CN112635073B - 一种密切接触者排查方法、装置、计算机设备及存储介质 - Google Patents
一种密切接触者排查方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN112635073B CN112635073B CN202011502642.3A CN202011502642A CN112635073B CN 112635073 B CN112635073 B CN 112635073B CN 202011502642 A CN202011502642 A CN 202011502642A CN 112635073 B CN112635073 B CN 112635073B
- Authority
- CN
- China
- Prior art keywords
- image
- patient
- person
- new
- pedestrian
- 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.)
- Active
Links
Images
Classifications
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- 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
- 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
-
- 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
- G06V40/23—Recognition of whole body movements, e.g. for sport training
- G06V40/25—Recognition of walking or running movements, e.g. gait recognition
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Social Psychology (AREA)
- Psychiatry (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Closed-Circuit Television Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明具体涉及一种密切接触者排查方法、装置、计算机设备及存储介质,通过读取监控区域内所有监控录像,确定所述所有监控录像中新冠患者首次出现的帧,以一定时间间隔输出包含新冠患者的帧,得到新冠患者图像序列,通过第一图像识别方法,标定与新冠患者接触的人,确定为密切接触者,框定所述密切接触者,将包括所述密切接触者的帧输出为图片,框定所述所有监控录像中会被接触的物体,通过第二图像识别方法确定新冠患者与物体是否有触碰,如果有触碰则框定新冠患者接触的物体,通过第二图像识别方法确定行人与物体是否有触碰。本申请不但提高了检测的精度以及检测效率,还降低了检测难度。
Description
技术领域
本申请属于传染病密切接触者排查领域,尤其涉及一种采用图像技术排查密切接触者的方法、装置、计算设备及存储介质。
背景技术
2020年年初新冠肺炎肆虐,对人们的健康构成巨大的威胁。为了有效地控制疫情传播需要进行详细的流行病学调查。其中排除密切接触者是一项重要的工作,目前密切接触者主要采用人工排查,一方面排查工作量大,另一方面,排查不够精确,例如火车站出现新冠患者,如果将整个车站出现的人都当成密切接触者会造成较大的误差,如果仅将于新冠患者接触者当成密切接触者,又有可能出现漏网之鱼。
目前有一部分排查技术,如中国专利CN111667920A公开了一种基于定位数据的人群密切接触排查方法用户(或终端)在空间位置和对应时间戳的测量和分析,其只能分析出不同接触程度的人群范围,并不精确地识别到个体。
中国专利CN111711676A公开了一种传染病患者的室内密切接触者的确认方法,其依据与传染病患者有接触的第一接触者的图像信息进行接触者确认,但该发明专利仅公开了从社区节点发送的第一广播消息中获得该图片信息,没有具体公开社区是如何获得该含有新冠患者与接触者的图像信息。
中国专利CN111783740A公开了一种行人关系的确定方法,其通过计算行人与新冠患者之间的距离以确定是否是密切新冠患者,但一方面其并没有公开完整的确认链条,不能高效地一次性排查出所有的密切接触者,另一方面其提供的行人距离算法存在一定的误差,如在行人身材相差较大时或者拍摄距离较近时,仅采用纵向及横向距离会造成一定的误差。
中国专利CN111680583A公开了一种通过人物动作,如打喷嚏,并将其周围的人确定为密切接触者,但该发明没有公开完整的确认链条,不能高效地一次性排查出所有的密切接触者,也没有公开个体的接触判定算法,也没有公开如何进行间接接触的排查。
由以上分析可知,目前针对相关技术中,没有通过现有的监控视频进行具体的密切接触者进行识别的具体方法,导致排查精度不高,也没有对间接接触进行排查的具体方法,导致漏查。
发明内容
为了解决排查工作量大,且排查不精确以及漏查的问题,本申请提出一种可精确排查密切接触者的方法和装置。针对监控视频的及密切接触者排查的特点,仅采用现有的监控录像进行图像识别,便可确定出直接的密切接触者及间接的密切接触者。
第一方面本发明公开了一种密切接触者排查方法,所述方法包括:读取监控区域内所有监控录像;确定所述所有监控录像中新冠患者首次出现的帧,并框定所述新冠患者首次出现的帧中的新冠患者;在所述所有监控录像中跟踪新冠患者,以一定时间间隔输出包含新冠患者的帧,得到新冠患者图像序列;通过第一图像识别方法,标定与新冠患者接触的人,确定为密切接触者;框定所述密切接触者,将包括所述密切接触者的帧输出为图片;框定所述所有监控录像中会被接触的物体;通过第二图像识别方法确定新冠患者与物体是否有触碰,如果有触碰则框定新冠患者接触的物体;通过第二图像识别方法确定行人与物体是否有触碰,如果有触碰则确定行人为间接接触者;将包括所述间接接触者的帧输出为图片。
另一方面,本发明还公开了一种密切接触者排查装置,所述装置包括:监控录像读取模块,用于读取监控区域内所有监控录像;新冠患者确定模块,用于确定所述所有监控录像中新冠患者首次出现的帧,并框定所述新冠患者首次出现的帧中的新冠患者;新冠患者跟踪模块,用于在所述所有监控录像中跟踪新冠患者,以一定时间间隔输出包含新冠患者的帧,得到新冠患者图像序列;接密切接触者确定模块,用于通过第一图像识别装置,标定与新冠患者接触的人,确定为密切接触者;密切接触者确定模块,用于框定所述密切接触者,将包括所述密切接触者的帧输出为图片;被接触的物体框定模块,用于框定所述所有监控录像中会被接触的物体;接触物体识别模块,用于通过第二图像识别装置确定新冠患者与物体是否有触碰,如果有触碰则框定新冠患者接触的物体;间接接触者确定模块,用于通过第二图像识别装置确定行人与物体是否有触碰,如果有触碰则确定行人为间接接触者;图片输出模块,用于将包括所述间接接触者的帧输出为图片。
另一方面,本发明还公开了一种计算机设备,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,所述处理器执行所述程序时实现上述的密切接触者排查方法。
另一方面,本发明还公开了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行上述的行人关系的密切接触者排查方法。
相比于相关技术,一方面,本发明可以具体地确定与感觉者密切接触的具体人物,而不是如现有技术中确定一个范围内的人;另一方面,本发明还可以确定间接的接触者;再者,本申请采用了新的图像识别方法,可以只通过没有深度信息的普通监控视频进行接触检测。综上,本申请不但提高了检测的精度以及检测效率,还降低了检测难度。
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,为本发明方法的流程图;
图2,为新冠患者与行人相距较远时的情况;
图3,为新冠患者与行人相距较近时的情况;
图4,为门把手的框定示意图;
图5,为护栏的框定示意图;
图6,为人物离镜头较近时的情况;
图7,为人物离镜头较远的情况。
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。
本实施例提供了一种密切接触者排查方法,流程如图1所示,该实施例包括如下步骤:
步骤S101,读取监控区域内所有监控录像,目前火车站、机场、商场等封闭空间多设有无死角的监控设施额,这些监控视频记录了空间内人物的主要活动,因此可以采用这些视频排查密切接触者。
首先,为了确保不丢失对新冠患者的跟踪,读取在出现新冠患者后的全部的录像视频。读取视频需要将各摄像头视频集中到一处,以供后续处理,具体如何读取本发明不做限制,可以是通过网络传输,也可以是直接拷贝,只要达到集中一处的目的即可。
进一步的,在读取摄像头录像后可对各录像进行时间对齐,以方便后继的处理。所述时间对齐处理方法可根据视频上的录像时间与标准时间差来确定,使用交差图像对齐来实现。
S102,确定所述所有监控录像中新冠患者首次出现的帧,并框定所述新冠患者首次出现的帧中的新冠患者。
当有新冠患者出现时,为了排查与其密切接触者需要首先确定新冠患者。首次标定需要人工进行,由工作人员根据官方通报确定新冠患者进行该封闭空间的大概时间,然后人工查看相应时间段各入口的视频录像,确定感染首次出现在视频中的帧,并框定出该新冠患者。
S103,在所述所有监控录像中跟踪新冠患者,以一定时间间隔输出包含新冠患者的帧,得到新冠患者图像序列。
在人工标定新冠患者后,需要确定新冠患者的移动路径。首先进行初次标定摄像头的跟踪,提取出包含新冠患者的一帧图像,通过特征提取算法提取出新冠患者的特征,可以是点、几何形状、轮廓等形状图像特征,也可以是灰度、颜色、纹理、梯度等外观特征。具体选择何种特征本发明不具体限制,可根据视频质量具体选择,只要是能够表示出目标的特征,能够用于跟踪目标即可。
在确定第一帧的目标后即可进行目标跟踪,目前已公开的运动目标跟踪算法较多,但监控视频可能存在不重叠的区域,因此给目标跟踪带来较大的难度。经比对目前已公开的算法,由Yong-Feng HUANG等在论文“Object Tracking for Multiple Non-overlapping CamerasBased on TLD Framework”中提出的非重叠摄像目标跟踪效果较佳。
在对目标跟踪结束后提取包含新冠患者的图像帧。具体地,以时间间隔T提取包含新冠患者的帧,时间间隔T的具体值可根据需要设定。设定小则需要处理的数据较多,处理较慢,但精度高,不会遗漏密切接触者,设定大需要处理的数据秒,但可能造成遗漏密切接触者的问题,优选的,设定为1秒。在提取包含新冠患者的帧后,将提取结果按时间线序列排列,供后续步骤使用。
S104、通过第一图像识别方法,标定与新冠患者接触的人,确定为密切接触者。
由于普通的监控视频是不包含深度信息的,进对图像进行直接处理时无法直接得到距离信息,虽然目前有一些算法可以将普通图像处理成深度图,但都有特殊要求,实际应用中有太多局限性。根据排查密切接触者的特点,只需要找新冠患者附近的行人即可,基于此特殊性,本申请提出一种更简单的识别方法,其方法具体如下:
在提取到包含新冠患者的图像序列后,对该图像序列进行遍历,首先框定新冠患者矩形图,然后,框定同一画面中所有人的矩形图,具体的框定方法已有较多现有技术,如色差法等,本申请不做限制;对新冠患者矩形图与同一画面中所有人的矩形图逐一做如下操作:
计算新冠患者与行人的身体宽度,具体地,计算新冠患者矩形图宽度W11,计算行人矩形图宽度W12。
计算感染都与行人的距离,具体地,计算新冠患者矩形图对角线交点与行人矩形图对角线交点的距离L1。
确定行人在一定时间后的图像,具体地,在新冠患者图像序列中跟踪行人时间t后的图像,行人跟踪可以采用步骤S103中相同的方法。
优选地,为了加快程序处理速度,可以不考虑跨摄像头的情况,采用更简单地跟踪算法,如流光法等。
计算新冠患者与行人的第二身体宽度,具体地,在时间t后计算新冠患者矩形图宽度W21以及行人矩形图宽度W22。
计算感染都与行人的第二距离,具体地,在时间t后计算新冠患者矩形图对角线交点与行人矩形图对角线交点的距离L2。
则在此段时间内两人的距离差L=|L1-L2|,平均身体宽度为W=(W11+W12+W21+W22)/4,将L与W相除,得到结果r,当r大于阈值A时认为行人与新冠患者相距较远,当r小于阈值A时认为行人与新冠患者相距较近,确定为密切接触者。
上述L1、L2、W11、W12、W21、W22都为在图像中的距离,例如可以是以像素计算的距离。
下面对其原理进行解释。
如图2所示,当新冠患者与行人相距较远时,时间t后两者各行进了相同的一段距离,此时在摄像机视角中初始角度与t秒后的角度明显变大,在平面图像上体现出来的就是两者的距离在拉大。
如图3所示,当新冠患者与行人相距较近时,时间t后两者各行进了相同的一段距离,此时在摄像机视角中初始角度与t秒后的角度没有明显变化,在平面图像上体现出来的就是两者的距离没有明显变化。
从上述分析可看出使用时间t后图像上距离变化的方式可以解决图像中不同深度的人物之间距无法判定的问题。
另外,由于摄像头与人物之间的距离不同,人物在图像上的大小可能不同,如果采用绝对距离,对于不同的摄像头与人物距离则会产生不同的误差,因此,对于距离的判定采用图像中人物的平均身体宽度,并且采用比值而不是绝对值进行判定,即可避免此问题。
优选地,对于擦肩而过的情况,被感染的概率很小,因此可以检测连续N个t周期内图像距离都小于阈值才判定为直接密切接触。
S105,框定所述密切接触者,将包括所述密切接触者的帧输出为图片。在确实密切接触者后,可以红色矩形对其进行框定,并将该帧保存为图片,输出至结果文件夹,以供工作人员后续处理。
S106,框定所述所有监控录像中会被接触的物体。
新冠肺炎等病毒接触感染更为严重,为了进一步筛选间接接触,还需要进行接触物的判定。
对于监控视频,由于摄像机位置固定,因此镜头内物体位置固定,可采用人工标定法,标定可能被触碰的物体,如门把手、楼梯扶手、座椅等,对物体进行框定,并设定物体框高度,所述物体框高度映射到真实环境中时高度相同,设为H。
具体地,例如,门把手在实质环境中大概长30cm,如图4所示,则在图像中框定一个门把手大约3倍的矩形,也就是说如果放到实质环境中,虚线矩形高度大概为1m;类似地,对其它物体使用相同高度的矩形框进行框定,例如都使用1m,如果物体过大,可使用多个矩形框,或者只框定中心部分。
另一具体的示例中,如图5所示,实线为一护栏,真实环境中护栏高约1m,离镜头近的位置,在图像中显示高度较高,远离镜头处护栏在图像中显示的高度较低,在框定护栏时使用的矩形框大小不同,但如果映射到实质环境中,矩形框大小则都为1m左右。
如此地,所有的镜头中都使用相同的实际高度H对可能被触摸的物体进行框定,由于镜头是固定不动的,因此有几个镜头就只需要框定几个镜头,实际工作量并不大。
S107,通过第二图像识别方法确定新冠患者与物体是否有触碰,如果有触碰则框定新冠患者接触的物体。
在框定工作完成后,可以对新冠患者覆盖的物体进行确定,由于离镜头的距离不同,在平面图像中可能出现如图6所示的情况,人物离镜头较近,门的位置离镜头较远,此时虽然在图像中人物将门把手覆盖,但显然人是没有接触到门把手的。
类似的,如图7所示,人物离镜头较远,门的位置离镜头较近,由于角度问题在画面中人物将门把手覆盖,但显然人也是没有接触到门把手的。
为了解决上述问题,计算被框定物体在被新冠患者覆盖时新冠患者的在图像中的高度Hp,计算物体在图像中的矩形高度Ho,计算Hp/Ho,如果Hp/Ho过大或过小则表示人物没有接触到物体。
具体地示例,如图像中人物的高度为200像素,物体的矩形高度为20像素,此时Hp/Ho为10,而物体矩形框在现实环境中的实质高度为H,例如取为1m,人物的实质高度大约在1m~2m,如果人物在物体旁边,则比值应该在1~2之间,Hp/Ho为10显然过大,因此可以确定人物没有在物质附近。
另一具体地示例,如图像中人物的高度为10像素,物体的矩形高度为40像素,此时Hp/Ho为0.25,而物体矩形框在现实环境中的实质高度为H,例如取为1m,人物的实质高度大约在1m~2m,如果人物在物体旁边,则比值应该在1~2之间,Hp/Ho为0.25显然过大,因此可以确定人物没有在物质附近。
排除明显不对的覆盖情况后即可进行触摸检测,确实被新冠患者触摸过的物体。
对于门把手等需要开启的物体可以采用前后对比法,具体地,取人物像素与门把手像素首次接触时门的区域的像素,取在后的若干帧的同一门区域的像素,如果前后像素没有变化,表示门有没动,则人物只是像素上与门把手重合,实际上并没有开门,如果门的前后像素有变化,表示门动过,则人物用手开门了。
对于扶手、桌椅等会持续触摸的物体则采用持续检测法。具体地,连续检测N秒内人物的像素是否与物体持续重合,如果没有持续重合则可能是摄像角度问题导致的偶尔重合,表示人物没有触摸物体,如果持续重合则表示人物有触摸物体;这里N的取值越大可能将更多的动作判定为没有触碰,N取值越小可能将更多的动作判定为有触碰,具体取值可根据实际需要确定。
S108,通过第二图像识别方法确定行人与物体是否有触碰,如果有触碰则确定行人为间接接触者。
在确定触碰物体后,从被新冠患者触碰后开始遍历后续视频帧,并采用S107中相同方法进行触碰检测,在此不再重复描述。
S109,将包括所述密切接触者的帧输出为图片。在确实密切接触者后,可以红色矩形对其进行框定,并将该帧保存为图片,输出至结果文件夹,以供工作人员后续处理。
本发明还提供了一种密切接触者排查装置,该实施例包括如下模块:
监控录像读取模块,用于读取监控区域内所有监控录像,目前火车站、机场、商场等封闭空间多设有无死角的监控设施额,这些监控视频记录了空间内人物的主要活动,因此可以采用这些视频排查密切接触者。
首先,为了确保不丢失对新冠患者的跟踪,读取在出现新冠患者后的全部的录像视频。读取视频需要将各摄像头视频集中到一处,以供后续处理,具体如何读取本发明不做限制,可以是通过网络传输,也可以是直接拷贝,只要达到集中一处的目的即可。
进一步的,在读取摄像头录像后可对各录像进行时间对齐,以方便后继的处理。所述时间对齐处理方法可根据视频上的录像时间与标准时间差来确定,使用交差图像对齐来实现。
新冠患者确定模块,用于确定所述所有监控录像中新冠患者首次出现的帧,并框定所述新冠患者首次出现的帧中的新冠患者。
当有新冠患者出现时,为了排查与其密切接触者需要首先确定新冠患者。首次标定需要人工进行,由工作人员根据官方通报确定新冠患者进行该封闭空间的大概时间,然后人工查看相应时间段各入口的视频录像,确定感染首次出现在视频中的帧,并框定出该新冠患者。
新冠患者跟踪模块,用于在所述所有监控录像中跟踪新冠患者,以一定时间间隔输出包含新冠患者的帧,得到新冠患者图像序列。
在人工标定新冠患者后,需要确定新冠患者的移动路径。首先进行初次标定摄像头的跟踪,提取出包含新冠患者的一帧图像,通过特征提取算法提取出新冠患者的特征,可以是点、几何形状、轮廓等形状图像特征,也可以是灰度、颜色、纹理、梯度等外观特征。具体选择何种特征本发明不具体限制,可根据视频质量具体选择,只要是能够表示出目标的特征,能够用于跟踪目标即可。
在确定第一帧的目标后即可进行目标跟踪,目前已公开的运动目标跟踪算法较多,但监控视频可能存在不重叠的区域,因此给目标跟踪带来较大的难度。经比对目前已公开的算法,由Yong-Feng HUANG等在论文“Object Tracking for Multiple Non-overlapping CamerasBased on TLD Framework”中提出的非重叠摄像目标跟踪效果较佳。
在对目标跟踪结束后提取包含新冠患者的图像帧。具体地,以时间间隔T提取包含新冠患者的帧,时间间隔T的具体值可根据需要设定。设定小则需要处理的数据较多,处理较慢,但精度高,不会遗漏密切接触者,设定大需要处理的数据秒,但可能造成遗漏密切接触者的问题,优选的,设定为1秒。在提取包含新冠患者的帧后,将提取结果按时间线序列排列,供后续步骤使用。
接密切接触者确定模块,用于通过第一图像识别方法,标定与新冠患者接触的人,确定为密切接触者。
由于普通的监控视频是不包含深度信息的,进对图像进行直接处理时无法直接得到距离信息,虽然目前有一些算法可以将普通图像处理成深度图,但都有特殊要求,实际应用中有太多局限性。根据排查密切接触者的特点,只需要找新冠患者附近的行人即可,基于此特殊性,本申请提出一种更简单的识别方法,其方法具体如下:
在提取到包含新冠患者的图像序列后,对该图像序列进行遍历,首先框定新冠患者矩形图,然后,框定同一画面中所有人的矩形图,具体的框定方法已有较多现有技术,如色差法等,本申请不做限制;对新冠患者矩形图与同一画面中所有人的矩形图逐一做如下操作:
计算新冠患者与行人的身体宽度,具体地,计算新冠患者矩形图宽度W11,计算行人矩形图宽度W12。
计算感染都与行人的距离,具体地,计算新冠患者矩形图对角线交点与行人矩形图对角线交点的距离L1。
确定行人在一定时间后的图像,具体地,在新冠患者图像序列中跟踪行人时间t后的图像,行人跟踪可以采用步骤S103中相同的方法。
优选地,为了加快程序处理速度,可以不考虑跨摄像头的情况,采用更简单地跟踪算法,如流光法等。
计算新冠患者与行人的第二身体宽度,具体地,在时间t后计算新冠患者矩形图宽度W21以及行人矩形图宽度W22。
计算感染都与行人的第二距离,具体地,在时间t后计算新冠患者矩形图对角线交点与行人矩形图对角线交点的距离L2。
则在此段时间内两人的距离差L=|L1-L2|,平均身体宽度为W=(W11+W12+W21+W22)/4,将L与W相除,得到结果r,当r大于阈值A时认为行人与新冠患者相距较远,当r小于阈值A时认为行人与新冠患者相距较近,确定为密切接触者。
上述L1、L2、W11、W12、W21、W22都为在图像中的距离,例如可以是以像素计算的距离。
下面对其原理进行解释。
如图2所示,当新冠患者与行人相距较远时,时间t后两者各行进了相同的一段距离,此时在摄像机视角中初始角度与t秒后的角度明显变大,在平面图像上体现出来的就是两者的距离在拉大。
如图3所示,当新冠患者与行人相距较近时,时间t后两者各行进了相同的一段距离,此时在摄像机视角中初始角度与t秒后的角度没有明显变化,在平面图像上体现出来的就是两者的距离没有明显变化。
从上述分析可看出使用时间t后图像上距离变化的方式可以解决图像中不同深度的人物之间距无法判定的问题。
另外,由于摄像头与人物之间的距离不同,人物在图像上的大小可能不同,如果采用绝对距离,对于不同的摄像头与人物距离则会产生不同的误差,因此,对于距离的判定采用图像中人物的平均身体宽度,并且采用比值而不是绝对值进行判定,即可避免此问题。
优选地,对于擦肩而过的情况,被感染的概率很小,因此可以检测连续N个t周期内图像距离都小于阈值才判定为直接密切接触。
密切接触者确定模块,用于框定所述密切接触者,将包括所述密切接触者的帧输出为图片。在确实密切接触者后,可以红色矩形对其进行框定,并将该帧保存为图片,输出至结果文件夹,以供工作人员后续处理。
被接触的物体框定模块,用于框定所述所有监控录像中会被接触的物体。
新冠肺炎等病毒接触感染更为严重,为了进一步筛选间接接触,还需要进行接触物的判定。
对于监控视频,由于摄像机位置固定,因此镜头内物体位置固定,可采用人工标定法,标定可能被触碰的物体,如门把手、楼梯扶手、座椅等,对物体进行框定,并设定物体框高度,所述物体框高度映射到真实环境中时高度相同,设为H。
具体地,例如,门把手在实质环境中大概长30cm,如图4所示,则在图像中框定一个门把手大约3倍的矩形,也就是说如果放到实质环境中,虚线矩形高度大概为1m;类似地,对其它物体使用相同高度的矩形框进行框定,例如都使用1m,如果物体过大,可使用多个矩形框,或者只框定中心部分。
另一具体的示例中,如图5所示,实线为一护栏,真实环境中护栏高约1m,离镜头近的位置,在图像中显示高度较高,远离镜头处护栏在图像中显示的高度较低,在框定护栏时使用的矩形框大小不同,但如果映射到实质环境中,矩形框大小则都为1m左右。
如此地,所有的镜头中都使用相同的实际高度H对可能被触摸的物体进行框定,由于镜头是固定不动的,因此有几个镜头就只需要框定几个镜头,实际工作量并不大。
接触物体识别模块,用于通过第二图像识别方法确定新冠患者与物体是否有触碰,如果有触碰则框定新冠患者接触的物体。
在框定工作完成后,可以对新冠患者覆盖的物体进行确定,由于离镜头的距离不同,在平面图像中可能出现如图6所示的情况,人物离镜头较近,门的位置离镜头较远,此时虽然在图像中人物将门把手覆盖,但显然人是没有接触到门把手的。
类似的,如图7所示,人物离镜头较远,门的位置离镜头较近,由于角度问题在画面中人物将门把手覆盖,但显然人也是没有接触到门把手的。
为了解决上述问题,计算被框定物体在被新冠患者覆盖时新冠患者的在图像中的高度Hp,计算物体在图像中的矩形高度Ho,计算Hp/Ho,如果Hp/Ho过大或过小则表示人物没有接触到物体。
具体地示例,如图像中人物的高度为200像素,物体的矩形高度为20像素,此时Hp/Ho为10,而物体矩形框在现实环境中的实质高度为H,例如取为1m,人物的实质高度大约在1m~2m,如果人物在物体旁边,则比值应该在1~2之间,Hp/Ho为10显然过大,因此可以确定人物没有在物质附近。
另一具体地示例,如图像中人物的高度为10像素,物体的矩形高度为40像素,此时Hp/Ho为0.25,而物体矩形框在现实环境中的实质高度为H,例如取为1m,人物的实质高度大约在1m~2m,如果人物在物体旁边,则比值应该在1~2之间,Hp/Ho为0.25显然过大,因此可以确定人物没有在物质附近。
排除明显不对的覆盖情况后即可进行触摸检测,确实被新冠患者触摸过的物体。
对于门把手等需要开启的物体可以采用前后对比法,具体地,取人物像素与门把手像素首次接触时门的区域的像素,取在后的若干帧的同一门区域的像素,如果前后像素没有变化,表示门有没动,则人物只是像素上与门把手重合,实际上并没有开门,如果门的前后像素有变化,表示门动过,则人物用手开门了。
对于扶手、桌椅等会持续触摸的物体则采用持续检测法。具体地,连续检测N秒内人物的像素是否与物体持续重合,如果没有持续重合则可能是摄像角度问题导致的偶尔重合,表示人物没有触摸物体,如果持续重合则表示人物有触摸物体;这里N的取值越大可能将更多的动作判定为没有触碰,N取值越小可能将更多的动作判定为有触碰,具体取值可根据实际需要确定。
间接接触者确定模块,用于通过第二图像识别方法确定行人与物体是否有触碰,如果有触碰则确定行人为间接接触者。
在确定触碰物体后,从被新冠患者触碰后开始遍历后续视频帧,并采用S108中相同方法进行触碰检测,在此不再重复描述。
图片输出模块,用于将包括所述密切接触者的帧输出为图片。在确实密切接触者后,可以红色矩形对其进行框定,并将该帧保存为图片,输出至结果文件夹,以供工作人员后续处理。
至此,将所有视频中的与感觉者直接接触的人以及与感觉都间接接触的人的图像都输出了,抗疫工作人员则可根据这些图像进行后续处理,如可以采用CN111783740A中提到的人脸识别方法获取具体的人物信息,后续步骤不是本发明的讨论范围,不在此详细论述,本领域技术人员可参考现有技术实现。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CDROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (4)
1.一种密切接触者排查方法,其特征在于,所述方法包括:
读取监控区域内所有监控录像;
确定所述所有监控录像中新冠患者首次出现的帧,并框定所述新冠患者首次出现的帧中的新冠患者;
在所述所有监控录像中跟踪新冠患者,以一定时间间隔输出包含新冠患者的帧,得到新冠患者图像序列;通过第一图像识别方法,标定与新冠患者接触的人,确定为密切接触者;
框定所述密切接触者,将包括所述密切接触者的帧输出为图片;
框定所述所有监控录像中会被接触的物体;
通过第二图像识别方法确定新冠患者与物体是否有触碰,如果有触碰则框定新冠患者接触的物体;
通过第二图像识别方法确定行人与物体是否有触碰,如果有触碰则确定行人为间接接触者;
将包括所述间接接触者的帧输出为图片;
所述第一图像识别方法具体为:
计算新冠患者矩形图宽度W11,计算行人矩形图宽度W12;
计算新冠患者矩形图对角线交点与行人矩形图对角线交点的距离L1;
在新冠患者图像序列中跟踪行人时间t后的图像;
计算所述时间t后的图像中新冠患者矩形图宽度W21以及行人矩形图宽度W22;
计算所述时间t后的图像中新冠患者矩形图对角线交点与行人矩形图对角线交点的距离L2;
计算距离差L=|L1-L2|,计算平均身体宽度W=(W11+W12+W21+W22)/4;
计算身体宽度与距离比值r=L/W;
当r小于阈值A时将行人确定为密切接触者;
上述L1、L2、W11、W12、W21、W22都为在图像中的距离,均以像素计算距离;
所述第二图像识别方法具体为:
在所述所有监控录像中以映射到真实环境中相同的高度框定会被接触的物体;
其中,物体框高度映射到真实环境中时高度相同;
计算人物在图像中的高度Hp;
计算物体框在图像中的高度Ho;
计算Hp/Ho,并取Hp/Ho在范围a~b之间的图像帧,其中a、b为设定阈值;
所述Hp、Ho以像素表示;
以前后对比法或持续检测法确定人物和物体是否被触碰;
所述前后对比法具体为取时间t2后的物体图像,对比物体图像是否有变化,如果有变化则表示有触碰;所述持续检测法具体为取时间t3后的图像帧,再次确认人物是否与物体图像重合,如果持续重合表示有触碰。
2.一种密切接触者排查装置,其特征在于,所述装置包括:
监控录像读取模块,用于读取监控区域内所有监控录像;
新冠患者确定模块,用于确定所述所有监控录像中新冠患者首次出现的帧,并框定所述新冠患者首次出现的帧中的新冠患者;
新冠患者跟踪模块,用于在所述所有监控录像中跟踪新冠患者,以一定时间间隔输出包含新冠患者的帧,得到新冠患者图像序列;
密切接触者确定模块,用于通过第一图像识别装置,标定与新冠患者接触的人,确定为密切接触者;
密切接触者确定模块,用于框定所述密切接触者,将包括所述密切接触者的帧输出为图片;
被接触的物体框定模块,用于框定所述所有监控录像中会被接触的物体;
接触物体识别模块,用于通过第二图像识别装置确定新冠患者与物体是否有触碰,如果有触碰则框定新冠患者接触的物体;
间接接触者确定模块,用于通过第二图像识别装置确定行人与物体是否有触碰,如果有触碰则确定行人为间接接触者;
图片输出模块,用于将包括所述间接接触者的帧输出为图片;
所述第一图像识别装置具体为:
第一计算模块,用于计算新冠患者矩形图宽度W11,计算行人矩形图宽度W12,计算新冠患者矩形图对角线交点与行人矩形图对角线交点的距离L1;
第二计算模块,用于在新冠患者图像序列中跟踪行人时间t后的图像,计算所述时间t后的图像中新冠患者矩形图宽度W21以及行人矩形图宽度W22,计算所述时间t后的图像中新冠患者矩形图对角线交点与行人矩形图对角线交点的距离L2;
确定模块,用于计算距离差L=|L1-L2|,计算平均身体宽度W=(W11+W12+W21+W22)/4,计算身体宽度与距离比值r=L/W,当r小于阈值A时将行人确定为密切接触者;
上述L1、L2、W11、W12、W21、W22都为在图像中的距离,均以像素计算距离;
所述第二图像识别装置具体为:
框定模块,用于在所述所有监控录像中以映射到真实环境中相同的高度框定会被接触的物体;
其中,物体框高度映射到真实环境中时高度相同;
第三计算模块,用于计算人物在图像中的高度Hp,计算物体框在图像中的高度Ho,计算Hp/Ho,并取Hp/Ho在范围a~b之间的图像帧,其中a、b为设定阈值;
所述Hp、Ho以像素表示;
确定模块,用于以前后对比法或持续检测法确定人物和物体是否被触碰,所述前后对比法具体为取时间t2后的物体图像,对比物体图像是否有变化,如果有变化则表示有触碰;所述持续检测法具体为取时间t3后的图像帧,再次确认人物是否与物体图像重合,如果持续重合表示有触碰。
3.一种计算机设备,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,其特征在于,所述处理器执行所述程序时实现如权利要求1所述的密切接触者排查方法。
4.一种包含计算机可执行指令的存储介质,其特征在于,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1所述的密切接触者排查方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011502642.3A CN112635073B (zh) | 2020-12-18 | 2020-12-18 | 一种密切接触者排查方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011502642.3A CN112635073B (zh) | 2020-12-18 | 2020-12-18 | 一种密切接触者排查方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112635073A CN112635073A (zh) | 2021-04-09 |
CN112635073B true CN112635073B (zh) | 2022-02-08 |
Family
ID=75317099
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011502642.3A Active CN112635073B (zh) | 2020-12-18 | 2020-12-18 | 一种密切接触者排查方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112635073B (zh) |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9892564B1 (en) * | 2017-03-30 | 2018-02-13 | Novarad Corporation | Augmenting real-time views of a patient with three-dimensional data |
CN108416800A (zh) * | 2018-03-13 | 2018-08-17 | 青岛海信医疗设备股份有限公司 | 目标跟踪方法及装置、终端、计算机可读存储介质 |
CN108986921A (zh) * | 2018-07-04 | 2018-12-11 | 泰康保险集团股份有限公司 | 疾病预测方法、装置、介质及电子设备 |
CN111261301B (zh) * | 2020-02-13 | 2021-02-05 | 和宇健康科技股份有限公司 | 一种大数据传染病防控方法及系统 |
CN111027525B (zh) * | 2020-03-09 | 2020-06-30 | 中国民用航空总局第二研究所 | 疫情期间公共场所潜在被感染者追踪方法、装置及系统 |
KR102399702B1 (ko) * | 2020-03-30 | 2022-05-19 | 주식회사 올라운드 | 전염병 환자 추적 시스템 및 이를 이용한 전염병 환자 추적 방법 |
AU2020100564A4 (en) * | 2020-04-14 | 2020-05-21 | Phan, Hung Thanh Mr | CORONAVIRUS IMPACT ON THE WORLD ECONOMY PROBLEMS SOLVING: I invent the equation for solving the forecast of number of COVID-19 cases in the future so to help a country can re open the business as early as possible in the minimizes of COVID-19 |
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 |
-
2020
- 2020-12-18 CN CN202011502642.3A patent/CN112635073B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112635073A (zh) | 2021-04-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109697435B (zh) | 人流量监测方法、装置、存储介质及设备 | |
CN111339951A (zh) | 体温测量方法、装置及系统 | |
Boltes et al. | Collecting pedestrian trajectories | |
JP2023052152A (ja) | 外科織物内の血液構成要素の量の評価方法 | |
US11048948B2 (en) | System and method for counting objects | |
CN108154110B (zh) | 一种基于深度学习人头检测的密集人流量统计方法 | |
KR100519782B1 (ko) | 스테레오 카메라를 이용한 사람 검출 방법 및 장치 | |
CN106485735A (zh) | 基于立体视觉技术的人体目标识别与跟踪方法 | |
TW202026948A (zh) | 活體檢測方法、裝置以及儲存介質 | |
CN109389589A (zh) | 用于统计人数的方法和装置 | |
WO2021031954A1 (zh) | 对象数量确定方法、装置、存储介质与电子设备 | |
CN112102409A (zh) | 目标检测方法、装置、设备及存储介质 | |
CN109271942A (zh) | 一种人流统计方法以及系统 | |
CN113780270B (zh) | 目标检测方法和装置 | |
AU2018379393A1 (en) | Monitoring systems, and computer implemented methods for processing data in monitoring systems, programmed to enable identification and tracking of human targets in crowded environments | |
CN111461222B (zh) | 目标物轨迹相似度的获取方法、装置及电子设备 | |
WO2020136523A1 (en) | System and method for the recognition of geometric shapes | |
CN113011280A (zh) | 人员接触距离的检测方法、装置、计算机设备和存储介质 | |
Yang et al. | Bird's-eye view social distancing analysis system | |
WO2022246605A1 (zh) | 一种关键点标定方法和装置 | |
CN112635073B (zh) | 一种密切接触者排查方法、装置、计算机设备及存储介质 | |
CN113537026A (zh) | 建筑平面图中的图元检测方法、装置、设备及介质 | |
CN113903066A (zh) | 轨迹生成方法、系统、装置及电子设备 | |
CN104766329B (zh) | 一种图像处理方法及电子设备 | |
JPH04130587A (ja) | 3次元画像評価装置 |
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 |