Detección de tos en Intel NUC

En realidad, sí, en un lenguaje simple: queríamos (e implementamos) un detector para toser personas, pero no por postura (ya que esto requiere grandes recursos), sino clasificando las fotos entrantes después de la detección de rostros con expansión de zona.

Detector de tos para Intel NUC

En un lenguaje complejo, la tarea empresarial es la siguiente: detección de personas con síntomas de enfermedades en la etapa de inspección en aeropuertos y estaciones de tren con funcionarios de información apropiados en el marco sobre la presencia de signos de la enfermedad para controles adicionales. El resultado esperado a corto plazo es minimizar la propagación de la infección por coronovirus COVID-19 en el marco del transporte ferroviario, el transporte y el transporte aéreo local e internacional.

Como método de implementación, consideramos una opción mediante el análisis de video basado en objetos para detectar la presencia de signos externos de una enfermedad (por ejemplo, tos, su duración y la cantidad de ataques durante toda la estadía) de las cámaras de video vigilancia. Mediante el uso de redes neuronales para la detección, reidentificación y seguimiento de objetos en zonas de visibilidad, así como la preservación de los signos de la enfermedad y su frecuencia, en el momento en que una persona específica está más cerca del área de inspección, puede informar al personal sobre la necesidad de controles adicionales (por ejemplo, medir la temperatura corporal).

¿Por qué es Intel NUC?


Primero, aclararemos que estamos utilizando Intel NUC8i5BEK con el procesador Intel Core i5 de octava generación y gráficos integrados Intel Iris Plus 655. La ejecución de redes neuronales en este caso se puede ejecutar en la GPU, liberando la CPU para el análisis de trayectoria. Y en el caso de un aumento en el número de cámaras dirigidas al dispositivo, es posible equipar el complejo con aceleradores, por ejemplo Intel NCS2.

Usamos el marco Intel OpenVINO porque le permite ejecutar eficientemente redes neuronales en procesadores Intel y, lo que es más importante, usar gráficos integrados Intel. El modelo que utilizamos es el SSD Mobilenet v2, pre-entrenado en el conjunto de datos COCO. Para entrenar el modelo, se utilizó Tensorflow.

Intel NUC8i5BEH

En realidad, ¿por qué elegimos NUC?

  1. 8- , -.
  2. Iris Plus 655. Iris Plus 655 25% Intel UHD Graphics 630, ( i5 8400 i9 9900k).
  3. , , Intel NCS2 .
  4. : 28 65 .
  5. .

?


  1. ( ).
  2. Capacitamos al clasificador para la presencia de signos externos de la enfermedad en SSD Mobilenet V2.
  3. Convertido el modelo a Intel OpenVINO.
  4. Montamos una cascada de redes neuronales que ejecutan Intel OpenVINO para realizar secuencialmente las siguientes operaciones: detectar rostros y determinar la probabilidad de signos de infección con eventos de grabación, su frecuencia y duración.

El resultado de la clasificación es la probabilidad de la presencia de una característica en la foto o el marco de la transmisión de video. Ejemplo ilustrativo:


Puede verificar el funcionamiento del detector y el clasificador en un bot en Telegram . En la entrada, el bot toma una foto de la cámara o galería, y el resultado da la probabilidad de que una persona tosa en el cuadro.

Además, asignamos zonas de detección usando el ejemplo de una cámara a mano. Resultó así:


La primera detección es caras, una cuadrícula de un modelo de zoológico público y modelo, Intel OpenVINO. OpenCV implementa el análisis de trayectoria para mantener el objeto (persona) en el marco. Además, las personas con una expansión de la zona son transferidas al clasificador de sintomatología y la probabilidad regresa.

Registramos eventos (tos) y su duración. Se supone que en el punto de control debido a la reidentificación de personas en 5 puntos (rápidamente, pero no con mucha precisión), será posible notificar al personal de los nodos de transporte sobre la necesidad de controles adicionales (por ejemplo, medir la temperatura corporal).

¿Qué piensas de esta idea?

All Articles