論文の概要: DeepSOCIAL: Social Distancing Monitoring and Infection Risk Assessment
in COVID-19 Pandemic
- arxiv url: http://arxiv.org/abs/2008.11672v3
- Date: Sat, 28 Nov 2020 13:46:27 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-24 21:28:45.798981
- Title: DeepSOCIAL: Social Distancing Monitoring and Infection Risk Assessment
in COVID-19 Pandemic
- Title（参考訳）: DeepSocial:COVID-19パンデミックにおけるソーシャルディスタンシングモニタリングと感染リスク評価
- Authors: Mahdi Rezaei, Mohsen Azarmi
- Abstract要約: 世界保健機関(WHO)は、公衆の場での新型コロナウイルスの感染拡大を最小限に抑えるため、ソーシャルディスタンシング(Social Distancing)を推奨している。
コンピュータビジョンとYOLOv4ベースのDeep Neural Networkモデルを開発した。
開発されたモデルは汎用的で正確な人物検出・追跡ソリューションであり、他の多くの分野に適用できる。
- 参考スコア（独自算出の注目度）: 1.027974860479791
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Social distancing is a recommended solution by the World Health Organisation
(WHO) to minimise the spread of COVID-19 in public places. The majority of
governments and national health authorities have set the 2-meter physical
distancing as a mandatory safety measure in shopping centres, schools and other
covered areas. In this research, we develop a hybrid Computer Vision and
YOLOv4-based Deep Neural Network model for automated people detection in the
crowd in indoor and outdoor environments using common CCTV security cameras.
The proposed DNN model in combination with an adapted inverse perspective
mapping (IPM) technique and SORT tracking algorithm leads to a robust people
detection and social distancing monitoring. The model has been trained against
two most comprehensive datasets by the time of the research the Microsoft
Common Objects in Context (MS COCO) and Google Open Image datasets. The system
has been evaluated against the Oxford Town Centre dataset with superior
performance compared to three state-of-the-art methods. The evaluation has been
conducted in challenging conditions, including occlusion, partial visibility,
and under lighting variations with the mean average precision of 99.8% and the
real-time speed of 24.1 fps. We also provide an online infection risk
assessment scheme by statistical analysis of the Spatio-temporal data from
people's moving trajectories and the rate of social distancing violations. The
developed model is a generic and accurate people detection and tracking
solution that can be applied in many other fields such as autonomous vehicles,
human action recognition, anomaly detection, sports, crowd analysis, or any
other research areas where the human detection is in the centre of attention.
- Abstract（参考訳）: ソーシャルディスタンシング(social distancing)は、世界保健機関(who)が公共の場所で新型コロナウイルス(covid-19)の拡散を最小限に抑えるために推奨するソリューションである。
政府や国民保健当局の大多数は、2メートルの身体的距離をショッピングセンター、学校、その他のカバーエリアで必須の安全対策として設定している。
本研究では,共通CCTVセキュリティカメラを用いて,屋内・屋外環境における人ごみの自動検出のためのハイブリッドコンピュータビジョンとYOLOv4ベースのDeep Neural Networkモデルを開発した。
提案したDNNモデルと適応逆視点マッピング(IPM)手法とSORT追跡アルゴリズムを組み合わせることで,ロバストな人検出とソーシャルディスタンシング監視を実現する。
このモデルは、microsoft common objects in context(ms coco)とgoogle open image datasetsの研究時に、2つの最も包括的なデータセットに対してトレーニングされた。
このシステムはオックスフォード・タウン・センターのデータセットに対して、最先端の3つの手法よりも優れた性能で評価されている。
この評価は、オクルージョン、部分視認性、および平均精度99.8%、リアルタイム速度24.1 fpsの照明条件など、困難な条件で行われている。
また,移動軌跡からの時空間データと社会的距離違反率を統計的に分析し,オンライン感染リスク評価手法を提案する。
開発されたモデルは汎用的で正確な人物検出・追跡ソリューションであり、自動運転車、人間の行動認識、異常検出、スポーツ、群衆分析、および人間の検出が注意の中心にある他の研究領域など、他の多くの分野に適用することができる。
関連論文リスト
- A Survey on Computer Vision based Human Analysis in the COVID-19 Era [58.79053747159797]
新型コロナウイルスの出現は、社会全体だけでなく、個人の生活にも大きく影響している。
マスクやソーシャルディスタンシングの義務、公共空間での定期消毒、スクリーニングアプリケーションの使用など、さまざまな予防策が世界中で導入されている。
これらの発展は、(i)視覚データの自動解析による予防対策の支援、(ii)生体認証などの既存の視覚ベースのサービスの正常な操作を容易にする、新しいコンピュータビジョン技術の必要性を喚起した。
論文 参考訳（メタデータ） (2022-11-07T17:20:39Z) - People detection and social distancing classification in smart cities
for COVID-19 by using thermal images and deep learning algorithms [0.0]
新型コロナウイルス(COVID-19)は、2019年12月に中国武漢で発見された重症呼吸器症候群(SA)による病気である。
本研究では,熱画像を用いた社会距離分類のための人工知能システムを提案する。
論文 参考訳（メタデータ） (2022-09-10T16:30:29Z) - BEV-Net: Assessing Social Distancing Compliance by Joint People
Localization and Geometric Reasoning [77.08836528980248]
新型コロナウイルス(COVID-19)の感染拡大を受け、公衆衛生に不可欠なソーシャルディスタンシング(ソーシャルディスタンシング)が注目されている。
本研究では,広視野カメラを用いた公共空間における視覚的ソーシャル・ディスタンシング・コンプライアンス・アセスメントの課題について考察する。
鳥眼ビュー(BEV)下での注釈付き群集シーンのデータセットと距離測定のための地上真実を紹介する。
マルチブランチネットワークであるBEV-Netは、世界座標における個人をローカライズし、ソーシャルディスタンシングに違反する高リスク領域を特定するために提案されている。
論文 参考訳（メタデータ） (2021-10-10T23:56:37Z) - Automatic Social Distance Estimation From Images: Performance
Evaluation, Test Benchmark, and Algorithm [78.88882860340797]
新型コロナウイルスは2020年3月から世界的なパンデミックを引き起こしている。
感染リスクを低減するため、他者から最低1メートルの距離を維持することが強く示唆されている。
このようなアルゴリズムには適切なテストベンチマークは存在しない。
論文 参考訳（メタデータ） (2021-03-11T16:15:20Z) - SD-Measure: A Social Distancing Detector [0.0]
新型コロナウイルス(COVID-19)のパンデミックでは、非医薬品対策として社会的距離が採用されている。
本研究は,ビデオ映像から社会的距離を検出するためのSD-Measureという新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2020-11-04T15:47:14Z) - Epidemic mitigation by statistical inference from contact tracing data [61.04165571425021]
我々は,個人が感染するリスクを推定するためにベイズ推定法を開発した。
本稿では,感染防止のための検査・隔離戦略を最適化するために,確率論的リスク推定手法を提案する。
我々のアプローチは、最近接触した個人間の通信のみを必要とする、完全に分散されたアルゴリズムに変換されます。
論文 参考訳（メタデータ） (2020-09-20T12:24:45Z) - Perceiving Humans: from Monocular 3D Localization to Social Distancing [93.03056743850141]
本稿では,人間の3次元位置と身体の向きを1つの画像から知覚する,コスト効率の高い視覚ベースの新しい手法を提案する。
我々は,「社会的距離」という概念を,単純な位置に基づくルールとは対照的に,社会的相互作用の一形態として再考することが可能であることを示す。
論文 参考訳（メタデータ） (2020-09-01T10:12:30Z) - A Vision-based Social Distancing and Critical Density Detection System
for COVID-19 [0.0]
感染性コロナウイルス病2019(COVID-19)の感染拡大に対する効果的な対策として、社会的距離が証明されている。
個人間の距離を検知し、警告できるアクティブ監視システムは、致命的な病気の拡散を遅らせることができる。
本稿では,4つの重要な倫理的要因を考慮したAIに基づくリアルタイムソーシャルディスタンシング検出・警告システムを提案する。
論文 参考訳（メタデータ） (2020-07-07T15:55:50Z) - COVI White Paper [67.04578448931741]
接触追跡は、新型コロナウイルスのパンデミックの進行を変える上で不可欠なツールだ。
カナダで開発されたCovid-19の公衆ピアツーピア接触追跡とリスク認識モバイルアプリケーションであるCOVIの理論的、設計、倫理的考察、プライバシ戦略について概説する。
論文 参考訳（メタデータ） (2020-05-18T07:40:49Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。