CN112784680A - 一种人流密集场所锁定密集接触者的方法和系统 - Google Patents

一种人流密集场所锁定密集接触者的方法和系统 Download PDF

Info

Publication number
CN112784680A
CN112784680A CN202011538995.9A CN202011538995A CN112784680A CN 112784680 A CN112784680 A CN 112784680A CN 202011538995 A CN202011538995 A CN 202011538995A CN 112784680 A CN112784680 A CN 112784680A
Authority
CN
China
Prior art keywords
human body
target
target detection
distance
person
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
CN202011538995.9A
Other languages
English (en)
Other versions
CN112784680B (zh
Inventor
梁循
唐晖
郑香平
王伟
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.)
Renmin University of China
Original Assignee
Renmin University of China
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 Renmin University of China filed Critical Renmin University of China
Priority to CN202011538995.9A priority Critical patent/CN112784680B/zh
Publication of CN112784680A publication Critical patent/CN112784680A/zh
Application granted granted Critical
Publication of CN112784680B publication Critical patent/CN112784680B/zh
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
    • G06V40/10—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
    • G06V40/161—Detection; Localisation; Normalisation
    • 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
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • 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
    • 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
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07—Target detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Biomedical Technology (AREA)
  • Human Computer Interaction (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Pathology (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及一种人流密集场所锁定密集接触者的方法和系统，包括以下步骤：S1：建立所有进入人流密集场所的人员的人脸数据集和人体数据集；S2：采用人脸数据集和人体数据集训练人脸目标检测模型和人体目标检测模型；S3：将感染者的照片和人体特征输入人脸目标检测模型和人体目标检测模型，从而锁定目标，并对目标进行跟踪；S4：以目标为圆心，以预设的安全距离为半径画圆，在圆的范围内的除了感染者以外的其他人被认定密集接触者。其能够在短时间内快速锁定密切接触者，且不会影响其他人，可以有效降低新冠肺炎的传染风险。

Description

一种人流密集场所锁定密集接触者的方法和系统
技术领域
本发明涉及一种人流密集场所锁定密集接触者的方法和系统，属于通信技术领域。
背景技术
目前，新冠肺炎疫情随着复工复学，公共场所的人流量显著增加，故人流量大且封闭性比较强的场所，如地铁，超市，商场或大型景点，仍然存在较大的传染风险。故在进入封闭性公共场所时，通常需要用AI测温技术进行人脸识别和体温测量，当检测人体温度超过阈值会发出红色警报，禁止该人员入内。同时，将AI测温技术与大数据相关技术结合，对感染人员进行14天活动轨迹跟踪，从而找出与感染者密切接触的人员以防止感染扩散。虽然，AI测温系统结合大数据技术可以快速发现感染者，但是发现与感染者的密切接触的人员就比较复杂。
现有的排查密切接触者的方法主要有密切接触者主动上报；现场封锁感染者出现的区域对该区域的所有人员进行检测；通过公共场所的监控锁定密切接触者；或者根据感染者和相关人员的手机中的行走路线进行判断。首先上述方法都很难将密切接触者找全，因为上述方法大部分需要人工完成，且工作量很大，很难保证筛查人员在整个过程中都保持高度的细心和耐心；其次，若视频没有拍到密切接触者的正脸，或者拍的不是很清晰，就很难确认其身份，且仅从视频监控上很难准确确定其他人员和感染者的距离，故会存在一些人与感染者的距离大于安全距离，即不存在感染风险，但仍然被列为密切接触者进行隔离；最后，在人流密集场所进行现场封锁会造成非常严重的后果，比如在早高峰时间对某地铁站进行封锁，必然导致很多人员滞留，使得人流量进一步增加，从而使得感染的风险也进一步增加，同时还会增加市民的心理压力，产生暴躁的情绪。故目前急需一种可以快速、准确、有效锁定密切接触者，而又不会影响到其他人的方法。
发明内容
针对上述问题，本发明的目的是提供了一种人流密集场所锁定密集接触者的方法和系统，其能够在短时间内快速锁定密切接触者，且不会影响其他人，可以有效降低新冠肺炎的传染风险。
为实现上述目的，本发明采取以下技术方案：一种人流密集场所锁定密集接触者的方法，包括以下步骤：S1：建立所有进入人流密集场所的人员的人脸数据集和人体数据集；S2：采用人脸数据集和人体数据集训练人脸目标检测模型和人体目标检测模型；S3：将感染者的照片和人体特征输入人脸目标检测模型和人体目标检测模型，从而锁定目标，并对目标进行跟踪；S4：以目标为圆心，以预设的安全距离为半径画圆，在圆的范围内的除了感染者以外的其他人被认定密集接触者。
进一步，当锁定感染者和密切接触者后，紧急通知感染者和密切接触者，并将其进行隔离检测，同时将出现感染者的区域告知其他处于人流密集场所的人员，避免出现更多密切接触者。
进一步，步骤S1中还需要采集身份证和/或手机号码，人脸数据集包括身份证上的照片和现场实时拍摄的照片。
进一步，步骤S1中的人体数据集包括人体温度和体型信息，由红外成像仪获得。
进一步，步骤S3中以人脸目标检测模型为主进行目标识别，当目标检测装置没有拍到人脸或拍到的人脸不清楚时，以人体目标检测模型进行目标识别。
进一步，步骤S4中，建立实际坐标与目标检测装置中坐标的转换关系，将实际坐标中的预设的安全距离转换为目标检测装置中坐标的安全长度，并在目标检测装置获得的图像上做圆，从而确定圆范围内的密切接触者，计算密切接触者与感染者的实际距离，判断其是否落在安全范围内。
进一步，建立实际坐标与目标检测装置中坐标的转换关系的方法包括：根据目标检测装置的几何关系侧视图，测得目标检测装置垂直高度H、俯仰角α、图像底边距目标检测装置最小距离Dmin和图像顶边距目标检测装置最大距离Dmax，计算出坐标y距离目标检测装置的垂直距离；根据目标检测装置的几何关系俯视图，测得目标检测装置的水平视场角β；对应目标检测装置的图像的坐标(x,y),目标检测装置录取图像的宽度和高度分别为width、height，据此计算出坐标x距离目标检测装置的水平距离。
进一步，坐标y距离目标检测装置的垂直距离为：
Figure RE-GDA0003011434090000021
x距离目标检测装置的水平距离为：
Figure RE-GDA0003011434090000022
进一步，计算密切接触者与感染者的实际距离的方法是：分别建立密切接触者的人脸检测框和人体检测框，感染者的人脸检测框和人体检测框，先计算密切接触者的人脸检测框中心点到感染者的人脸检测框的中心点的距离；若人脸检测框之间的距离大于安全距离，则再计算密切接触者的人体检测框中心点到感染者的人体检测框的中心点的距离，人体检测框之间的距离若大于安全距离则判断密切接触者并没有与感染者实际密切接触，人体检测框之间的距离若小于安全距离则判断其为最终确定的密切接触者。
本发明还公开了一种人流密集场所锁定密集接触者的系统，包括：数据获取模块，用于建立所有进入人流密集场所的人员的人脸数据集和人体数据集；模型建立模块，用于根据人脸数据集和人体数据集训练人脸目标检测模型和人体目标检测模型；目标锁定跟踪模块，用于将感染者的照片和人体特征输入人脸目标检测模型和人体目标检测模型，从而锁定目标，并对目标进行跟踪；密集接触者确定模块，用于以目标为圆心，以预设的安全距离为半径画圆，在圆的范围内的除了感染者以外的其他人被认定密集接触者。
本发明由于采取以上技术方案，其具有以下优点：1、本发明可以快速查找到与感染者密切接触的感染人群，不需要工作人员仔细检查监控视频，极大减少排查人员的工作量。2、本发明还有利于加强人流密集的公共场所的管理，重点关注感染者出现的热点区域，减少封锁全部景区导致的经济损失和防止引起景区大量进入人员不必要的恐慌。3、本发明可以提醒感染者的位置，避免更多人成为密切接触者。
附图说明
图1是本发明一实施例中人流密集场所锁定密集接触者的方法的流程图；
图2是本发明一实施例中某景区内感染者、密集接触者和正常人的分布图。
具体实施方式
为了使本领域技术人员更好的理解本发明的技术方向，通过具体实施例对本发明进行详细的描绘。然而应当理解，具体实施方式的提供仅为了更好地理解本发明，它们不应该理解成对本发明的限制。在本发明的描述中，需要理解的是，所用到的术语仅仅是用于描述的目的，而不能理解为指示或暗示相对重要性。
本发明提供了一种人流密集场所锁定密集接触者的方法和系统，其基于目标检测和跟踪方法快速找出与新冠肺炎感染者密切接触的密切接触者。其以AI测温系统为基础，对进入人流密集场所的进入人员先要进行入册登记，人脸识别系统获取进入人员的人脸图像，构建人脸匹配数据集。当发现感染者，对景区监控视频中的感染者跟踪。在跟踪感染者目标时，把人脸识别跟踪当作主跟踪器。虽然目前的人脸检测识别准确率已经达到很高水平，但针对大中型景区，由于人群密度大、人员动作灵活、人员被其他物体遮挡等问题，光依靠人脸检测这一项是不够的。比如当感染者转身背对着目标检测装置，这时人脸识别就会失效，导致跟踪失败。如果跟踪失效，就必须要重新跟踪，这期间会错过一些重要信息引起漏检发生。为了更好的跟踪感染者，本发明把人脸识别跟踪和人体识别跟踪相结合，构建一种多路跟踪策略，把人体识别跟踪作为辅跟踪器，两者结合起来可以更鲁棒地监测跟踪感染者。当一种跟踪器失效时，另一种跟踪器可以临时发挥作用以防止目标跟丢。对视频中的疑似密切接触者只进行人脸和人体目标检测不执行目标跟踪，同时测量疑似密切接触者与感染者之间的距离，当距离大于设定的安全距离，则认为感染者不具备对该人员传染的风险；反之小于安全阈值时，则需要获取该密切接触者的人脸数据图像，与该区域中已经存档的人脸数据集进行匹配获取密切接触者的身份信息，然后将其加入疑似感染人员名单。
实施例一
本实施例公开了一种人流密集场所锁定密集接触者的方法，如图1所示，包括以下步骤：
S1：建立所有进入人流密集场所的人员的人脸数据集和人体数据集。
步骤S1中还需要采集身份证和/或手机号码，记录身份证是为了快速锁定密切接触者的个人信息，记录手机号码是为了方便通知密切接触者或及时向未感染者预警，同时避免通过公共广播导致恐慌和拥堵。当然例如火车站、机场和旅游景点等人流密集的公共场所进入就需要登记身份证信息就不用额外登记了。对于超市、地铁站、商场等可以通过扫描健康码等方式获取进入者的手机和身份信息。人脸数据集包括身份证上的照片和现场实时拍摄的照片，采集身份证上的照片是因为有时现场实时拍照的照片是戴口罩的，不能准确进行面部识别，也可以直接在拍照时要求拍照者摘掉口罩。人体数据集包括人体温度和体型信息，由红外成像仪获得。
下面本实施例以某热门景区为例进行说明。在景区门口设置闸机，在闸机口处，设置红外成像仪，该红外成像仪具有测温仪，自动监测进入人员的体温。进入人员将身份证放入闸机的卡片读取位置，在景区购票信息库中查询进入人员的购票记录，执行人脸识别和人证比对功能。对体温正常的进入人员，截取进入人员的人脸图像。进入景区的进入人员都是戴口罩的，口罩挡住了脸的大部分。为了增加后面密切接触者比对的准确性，需要获取一张脸部没有被遮挡的照片，本实施例采用的方式是直接利用卡片读取器获取进入人员身份证上的照片。构建人脸数据集，把身份证上的照片和现场实时拍摄的照片储存为Key，进入人员的身份信息储存为Value。
本实施例优选采用OpenCV工具包抓取身份证上的图片和目标检测装置中显示的进入人员戴口罩的图片，如图2所示，对这两张图片缩放到100x100分辨率，以进入人员+数字对图片命名，并且保存在本地文件中。通过卡片读取器，读取身份证上的文字信息。利用Sklearn工具包将这些信息写入csv文件。字段包括：姓名、出生年月、家庭地址、进入景区时间和票类型，如表1所示。
表1进入景区人员的信息记录表
Figure RE-GDA0003011434090000041
Figure RE-GDA0003011434090000051
S2：采用人脸数据集和人体数据集训练人脸目标检测模型和人体目标检测模型。
景区中监控目标检测装置镜头倾斜向下拍摄时，进入人员的面部特征会优先被看到，故以人脸目标检测模型为主进行目标识别。同时，考虑到面部被遮挡情况，本实施例中将人体目标检测也作为检测对象。所以本实施例中的目标检测器和跟踪器均需要同时检测和跟踪两个对象。本实施例优选采用Yolo V5作为目标检测器的基础结构，在该基础结构上用步骤S1中获得的人员的人脸数据集和人体数据集训练人体和人脸目标检测模型。
S3：将感染者的照片和人体特征输入人脸目标检测模型和人体目标检测模型，从而锁定目标，并对目标进行跟踪。
以人脸目标检测模型为主进行目标识别，当目标检测装置没有拍到人脸或拍到的人脸不清楚时，以人体目标检测模型进行目标识别。
使用深度排序(deep sort)算法，对目标检测的对象进行目标跟踪。如图2所示，跟踪时会给每一个目标分配一个ID，该ID显示了场景中跟踪的人数。为了减少计算成本和加快诊断速度，本实施例的跟踪对象只有感染者一个，对视频中其他人群，只执行目标检测。
S4：以目标为圆心，以预设的安全距离为半径画圆，在圆的范围内的除了感染者以外的其他人被认定密集接触者。
想要比较准确的测量视频中人群与感染者之间的距离，需要建立视频图像中的像素坐标与实际坐标的转换关系。通常景区目标检测装置朝向是倾斜向下,不考虑相机的焦距畸变，根据目标检测装置光学镜头原理以及几何关系，计算图像像素点在实际空间中距离目标检测装置的水平距离X和垂直距离Y。其具体过程为：
建立实际坐标与目标检测装置中坐标的转换关系，将实际坐标中的预设的安全距离转换为目标检测装置中坐标的安全长度，并在目标检测装置获得的图像上做圆，从而确定圆范围内的密切接触者，计算密切接触者与感染者的实际距离，判断其是否落在安全范围内。
建立实际坐标与目标检测装置中坐标的转换关系的方法包括：根据目标检测装置的几何关系侧视图，测得目标检测装置垂直高度H、俯仰角α、图像底边距目标检测装置最小距离Dmin和图像顶边距目标检测装置最大距离Dmax，计算出坐标y距离目标检测装置的垂直距离；根据目标检测装置的几何关系俯视图，测得目标检测装置的水平视场角β；对应目标检测装置的图像的坐标(x,y),目标检测装置录取图像的宽度和高度分别为width、height，据此计算出坐标x距离目标检测装置的水平距离。
坐标y距离目标检测装置的垂直距离为：
Figure RE-GDA0003011434090000061
x距离目标检测装置的水平距离为：
Figure RE-GDA0003011434090000062
计算密切接触者与感染者的实际距离的方法是：保留有人脸检测框的截图。比如检测截图是整个人体目标，但却看不到进入人员的人脸，相当于检测无效，故舍弃。分别建立密切接触者的人脸检测框和人体检测框，感染者的人脸检测框和人体检测框，先计算密切接触者的人脸检测框中心点到感染者的人脸检测框的中心点的距离；若人脸检测框之间的距离大于安全距离，则再计算密切接触者的人体检测框中心点到感染者的人体检测框的中心点的距离，人体检测框之间的距离若大于安全距离则判断密切接触者并没有与感染者实际密切接触，人体检测框之间的距离若小于安全距离则判断其为最终确定的密切接触者。对于最终确定的密切接触者需要截取其人脸数据图像。中，人脸检测框中心点到感染者的人脸检测框的中心点的距离在本实施例中优选采用平方根值表示。其中，安全距离优选为1米之内。当跟踪器对感染者跟踪失败导致id 跳变时，需要记录监控视频的时间，等待人工处理。
通过在步骤S1中构建的人脸数据集中进行人脸比对，从而快速锁定该名密切接触者的身份信息，从而把其加入疑似感染者名单。其中人脸比对的具体方法为：将截图的人脸图像缩放到100x100像素大小，在人脸数据集中进行检索比对，获取该名进入人员的ID，并在csv文件中查找该ID对应的人员身份信息，将其加入疑似感染者名单。如果检索失败，可能因为人脸数据集中不存在该名进入人员的信息，或者人脸数据比对失败，需要人工介入处理。
当锁定感染者和密切接触者后，紧急通知感染者和密切接触者，并将其进行隔离检测，同时将出现感染者的区域告知其他处于人流密集场所的人员，避免出现更多密切接触者。其中通知的形式可以是通过园区内广播实现，或者为了避免打扰其他无关人员，将相关信息发送至相关人员手机上。也可以在门票或类似物中植入芯片，当发现有感染者和密切接触者是通过芯片以声音或亮光的形式通知相关人员，优选对不同危险级别的人员采用不同的颜色，如感染者采用红色的光，密切接触者采用橙色的光，其他人员采用绿色的光。
实施例二
基于相同的发明构思，本实施例公开了一种人流密集场所锁定密集接触者的系统，包括：
数据获取模块，用于建立所有进入人流密集场所的人员的人脸数据集和人体数据集；
模型建立模块，用于根据人脸数据集和人体数据集训练人脸目标检测模型和人体目标检测模型；
目标锁定跟踪模块，用于将感染者的照片和人体特征输入人脸目标检测模型和人体目标检测模型，从而锁定目标，并对目标进行跟踪；
密集接触者确定模块，用于以目标为圆心，以预设的安全距离为半径画圆，在圆的范围内的除了感染者以外的其他人被认定密集接触者。
本发明是利用景区提供包含感染者的监控视频，通过目标检测和跟踪技术，在少量人工干预情况下，自动查询跟踪视频中的感染者。通过计算与感染者接触人群的距离，进一步筛选出在风险感染距离以内的密切接触者，缓解景区疫情防控压力。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。上述内容仅为本申请的具体实施方式，但本申请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申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种人流密集场所锁定密集接触者的方法，其特征在于，包括以下步骤：
S1：建立所有进入所述人流密集场所的人员的人脸数据集和人体数据集；
S2：采用所述人脸数据集和人体数据集训练人脸目标检测模型和人体目标检测模型；
S3：将感染者的照片和人体特征输入所述人脸目标检测模型和人体目标检测模型，从而锁定目标，并对所述目标进行跟踪；
S4：以所述目标为圆心，以预设的安全距离为半径画圆，在所述圆的范围内的除了感染者以外的其他人被认定密集接触者。
2.如权利要求1所述的人流密集场所锁定密集接触者的方法，其特征在于，当锁定感染者和密切接触者后，紧急通知感染者和密切接触者，并将其进行隔离检测，同时将出现感染者的区域告知其他处于所述人流密集场所的人员，避免出现更多密切接触者。
3.如权利要求1所述的人流密集场所锁定密集接触者的方法，其特征在于，所述步骤S1中还需要采集身份证和/或手机号码，人脸数据集包括所述身份证上的照片和现场实时拍摄的照片。
4.如权利要求3所述的人流密集场所锁定密集接触者的方法，其特征在于，所述步骤S1中的人体数据集包括人体温度和体型信息，由红外成像仪获得。
5.如权利要求1所述的人流密集场所锁定密集接触者的方法，其特征在于，所述步骤S3中以人脸目标检测模型为主进行目标识别，当目标检测装置没有拍到人脸或拍到的人脸不清楚时，以人体目标检测模型进行目标识别。
6.如权利要求5所述的人流密集场所锁定密集接触者的方法，其特征在于，所述步骤S4中，建立实际坐标与所述目标检测装置中坐标的转换关系，将实际坐标中的预设的安全距离转换为所述目标检测装置中坐标的安全长度，并在所述目标检测装置获得的图像上做圆，从而确定所述圆范围内的密切接触者，计算所述密切接触者与感染者的实际距离，判断其是否落在安全范围内。
7.如权利要求6所述的人流密集场所锁定密集接触者的方法，其特征在于，所述建立实际坐标与所述目标检测装置中坐标的转换关系的方法包括：根据目标检测装置的几何关系侧视图，测得目标检测装置垂直高度H、俯仰角α、图像底边距目标检测装置最小距离Dmin和图像顶边距目标检测装置最大距离Dmax，计算出坐标y距离目标检测装置的垂直距离；根据目标检测装置的几何关系俯视图，测得目标检测装置的水平视场角β；对应所述目标检测装置的图像的坐标(x,y),所述目标检测装置录取图像的宽度和高度分别为width、height，据此计算出坐标x距离所述目标检测装置的水平距离。
8.如权利要求7所述的人流密集场所锁定密集接触者的方法，其特征在于，所述坐标y距离目标检测装置的垂直距离为：
Figure FDA0002854375300000021
所述x距离所述目标检测装置的水平距离为：
Figure FDA0002854375300000022
9.如权利要求6所述的人流密集场所锁定密集接触者的方法，其特征在于，计算所述密切接触者与感染者的实际距离的方法是：分别建立密切接触者的人脸检测框和人体检测框，感染者的人脸检测框和人体检测框，先计算密切接触者的人脸检测框中心点到感染者的人脸检测框的中心点的距离；若人脸检测框之间的距离大于安全距离，则再计算密切接触者的人体检测框中心点到感染者的人体检测框的中心点的距离，人体检测框之间的距离若大于安全距离则判断所述密切接触者并没有与感染者实际密切接触，人体检测框之间的距离若小于安全距离则判断其为最终确定的密切接触者。
10.一种人流密集场所锁定密集接触者的系统，其特征在于，包括：
数据获取模块，用于建立所有进入所述人流密集场所的人员的人脸数据集和人体数据集；
模型建立模块，用于根据所述人脸数据集和人体数据集训练人脸目标检测模型和人体目标检测模型；
目标锁定跟踪模块，用于将感染者的照片和人体特征输入所述人脸目标检测模型和人体目标检测模型，从而锁定目标，并对所述目标进行跟踪；
密集接触者确定模块，用于以所述目标为圆心，以预设的安全距离为半径画圆，在所述圆的范围内的除了感染者以外的其他人被认定密集接触者。
CN202011538995.9A 2020-12-23 2020-12-23 一种人流密集场所锁定密集接触者的方法和系统 Active CN112784680B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011538995.9A CN112784680B (zh) 2020-12-23 2020-12-23 一种人流密集场所锁定密集接触者的方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011538995.9A CN112784680B (zh) 2020-12-23 2020-12-23 一种人流密集场所锁定密集接触者的方法和系统

Publications (2)

Publication Number Publication Date
CN112784680A true CN112784680A (zh) 2021-05-11
CN112784680B CN112784680B (zh) 2024-02-02

Family

ID=75751932

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011538995.9A Active CN112784680B (zh) 2020-12-23 2020-12-23 一种人流密集场所锁定密集接触者的方法和系统

Country Status (1)

Country Link
CN (1) CN112784680B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114155801A (zh) * 2021-12-10 2022-03-08 广州番禺职业技术学院 新型多媒体电子导游方法及系统
WO2023230959A1 (zh) * 2022-06-01 2023-12-07 京东方科技集团股份有限公司 目标跟踪方法、目标跟踪系统和电子设备

Citations (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040156535A1 (en) * 1996-09-04 2004-08-12 Goldberg David A. Obtaining person-specific images in a public venue
GB0426595D0 (en) * 2004-12-06 2005-01-05 Biotechnology Representation of 3D objects
US20110135165A1 (en) * 2009-06-02 2011-06-09 Harry Wechsler Robust Human Authentication Using Holistic Anthropometric and Appearance-Based Features and Boosting
CN105718862A (zh) * 2016-01-15 2016-06-29 北京市博汇科技股份有限公司 一种单摄像头教师自动跟踪方法、装置及录播系统
CN106303409A (zh) * 2016-07-27 2017-01-04 阔地教育科技有限公司 一种目标对象联合跟踪方法及目标对象联合跟踪装置
CN107292240A (zh) * 2017-05-24 2017-10-24 深圳市深网视界科技有限公司 一种基于人脸与人体识别的找人方法及系统
CN107392162A (zh) * 2017-07-27 2017-11-24 京东方科技集团股份有限公司 危险人物识别方法及装置
WO2018133666A1 (zh) * 2017-01-17 2018-07-26 腾讯科技（深圳）有限公司 视频目标跟踪方法和装置
CN108665476A (zh) * 2017-03-31 2018-10-16 华为数字技术（苏州）有限公司 一种行人跟踪方法以及电子设备
CN109460702A (zh) * 2018-09-14 2019-03-12 华南理工大学 基于人体骨架序列的乘客异常行为识别方法
US20190156113A1 (en) * 2017-11-22 2019-05-23 King Fahd University Of Petroleum And Minerals Multi-kernel fuzzy local gabor feature extraction method for automatic gait recognition
CN109871771A (zh) * 2019-01-21 2019-06-11 北京轻舟科技有限公司 一种基于单视角视频的自动检测人体的方法及系统
CN110059645A (zh) * 2019-04-23 2019-07-26 杭州智趣智能信息技术有限公司 一种人脸识别方法、系统及电子设备和存储介质
CN110070005A (zh) * 2019-04-02 2019-07-30 腾讯科技（深圳）有限公司 图像目标识别方法、装置、存储介质及电子设备
WO2019144296A1 (zh) * 2018-01-23 2019-08-01 深圳市大疆创新科技有限公司 可移动平台的控制方法、装置和可移动平台
US20190278985A1 (en) * 2018-03-09 2019-09-12 Baidu Online Network Technology (Beijing) Co., Ltd . Method, system and terminal for identity authentication, and computer readable storage medium
CN110245712A (zh) * 2019-06-19 2019-09-17 焦点科技股份有限公司 一种人体及人脸属性识别方法及系统
CN110796079A (zh) * 2019-10-29 2020-02-14 深圳龙岗智能视听研究院 基于人脸深度特征和人体局部深度特征的多相机访客识别的方法及系统
CN111047626A (zh) * 2019-12-26 2020-04-21 深圳云天励飞技术有限公司 目标跟踪方法、装置、电子设备及存储介质
CN111259813A (zh) * 2020-01-17 2020-06-09 实地地产集团有限公司 人脸检测跟踪方法、装置、计算机设备和存储介质
CN111341461A (zh) * 2020-02-24 2020-06-26 中国船舶重工集团公司第七一七研究所 红外疫情智能综合检测识别系统
CN111355924A (zh) * 2019-11-18 2020-06-30 杭州亿圣信息技术有限公司 基于视频智能分析检测特殊人员脸部加扰编码的方法
CN111414854A (zh) * 2020-03-19 2020-07-14 银河水滴科技（北京）有限公司 一种目标人群轨迹追踪方法及装置
CN111597919A (zh) * 2020-04-26 2020-08-28 无锡高斯科技有限公司 一种视频监控场景下的人体跟踪方法
CN111639616A (zh) * 2020-06-05 2020-09-08 上海一由科技有限公司 一种基于深度学习的重身份识别方法
CN112016445A (zh) * 2020-08-27 2020-12-01 重庆科技学院 一种基于监控视频的遗留物检测方法
CN112071433A (zh) * 2020-07-22 2020-12-11 深圳神目信息技术有限公司 一种人脸识别及体温监测系统

Patent Citations (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040156535A1 (en) * 1996-09-04 2004-08-12 Goldberg David A. Obtaining person-specific images in a public venue
GB0426595D0 (en) * 2004-12-06 2005-01-05 Biotechnology Representation of 3D objects
US20110135165A1 (en) * 2009-06-02 2011-06-09 Harry Wechsler Robust Human Authentication Using Holistic Anthropometric and Appearance-Based Features and Boosting
CN105718862A (zh) * 2016-01-15 2016-06-29 北京市博汇科技股份有限公司 一种单摄像头教师自动跟踪方法、装置及录播系统
CN106303409A (zh) * 2016-07-27 2017-01-04 阔地教育科技有限公司 一种目标对象联合跟踪方法及目标对象联合跟踪装置
WO2018133666A1 (zh) * 2017-01-17 2018-07-26 腾讯科技（深圳）有限公司 视频目标跟踪方法和装置
CN108665476A (zh) * 2017-03-31 2018-10-16 华为数字技术（苏州）有限公司 一种行人跟踪方法以及电子设备
CN107292240A (zh) * 2017-05-24 2017-10-24 深圳市深网视界科技有限公司 一种基于人脸与人体识别的找人方法及系统
CN107392162A (zh) * 2017-07-27 2017-11-24 京东方科技集团股份有限公司 危险人物识别方法及装置
US20190156113A1 (en) * 2017-11-22 2019-05-23 King Fahd University Of Petroleum And Minerals Multi-kernel fuzzy local gabor feature extraction method for automatic gait recognition
WO2019144296A1 (zh) * 2018-01-23 2019-08-01 深圳市大疆创新科技有限公司 可移动平台的控制方法、装置和可移动平台
US20190278985A1 (en) * 2018-03-09 2019-09-12 Baidu Online Network Technology (Beijing) Co., Ltd . Method, system and terminal for identity authentication, and computer readable storage medium
CN109460702A (zh) * 2018-09-14 2019-03-12 华南理工大学 基于人体骨架序列的乘客异常行为识别方法
CN109871771A (zh) * 2019-01-21 2019-06-11 北京轻舟科技有限公司 一种基于单视角视频的自动检测人体的方法及系统
CN110070005A (zh) * 2019-04-02 2019-07-30 腾讯科技（深圳）有限公司 图像目标识别方法、装置、存储介质及电子设备
CN110059645A (zh) * 2019-04-23 2019-07-26 杭州智趣智能信息技术有限公司 一种人脸识别方法、系统及电子设备和存储介质
CN110245712A (zh) * 2019-06-19 2019-09-17 焦点科技股份有限公司 一种人体及人脸属性识别方法及系统
CN110796079A (zh) * 2019-10-29 2020-02-14 深圳龙岗智能视听研究院 基于人脸深度特征和人体局部深度特征的多相机访客识别的方法及系统
CN111355924A (zh) * 2019-11-18 2020-06-30 杭州亿圣信息技术有限公司 基于视频智能分析检测特殊人员脸部加扰编码的方法
CN111047626A (zh) * 2019-12-26 2020-04-21 深圳云天励飞技术有限公司 目标跟踪方法、装置、电子设备及存储介质
CN111259813A (zh) * 2020-01-17 2020-06-09 实地地产集团有限公司 人脸检测跟踪方法、装置、计算机设备和存储介质
CN111341461A (zh) * 2020-02-24 2020-06-26 中国船舶重工集团公司第七一七研究所 红外疫情智能综合检测识别系统
CN111414854A (zh) * 2020-03-19 2020-07-14 银河水滴科技（北京）有限公司 一种目标人群轨迹追踪方法及装置
CN111597919A (zh) * 2020-04-26 2020-08-28 无锡高斯科技有限公司 一种视频监控场景下的人体跟踪方法
CN111639616A (zh) * 2020-06-05 2020-09-08 上海一由科技有限公司 一种基于深度学习的重身份识别方法
CN112071433A (zh) * 2020-07-22 2020-12-11 深圳神目信息技术有限公司 一种人脸识别及体温监测系统
CN112016445A (zh) * 2020-08-27 2020-12-01 重庆科技学院 一种基于监控视频的遗留物检测方法

Non-Patent Citations (8)

* Cited by examiner, † Cited by third party
Title
CHEN, HAI-WEN等: ""Moving human full body and body parts detection, tracking, and applications on human activity estimation, walking pattern and face recognition"", 《 AUTOMATIC TARGET RECOGNITION XXVI》, vol. 9844, pages 1 - 34 *
J. BARABAS, R. ZALMAN AND M. KOCHLAN: "\"Automated evaluation of COVID-19 risk factors coupled with real-time, indoor, personal localization data for potential disease identification, prevention and smart quarantining\"", 《2020 43RD INTERNATIONAL CONFERENCE ON TELECOMMUNICATIONS AND SIGNAL PROCESSING (TSP)》, pages 645 - 648 *
XUEFENG SONG等: ""Combined face-body tracking in indoor environment"", 《PROCEEDINGS OF THE 17TH INTERNATIONAL CONFERENCE ON PATTERN RECOGNITION》, vol. 4, pages 159 - 162, XP010723886, DOI: 10.1109/ICPR.2004.1333728 *
人工智能研究所: "《利用YOLOV3检测算法来实现人物定位与距离计算，打造全球定位系统》", pages 1 - 5, Retrieved from the Internet <URL:https://zhuanlan.zhihu.com/p/270589191> *
是目不是木: ""人脸识别技术在COVID-19抗疫中的应用：发热病人的筛查及密切接触者追踪"", pages 1 - 5, Retrieved from the Internet <URL:《https://blog.csdn.net/weixin_44546081/article/details/109044137》> *
杨臻,徐型平,周忠运: "\"基于视频AI技术的疫情防控大数据应用浅析\"", 《中国安防》, vol. 171, no. 4, pages 50 - 55 *
苑洋: ""面向不同距离的实时人体检测与跟踪系统"", 《模式识别与人工智能》, vol. 2014, no. 10, pages 939 - 945 *
陈镜任: ""基于视觉跟踪的行人运动轨迹预测方法研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》, no. 7, pages 138 - 956 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114155801A (zh) * 2021-12-10 2022-03-08 广州番禺职业技术学院 新型多媒体电子导游方法及系统
WO2023230959A1 (zh) * 2022-06-01 2023-12-07 京东方科技集团股份有限公司 目标跟踪方法、目标跟踪系统和电子设备

Also Published As

Publication number Publication date
CN112784680B (zh) 2024-02-02

Similar Documents

Publication Publication Date Title
JP5435740B2 (ja) 監視システム、および監視サーバ
JP4970195B2 (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
KR101215948B1 (ko) 신체정보 및 얼굴인식에 기반한 감시 시스템의 영상정보 마스킹 방법
JP5879877B2 (ja) 画像処理装置、画像処理方法、プログラム、および画像処理システム
CN112233300A (zh) 一种基于人工智能的社区通行防疫监控联防系统及其方法
CN113033293A (zh) 一种出入口管理设备、系统和方法
CN112784680B (zh) 一种人流密集场所锁定密集接触者的方法和系统
JP2007334623A (ja) 顔認証装置、顔認証方法、および入退場管理装置
CN110210461B (zh) 基于摄像机网格的多视图协同异常行为检测方法
CN111428681A (zh) 一种智能防疫系统
CN108650485A (zh) 基于图像检测和无线探针的人员监控方法及系统
US11763662B2 (en) Systems and methods of enforcing dynamic thresholds of social distancing rules
JP2006236260A (ja) 顔認証装置、顔認証方法および入退場管理装置
CN102855508A (zh) 敞开式校园防尾随系统
CN112132048A (zh) 一种基于计算机视觉的社区巡更分析方法及系统
KR20220056279A (ko) 인공 지능 기반 비전 감시 장치
CN106372566A (zh) 一种基于数字标牌紧急疏散系统及方法
KR102434154B1 (ko) 영상감시시스템에서의 고속 이동물체의 위치 및 모션 캡쳐 방법
CN113044694A (zh) 基于深度神经网络的工地电梯人数统计系统及方法
CN112330742A (zh) 公共区域重点人员活动路线记录方法及装置
JP5730000B2 (ja) 顔照合システム、顔照合装置及び顔照合方法
CN109215150A (zh) 人脸点名与计数方法及其系统
CN111144260A (zh) 一种翻越闸机的检测方法、装置及系统
JP2015088816A (ja) 画像監視システム
KR101926510B1 (ko) 광각카메라를 이용한 안면인식 기반의 광역 감시 시스템

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