CN115132371A - 疫情防控区域确定方法、装置、服务器及存储介质 - Google Patents
疫情防控区域确定方法、装置、服务器及存储介质 Download PDFInfo
- Publication number
- CN115132371A CN115132371A CN202211050171.6A CN202211050171A CN115132371A CN 115132371 A CN115132371 A CN 115132371A CN 202211050171 A CN202211050171 A CN 202211050171A CN 115132371 A CN115132371 A CN 115132371A
- Authority
- CN
- China
- Prior art keywords
- prevention
- epidemic
- control area
- epidemic situation
- passing
- 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 502
- 238000000034 method Methods 0.000 title claims abstract description 84
- 241000287107 Passer Species 0.000 claims abstract description 51
- 238000007789 sealing Methods 0.000 claims abstract description 46
- 238000013507 mapping Methods 0.000 claims abstract description 21
- 238000007689 inspection Methods 0.000 claims abstract description 9
- 230000036541 health Effects 0.000 claims description 48
- 238000001514 detection method Methods 0.000 claims description 34
- 238000012216 screening Methods 0.000 claims description 25
- 238000004891 communication Methods 0.000 claims description 12
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 230000000694 effects Effects 0.000 description 13
- 208000015181 infectious disease Diseases 0.000 description 10
- 241000700605 Viruses Species 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 3
- 230000001815 facial effect Effects 0.000 description 3
- 230000002458 infectious effect Effects 0.000 description 3
- 238000002955 isolation Methods 0.000 description 3
- 230000009385 viral infection Effects 0.000 description 3
- 230000036760 body temperature Effects 0.000 description 2
- 238000009792 diffusion process Methods 0.000 description 2
- 150000007523 nucleic acids Chemical class 0.000 description 2
- 102000039446 nucleic acids Human genes 0.000 description 2
- 108020004707 nucleic acids Proteins 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000007480 spreading Effects 0.000 description 2
- 206010005908 Body temperature conditions Diseases 0.000 description 1
- 241000711573 Coronaviridae Species 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011330 nucleic acid test Methods 0.000 description 1
- 229960005486 vaccine Drugs 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
- G16H50/80—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for detecting, monitoring or modelling epidemics or pandemics, e.g. flu
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity measures
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Library & Information Science (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- General Engineering & Computer Science (AREA)
- Pathology (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Epidemiology (AREA)
- Biomedical Technology (AREA)
- Primary Health Care (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例提供一种疫情防控区域确定方法、装置、服务器及存储介质,对通行人员进行防疫检查和通行数据记录的防疫哨兵设备预设在目标城市的各个通行区域中,方法包括:获取各防疫哨兵设备记录的感染人员在预设时间段内的第一通行相关数据;所述第一通行相关数据包括具有映射关系的通行区域位置和通行时间;确定密接人员的第二通行相关数据;所述密接人员为在通行时间的预设邻近时间范围内位于对应通行区域位置的通行人员;根据所述第一通行相关数据和所述第二通行相关数据确定目标疫情防控区域。本发明实施例的方法,相比人工的方式,确定防控区域的效率更高,从而提高了疫情防控效率。
Description
技术领域
本发明实施例涉及数据处理技术领域,尤其涉及一种疫情防控区域确定方法、装置、服务器及存储介质。
背景技术
疫情,是指具有传染性的病毒如新型冠状病毒在多区域发生快速扩散。快速扩散的病毒容易在极短时间扩散到大范围,从而对人们的生命健康造成重大威胁。面对疫情的肆意扩散,对疫情的防控显得尤为重要,若能在疫情的爆发初期,及时对疫情进行良好防控,可以有效的控制病毒的蔓延,减缓疫情的扩散。
目前的疫情防控方式,在出现病毒的感染者时,通常通过人工确定感染者及其活动轨迹,并据此人工排查该感染者的接触者及活动轨迹等信息,以此进行疫情的防控。通过人工的方式,确定防控区域的效率较低,从而导致疫情防控效率较低。
发明内容
本发明提供一种疫情防控区域确定方法、装置、服务器及存储介质,用以解决目前通过人工的方式,确定防控区域的效率较低,从而导致疫情防控效率较低的问题。
本发明实施例第一方面提供一种疫情防控区域确定方法,对通行人员进行防疫检查和通行数据记录的防疫哨兵设备预设在目标城市的各个通行区域中,所述方法应用于疫情防控服务器,所述方法包括:
获取各防疫哨兵设备记录的感染人员在预设时间段内的第一通行相关数据;所述第一通行相关数据包括具有映射关系的通行区域位置和通行时间;
确定密接人员的第二通行相关数据;所述密接人员为在通行时间的预设邻近时间范围内位于对应通行区域位置的通行人员;
根据所述第一通行相关数据和所述第二通行相关数据确定目标疫情防控区域。
可选的,如上所述的方法,所述根据所述第一通行相关数据和所述第二通行相关数据确定目标疫情防控区域,包括:
根据所述第一通行相关数据生成对应的第一疫情分布轨迹;
根据所述第二通行相关数据生成对应的第二疫情分布轨迹;
将位于所述第一疫情分布轨迹和第二疫情分布轨迹上的通行区域确定为候选疫情防控区域;
按照预设筛选策略对所述候选疫情防控区域进行筛选,以确定目标疫情防控区域。
可选的,如上所述的方法,所述候选疫情防控区域为多个;
所述按照预设筛选策略对所述候选疫情防控区域进行筛选,以确定目标疫情防控区域,包括:
将满足以下一种或多种条件的候选疫情防控区域确定为目标疫情防控区域:
所述候选疫情防控区域中的密接人员数量大于预设数量阈值;
所述感染人员去往所述候选疫情防控区域的次数大于预设次数阈值;
所述候选疫情防控区域的空间密闭程度大于第一预设密闭程度阈值。
可选的,如上所述的方法,所述按照预设筛选策略对所述候选疫情防控区域进行筛选,以确定目标疫情防控区域之后,还包括:
获取目标疫情防控区域的第一疫情持续检测结果;
若所述第一疫情持续检测结果为以下一种或多种,则将对应目标疫情防控区域确定为中等级防控区域:
目标疫情防控区域内的感染人员数量增加频率大于第一预设频率阈值;
目标疫情防控区域内的密接人员数量增加频率大于第二预设频率阈值;
目标疫情防控区域内的感染人员和/或密接人员在目标疫情防控区域的占据面积大于预设面积阈值。
可选的,如上所述的方法,所述将对应目标疫情防控区域确定为中等级防控区域之后,还包括:
获取各中等级防控区域的第二疫情持续检测结果;所述第二疫情持续检测结果包括中等级防控区域的感染人员数量增加频率和防控面积增长速率;所述防控面积增长速率为感染人员和/或密接人员在对应中等级防控区域中占据面积的增长速率;
将所述感染人员数量增加频率大于第三预设频率阈值和/或所述防控面积增长速率大于第一预设速率阈值的中等级防控区域确定为疫情爆发区域;
提示所述疫情爆发区域。
可选的,如上所述的方法,所述将对应目标疫情防控区域确定为中等级防控区域之后,还包括:
若各中等级防控区域的第二疫情持续检测结果为以下一种或多种,则将相邻的各中等级防控区域的全部区域确定为块状高等级防控区域:
相邻的各中等级防控区域的感染人员数量增加频率大于第四预设频率阈值;
相邻的各中等级防控区域出现重叠区域;
相邻的各中等级防控区域中的防控面积增长速率大于第二预设速率阈值。
可选的,如上所述的方法,所述将相邻的各中等级防控区域的全部区域确定为块状高等级防控区域之后,还包括:
获取所述块状高等级防控区域中各中等级防控区域对应的第三通行相关数据;所述第三通行相关数据为各中等级防控区域对应防疫哨兵设备记录的通行人员的通行相关数据;
根据各所述第三通行相关数据确定感染人员和密接人员去往对应中等级防控区域的交通方式;
根据所述交通方式生成对应交通路线的封控建议,并将所述封控建议发送至用户终端。
可选的,如上所述的方法,所述密接人员包括重度接触人员和轻度接触人员;
所述确定密接人员的第二通行相关数据之前,还包括:
确定所述通行时间的预设邻近时间范围内位于对应通行区域位置的通行人员;
确定通行人员是否满足以下一种或多种情况:
通行人员对应的通行区域位置的空间密闭程度大于第二预设密闭程度阈值;
通行人员位于通行区域位置的时间段与所述感染人员位于通行区域位置的时间段之间的重合时长是否大于预设时长阈值;
若确定满足,则确定通行人员为重度接触人员,并给所述重度接触人员对应的通行相关数据进行对应标注;
若确定不满足,则确定通行人员为轻度接触人员,并给所述轻度接触人员对应的通行相关数据进行对应标注。
可选的,如上所述的方法,所述方法还包括:
获取防疫哨兵设备发送的通行人员的待识别人脸图像;
将所述待识别人脸图像与预设数据库中存储的基准人脸图像进行比对,以确定通行人员对应的第四通行相关数据;所述基准人脸图像与所述第四通行相关数据具有映射关系;
根据所述第四通行相关数据生成通行人员对应的通行权限;
发送所述通行权限至防疫哨兵设备,以使所述防疫哨兵设备根据所述通行权限控制闸机打开或关闭。
可选的,如上所述的方法,所述基准人脸图像包括具有映射关系的戴口罩人脸正面图像和戴口罩人脸侧面图像;所述待识别人脸图像包括待识别人脸正面图像和待识别人脸侧面图像;
所述将所述待识别人脸图像与预设数据库中存储的基准人脸图像进行比对,以确定通行人员对应的第四通行相关数据,包括:
将待识别人脸侧面图像与预设数据库中存储的戴口罩人脸侧面图像进行比对,以确定候选人脸侧面图像;所述候选人脸侧面图像与待识别人脸侧面图像之间相似度大于预设相似度阈值;
将所述待识别人脸正面图像与所述候选人脸侧面图像对应的戴口罩人脸正面图像进行比对,以确定与所述待识别人脸正面图像匹配的戴口罩人脸正面图像;
根据所述匹配的戴口罩人脸正面图像确定通行人员对应的第四通行相关数据。
可选的,如上所述的方法,所述第四通行相关数据包括在目标城市的停留时长和健康信息;
所述根据所述第四通行相关数据生成通行人员对应的通行权限,包括:
判断所述停留时长是否大于预设停留时长阈值以及所述健康信息是否为正常状态;
若确定所述停留时长大于预设停留时长阈值且所述健康信息为正常状态,则确定通行权限为所有通行区域正常通行;
若确定所述停留时长小于或等于预设停留时长阈值且所述健康信息为正常状态,则确定通行权限为预设通行区域正常通行;
若确定所述健康信息为非正常状态,则确定通行权限为不能通行。
可选的,如上所述的方法,所述方法还包括:
生成以下一种或多种疫情防控区域对应的区域防疫权限:
块状高等级防控区域、中等级防控区域、疫情爆发区域、目标疫情防控区域;
将所述区域防疫权限发送至对应疫情防控区域的防疫哨兵设备,以使所述防疫哨兵设备根据所述区域防疫权限和对应通行人员的第五通行相关数据进行防疫相关处理;所述防疫相关处理包括控制闸机打开或关闭,以及发出警报。
本发明实施例第二方面提供一种疫情防控区域确定装置,对通行人员进行防疫检查和通行数据记录的防疫哨兵设备预设在目标城市的各个通行区域中,所述装置位于疫情防控服务器,所述装置包括:
获取模块,用于获取各防疫哨兵设备记录的感染人员在预设时间段内的第一通行相关数据;所述第一通行相关数据包括具有映射关系的通行区域位置和通行时间;
第一确定模块,用于确定密接人员的第二通行相关数据;所述密接人员为在通行时间的预设邻近时间范围内位于对应通行区域位置的通行人员;
第二确定模块,用于根据所述第一通行相关数据和所述第二通行相关数据确定目标疫情防控区域。
可选的,如上所述的装置,所述第二确定模块具体用于:
根据所述第一通行相关数据生成对应的第一疫情分布轨迹;根据所述第二通行相关数据生成对应的第二疫情分布轨迹;将位于所述第一疫情分布轨迹和第二疫情分布轨迹上的通行区域确定为候选疫情防控区域;按照预设筛选策略对所述候选疫情防控区域进行筛选,以确定目标疫情防控区域。
可选的,如上所述的装置,所述候选疫情防控区域为多个;
所述第二确定模块在按照预设筛选策略对所述候选疫情防控区域进行筛选,以确定目标疫情防控区域时,具体用于:
将满足以下一种或多种条件的候选疫情防控区域确定为目标疫情防控区域:
所述候选疫情防控区域中的密接人员数量大于预设数量阈值;所述感染人员去往所述候选疫情防控区域的次数大于预设次数阈值;所述候选疫情防控区域的空间密闭程度大于第一预设密闭程度阈值。
可选的,如上所述的装置,所述装置还包括:
第三确定模块,用于获取目标疫情防控区域的第一疫情持续检测结果;若所述第一疫情持续检测结果为以下一种或多种,则将对应目标疫情防控区域确定为中等级防控区域:
目标疫情防控区域内的感染人员数量增加频率大于第一预设频率阈值;目标疫情防控区域内的密接人员数量增加频率大于第二预设频率阈值;目标疫情防控区域内的感染人员和/或密接人员在目标疫情防控区域的占据面积大于预设面积阈值。
可选的,如上所述的装置,所述第三确定模块还用于:
获取各中等级防控区域的第二疫情持续检测结果;所述第二疫情持续检测结果包括中等级防控区域的感染人员数量增加频率和防控面积增长速率;所述防控面积增长速率为感染人员和/或密接人员在对应中等级防控区域中占据面积的增长速率;将所述感染人员数量增加频率大于第三预设频率阈值和/或所述防控面积增长速率大于第一预设速率阈值的中等级防控区域确定为疫情爆发区域;提示所述疫情爆发区域。
可选的,如上所述的装置,所述第三确定模块还用于:
若各中等级防控区域的第二疫情持续检测结果为以下一种或多种,则将相邻的各中等级防控区域的全部区域确定为块状高等级防控区域:
相邻的各中等级防控区域的感染人员数量增加频率大于第四预设频率阈值;相邻的各中等级防控区域出现重叠区域;相邻的各中等级防控区域中的防控面积增长速率大于第二预设速率阈值。
可选的,如上所述的装置,所述装置还包括:
建议发送模块,用于获取所述块状高等级防控区域中各中等级防控区域对应的第三通行相关数据;所述第三通行相关数据为各中等级防控区域对应防疫哨兵设备记录的通行人员的通行相关数据;根据各所述第三通行相关数据确定感染人员和密接人员去往对应中等级防控区域的交通方式;根据所述交通方式生成对应交通路线的封控建议,并将所述封控建议发送至用户终端。
可选的,如上所述的装置,所述密接人员包括重度接触人员和轻度接触人员;
所述第一确定模块还用于:
确定所述通行时间的预设邻近时间范围内位于对应通行区域位置的通行人员;确定通行人员是否满足以下一种或多种情况:
通行人员对应的通行区域位置的空间密闭程度大于第二预设密闭程度阈值;通行人员位于通行区域位置的时间段与所述感染人员位于通行区域位置的时间段之间的重合时长是否大于预设时长阈值;
若确定满足,则确定通行人员为重度接触人员,并给所述重度接触人员对应的通行相关数据进行对应标注;若确定不满足,则确定通行人员为轻度接触人员,并给所述轻度接触人员对应的通行相关数据进行对应标注。
可选的,如上所述的装置,所述装置还包括:
权限确定模块,用于获取防疫哨兵设备发送的通行人员的待识别人脸图像;将所述待识别人脸图像与预设数据库中存储的基准人脸图像进行比对,以确定通行人员对应的第四通行相关数据;所述基准人脸图像与所述第四通行相关数据具有映射关系;根据所述第四通行相关数据生成通行人员对应的通行权限;发送所述通行权限至防疫哨兵设备,以使所述防疫哨兵设备根据所述通行权限控制闸机打开或关闭。
可选的,如上所述的装置,所述基准人脸图像包括具有映射关系的戴口罩人脸正面图像和戴口罩人脸侧面图像;所述待识别人脸图像包括待识别人脸正面图像和待识别人脸侧面图像;
所述权限确定模块在将所述待识别人脸图像与预设数据库中存储的基准人脸图像进行比对,以确定通行人员对应的第四通行相关数据时,具体用于:
将待识别人脸侧面图像与预设数据库中存储的戴口罩人脸侧面图像进行比对,以确定候选人脸侧面图像;所述候选人脸侧面图像与待识别人脸侧面图像之间相似度大于预设相似度阈值;将所述待识别人脸正面图像与所述候选人脸侧面图像对应的戴口罩人脸正面图像进行比对,以确定与所述待识别人脸正面图像匹配的戴口罩人脸正面图像;根据所述匹配的戴口罩人脸正面图像确定通行人员对应的第四通行相关数据。
可选的,如上所述的装置,所述第四通行相关数据包括在目标城市的停留时长和健康信息;
所述权限确定模块在根据所述第四通行相关数据生成通行人员对应的通行权限时,具体用于:
判断所述停留时长是否大于预设停留时长阈值以及所述健康信息是否为正常状态;若确定所述停留时长大于预设停留时长阈值且所述健康信息为正常状态,则确定通行权限为所有通行区域正常通行;若确定所述停留时长小于或等于预设停留时长阈值且所述健康信息为正常状态,则确定通行权限为预设通行区域正常通行;若确定所述健康信息为非正常状态,则确定通行权限为不能通行。
可选的,如上所述的装置,所述装置还包括:
权限生成模块,用于生成以下一种或多种疫情防控区域对应的区域防疫权限:
块状高等级防控区域、中等级防控区域、疫情爆发区域、目标疫情防控区域;
将所述区域防疫权限发送至对应疫情防控区域的防疫哨兵设备,以使所述防疫哨兵设备根据所述区域防疫权限和对应通行人员的第五通行相关数据进行防疫相关处理;所述防疫相关处理包括控制闸机打开或关闭,以及发出警报。
本发明实施例第三方面提供一种疫情防控服务器,包括:处理器和存储器;
所述存储器存储计算机执行指令;
所述处理器用于执行所述存储器存储的计算机执行指令,以实现第一方面任一项所述的疫情防控区域确定方法。
本发明实施例第四方面提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现第一方面任一项所述的疫情防控区域确定方法。
本发明实施例第五方面提供一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现第一方面任一项所述的疫情防控区域确定方法。
本发明实施例提供的一种疫情防控区域确定方法、装置、服务器及存储介质,对通行人员进行防疫检查和通行数据记录的防疫哨兵设备预设在目标城市的各个通行区域中,所述方法应用于疫情防控服务器,所述方法包括:获取各防疫哨兵设备记录的感染人员在预设时间段内的第一通行相关数据;所述第一通行相关数据包括具有映射关系的通行区域位置和通行时间;确定密接人员的第二通行相关数据;所述密接人员为在通行时间的预设邻近时间范围内位于对应通行区域位置的通行人员;根据所述第一通行相关数据和所述第二通行相关数据确定目标疫情防控区域。本发明实施例的疫情防控区域确定方法,通过设置在目标城市各个通行区域中防疫哨兵设备进行防疫检查和通行数据记录,当发现感染人员时,获取各防疫哨兵设备记录的感染人员在预设时间段内的第一通行相关数据。同时,确定密接人员的第二通行相关数据。根据所述第一通行相关数据和所述第二通行相关数据确定目标疫情防控区域。相比人工的方式,确定防控区域的效率更高,从而提高了疫情防控效率,同时,由于目标疫情防控区域与第一通行相关数据和所述第二通行相关数据相关,准确性较高。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
图1为可以实现本发明实施例的疫情防控区域确定方法的场景图;
图2为本发明提供的疫情防控区域确定方法的流程示意图一;
图3为本发明提供的疫情防控区域确定方法的流程示意图二;
图4为本发明提供的防疫哨兵设备的防疫检查示意图一;
图5为本发明提供的防疫哨兵设备的防疫检查示意图二;
图6为本发明提供的疫情防控区域确定装置的结构示意图;
图7为本发明提供的疫情防控服务器的结构示意图。
通过上述附图,已示出本发明明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本发明构思的范围,而是通过参考特定实施例为本领域技术人员说明本发明的概念。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本发明的实施例进行描述。
为了清楚理解本申请的技术方案,首先对现有技术的方案进行详细介绍。疫情由于其快速传染特性,可以在极短时间内扩散到大范围,比如城市中,由于人口密集,如不加以防控,可以在短短几日扩大到整个城市,从而对整个城市造成严重的损失。因而,疫情的防控尤为重要,若能在疫情的爆发初期,及时对疫情进行良好防控,可以有效的控制病毒的蔓延,减缓疫情的扩散。
目前一般通过人工方式来确定感染者及其活动轨迹,从而确定需进行防控的区域。这种方式,确定防控区域的效率较低,从而导致疫情防控效率较低。
所以针对现有技术中通过人工的方式,确定防控区域的效率较低,从而导致疫情防控效率较低的问题,发明人在研究中发现,为了解决该问题,可以通过设置在目标城市各个通行区域中防疫哨兵设备进行防疫检查和通行数据记录,当发现感染人员时,通过记录的通行数据确定感染人员和密接人员的通行轨迹,从而确定需进行防控的目标疫情防控区域。
具体的,当发现感染人员时,获取各防疫哨兵设备记录的感染人员在预设时间段内的第一通行相关数据。同时,确定密接人员的第二通行相关数据。根据第一通行相关数据和第二通行相关数据确定目标疫情防控区域。相比人工的方式,确定防控区域的效率更高,从而提高了疫情防控效率,同时,由于目标疫情防控区域与第一通行相关数据和第二通行相关数据相关,准确性较高。
发明人基于上述的创造性发现,提出了本申请的技术方案。
下面对本发明实施例提供的疫情防控区域确定方法的应用场景进行介绍。如图1所示,1为疫情防控服务器,2为城市各通行区域中分布的防疫哨兵设备。防疫哨兵设备可以按照实际需求设置多个,比如每个通行区域中设置多个。图1中仅示例性的展示了5个防疫哨兵设备,分别是防疫哨兵设备A、防疫哨兵设备B、防疫哨兵设备C、防疫哨兵设备D、防疫哨兵设备E。
本发明实施例提供的疫情防控区域确定方法对应的应用场景的网络架构中包括:疫情防控服务器1和多个防疫哨兵设备2。当城市出现疫情时,所有防疫哨兵设备2实时检测通行区域中的通行人员,若其中的防疫哨兵设备B检测到感染人员,防疫哨兵设备B向疫情防控服务器1发出提示。疫情防控服务器1获取各防疫哨兵设备2记录的感染人员在预设时间段内的第一通行相关数据,其中,第一通行相关数据包括具有映射关系的通行区域位置和通行时间。同时,疫情防控服务器1确定密接人员的第二通行相关数据,其中,密接人员为在通行时间的预设邻近时间范围内位于对应通行区域位置的通行人员。疫情防控服务器1根据第一通行相关数据和第二通行相关数据确定目标疫情防控区域。目标疫情防控区域确定后,可以由疫情防控服务器1发送至工作人员的用户终端,以方便工作人员封锁对应区域,也可以对区域进行标注以提示工作人员。
下面结合说明书附图对本发明实施例进行介绍。
图2为本发明提供的疫情防控区域确定方法的流程示意图一,如图2所示,本实施例中,本发明实施例的执行主体为疫情防控区域确定装置,该疫情防控区域确定装置可以集成在疫情防控服务器中。则本实施例提供的疫情防控区域确定方法包括以下几个步骤:
需要说明的是,对通行人员进行防疫检查和通行数据记录的防疫哨兵设备预设在目标城市的各个通行区域中。通行区域可以为商场、车站、小区、学校、机场等区域。各通行区域可以设置多个防疫哨兵设备,比如在小区的正门、侧门、后门都设置防疫哨兵设备,从而提高对通行区域中通行人员的防疫检查效果和对通行数据的记录效果。
步骤S101,获取各防疫哨兵设备记录的感染人员在预设时间段内的第一通行相关数据。第一通行相关数据包括具有映射关系的通行区域位置和通行时间。
本实施例中,预设时间段可以根据实际需求进行设置,比如设置为发现感染人员之前的一天内或两天内。示例性的,若感染人员在一天前刚进入目标城市,则预设时间段可以设为一天内,若感染人员一直在目标城市内,则预设时间段可以设为两天内或更多时间,以提高后续确定目标疫情防控区域的准确性。
第一通行相关数据可以包括感染人员通行的通行区域位置及其对应的通行时间,还可以包括感染人员的人员类型,如本市人员、外来人员等,感染人员的健康信息,健康信息包括防疫措施执行效果,如打疫苗次数及其对应时间,目前健康情况,如健康码等。在确定感染人员后,可以对感染人员的健康信息进行更改,如改变健康码的标注,督促感染人员进行防疫处理。
通行区域位置可以根据防疫哨兵设备设置的位置进行记录,比如某商场中商场正门口、停车场入口、商场后门口、某人流密集区域入口等处都可以设置防疫哨兵设备,通行人员到达某防疫哨兵设备位置处,则会进行一次记录,从而对通行人员的通行位置进行更详细的记录。
防疫哨兵设备记录的通行相关数据可以通过区块链技术保存,不同的哨兵设备保存各自的通行记录,并与附近的哨兵设备形成网络,共同承担起通行记录的保存以及安全认证,同时借助区块链本身的结构形成通行记录的自组织链路,可在需要时按人员信息上传所有一定空间内、一定时间内的哨兵设备本地保存的通行记录。
步骤S102,确定密接人员的第二通行相关数据。密接人员为在通行时间的预设邻近时间范围内位于对应通行区域位置的通行人员。
本实施例中,密接人员指密切接触感染人员的通行人员,由于疫情传染特性,若在感染人员所处某通行区域的时间段以及邻近时间范围内,有其他通行人员也处在相同通行区域,则其他通行人员为密接人员,较大概率感染。通行区域可以为密闭空间也可以为人流量较大的户外空间。
根据通行区域的特点,比如通行区域密闭性、通行区域的人流密度等还可以进一步区分密接人员的接触感染程度。预设邻近时间范围可以根据实际需求进行设置,比如本次疫情病毒传染能力较强、通行区域密闭性较强,则预设邻近时间范围可以设置较大的范围。
步骤S103,根据第一通行相关数据和第二通行相关数据确定目标疫情防控区域。
本实施例中,根据感染人员的第一通行相关数据和密接人员的第二通行相关数据可以确定出目标疫情防控区域,比如可以通过将第一通行相关数据和第二通行相关数据生成对应的通行轨迹,然后对通行轨迹进行筛选,以确定目标疫情防控区域。此时确定出的目标疫情防控区域可以以点状的形式进行描述。
本发明实施例提供的一种疫情防控区域确定方法,该方法包括:获取各防疫哨兵设备记录的感染人员在预设时间段内的第一通行相关数据。第一通行相关数据包括具有映射关系的通行区域位置和通行时间。确定密接人员的第二通行相关数据。密接人员为在通行时间的预设邻近时间范围内位于对应通行区域位置的通行人员。根据第一通行相关数据和第二通行相关数据确定目标疫情防控区域。
本发明实施例的疫情防控区域确定方法,通过设置在目标城市各个通行区域中防疫哨兵设备进行防疫检查和通行数据记录,当发现感染人员时,获取各防疫哨兵设备记录的感染人员在预设时间段内的第一通行相关数据。同时,确定密接人员的第二通行相关数据。根据第一通行相关数据和第二通行相关数据确定目标疫情防控区域。相比人工的方式,确定防控区域的效率更高,从而提高了疫情防控效率,同时,由于目标疫情防控区域与第一通行相关数据和第二通行相关数据相关,准确性较高。
图3为本发明提供的疫情防控区域确定方法的流程示意图二,如图3所示,本实施例提供的疫情防控区域确定方法,本实施例中,本实施例提供的疫情防控区域确定方法包括以下几个步骤:
步骤S201,获取各防疫哨兵设备记录的感染人员在预设时间段内的第一通行相关数据。第一通行相关数据包括具有映射关系的通行区域位置和通行时间。
本实施例中,步骤201的实现方式与本发明上一实施例中的步骤101的实现方式类似,在此不再一一赘述。
可选的,本实施例中,还包括:
获取防疫哨兵设备发送的通行人员的待识别人脸图像。
将待识别人脸图像与预设数据库中存储的基准人脸图像进行比对,以确定通行人员对应的第四通行相关数据,其中,基准人脸图像与第四通行相关数据具有映射关系。
根据第四通行相关数据生成通行人员对应的通行权限。
发送通行权限至防疫哨兵设备,以使防疫哨兵设备根据通行权限控制闸机打开或关闭。关闭时,可以根据通行权限发出不同程度的警报声音。
本实施例中,如图4所示,防疫哨兵设备可以通过拍摄通行人员的人脸来实现人脸识别。防疫哨兵设备拍摄每个排队的通行人员,并将待识别人脸图像发送至疫情防控服务器,通过预设数据库即图中的人脸图像数据库进行图像比对,以确定通行人员对应的第四通行相关数据。第四通行相关数据记录有通行人员的健康信息、通行区域数据等,通过健康信息可以生成通行人员匹配的通行权限。防疫哨兵设备在接收到根据人脸图像识别匹配的通行权限后,可以根据通行权限控制闸机打开或关闭,在通行人员具有通行权限时才会允许通行人员进出,提高防疫效果。
同时,如图4所示,在实际应用中,防疫哨兵设备还可以检查通行人员的健康码,通过疫情防控服务器对应的健康码云端库进行比对识别,从而确定通行人员的健康码权限是正常还是非正常,是否允许通行,进一步提高防疫效果。
可选的,本实施例中,为了提高人脸识别准确性,可以增加人脸侧面识别,同时,为了提高防疫效果,避免通行人员因摘除口罩而被病毒感染,增加戴口罩人脸识别方式。则本实施例中,基准人脸图像包括具有映射关系的戴口罩人脸正面图像和戴口罩人脸侧面图像。待识别人脸图像包括待识别人脸正面图像和待识别人脸侧面图像。
将待识别人脸图像与预设数据库中存储的基准人脸图像进行比对,以确定通行人员对应的第四通行相关数据的流程可以具体为:
将待识别人脸侧面图像与预设数据库中存储的戴口罩人脸侧面图像进行比对,以确定候选人脸侧面图像。候选人脸侧面图像与待识别人脸侧面图像之间相似度大于预设相似度阈值。
将待识别人脸正面图像与候选人脸侧面图像对应的戴口罩人脸正面图像进行比对,以确定与待识别人脸正面图像匹配的戴口罩人脸正面图像。
根据匹配的戴口罩人脸正面图像确定通行人员对应的第四通行相关数据。
本实施例中先通过将待识别人脸侧面图像与预设数据库中存储的戴口罩人脸侧面图像进行比对,从而得到候选人脸侧面图像,缩小后续正面图像需比对的范围。预设相似度阈值可以按照实际需求进行设置,比如设置为相似度为85,本实施例对此不作限定。
在缩小比对范围后,将待识别人脸正面图像与候选人脸侧面图像对应的戴口罩人脸正面图像进行比对,以确定与待识别人脸正面图像匹配的戴口罩人脸正面图像。从而确定通行人员对应的第四通行相关数据,提高了通行人员的识别准确性。
同时,也可以如图5所示,防疫哨兵设备可以在通行人员排队时,拍摄通行队伍非首位的通行人员的待识别人脸侧面图像,拍摄的通行人员可以选择排第二位至第n位,n可以根据实际需求进行设置,比如可以设置为所有排队的人员。当拍摄过待识别人脸侧面图像的通行人员到达通行队伍首位时,最前面的通行人员的人脸图像最清晰,人脸特征最齐全,可以结合前面的侧面识别结果,进行进一步的正面识别,从而提高人脸图像识别的效率。同时,也可以在通行人员排在首位后再进行侧面和正面的双识别,侧面识别可以采用多角度识别,以提高人脸识别的准确性。
如图5所示,防疫哨兵设备还可以检查通行人员的健康信息,如健康码状态、体温识别等,从而进一步判断是否可以通行,提高防疫效果。防疫哨兵设备可以根据人员体温异常情况,结合健康码状态发出不同程度的警报,并通过网络及时上报该通行人员的体温异常事件,将该人员健康码状态调整,从而督促该人员及时重新做核酸测试,减少可能的密接人员。
可选的,本实施例中,第四通行相关数据包括在目标城市的停留时长和健康信息。
根据第四通行相关数据生成通行人员对应的通行权限,包括:
判断停留时长是否大于预设停留时长阈值以及健康信息是否为正常状态。
若确定停留时长大于预设停留时长阈值且健康信息为正常状态,则确定通行权限为所有通行区域正常通行。
若确定停留时长小于或等于预设停留时长阈值且健康信息为正常状态,则确定通行权限为预设通行区域正常通行。
若确定健康信息为非正常状态,则确定通行权限为不能通行。
本实施例中,对于城市的防疫处理方式,由于无法确保外来人员的历史健康情况,因而,若通行人员停留时长较短,小于预设停留时长阈值,则可以判定为外来人员,即使健康信息为正常状态,也需要进行一定程度的防疫处理,比如只允许通行某些区域,如交通、人员不密集的场所等,且需要进行核算检测,从而避免外来人员所造成的疫情加重情况。
若城市本身疫情严重,则针对外来人员,可以设置隔离地址,并进行隔离处理,直至满足正常通行权限。
本实施例中,还可以根据是否户籍人员,是否常驻人员,是否近期流入来精准区分通行人员的通行权限,实现精准防疫需求。根据人脸识别获取的通行人员信息,确认通行人员是否为本城市户籍人员,对于城市科学防疫来说确定此类人员近期是否离开本城市是很重要的防疫补充信息,确认为户籍人员、未出本城市且该通行人员的常态化核酸信息正常,则可自由出入城市各区域。常驻人员同理,在此不再一一赘述。
通过对城市人员分类制定不同的通行权限,强化城市不同场所的疫情防控力度,使得城市人员对外流出、对内流入以及内部流动都可以做到有记录,有管控,可短时间内配合抗疫设备改变通行策略实施对重点区域重点人员的隔离排查。
步骤S202,确定密接人员的第二通行相关数据。密接人员为在通行时间的预设邻近时间范围内位于对应通行区域位置的通行人员。
本实施例中,步骤202的实现方式与本发明上一实施例中的步骤102的实现方式类似,在此不再一一赘述。
可选的,本实施例中,密接人员包括重度接触人员和轻度接触人员。
确定密接人员的第二通行相关数据之前,还包括:
确定通行时间的预设邻近时间范围内位于对应通行区域位置的通行人员。
确定通行人员是否满足以下一种或多种情况:
通行人员对应的通行区域位置的空间密闭程度大于第二预设密闭程度阈值。
通行人员位于通行区域位置的时间段与感染人员位于通行区域位置的时间段之间的重合时长是否大于预设时长阈值。
若确定满足,则确定通行人员为重度接触人员,并给重度接触人员对应的通行相关数据进行对应标注。
若确定不满足,则确定通行人员为轻度接触人员,并给轻度接触人员对应的通行相关数据进行对应标注。
本实施例中,预设时长阈值和第二预设密闭程度阈值都可以按照实际需求进行设置。重度接触人员还可以根据病毒传染特性进行确定,若病毒传染性强,则可以确定空间时间上与传染人员有重合的通行人员为重度接触人员。
本实施例进一步区分密接人员的重度接触人员和轻度接触人员,通过对重度接触人员和轻度接触人员进行标注,从而可以优先对重度接触人员进行防疫处理,防止重度接触人员造成的进一步疫情扩散。同时,在后续确定目标疫情防控区域时,也可以参考重度接触人员和轻度接触人员所通行的区域,从而确定出多个层次的目标疫情防控区域,为疫情防控处理提供更好的区域参考。
轻度接触人员可以为在同一空间内非重合时间段内进出空间的人员,特征为空间进出频率和滞留时间,也可以为在非重合时间段内所处空间的空间邻近程度较高,两空间之间人口流通密度较大的人员。
步骤S203,根据第一通行相关数据生成对应的第一疫情分布轨迹。
本实施例中,将第一通行相关数据中的通行数据进行连接,从而生成对应的第一疫情分布轨迹。
步骤S204,根据第二通行相关数据生成对应的第二疫情分布轨迹。
本实施例将第二通行相关数据中的通行数据进行连接,从而生成对应的第二疫情分布轨迹。
步骤S205,将位于第一疫情分布轨迹和第二疫情分布轨迹上的通行区域确定为候选疫情防控区域。
由于疫情的传染特性,需要将第一疫情分布轨迹和第二疫情分布轨迹上的通行区域都确定为候选疫情防控区域。
步骤S206,按照预设筛选策略对候选疫情防控区域进行筛选,以确定目标疫情防控区域。
本实施例中,筛选的方式有多种,可以根据人员数量、空间密闭程度、交通影响程度等进行筛选。目标疫情防控区域可以以点状形态进行显示。
若候选疫情防控区域为多个,则可选的,步骤S206可以具体为:
将满足以下一种或多种条件的候选疫情防控区域确定为目标疫情防控区域:
候选疫情防控区域中的密接人员数量大于预设数量阈值。
感染人员去往候选疫情防控区域的次数大于预设次数阈值。
候选疫情防控区域的空间密闭程度大于第一预设密闭程度阈值。
其中,预设数量阈值、预设次数阈值、第一预设密闭程度阈值可以按照实际需求进行设置。本实施例中,感染人员去往同一个区域的次数越多,空间密闭程度越大,密接人员数量越多,则该区域感染程度越严重。
对于目标疫情防控区域可以根据实时的疫情检测结果进行区域防控程度和区域防控大小的调整。
可选的,本实施例中,按照预设筛选策略对候选疫情防控区域进行筛选,以确定目标疫情防控区域之后,还包括:
获取目标疫情防控区域的第一疫情持续检测结果。
若第一疫情持续检测结果为以下一种或多种,则将对应目标疫情防控区域确定为中等级防控区域:
目标疫情防控区域内的感染人员数量增加频率大于第一预设频率阈值。
目标疫情防控区域内的密接人员数量增加频率大于第二预设频率阈值。
目标疫情防控区域内的感染人员和/或密接人员在目标疫情防控区域的占据面积大于预设面积阈值。
本实施例中,目标疫情防控区域由于是最初确定的区域,感染程度和感染区域面积不大,可以确定为点状疫情防控区域。第一疫情持续检测结果为每日通行人员检测、每日疫情检测,如核酸检测等。若感染人员数量增加频率大于第一预设频率阈值,密接人员数量增加频率大于第二预设频率阈值和/或感染人员和/或密接人员在目标疫情防控区域的占据面积大于预设面积阈值则代表该目标疫情防控区域的疫情逐渐变得更严重,且严重程度变化较快。因而,可以确定为更高防疫等级的中等级防控区域,提高对其的防疫效果。
可选的,本实施例中,将对应目标疫情防控区域确定为中等级防控区域之后,还包括:
获取各中等级防控区域的第二疫情持续检测结果。第二疫情持续检测结果包括中等级防控区域的感染人员数量增加频率和防控面积增长速率。防控面积增长速率为感染人员和/或密接人员在对应中等级防控区域中占据面积的增长速率。
将感染人员数量增加频率大于第三预设频率阈值和/或防控面积增长速率大于第一预设速率阈值的中等级防控区域确定为疫情爆发区域。
提示疫情爆发区域。
本实施例中,对各中等级防控区域进一步进行持续检测,若检测结果为感染人员数量增加频率大于第三预设频率阈值和/或防控面积增长速率大于第一预设速率阈值,则代表对应的中等级防控区域可能要出现疫情爆发,因而,将其确定为疫情爆发区域,并进行提示,使疫情防控可以对该区域进行提前防控,提高防控效果。
可选的,本实施例中,将对应目标疫情防控区域确定为中等级防控区域之后,还包括:
若各中等级防控区域的第二疫情持续检测结果为以下一种或多种,则将相邻的各中等级防控区域的全部区域确定为块状高等级防控区域:
相邻的各中等级防控区域的感染人员数量增加频率大于第四预设频率阈值。
相邻的各中等级防控区域出现重叠区域。
相邻的各中等级防控区域中的防控面积增长速率大于第二预设速率阈值。
中等级防控区域是由目标疫情防控区域衍生而来,因而,仍然以点状疫情防控区域进行显示,当相邻的各中等级防控区域满足上述条件时,则可以确定相邻的各中等级防控区域在进行延伸并成为同一个块状高等级防控区域,疫情严重程度高。第四预设频率阈值、第二预设速率阈值可以按照实际需求进行设置。
同时,也可以通过判断相邻的各中等级防控区域之间的通行人员重叠程度是否大于重叠阈值来确定是否需要将相邻的各中等级防控区域的全部区域确定为块状高等级防控区域。
可选的,本实施例中,将相邻的各中等级防控区域的全部区域确定为块状高等级防控区域之后,还包括:
获取块状高等级防控区域中各中等级防控区域对应的第三通行相关数据。第三通行相关数据为各中等级防控区域对应防疫哨兵设备记录的通行人员的通行相关数据。
根据各第三通行相关数据确定感染人员和密接人员去往对应中等级防控区域的交通方式。
根据交通方式生成对应交通路线的封控建议,并将封控建议发送至用户终端。
各相邻的中等级防控区域在变为块状高等级防控区域的过程中,各相邻的中等级防控区域之间的非防控区域会由于通行人员的移动,导致变为防控区域。该传染人员可能是其他区域过来的,也可能是相邻的中等级防控区域中出去的。因而,需要进一步根据通行人员的第三通行相关数据确定交通路线的封控建议,从而在进行疫情防控时,确保交通路线不会增加疫情严重性。
依据块状高等级防控区域的形成和发展的研究,对已有块状防控区域的通行记录进行算法分析,确定城市疫情防控中除了需防控的病毒感染人员、病毒感染场所,还有病毒流动路径,对相邻块状防控区域的形成分析确定需要局部封控管理的步行道路和公共场所,对不相邻的块状区域的形成分析确定需要局部封控管理的城市公共交通线路。依次推断出中等级防控区域疫情扩散可能的边缘扩散区域和带状扩散区域,并及时针对中等级防控区域涉及的短距离交通路线和远距离交通线路进行必要的部分或全部封控,以隔断点状防控区域向外疫情扩散的传播途径。
同时,在将城市各个疫情防控区域分类后,可以对每种疫情防控区域进行对应的管控处理,具体如下:
生成以下一种或多种疫情防控区域对应的区域防疫权限:
块状高等级防控区域、中等级防控区域、疫情爆发区域、目标疫情防控区域。
将区域防疫权限发送至对应疫情防控区域的防疫哨兵设备,以使防疫哨兵设备根据区域防疫权限和对应通行人员的第五通行相关数据进行防疫相关处理。防疫相关处理包括控制闸机打开或关闭,以及发出警报。
区域防疫权限可以根据疫情防控区域的类别进行设置,比如疫情爆发区域,区域防疫权限可以为禁止通行人员进出该区域,则不管检测到的通行人员第五通行相关数据如何,对应防疫相关处理都为控制闸机关闭。中等级防控区域的区域防疫权限为若通行人员的健康信息如健康码的检测周期为3天以内且为正常状态,则确定其可以通行,对应防疫相关处理为控制闸机打开。块状高等级防控区域的区域防疫权限为若通行人员的健康信息如健康码的检测周期为1天以内且为正常状态,则确定其可以通行,对应防疫相关处理为控制闸机打开。
图6为本发明提供的疫情防控区域确定装置的结构示意图,如图6所示,本实施例中,对通行人员进行防疫检查和通行数据记录的防疫哨兵设备预设在目标城市的各个通行区域中,疫情防控区域确定装置300位于疫情防控服务器,该疫情防控区域确定装置300包括:
获取模块301,用于获取各防疫哨兵设备记录的感染人员在预设时间段内的第一通行相关数据。第一通行相关数据包括具有映射关系的通行区域位置和通行时间。
第一确定模块302,用于确定密接人员的第二通行相关数据。密接人员为在通行时间的预设邻近时间范围内位于对应通行区域位置的通行人员。
第二确定模块303,用于根据第一通行相关数据和第二通行相关数据确定目标疫情防控区域。
本实施例提供的疫情防控区域确定装置可以执行图2所示方法实施例的技术方案,其实现原理和技术效果与图2所示方法实施例类似,在此不再一一赘述。
同时,本发明提供的疫情防控区域确定装置在上一实施例提供的疫情防控区域确定装置的基础上,对疫情防控区域确定装置300进行了进一步的细化。
可选的,本实施例中,第二确定模块303具体用于:
根据第一通行相关数据生成对应的第一疫情分布轨迹。根据第二通行相关数据生成对应的第二疫情分布轨迹。将位于第一疫情分布轨迹和第二疫情分布轨迹上的通行区域确定为候选疫情防控区域。按照预设筛选策略对候选疫情防控区域进行筛选,以确定目标疫情防控区域。
可选的,本实施例中,候选疫情防控区域为多个。
第二确定模块303在按照预设筛选策略对候选疫情防控区域进行筛选,以确定目标疫情防控区域时,具体用于:
将满足以下一种或多种条件的候选疫情防控区域确定为目标疫情防控区域:
候选疫情防控区域中的密接人员数量大于预设数量阈值。感染人员去往候选疫情防控区域的次数大于预设次数阈值。候选疫情防控区域的空间密闭程度大于第一预设密闭程度阈值。
可选的,本实施例中,疫情防控区域确定装置300还包括:
第三确定模块,用于获取目标疫情防控区域的第一疫情持续检测结果。若第一疫情持续检测结果为以下一种或多种,则将对应目标疫情防控区域确定为中等级防控区域:
目标疫情防控区域内的感染人员数量增加频率大于第一预设频率阈值。目标疫情防控区域内的密接人员数量增加频率大于第二预设频率阈值。目标疫情防控区域内的感染人员和/或密接人员在目标疫情防控区域的占据面积大于预设面积阈值。
可选的,本实施例中,第三确定模块还用于:
获取各中等级防控区域的第二疫情持续检测结果。第二疫情持续检测结果包括中等级防控区域的感染人员数量增加频率和防控面积增长速率。防控面积增长速率为感染人员和/或密接人员在对应中等级防控区域中占据面积的增长速率。将感染人员数量增加频率大于第三预设频率阈值和/或防控面积增长速率大于第一预设速率阈值的中等级防控区域确定为疫情爆发区域。提示疫情爆发区域。
可选的,本实施例中,第三确定模块还用于:
若各中等级防控区域的第二疫情持续检测结果为以下一种或多种,则将相邻的各中等级防控区域的全部区域确定为块状高等级防控区域:
相邻的各中等级防控区域的感染人员数量增加频率大于第四预设频率阈值。相邻的各中等级防控区域出现重叠区域。相邻的各中等级防控区域中的防控面积增长速率大于第二预设速率阈值。
可选的,本实施例中,疫情防控区域确定装置300还包括:
建议发送模块,用于获取块状高等级防控区域中各中等级防控区域对应的第三通行相关数据。第三通行相关数据为各中等级防控区域对应防疫哨兵设备记录的通行人员的通行相关数据。根据各第三通行相关数据确定感染人员和密接人员去往对应中等级防控区域的交通方式。根据交通方式生成对应交通路线的封控建议,并将封控建议发送至用户终端。
可选的,本实施例中,密接人员包括重度接触人员和轻度接触人员。
第一确定模块302还用于:
确定通行时间的预设邻近时间范围内位于对应通行区域位置的通行人员。确定通行人员是否满足以下一种或多种情况:
通行人员对应的通行区域位置的空间密闭程度大于第二预设密闭程度阈值。通行人员位于通行区域位置的时间段与感染人员位于通行区域位置的时间段之间的重合时长是否大于预设时长阈值。
若确定满足,则确定通行人员为重度接触人员,并给重度接触人员对应的通行相关数据进行对应标注。若确定不满足,则确定通行人员为轻度接触人员,并给轻度接触人员对应的通行相关数据进行对应标注。
可选的,本实施例中,疫情防控区域确定装置300还包括:
权限确定模块,用于获取防疫哨兵设备发送的通行人员的待识别人脸图像。将待识别人脸图像与预设数据库中存储的基准人脸图像进行比对,以确定通行人员对应的第四通行相关数据。基准人脸图像与第四通行相关数据具有映射关系。根据第四通行相关数据生成通行人员对应的通行权限。发送通行权限至防疫哨兵设备,以使防疫哨兵设备根据通行权限控制闸机打开或关闭。
可选的,本实施例中,基准人脸图像包括具有映射关系的戴口罩人脸正面图像和戴口罩人脸侧面图像。待识别人脸图像包括待识别人脸正面图像和待识别人脸侧面图像。
权限确定模块在将待识别人脸图像与预设数据库中存储的基准人脸图像进行比对,以确定通行人员对应的第四通行相关数据时,具体用于:
将待识别人脸侧面图像与预设数据库中存储的戴口罩人脸侧面图像进行比对,以确定候选人脸侧面图像。候选人脸侧面图像与待识别人脸侧面图像之间相似度大于预设相似度阈值。将待识别人脸正面图像与候选人脸侧面图像对应的戴口罩人脸正面图像进行比对,以确定与待识别人脸正面图像匹配的戴口罩人脸正面图像。根据匹配的戴口罩人脸正面图像确定通行人员对应的第四通行相关数据。
可选的,本实施例中,第四通行相关数据包括在目标城市的停留时长和健康信息。
权限确定模块在根据第四通行相关数据生成通行人员对应的通行权限时,具体用于:
判断停留时长是否大于预设停留时长阈值以及健康信息是否为正常状态。若确定停留时长大于预设停留时长阈值且健康信息为正常状态,则确定通行权限为所有通行区域正常通行。若确定停留时长小于或等于预设停留时长阈值且健康信息为正常状态,则确定通行权限为预设通行区域正常通行。若确定健康信息为非正常状态,则确定通行权限为不能通行。
可选的,本实施例中,疫情防控区域确定装置300还包括:
权限生成模块,用于生成以下一种或多种疫情防控区域对应的区域防疫权限:
块状高等级防控区域、中等级防控区域、疫情爆发区域、目标疫情防控区域;
将区域防疫权限发送至对应疫情防控区域的防疫哨兵设备,以使防疫哨兵设备根据区域防疫权限和对应通行人员的第五通行相关数据进行防疫相关处理。防疫相关处理包括控制闸机打开或关闭,以及发出警报。
本实施例提供的疫情防控区域确定装置可以执行图2-图5所示方法实施例的技术方案,其实现原理和技术效果与图2-图5所示方法实施例类似,在此不再一一赘述。
根据本发明的实施例,本发明还提供了一种疫情防控服务器、一种计算机可读存储介质和一种计算机程序产品。
如图7所示,图7是本发明提供的疫情防控服务器的结构示意图。疫情防控服务器旨在各种形式的电子设备,诸如,平板计算机和其它适合的计算机。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图7所示,该疫情防控服务器包括:处理器401和存储器402。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理。
存储器402即为本发明所提供的非瞬时计算机可读存储介质。其中,存储器存储有可由至少一个处理器执行的指令,以使至少一个处理器执行本发明所提供的疫情防控区域确定方法。本发明的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本发明所提供的疫情防控区域确定方法。
存储器402作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本发明实施例中的疫情防控区域确定方法对应的程序指令/模块(例如,附图6所示的获取模块301、第一确定模块302和第二确定模块303)。处理器401通过运行存储在存储器402中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的疫情防控区域确定方法。
同时,本实施例还提供一种计算机产品,当该计算机产品中的指令由电子设备的处理器执行时,使得电子设备能够执行上述实施例的疫情防控区域确定方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本发明实施例的其它实施方案。本发明旨在涵盖本发明实施例的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明实施例的一般性原理并包括本发明实施例未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本发明实施例的真正范围和精神由权利要求书指出。
应当理解的是,本发明实施例并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本发明实施例的范围仅由所附的权利要求书来限制。
Claims (15)
1.一种疫情防控区域确定方法,其特征在于,对通行人员进行防疫检查和通行数据记录的防疫哨兵设备预设在目标城市的各个通行区域中,所述方法应用于疫情防控服务器,所述方法包括:
获取各防疫哨兵设备记录的感染人员在预设时间段内的第一通行相关数据;所述第一通行相关数据包括具有映射关系的通行区域位置和通行时间;
确定密接人员的第二通行相关数据;所述密接人员为在通行时间的预设邻近时间范围内位于对应通行区域位置的通行人员;
根据所述第一通行相关数据和所述第二通行相关数据确定目标疫情防控区域。
2.根据权利要求1所述的方法,其特征在于,所述根据所述第一通行相关数据和所述第二通行相关数据确定目标疫情防控区域,包括:
根据所述第一通行相关数据生成对应的第一疫情分布轨迹;
根据所述第二通行相关数据生成对应的第二疫情分布轨迹;
将位于所述第一疫情分布轨迹和第二疫情分布轨迹上的通行区域确定为候选疫情防控区域;
按照预设筛选策略对所述候选疫情防控区域进行筛选,以确定目标疫情防控区域。
3.根据权利要求2所述的方法,其特征在于,所述候选疫情防控区域为多个;
所述按照预设筛选策略对所述候选疫情防控区域进行筛选,以确定目标疫情防控区域,包括:
将满足以下一种或多种条件的候选疫情防控区域确定为目标疫情防控区域:
所述候选疫情防控区域中的密接人员数量大于预设数量阈值;
所述感染人员去往所述候选疫情防控区域的次数大于预设次数阈值;
所述候选疫情防控区域的空间密闭程度大于第一预设密闭程度阈值。
4.根据权利要求3所述的方法,其特征在于,所述按照预设筛选策略对所述候选疫情防控区域进行筛选,以确定目标疫情防控区域之后,还包括:
获取目标疫情防控区域的第一疫情持续检测结果;
若所述第一疫情持续检测结果为以下一种或多种,则将对应目标疫情防控区域确定为中等级防控区域:
目标疫情防控区域内的感染人员数量增加频率大于第一预设频率阈值;
目标疫情防控区域内的密接人员数量增加频率大于第二预设频率阈值;
目标疫情防控区域内的感染人员和/或密接人员在目标疫情防控区域的占据面积大于预设面积阈值。
5.根据权利要求4所述的方法,其特征在于,所述将对应目标疫情防控区域确定为中等级防控区域之后,还包括:
获取各中等级防控区域的第二疫情持续检测结果;所述第二疫情持续检测结果包括中等级防控区域的感染人员数量增加频率和防控面积增长速率;所述防控面积增长速率为感染人员和/或密接人员在对应中等级防控区域中占据面积的增长速率;
将所述感染人员数量增加频率大于第三预设频率阈值和/或所述防控面积增长速率大于第一预设速率阈值的中等级防控区域确定为疫情爆发区域;
提示所述疫情爆发区域。
6.根据权利要求5所述的方法,其特征在于,所述将对应目标疫情防控区域确定为中等级防控区域之后,还包括:
若各中等级防控区域的第二疫情持续检测结果为以下一种或多种,则将相邻的各中等级防控区域的全部区域确定为块状高等级防控区域:
相邻的各中等级防控区域的感染人员数量增加频率大于第四预设频率阈值;
相邻的各中等级防控区域出现重叠区域;
相邻的各中等级防控区域中的防控面积增长速率大于第二预设速率阈值。
7.根据权利要求6所述的方法,其特征在于,所述将相邻的各中等级防控区域的全部区域确定为块状高等级防控区域之后,还包括:
获取所述块状高等级防控区域中各中等级防控区域对应的第三通行相关数据;所述第三通行相关数据为各中等级防控区域对应防疫哨兵设备记录的通行人员的通行相关数据;
根据各所述第三通行相关数据确定感染人员和密接人员去往对应中等级防控区域的交通方式;
根据所述交通方式生成对应交通路线的封控建议,并将所述封控建议发送至用户终端。
8.根据权利要求1-7任一项所述的方法,其特征在于,所述密接人员包括重度接触人员和轻度接触人员;
所述确定密接人员的第二通行相关数据之前,还包括:
确定所述通行时间的预设邻近时间范围内位于对应通行区域位置的通行人员;
确定通行人员是否满足以下一种或多种情况:
通行人员对应的通行区域位置的空间密闭程度大于第二预设密闭程度阈值;
通行人员位于通行区域位置的时间段与所述感染人员位于通行区域位置的时间段之间的重合时长是否大于预设时长阈值;
若确定满足,则确定通行人员为重度接触人员,并给所述重度接触人员对应的通行相关数据进行对应标注;
若确定不满足,则确定通行人员为轻度接触人员,并给所述轻度接触人员对应的通行相关数据进行对应标注。
9.根据权利要求1-7任一项所述的方法,其特征在于,所述方法还包括:
获取防疫哨兵设备发送的通行人员的待识别人脸图像;
将所述待识别人脸图像与预设数据库中存储的基准人脸图像进行比对,以确定通行人员对应的第四通行相关数据;所述基准人脸图像与所述第四通行相关数据具有映射关系;
根据所述第四通行相关数据生成通行人员对应的通行权限;
发送所述通行权限至防疫哨兵设备,以使所述防疫哨兵设备根据所述通行权限控制闸机打开或关闭。
10.根据权利要求9所述的方法,其特征在于,所述基准人脸图像包括具有映射关系的戴口罩人脸正面图像和戴口罩人脸侧面图像;所述待识别人脸图像包括待识别人脸正面图像和待识别人脸侧面图像;
所述将所述待识别人脸图像与预设数据库中存储的基准人脸图像进行比对,以确定通行人员对应的第四通行相关数据,包括:
将待识别人脸侧面图像与预设数据库中存储的戴口罩人脸侧面图像进行比对,以确定候选人脸侧面图像;所述候选人脸侧面图像与待识别人脸侧面图像之间相似度大于预设相似度阈值;
将所述待识别人脸正面图像与所述候选人脸侧面图像对应的戴口罩人脸正面图像进行比对,以确定与所述待识别人脸正面图像匹配的戴口罩人脸正面图像;
根据所述匹配的戴口罩人脸正面图像确定通行人员对应的第四通行相关数据。
11.根据权利要求9所述的方法,其特征在于,所述第四通行相关数据包括在目标城市的停留时长和健康信息;
所述根据所述第四通行相关数据生成通行人员对应的通行权限,包括:
判断所述停留时长是否大于预设停留时长阈值以及所述健康信息是否为正常状态;
若确定所述停留时长大于预设停留时长阈值且所述健康信息为正常状态,则确定通行权限为所有通行区域正常通行;
若确定所述停留时长小于或等于预设停留时长阈值且所述健康信息为正常状态,则确定通行权限为预设通行区域正常通行;
若确定所述健康信息为非正常状态,则确定通行权限为不能通行。
12.根据权利要求7所述的方法,其特征在于,所述方法还包括:
生成以下一种或多种疫情防控区域对应的区域防疫权限:
块状高等级防控区域、中等级防控区域、疫情爆发区域、目标疫情防控区域;
将所述区域防疫权限发送至对应疫情防控区域的防疫哨兵设备,以使所述防疫哨兵设备根据所述区域防疫权限和对应通行人员的第五通行相关数据进行防疫相关处理;所述防疫相关处理包括控制闸机打开或关闭,以及发出警报。
13.一种疫情防控区域确定装置,其特征在于,对通行人员进行防疫检查和通行数据记录的防疫哨兵设备预设在目标城市的各个通行区域中,所述装置位于疫情防控服务器,所述装置包括:
获取模块,用于获取各防疫哨兵设备记录的感染人员在预设时间段内的第一通行相关数据;所述第一通行相关数据包括具有映射关系的通行区域位置和通行时间;
第一确定模块,用于确定密接人员的第二通行相关数据;所述密接人员为在通行时间的预设邻近时间范围内位于对应通行区域位置的通行人员;
第二确定模块,用于根据所述第一通行相关数据和所述第二通行相关数据确定目标疫情防控区域。
14.一种疫情防控服务器,其特征在于,包括:处理器和存储器;
所述存储器存储计算机执行指令;
所述处理器用于执行所述存储器存储的计算机执行指令,以实现如权利要求1至12任一项所述的疫情防控区域确定方法。
15.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如权利要求1至12任一项所述的疫情防控区域确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211050171.6A CN115132371A (zh) | 2022-08-31 | 2022-08-31 | 疫情防控区域确定方法、装置、服务器及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211050171.6A CN115132371A (zh) | 2022-08-31 | 2022-08-31 | 疫情防控区域确定方法、装置、服务器及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115132371A true CN115132371A (zh) | 2022-09-30 |
Family
ID=83387436
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211050171.6A Pending CN115132371A (zh) | 2022-08-31 | 2022-08-31 | 疫情防控区域确定方法、装置、服务器及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115132371A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115497639A (zh) * | 2022-11-17 | 2022-12-20 | 上海维智卓新信息科技有限公司 | 防疫时空区域确定方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106203393A (zh) * | 2016-07-22 | 2016-12-07 | 广东金杭科技股份有限公司 | 一种人脸采集识别方法和实现该方法的系统 |
CN113192644A (zh) * | 2021-02-26 | 2021-07-30 | 上海市疾病预防控制中心 | 针对区域疫情风险实现量化分级评估检测的方法、装置、处理器及其计算机可读存储介质 |
CN113822157A (zh) * | 2021-08-19 | 2021-12-21 | 北京工业大学 | 一种基于多分支网络和图像修复的戴口罩人脸识别方法 |
CN114078602A (zh) * | 2020-08-19 | 2022-02-22 | 上海市疾病预防控制中心 | 传染病防控中基于大数据与ai技术实现重点人群快速溯源及筛查管控的系统、方法及应用 |
CN114141370A (zh) * | 2021-11-08 | 2022-03-04 | 广东省电信规划设计院有限公司 | 一种疫情防控的信息管理方法、装置及计算机存储介质 |
CN114170718A (zh) * | 2022-01-18 | 2022-03-11 | 义乌市文丰网络科技有限公司 | 一种基于疫情共享数据分析的门禁智能管理预警系统 |
-
2022
- 2022-08-31 CN CN202211050171.6A patent/CN115132371A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106203393A (zh) * | 2016-07-22 | 2016-12-07 | 广东金杭科技股份有限公司 | 一种人脸采集识别方法和实现该方法的系统 |
CN114078602A (zh) * | 2020-08-19 | 2022-02-22 | 上海市疾病预防控制中心 | 传染病防控中基于大数据与ai技术实现重点人群快速溯源及筛查管控的系统、方法及应用 |
CN113192644A (zh) * | 2021-02-26 | 2021-07-30 | 上海市疾病预防控制中心 | 针对区域疫情风险实现量化分级评估检测的方法、装置、处理器及其计算机可读存储介质 |
CN113822157A (zh) * | 2021-08-19 | 2021-12-21 | 北京工业大学 | 一种基于多分支网络和图像修复的戴口罩人脸识别方法 |
CN114141370A (zh) * | 2021-11-08 | 2022-03-04 | 广东省电信规划设计院有限公司 | 一种疫情防控的信息管理方法、装置及计算机存储介质 |
CN114170718A (zh) * | 2022-01-18 | 2022-03-11 | 义乌市文丰网络科技有限公司 | 一种基于疫情共享数据分析的门禁智能管理预警系统 |
Non-Patent Citations (1)
Title |
---|
揭小勇等: "AI赋能下的出入口控制技术与"健康码"创新融合的探析", 《中国安防》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115497639A (zh) * | 2022-11-17 | 2022-12-20 | 上海维智卓新信息科技有限公司 | 防疫时空区域确定方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106022296B (zh) | 一种基于车辆热点区域的概率聚合的套牌车检测方法 | |
CN111027525A (zh) | 疫情期间公共场所潜在被感染者追踪方法、装置及系统 | |
US10552687B2 (en) | Visual monitoring of queues using auxillary devices | |
CN108053427A (zh) | 一种基于KCF与Kalman的改进型多目标跟踪方法、系统及装置 | |
Wang et al. | Estimating traffic flow in large road networks based on multi-source traffic data | |
JP2008544705A (ja) | 頭上ビデオストリームからの監視対象の検出及び追跡 | |
KR102282800B1 (ko) | 라이다와 영상카메라를 이용한 멀티 표적 추적 방법 | |
CN115132371A (zh) | 疫情防控区域确定方法、装置、服务器及存储介质 | |
CN109872541A (zh) | 一种车辆信息分析方法及装置 | |
CN114203310A (zh) | 流行病群体相关性流调方法 | |
CN112380892A (zh) | 一种图像识别方法、装置、设备及介质 | |
Desai et al. | Accident detection using ml and ai techniques | |
Verma et al. | Object Detection for COVID Rules Response and Crowd Analysis | |
Jiang et al. | A deep learning framework for detecting and localizing abnormal pedestrian behaviors at grade crossings | |
Wang et al. | Vision-based highway traffic accident detection | |
Zhang | Multi-object trajectory extraction based on YOLOv3-DeepSort for pedestrian-vehicle interaction behavior analysis at non-signalized intersections | |
Rao et al. | Abnormal activity detection in video sequences using learnt probability densities | |
CN112330742A (zh) | 公共区域重点人员活动路线记录方法及装置 | |
CN115913998A (zh) | 一种pctse智慧园区状态评价方法和系统 | |
CN113744443B (zh) | 一种闸机通道防欺骗控制方法、装置、设备及存储介质 | |
Anithadevi et al. | An Improved SSD Object Detection Algorithm For Safe Social Distancing and Face Mask Detection In Public Areas Through Intelligent Video Analytics | |
Mohammed et al. | Smart surveillance system to monitor the committed violations during the pandemic | |
Dalka et al. | Distributed framework for visual event detection in parking lot area | |
Patel et al. | A framework for proactive safety evaluation of intersection using surrogate safety measures and non-compliance behavior | |
Prezioso et al. | Integrating Object Detection and Advanced Analytics for Smart City Crowd Management |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220930 |