CN113257417A - 一种公交车智能辅助防疫系统及方法 - Google Patents
一种公交车智能辅助防疫系统及方法 Download PDFInfo
- Publication number
- CN113257417A CN113257417A CN202110072992.9A CN202110072992A CN113257417A CN 113257417 A CN113257417 A CN 113257417A CN 202110072992 A CN202110072992 A CN 202110072992A CN 113257417 A CN113257417 A CN 113257417A
- Authority
- CN
- China
- Prior art keywords
- risk
- module
- bus
- vehicle
- region
- 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.)
- Pending
Links
- 230000002265 prevention Effects 0.000 title claims abstract description 31
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000004659 sterilization and disinfection Methods 0.000 claims abstract description 52
- 230000036760 body temperature Effects 0.000 claims abstract description 50
- 238000009529 body temperature measurement Methods 0.000 claims abstract description 32
- 230000003993 interaction Effects 0.000 claims abstract description 14
- 238000012502 risk assessment Methods 0.000 claims abstract description 14
- 238000013459 approach Methods 0.000 claims abstract description 7
- 238000013508 migration Methods 0.000 claims description 42
- 230000005012 migration Effects 0.000 claims description 42
- 238000011176 pooling Methods 0.000 claims description 21
- 230000002159 abnormal effect Effects 0.000 claims description 20
- 230000003203 everyday effect Effects 0.000 claims description 16
- 239000011941 photocatalyst Substances 0.000 claims description 15
- 238000001514 detection method Methods 0.000 claims description 14
- 210000001061 forehead Anatomy 0.000 claims description 10
- 230000001954 sterilising effect Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000002354 daily effect Effects 0.000 claims description 7
- 230000000249 desinfective effect Effects 0.000 claims description 7
- 230000005856 abnormality Effects 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 6
- 238000000746 purification Methods 0.000 claims description 5
- 230000009467 reduction Effects 0.000 claims description 5
- 241000700605 Viruses Species 0.000 claims description 4
- 238000010586 diagram Methods 0.000 claims description 4
- 241000894006 Bacteria Species 0.000 claims description 3
- 238000009825 accumulation Methods 0.000 claims description 3
- 238000001816 cooling Methods 0.000 claims description 3
- 239000000428 dust Substances 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000006748 scratching Methods 0.000 claims description 3
- 230000002393 scratching effect Effects 0.000 claims description 3
- 230000002194 synthesizing effect Effects 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 10
- 208000015181 infectious disease Diseases 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000001931 thermography Methods 0.000 description 2
- 206010037660 Pyrexia Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 239000000645 desinfectant Substances 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000009385 viral infection Effects 0.000 description 1
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
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/0022—Radiation pyrometry, e.g. infrared or optical thermometry for sensing the radiation of moving bodies
- G01J5/0025—Living bodies
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
-
- 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
- G06Q50/40—Business processes related to the transportation industry
-
- 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
- G06V40/168—Feature extraction; Face representation
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Data Mining & Analysis (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Medical Informatics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Business, Economics & Management (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- Biomedical Technology (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Human Computer Interaction (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种公交车智能辅助防疫系统及方法，系统包括：控制模块、识别测温模块、风险分析模块、车内消毒模块和交互模块；方法包括如下步骤：通过识别测温模块识别上车乘客身份并检测其体温，并将检测到的信息发送到所述的控制模块；通过车内的控制模块，将收集到的信息传输至交互模块，显示在车载电子显示屏上，同时传输至所述车内主控，再传输至控制中心系统；根据接收到的信息，风险分析模块定期对其进行分析，计算城市不同地区的疫情风险等级；根据得到的区域风险等级，当公交车途径高风险区域时，控制模块控制所述车内消毒模块，开启消毒模式。本发明能够填补目前市场上公交车智能辅助防疫系统空白问题。
Description
技术领域
本发明涉及车辆智能检测技术领域，尤其是一种公交车智能辅助防疫系统及方法。
背景技术
目前市场上尚未有成熟的公交车智能辅助防疫系统存在，现有的公交车内部也仅配备有洗手液和消毒液，消毒能力十分有限，加上车内空间密闭，乘客感染病毒的风险大。而人体测温技术、人脸识别技术等已经较为成熟，例如《非接触式红外热成像测温技术探析》一文中提出的非接触式红外测温热成像技术通过探测物体表面的温度场，能快速筛选疑似发热病人，在民用领域已经有了较多应用；《全天候自然场景下的人脸佩戴口罩识别技术》一文中将深度学习的人脸检测和口罩佩戴识别相结合提出的人脸佩戴口罩识别技术，在全天候自然场景下取得了99.50％的识别准确率；《基于运营商及互联网大数据的疫情防控》一文中，通过对公共通信网络中的基础数据进行分析，已经实现了对全国涉疫人员全轨迹链的还原分析，实现了对已确诊者与新增确诊者接触时间和地点的还原，以及各个区域的传染危机程度预警。
综上来看，目前尚未有成熟的公交车智能辅助防疫系统存在，公交车内部消毒能力有限，多项技术虽较为成熟，但各自独立。例如非接触式红外测温技术与人脸佩戴口罩识别技术相互独立，且应用范围较为局限，固定为商城、学校、地铁站等人流量大的地区。另一方面现有的大数据疫情防控技术所需的数据大多来源于公共通信网络中的基础数据，数据收集难度较大，而且数据冗余严重，可利用率不高。
发明内容
本发明所要解决的技术问题在于，提供一种公交车智能辅助防疫系统及方法，能够填补目前市场上公交车智能辅助防疫系统空白问题。
为解决上述技术问题，本发明提供一种公交车智能辅助防疫系统，包括：控制模块、识别测温模块、风险分析模块、车内消毒模块和交互模块；控制模块包括控制中心系统、车内主控和STM32单片机；识别测温模块包括人脸识别摄像机和ST16-TPIL16TRS1测温模组；车内消毒模块包括光触媒空气净化器和低温等离子发生器；车内主控与STM32 单片机通过串口连接传输数据，车内主控与交互模块和控制中心系统相连，控制中心系统与风险分析模块相连，STM32单片机与人脸识别摄像机和ST16-TPIL16TRS1测温模组相连，STM32单片机与光触媒空气净化器和低温等离子发生器相连。
优选的，控制模块用于任务控制及数据传输与计算，识别测温模块用于检测上车乘客体温计识别其身份，风险分析模块用于判断城市不同区域的疫情风险等级，车内消毒模块用于公交车内的消毒、去除病毒与细菌，交互模块用于公交车智能辅助防疫系统与乘客的实时交互。
相应的，一种公交车智能辅助防疫方法，包括如下步骤：
(1)通过识别测温模块识别上车乘客身份并检测其体温，并将检测到的乘客的身份信息、体温信息以及公交车路线信息发送到所述的控制模块；
(2)通过车内的控制模块，将所述步骤(1)中收集到的身份信息、体温信息传输至所述交互模块，显示在车载电子显示屏上，同时传输至所述车内主控，再传输至控制中心系统；
(3)根据所述步骤(2)中接收到的信息，风险分析模块定期对其进行分析，计算城市不同地区的疫情风险等级；
(4)根据步骤(3)中得到的区域风险等级，当公交车途径高风险区域时，所述控制模块控制所述车内消毒模块，开启消毒模式。
优选的，步骤(1)中，通过识别测温模块识别上车乘客身份并检测其体温，并将检测到的乘客的身份信息、体温信息以及公交车路线信息发送到所述的控制模块具体包括如下步骤：
(11)充分利用现有的数据集模拟出大量的戴口罩人脸照片，并收集部分真实的戴口罩人脸照片，然后将这两部分数据合成一个较大的训练数据集；针对大部分人脸特征被遮挡的情况，设计一个人脸可见区域权重增强的网络，并利用该网络训练出一个口罩特征识别算法专用模型；先利用口罩检测算法识别乘客是否佩戴口罩，如果检测出没有戴口罩，则调用通用的人脸识别算法模型；如果检测出有戴口罩，则调用专用的口罩特征识别算法模型；
(12)测温时，先利用可见光图像进行人脸检测，获取用户人脸矩形框和关键点位置，然后抠出人脸额头区域，进而依据事先校正过的可见光图像与热度图像之间的映射关系，利用型号为ST16-TPIL16TRS1的测温模组测量初步的人脸额头温度，获取落在人脸额头区域点阵的最高温度；
(13)在步骤(12)所得温度的基础上，参考温度补偿值依据用户的人脸矩形框宽度作进一步修正，从而得到最终的实际测量温度。
优选的，步骤(11)中，口罩特征识别算法具体包括如下步骤：
(111)将获取的人脸区域传入口罩算法模型，输入图像blob为[1，3，112，112]；
(112)开始部分采用11*11的较大卷积核对输入的裁剪人脸图像进行简单的特征提取，得到26*26大小的特征图；
(113)网络第二层为池化层，核大小为3，对第一层的输出进行最大池化操作，降低了特征表示的空间大小，实现了对显著纹理特征的学习；
(114)网络第三层采用卷积层，特征图边缘扩充了2个像素，卷积核大小为5，以使输出特征图大小保持不变，即13*13，但深度方向有所扩充，实现了不同卷积特征的组合；
(115)网络第四层采用池化层，也是进行最大池化操作，输出特征图大小减半；接下来，网络采用3个卷积层，对池化后得到的特征图进行连续的特征提取，进一步学习比较抽象的高级特征；
(116)第五、六、七层均采用大小为3的小卷积核，输出相同大小的特征图，最后得到的blob维度为[1，32，6，6]；
(117)网络第八层依然采用了池化层，进行最大池化降维，特征图尺度减半；
(118)网络第九和十层都采用了全连接层，逐步降低维度，并最后通过Softmax 处理，得到更为抽象的特征作为口罩辨识依据，即戴或不戴口罩的概率似然值。
优选的，步骤(3)中，计算城市不同地区的疫情风险等级具体包括如下步骤：
(31)根据公交公司规定的各路公交车的指定行驶路线对城市进行分块，分成大小相似的区域；
(32)计算划分后各个区域的风险系数和迁徙输入型风险指数；
(33)将各区域的风险系数以及迁徙输入型风险指数相加，取前百分之三十的为高风险区域，后百分之三十为低风险区域，中间百分之四十为中等风险区域。
优选的，步骤(32)中，计算划分后各个区域的风险系数具体为：采取各区域累计确认体温异常人数和新增确认体温异常人数加权的方法构建各区域的风险系数，即综合型风险，令某区域风险系数为Rj；
Rj＝α·Aij+(1-α)·Bij(0＜α＜1)
其中，Aij是各区域每日累计确认体温异常人数，Bij是各区域每日新增确认体温异常人数，α为确定风险系数的比例，将α定为0.6，则将各区域每日累计确认体温异常人数和每日新增确认体温异常人数进行加权，以全面考虑各区域的风险系数。
优选的，步骤(32)中，计算迁徙输入型风险指数具体为：当人员大规模在区域间流动时，风险系数无法表示迁徙风险，基于迁出地人群分布符合迁出地人群分布的假设，按照迁出地的体温异常率表示迁出人群体温异常率的思路，将当日从某区域外部迁徙来源人口占迁徙来源总人口的比例和各区域的风险系数加权计算得出各区域每日的输入型风险指数，即：
m＝1，2，3……n
i＝1，2，3……n
t＝1，2，3……n
其中，Em是m区域迁徙输入型风险指数；n为城市划分后的各个区域代号；pi是随着时间t变化，每日其他区域迁徙进入m区域的人口比例；Ri是每日迁徙输入区域i 的风险系数；加权计算可知由于人员的迁徙导致的各区域迁徙输入型风险指数的变化，用来衡量大规模人口流动导致各区域的风险的变化情况。
优选的，步骤(4)中，根据步骤(3)中得到的区域风险等级，当公交车途径高风险区域时，所述控制模块控制所述车内消毒模块，开启消毒模式具体包括如下步骤：
(41)根据步骤(3)得到的城市各个区域的疫情风险等级，将公交车当前途径区域的风险等级显示在车载电子显示屏上，若为高风险地区，则控制车内消毒模块，开启消毒模式；
(42)利用车载低温等离子发生器以及光触媒空气净化器，对车内空气进行检测并进行杀菌消毒净化。
优选的，步骤(42)中，利用车载低温等离子发生器以及光触媒空气净化器，对车内空气进行检测并进行杀菌消毒净化具体为：通过把光触媒空气净化器和低温等离子发生器集成到公交车的回风栅处，开空调时，车内所有的空气，都经过回风栅处，吸附空气中的尘埃，过滤、净化、杀毒和灭菌之后经过蒸发器冷却后送到需要空调的各处，最后空气又回到回风处进行过滤、净化、杀毒和灭菌，这样不断地循环半小时后，起到车内的杀菌消毒作用。
本发明的有益效果为：(1)可充分利用公交车的高流动性以及运输特性，在疫情爆发期将公交车作为运输工具，运输病人或者医生，并检测其体温，及早发现感染人员； (2)在疫情防控时期，作为公共交通工具，在保证市民日常出行的同时，对车内乘客进行测温，及早发现疑似感染患者，防止进一步传播；(3)公交系统每日乘客流量十分巨大，系统的检测样本也十分可观，将乘客数据上传至控制中心系统后，利用风险分析模块便可以通过大数据分析判断城市各个区域的疫情风险等级；(4)若某一区域发生突发感染，也可借由该系统收集到的乘客信息来调查传染链，及时发现疑似感染者，及早采取隔离措施，防止病毒进一步扩散；(5)若公交车经过高风险区域时，车内将开启消毒模式，降低车内乘客感染风险。
附图说明
图1为本发明的系统结构示意图。
图2为本发明的方法流程示意图。
图3为本发明戴口罩人脸识别的流程示意图。
图4为本发明判断城市不同区域风险等级的流程示意图。
具体实施方式
如图1所示，一种公交车智能辅助防疫系统，包括：控制模块、识别测温模块、风险分析模块、车内消毒模块和交互模块；控制模块包括控制中心系统、车内主控和STM32 单片机；识别测温模块包括人脸识别摄像机和ST16-TPIL16TRS1测温模组；车内消毒模块包括光触媒空气净化器和低温等离子发生器；车内主控与STM32单片机通过串口连接传输数据，车内主控与交互模块和控制中心系统相连，控制中心系统与风险分析模块相连，STM32单片机与人脸识别摄像机和ST16-TPIL16TRS1测温模组相连，STM32 单片机与光触媒空气净化器和低温等离子发生器相连。
控制模块用于任务控制及数据传输与计算，识别测温模块用于检测上车乘客体温计识别其身份，风险分析模块用于判断城市不同区域的疫情风险等级，车内消毒模块用于公交车内的消毒、去除病毒与细菌，交互模块用于公交车智能辅助防疫系统与乘客的实时交互。
识别测温模块中选用的测温模组的型号为ST16-TPIL16TRS1，它由一个16个单元的热电堆传感器及温控控制板组成，可以在20cm检测到人体额头温度，并且响应速度快，测温时间少于2s，精度高，在45cm距离下，可达±0.3℃。
如图2所示，相应的，一种公交车智能辅助防疫方法，包括如下步骤：
(1)通过识别测温模块识别上车乘客身份并检测其体温，并将检测到的乘客的身份信息、体温信息以及公交车路线信息发送到所述的控制模块；
(2)通过车内的控制模块，将所述步骤(1)中收集到的身份信息、体温信息传输至所述交互模块，显示在车载电子显示屏上，同时传输至所述车内主控，再传输至控制中心系统；
(3)根据所述步骤(2)中接收到的信息，风险分析模块定期对其进行分析，计算城市不同地区的疫情风险等级；
(4)根据步骤(3)中得到的区域风险等级，当公交车途径高风险区域时，所述控制模块控制所述车内消毒模块，开启消毒模式。
步骤(1)中，通过识别测温模块识别上车乘客身份并检测其体温，并将检测到的乘客的身份信息、体温信息以及公交车路线信息发送到所述的控制模块具体包括如下步骤：
(11)充分利用现有的数据集模拟出大量的戴口罩人脸照片，并收集部分真实的戴口罩人脸照片，然后将这两部分数据合成一个较大的训练数据集；针对大部分人脸特征被遮挡的情况，设计一个人脸可见区域权重增强的网络，并利用该网络训练出一个口罩特征识别算法专用模型；先利用口罩检测算法识别乘客是否佩戴口罩，如果检测出没有戴口罩，则调用通用的人脸识别算法模型；如果检测出有戴口罩，则调用专用的口罩特征识别算法模型；
(12)测温时，先利用可见光图像进行人脸检测，获取用户人脸矩形框和关键点位置，然后抠出人脸额头区域，进而依据事先校正过的可见光图像与热度图像之间的映射关系，利用型号为ST16-TPIL16TRS1的测温模组测量初步的人脸额头温度，获取落在人脸额头区域点阵的最高温度；
(13)在步骤(12)所得温度的基础上，参考温度补偿值依据用户的人脸矩形框宽度作进一步修正，从而得到最终的实际测量温度。
如图3所示，步骤(11)中，口罩特征识别算法具体包括如下步骤：
(111)将获取的人脸区域传入口罩算法模型，输入图像blob为[1，3，112，112]；
(112)开始部分采用11*11的较大卷积核对输入的裁剪人脸图像进行简单的特征提取，得到26*26大小的特征图；
(113)网络第二层为池化层，核大小为3，对第一层的输出进行最大池化操作，降低了特征表示的空间大小，实现了对显著纹理特征的学习；
(114)网络第三层采用卷积层，特征图边缘扩充了2个像素，卷积核大小为5，以使输出特征图大小保持不变，即13*13，但深度方向有所扩充，实现了不同卷积特征的组合；
(115)网络第四层采用池化层，也是进行最大池化操作，输出特征图大小减半；接下来，网络采用3个卷积层，对池化后得到的特征图进行连续的特征提取，进一步学习比较抽象的高级特征；
(116)第五、六、七层均采用大小为3的小卷积核，输出相同大小的特征图，最后得到的blob维度为[1，32，6，6]；
(117)网络第八层依然采用了池化层，进行最大池化降维，特征图尺度减半；
(118)网络第九和十层都采用了全连接层，逐步降低维度，并最后通过Softmax 处理，得到更为抽象的特征作为口罩辨识依据，即戴或不戴口罩的概率似然值。
如图3所示，步骤(3)中，计算城市不同地区的疫情风险等级具体包括如下步骤：
(31)根据公交公司规定的各路公交车的指定行驶路线对城市进行分块，分成大小相似的区域；
(32)计算划分后各个区域的风险系数和迁徙输入型风险指数；
(33)将各区域的风险系数以及迁徙输入型风险指数相加，取前百分之三十的为高风险区域，后百分之三十为低风险区域，中间百分之四十为中等风险区域。
步骤(32)中，计算划分后各个区域的风险系数具体为：采取各区域累计确认体温异常人数和新增确认体温异常人数加权的方法构建各区域的风险系数，即综合型风险，令某区域风险系数为Rj；
Rj＝α·Aij+(1-α)·Bij(0＜α＜1)
其中，Aij是各区域每日累计确认体温异常人数，Bij是各区域每日新增确认体温异常人数，α为确定风险系数的比例，将α定为0.6，则将各区域每日累计确认体温异常人数和每日新增确认体温异常人数进行加权，以全面考虑各区域的风险系数。
步骤(32)中，计算迁徙输入型风险指数具体为：当人员大规模在区域间流动时，风险系数无法表示迁徙风险，基于迁出地人群分布符合迁出地人群分布的假设，按照迁出地的体温异常率表示迁出人群体温异常率的思路，将当日从某区域外部迁徙来源人口占迁徙来源总人口的比例和各区域的风险系数加权计算得出各区域每日的输入型风险指数，即：
m＝1，2，3……n
i＝1，2，3……n
t＝1，2，3……n
其中，Em是m区域迁徙输入型风险指数；n为城市划分后的各个区域代号；pi是随着时间t变化，每日其他区域迁徙进入m区域的人口比例；Ri是每日迁徙输入区域i 的风险系数；加权计算可知由于人员的迁徙导致的各区域迁徙输入型风险指数的变化，用来衡量大规模人口流动导致各区域的风险的变化情况。
步骤(4)中，根据步骤(3)中得到的区域风险等级，当公交车途径高风险区域时，所述控制模块控制所述车内消毒模块，开启消毒模式具体包括如下步骤：
(41)根据步骤(3)得到的城市各个区域的疫情风险等级，将公交车当前途径区域的风险等级显示在车载电子显示屏上，若为高风险地区，则控制车内消毒模块，开启消毒模式；
(42)利用车载低温等离子发生器以及光触媒空气净化器，对车内空气进行检测并进行杀菌消毒净化。
步骤(42)中，利用车载低温等离子发生器以及光触媒空气净化器，对车内空气进行检测并进行杀菌消毒净化具体为：通过把光触媒空气净化器和低温等离子发生器集成到公交车的回风栅处，开空调时，车内所有的空气，都经过回风栅处，吸附空气中的尘埃，过滤、净化、杀毒和灭菌之后经过蒸发器冷却后送到需要空调的各处，最后空气又回到回风处进行过滤、净化、杀毒和灭菌，这样不断地循环半小时后，起到车内的杀菌消毒作用。
本发明将测温与人脸识别集成，设计的人脸识别测温一体机可在乘客上车时完成测温以及识别，将体温异常信息显示在车载显示屏上并且反馈回指挥中心。指挥中心定期利用收集到的异常体温信息以及公交车轨迹路线信息进行大数据分析，判断城市内部不同区域的疫情风险等级，辅助分配防疫力量。收集到的信息，数据样本充足，且利用率高。针对车内空间密闭的问题，当车辆经过高风险区域时，利用多种技术对公交车内部进行消毒，降低乘客的感染风险。
Claims (10)
1.一种公交车智能辅助防疫系统，其特征在于，包括：控制模块、识别测温模块、风险分析模块、车内消毒模块和交互模块；控制模块包括控制中心系统、车内主控和STM32单片机；识别测温模块包括人脸识别摄像机和ST16-TPIL16TRS1测温模组；车内消毒模块包括光触媒空气净化器和低温等离子发生器；车内主控与STM32单片机通过串口连接传输数据，车内主控与交互模块和控制中心系统相连，控制中心系统与风险分析模块相连，STM32单片机与人脸识别摄像机和ST16-TPIL16TRS1测温模组相连，STM32单片机与光触媒空气净化器和低温等离子发生器相连。
2.如权利要求1所述的公交车智能辅助防疫系统，其特征在于，控制模块用于任务控制及数据传输与计算，识别测温模块用于检测上车乘客体温计识别其身份，风险分析模块用于判断城市不同区域的疫情风险等级，车内消毒模块用于公交车内的消毒、去除病毒与细菌，交互模块用于公交车智能辅助防疫系统与乘客的实时交互。
3.一种公交车智能辅助防疫方法，其特征在于，包括如下步骤：
(1)通过识别测温模块识别上车乘客身份并检测其体温，并将检测到的乘客的身份信息、体温信息以及公交车路线信息发送到所述的控制模块；
(2)通过车内的控制模块，将所述步骤(1)中收集到的身份信息、体温信息传输至所述交互模块，显示在车载电子显示屏上，同时传输至所述车内主控，再传输至控制中心系统；
(3)根据所述步骤(2)中接收到的信息，风险分析模块定期对其进行分析，计算城市不同地区的疫情风险等级；
(4)根据步骤(3)中得到的区域风险等级，当公交车途径高风险区域时，所述控制模块控制所述车内消毒模块，开启消毒模式。
4.如权利要求3所述的公交车智能辅助防疫方法，其特征在于，步骤(1)中，通过识别测温模块识别上车乘客身份并检测其体温，并将检测到的乘客的身份信息、体温信息以及公交车路线信息发送到所述的控制模块具体包括如下步骤：
(11)充分利用现有的数据集模拟出大量的戴口罩人脸照片，并收集部分真实的戴口罩人脸照片，然后将这两部分数据合成一个较大的训练数据集；针对大部分人脸特征被遮挡的情况，设计一个人脸可见区域权重增强的网络，并利用该网络训练出一个口罩特征识别算法专用模型；先利用口罩检测算法识别乘客是否佩戴口罩，如果检测出没有戴口罩，则调用通用的人脸识别算法模型；如果检测出有戴口罩，则调用专用的口罩特征识别算法模型；
(12)测温时，先利用可见光图像进行人脸检测，获取用户人脸矩形框和关键点位置，然后抠出人脸额头区域，进而依据事先校正过的可见光图像与热度图像之间的映射关系，利用型号为ST16-TPIL16TRS1的测温模组测量初步的人脸额头温度，获取落在人脸额头区域点阵的最高温度；
(13)在步骤(12)所得温度的基础上，参考温度补偿值依据用户的人脸矩形框宽度作进一步修正，从而得到最终的实际测量温度。
5.如权利要求4所述的公交车智能辅助防疫方法，其特征在于，步骤(11)中，口罩特征识别算法具体包括如下步骤：
(111)将获取的人脸区域传入口罩算法模型，输入图像blob为[1，3，112，112]；
(112)开始部分采用11*11的较大卷积核对输入的裁剪人脸图像进行简单的特征提取，得到26*26大小的特征图；
(113)网络第二层为池化层，核大小为3，对第一层的输出进行最大池化操作，降低了特征表示的空间大小，实现了对显著纹理特征的学习；
(114)网络第三层采用卷积层，特征图边缘扩充了2个像素，卷积核大小为5，以使输出特征图大小保持不变，即13*13，但深度方向有所扩充，实现了不同卷积特征的组合；
(115)网络第四层采用池化层，也是进行最大池化操作，输出特征图大小减半；接下来，网络采用3个卷积层，对池化后得到的特征图进行连续的特征提取，进一步学习比较抽象的高级特征；
(116)第五、六、七层均采用大小为3的小卷积核，输出相同大小的特征图，最后得到的blob维度为[1，32，6，6]；
(117)网络第八层依然采用了池化层，进行最大池化降维，特征图尺度减半；
(118)网络第九和十层都采用了全连接层，逐步降低维度，并最后通过Softmax处理，得到更为抽象的特征作为口罩辨识依据，即戴或不戴口罩的概率似然值。
6.如权利要求3所述的公交车智能辅助防疫方法，其特征在于，步骤(3)中，计算城市不同地区的疫情风险等级具体包括如下步骤：
(31)根据公交公司规定的各路公交车的指定行驶路线对城市进行分块，分成大小相似的区域；
(32)计算划分后各个区域的风险系数和迁徙输入型风险指数；
(33)将各区域的风险系数以及迁徙输入型风险指数相加，取前百分之三十的为高风险区域，后百分之三十为低风险区域，中间百分之四十为中等风险区域。
7.如权利要求6所述的公交车智能辅助防疫方法，其特征在于，步骤(32)中，计算划分后各个区域的风险系数具体为：采取各区域累计确认体温异常人数和新增确认体温异常人数加权的方法构建各区域的风险系数，即综合型风险，令某区域风险系数为Rj；
Rj＝α·Aij+(1-α)·Bij(0＜α＜1)
其中，Aij是各区域每日累计确认体温异常人数，Bij是各区域每日新增确认体温异常人数，α为确定风险系数的比例，将α定为0.6，则将各区域每日累计确认体温异常人数和每日新增确认体温异常人数进行加权，以全面考虑各区域的风险系数。
8.如权利要求6所述的公交车智能辅助防疫方法，其特征在于，步骤(32)中，计算迁徙输入型风险指数具体为：当人员大规模在区域间流动时，风险系数无法表示迁徙风险，基于迁出地人群分布符合迁出地人群分布的假设，按照迁出地的体温异常率表示迁出人群体温异常率的思路，将当日从某区域外部迁徙来源人口占迁徙来源总人口的比例和各区域的风险系数加权计算得出各区域每日的输入型风险指数，即：
其中，Em是m区域迁徙输入型风险指数；n为城市划分后的各个区域代号；pi是随着时间t变化，每日其他区域迁徙进入m区域的人口比例；Ri是每日迁徙输入区域i的风险系数；加权计算可知由于人员的迁徙导致的各区域迁徙输入型风险指数的变化，用来衡量大规模人口流动导致各区域的风险的变化情况。
9.如权利要求3所述的公交车智能辅助防疫方法，其特征在于，步骤(4)中，根据步骤(3)中得到的区域风险等级，当公交车途径高风险区域时，所述控制模块控制所述车内消毒模块，开启消毒模式具体包括如下步骤：
(41)根据步骤(3)得到的城市各个区域的疫情风险等级，将公交车当前途径区域的风险等级显示在车载电子显示屏上，若为高风险地区，则控制车内消毒模块，开启消毒模式；
(42)利用车载低温等离子发生器以及光触媒空气净化器，对车内空气进行检测并进行杀菌消毒净化。
10.如权利要求9所述的公交车智能辅助防疫方法，其特征在于，步骤(42)中，利用车载低温等离子发生器以及光触媒空气净化器，对车内空气进行检测并进行杀菌消毒净化具体为：通过把光触媒空气净化器和低温等离子发生器集成到公交车的回风栅处，开空调时，车内所有的空气，都经过回风栅处，吸附空气中的尘埃，过滤、净化、杀毒和灭菌之后经过蒸发器冷却后送到需要空调的各处，最后空气又回到回风处进行过滤、净化、杀毒和灭菌，这样不断地循环半小时后，起到车内的杀菌消毒作用。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110072992.9A CN113257417A (zh) | 2021-01-20 | 2021-01-20 | 一种公交车智能辅助防疫系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110072992.9A CN113257417A (zh) | 2021-01-20 | 2021-01-20 | 一种公交车智能辅助防疫系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113257417A true CN113257417A (zh) | 2021-08-13 |
Family
ID=77180796
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110072992.9A Pending CN113257417A (zh) | 2021-01-20 | 2021-01-20 | 一种公交车智能辅助防疫系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113257417A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113870605A (zh) * | 2021-10-14 | 2021-12-31 | 湖北惠诚共创科技有限公司 | 一种基于车路联合的智慧公交管理系统 |
| CN113889286A (zh) * | 2021-10-21 | 2022-01-04 | 中国三峡国际股份有限公司 | 车辆自动化防疫系统及其防疫方法 |
| CN114023461A (zh) * | 2022-01-10 | 2022-02-08 | 新石器慧通（北京）科技有限公司 | 无人车控制方法、装置、介质和无人车 |
| CN114255517A (zh) * | 2022-03-02 | 2022-03-29 | 中运科技股份有限公司 | 一种基于人工智能分析的景区游客行为监测系统及方法 |
| CN114390074A (zh) * | 2022-01-04 | 2022-04-22 | 安徽安凯汽车股份有限公司 | 自动驾驶公交车增加智能网联化医疗应急系统 |
| CN114596967A (zh) * | 2022-03-28 | 2022-06-07 | 浙江欧歌科技股份有限公司 | 一种用于移动出行的传染病疫情防控平台 |
| CN114745182A (zh) * | 2022-04-12 | 2022-07-12 | 宇辰科技(山东)有限公司 | 一种内、外网应用数据安全交互智慧出行系统及其设备 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180032598A1 (en) * | 2016-07-29 | 2018-02-01 | Otis Elevator Company | Big data analyzing and processing system and method for passenger conveyor |
| CN111397015A (zh) * | 2020-03-25 | 2020-07-10 | 哈尔滨工业大学 | 一种模块化防疫装置 |
| CN111469634A (zh) * | 2020-04-01 | 2020-07-31 | 刘锋 | 多功能遮阳板及其控制方法、车辆 |
| CN111619451A (zh) * | 2020-07-01 | 2020-09-04 | 龙岩市御安行智能科技有限公司 | 一种带体温检测的汽车全方位监视装置 |
| CN111891038A (zh) * | 2020-07-21 | 2020-11-06 | 厦门金龙旅行车有限公司 | 一种具有疫情防护机制的客车 |
| CN111993867A (zh) * | 2020-08-26 | 2020-11-27 | 苏州安众道智能科技有限公司 | 一种基于物联网的车辆消毒降温一体化系统 |
| CN112046251A (zh) * | 2020-08-24 | 2020-12-08 | 安徽安凯汽车股份有限公司 | 一种客车空气净化消毒装置 |
-
2021
- 2021-01-20 CN CN202110072992.9A patent/CN113257417A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180032598A1 (en) * | 2016-07-29 | 2018-02-01 | Otis Elevator Company | Big data analyzing and processing system and method for passenger conveyor |
| CN111397015A (zh) * | 2020-03-25 | 2020-07-10 | 哈尔滨工业大学 | 一种模块化防疫装置 |
| CN111469634A (zh) * | 2020-04-01 | 2020-07-31 | 刘锋 | 多功能遮阳板及其控制方法、车辆 |
| CN111619451A (zh) * | 2020-07-01 | 2020-09-04 | 龙岩市御安行智能科技有限公司 | 一种带体温检测的汽车全方位监视装置 |
| CN111891038A (zh) * | 2020-07-21 | 2020-11-06 | 厦门金龙旅行车有限公司 | 一种具有疫情防护机制的客车 |
| CN112046251A (zh) * | 2020-08-24 | 2020-12-08 | 安徽安凯汽车股份有限公司 | 一种客车空气净化消毒装置 |
| CN111993867A (zh) * | 2020-08-26 | 2020-11-27 | 苏州安众道智能科技有限公司 | 一种基于物联网的车辆消毒降温一体化系统 |
Non-Patent Citations (1)
| Title |
|---|
| 广州通达电气: "车辆安全防疫智能管控系统助力战"疫"", 城市公共交通, no. 03, pages 98 - 100 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113870605A (zh) * | 2021-10-14 | 2021-12-31 | 湖北惠诚共创科技有限公司 | 一种基于车路联合的智慧公交管理系统 |
| CN113889286A (zh) * | 2021-10-21 | 2022-01-04 | 中国三峡国际股份有限公司 | 车辆自动化防疫系统及其防疫方法 |
| CN114390074A (zh) * | 2022-01-04 | 2022-04-22 | 安徽安凯汽车股份有限公司 | 自动驾驶公交车增加智能网联化医疗应急系统 |
| CN114023461A (zh) * | 2022-01-10 | 2022-02-08 | 新石器慧通（北京）科技有限公司 | 无人车控制方法、装置、介质和无人车 |
| CN114255517A (zh) * | 2022-03-02 | 2022-03-29 | 中运科技股份有限公司 | 一种基于人工智能分析的景区游客行为监测系统及方法 |
| CN114596967A (zh) * | 2022-03-28 | 2022-06-07 | 浙江欧歌科技股份有限公司 | 一种用于移动出行的传染病疫情防控平台 |
| CN114745182A (zh) * | 2022-04-12 | 2022-07-12 | 宇辰科技(山东)有限公司 | 一种内、外网应用数据安全交互智慧出行系统及其设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113257417A (zh) | 一种公交车智能辅助防疫系统及方法 | |
| WO2021017513A1 (zh) | 一种基于人工智能的感控机器人 | |
| Ivorra et al. | Mathematical modeling of the spread of the coronavirus disease 2019 (COVID-19) considering its particular characteristics. The case of China | |
| Tercero et al. | Measuring transport injuries in a developing country: an application of the capture–recapture method | |
| CN108133295B (zh) | 一种针对目标路段的机动车尾气浓度连续时间预测方法 | |
| WO2021012983A1 (zh) | 一种车内污染环境下列车乘员健康防护系统及其方法 | |
| CN105844913A (zh) | 基于车联网的车、路状况与驾驶安全大数据相关性分析法 | |
| CN110901385B (zh) | 一种基于驾驶员疲劳状态的主动限速方法 | |
| KR102634698B1 (ko) | 캐빈 압력 및 제어된 공기 흐름을 사용한 차량 캐빈의 청소 | |
| CN103700220A (zh) | 一种疲劳驾驶监控装置 | |
| Mitchell et al. | Risk factors associated with the severity of injury outcome for paediatric road trauma | |
| CN115809768B (zh) | 一种智慧城市信息资源展示系统及方法 | |
| Lewis et al. | Outdoor air pollution and children's respiratory symptoms in the steel cities of New South Wales | |
| Li et al. | Differences in urban and rural accident characteristics and medical service utilization for traffic fatalities in less-motorized societies | |
| CN115179960A (zh) | 一种多源数据采集人车状态综合监测系统及方法 | |
| CN113176304A (zh) | 一种基于神经网络气体识别的酒驾预警装置及其方法 | |
| Airaksinen et al. | Cyclist injuries treated in emergency department (ED): consequences and costs in south-eastern Finland in an area of 100 000 inhabitants | |
| Pang et al. | Risk assessment model and application of COVID-19 virus transmission in closed environments at sea | |
| CN110154893A (zh) | 一种基于驾驶员特性的汽车安全驾驶预警方法 | |
| Licaj et al. | Deprived neighborhoods and risk of road trauma (incidence and severity) among under 25 year-olds in the Rhône Département (France) | |
| CN114882552A (zh) | 基于深度学习的营运车内人员口罩佩戴状态检查方法 | |
| Johnson et al. | Lateral control in a driving simulator: correlations with NEUROPSYCHOLOGICAL tests and on-road safety errors | |
| CN114390074A (zh) | 自动驾驶公交车增加智能网联化医疗应急系统 | |
| CN107978149A (zh) | 台风天气城市交通事故概率预测处理装置及其方法 | |
| Piantini et al. | A pilot study of an integrated accident research system based on a medical and engineering data in the metropolitan area of Florence |
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 |