新冠疫情持续，而发热是感染后的主要症状之一，所以人们在出行时总会接触到各式各样的体温检测方式，瞄准脑门的检测枪，伸进耳朵的体温计……如果人多的话测量还需要排队进行。有时检测人员也不知道新型设备如何操作，这无形增加了人群聚集的风险。尤其在火车站、机场、地铁、学校等人流密集的场所，监测防控的挑战更大：
1. 在人员密集的场所使用传统额温枪虽然准确但是速度慢，容易引发人群拥堵且会产生一定近距离接触的可能，增加互相聚集形成交叉性传染的风险；
2. 不少地方使用红外图像检测系统，然而，对于负责发热筛查系统值守的现场工作人员，要想用肉眼快速发现红外图像高温区域并且与实际人员匹配具有较大难度，影响了二次精准筛查的效率；
3. 传统智能测温系统拥有一定快速检测能力，但是疫情防控期人们普遍出行佩戴口罩，有的还戴上帽子，使得可供识别的面部特征过少，且远距离大范围检测的精度控制也是难点。
纯红外热成像设备并不探测人的样貌，基于深度学习的人工智能技术可赋能传统的红外体温检测系统，实现精准的温度定位和人脸定位，可准确匹配、锁定异常温度“面部区域”及其实际对应的人员，方便工作人员进行额温枪二次复检。
疑似发热人员追踪系统
常规的人脸识别AI，在用户戴着口罩时会武功尽失，例如手机人脸识别解锁或者ATM刷脸取款等应用都会失效。因此AI抗疫算法须针对戴口罩和帽子的情况做针对性的训练和学习，例如，以下是五种常见的口罩佩戴情形：未佩戴口罩、口罩仅遮挡嘴部、口罩仅遮挡下巴、口罩未遮挡面部、正确佩戴口罩。
常见佩戴口罩训练样本
除了戴口罩的人脸训练外，AI算法还会增加对体形、衣着等参数作为辅助判断，以便更快速高效地实现密集人群的识别。
网友评论