脸图,将所述检测目标的人脸图与所述人脸库中的人脸图进行匹配,在匹配成功的条件下,记录和存储与所述人脸库中的人脸图对应的检测目标,得到所述匹配对象。
8.一种人群标记的系统,其特征在于,所述系统包括图像获取装置和处理器:
所述图像获取装置获取检测图像,所述处理器在检测图像中获取第一检测目标的活动特征,在所述活动特征为预设活动特征的情况下,标记所述第一检测目标,并通过所述检测图像,标记在所述第一检测目标的预设范围内的第二检测目标;
所述处理器将检测目标与人脸库进行匹配,获取所述检测目标的匹配对象,根据所述匹配对象被标记的类别,对所述匹配对象进行分类,其中,所述检测目标包括所述第一检测目标和所述第二检测目标,所述类别与所述预设活动特征对应。
9.一种计算机设备,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1至7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010448617.5A CN111680583B (zh) | 2020-05-25 | 2020-05-25 | 人群标记的方法、系统、计算机设备和可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010448617.5A CN111680583B (zh) | 2020-05-25 | 2020-05-25 | 人群标记的方法、系统、计算机设备和可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111680583A true CN111680583A (zh) | 2020-09-18 |
CN111680583B CN111680583B (zh) | 2023-08-22 |
Family
ID=72453217
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010448617.5A Active CN111680583B (zh) | 2020-05-25 | 2020-05-25 | 人群标记的方法、系统、计算机设备和可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111680583B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112883809A (zh) * | 2021-01-25 | 2021-06-01 | 浙江大华技术股份有限公司 | 一种目标检测方法、装置、设备及介质 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102035254A (zh) * | 2010-10-29 | 2011-04-27 | 广东电网公司电力科学研究院 | 变电站视频及环境监控地区级主站系统 |
JP2014155159A (ja) * | 2013-02-13 | 2014-08-25 | Nec Corp | 情報処理システム、情報処理方法及びプログラム |
US20160005171A1 (en) * | 2013-02-27 | 2016-01-07 | Hitachi, Ltd. | Image Analysis Device, Image Analysis System, and Image Analysis Method |
WO2017216056A1 (en) * | 2016-06-14 | 2017-12-21 | Koninklijke Philips N.V. | Monitoring infection risk |
CN108288028A (zh) * | 2017-12-29 | 2018-07-17 | 佛山市幻云科技有限公司 | 校园发热监控方法、装置及服务器 |
CN109378079A (zh) * | 2018-09-27 | 2019-02-22 | 同济大学 | 一种基于发热症状监测传染病的系统及方法 |
CN110118711A (zh) * | 2019-06-11 | 2019-08-13 | 江苏钛科圈物联网科技有限公司 | 基于物联网的室内空气含菌量实时检测与分析方法、系统 |
CN110276261A (zh) * | 2019-05-23 | 2019-09-24 | 平安科技(深圳)有限公司 | 人员自动跟踪监控方法、装置、计算机设备及存储介质 |
US20190349554A1 (en) * | 2010-09-23 | 2019-11-14 | Stryker Corporation | Video monitoring system |
WO2019233341A1 (zh) * | 2018-06-08 | 2019-12-12 | Oppo广东移动通信有限公司 | 图像处理方法、装置、计算机可读存储介质和计算机设备 |
US20200065966A1 (en) * | 2018-08-22 | 2020-02-27 | EIO Diagnostics, Inc. | System for high performance, ai-based dairy herd management and disease detection |
CN110959181A (zh) * | 2017-07-28 | 2020-04-03 | 皇家飞利浦有限公司 | 使用实时定位系统监测医疗保健设施中感染的直接传播和间接传播 |
CN111157147A (zh) * | 2020-03-17 | 2020-05-15 | 深圳市森讯达电子技术有限公司 | 体温监测装置及监测方法 |
-
2020
- 2020-05-25 CN CN202010448617.5A patent/CN111680583B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190349554A1 (en) * | 2010-09-23 | 2019-11-14 | Stryker Corporation | Video monitoring system |
CN102035254A (zh) * | 2010-10-29 | 2011-04-27 | 广东电网公司电力科学研究院 | 变电站视频及环境监控地区级主站系统 |
JP2014155159A (ja) * | 2013-02-13 | 2014-08-25 | Nec Corp | 情報処理システム、情報処理方法及びプログラム |
US20160005171A1 (en) * | 2013-02-27 | 2016-01-07 | Hitachi, Ltd. | Image Analysis Device, Image Analysis System, and Image Analysis Method |
WO2017216056A1 (en) * | 2016-06-14 | 2017-12-21 | Koninklijke Philips N.V. | Monitoring infection risk |
CN110959181A (zh) * | 2017-07-28 | 2020-04-03 | 皇家飞利浦有限公司 | 使用实时定位系统监测医疗保健设施中感染的直接传播和间接传播 |
CN108288028A (zh) * | 2017-12-29 | 2018-07-17 | 佛山市幻云科技有限公司 | 校园发热监控方法、装置及服务器 |
WO2019233341A1 (zh) * | 2018-06-08 | 2019-12-12 | Oppo广东移动通信有限公司 | 图像处理方法、装置、计算机可读存储介质和计算机设备 |
US20200065966A1 (en) * | 2018-08-22 | 2020-02-27 | EIO Diagnostics, Inc. | System for high performance, ai-based dairy herd management and disease detection |
CN109378079A (zh) * | 2018-09-27 | 2019-02-22 | 同济大学 | 一种基于发热症状监测传染病的系统及方法 |
CN110276261A (zh) * | 2019-05-23 | 2019-09-24 | 平安科技(深圳)有限公司 | 人员自动跟踪监控方法、装置、计算机设备及存储介质 |
CN110118711A (zh) * | 2019-06-11 | 2019-08-13 | 江苏钛科圈物联网科技有限公司 | 基于物联网的室内空气含菌量实时检测与分析方法、系统 |
CN111157147A (zh) * | 2020-03-17 | 2020-05-15 | 深圳市森讯达电子技术有限公司 | 体温监测装置及监测方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112883809A (zh) * | 2021-01-25 | 2021-06-01 | 浙江大华技术股份有限公司 | 一种目标检测方法、装置、设备及介质 |
CN112883809B (zh) * | 2021-01-25 | 2024-02-23 | 浙江大华技术股份有限公司 | 一种目标检测方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111680583B (zh) | 2023-08-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Muhammad et al. | Efficient deep CNN-based fire detection and localization in video surveillance applications | |
Ghazal et al. | IoMT-enabled fusion-based model to predict posture for smart healthcare systems | |
US20200163605A1 (en) | Automated detection method for insider threat | |
JP7040463B2 (ja) | 解析サーバ、監視システム、監視方法及びプログラム | |
US11048917B2 (en) | Method, electronic device, and computer readable medium for image identification | |
CN111126153B (zh) | 基于深度学习的安全监测方法、系统、服务器及存储介质 | |
US20160350583A1 (en) | Image search system and image search method | |
JP7047970B2 (ja) | 事象を管理するための注目期間及び少なくとも1つの注目領域を決定する方法、装置及びプログラム | |
Moore et al. | Personal identifiability and obfuscation of user tracking data from vr training sessions | |
CN111241883A (zh) | 防止远程被测人员作弊的方法和装置 | |
CN113837030B (zh) | 用于疫情防控的人员智能管控方法、系统及计算机设备 | |
JP2020524928A (ja) | 制限エリア内の不認可のユーザを識別することを可能にする情報要素をデバイスに提供する方法 | |
CN112911204A (zh) | 监控方法、装置、存储介质和电子设备 | |
Mansoor et al. | A machine learning approach for non-invasive fall detection using Kinect | |
CN111581436B (zh) | 目标识别方法、装置、计算机设备和存储介质 | |
Singh et al. | Security and Privacy Requirements for IoMT-Based Smart Healthcare System: Challenges, Solutions, and Future Scope | |
Eyiokur et al. | A survey on computer vision based human analysis in the COVID-19 era | |
CN111680583A (zh) | 人群标记的方法、系统、计算机设备和可读存储介质 | |
KR20210053718A (ko) | 반려동물 추종 모니터링 서버 및 그 동작 방법 | |
Gopane et al. | Enhancing monitoring in online exams using artificial intelligence | |
Kasprowski et al. | Biometric identification using gaze and mouse dynamics during game playing | |
CN113011576A (zh) | 识别案件类型的方法及装置 | |
Krishnaveni et al. | IoT and AI based Forest Fire Prediction and Animal Monitoring System | |
KR102347338B1 (ko) | 위험 객체의 이동 경로 정보를 획득하는 방법, 장치 및 컴퓨터-판독 가능 기록 매체 | |
Das et al. | An Advancement in Forensic and Criminal Investigation Through Artificial Intelligence |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230904 Address after: Building A, No. 858 Jianshe Second Road, Xiaoshan District, Hangzhou City, Zhejiang Province, 311200 Patentee after: Zhejiang Huagan Technology Co.,Ltd. Address before: No. 1187 Bin'an Road, Binjiang District, Hangzhou, Zhejiang Province Patentee before: ZHEJIANG DAHUA TECHNOLOGY Co.,Ltd. |