⏲️ 🧑🏼 👙 इंटेल एनयूसी पर खांसी का पता लगाना 🎅🏻 👱 🚶🏿

दरअसल, हां, एक सरल भाषा में - हम लोगों को खांसने के लिए एक डिटेक्टर चाहते थे (और कार्यान्वित), लेकिन आसन द्वारा नहीं (क्योंकि इसके लिए बड़े संसाधनों की आवश्यकता होती है), लेकिन ज़ोन के विस्तार के साथ चेहरे का पता लगाने के बाद आने वाली तस्वीरों को वर्गीकृत करके।

इंटेल एनयूसी के लिए कफ डिटेक्टर

एक जटिल भाषा में, व्यवसाय कार्य निम्नानुसार है: हवाई अड्डों और रेलवे स्टेशनों पर निरीक्षण के चरण में बीमारियों के लक्षणों वाले लोगों का पता लगाना, अतिरिक्त जांच के लिए बीमारी के संकेतों की उपस्थिति के बारे में उचित सूचना देने वाले अधिकारियों के साथ। अल्पावधि में अपेक्षित परिणाम स्थानीय और अंतरराष्ट्रीय रेल, परिवहन और वायु परिवहन के ढांचे में कोरोनोवायरस संक्रमण COVID-19 के प्रसार को कम करना है।

कार्यान्वयन विधि के रूप में, हमने वीडियो निगरानी कैमरों से किसी बीमारी के बाहरी संकेतों की उपस्थिति (उदाहरण के लिए, एक खांसी, इसकी अवधि और पूरे प्रवास पर हमलों की संख्या) का पता लगाने के लिए ऑब्जेक्ट-आधारित वीडियो एनालिटिक्स का उपयोग करते हुए एक विकल्प पर विचार किया। दृश्यता क्षेत्रों में वस्तुओं के पता लगाने, पुन: पहचान और ट्रैकिंग के लिए तंत्रिका नेटवर्क के उपयोग के माध्यम से, साथ ही बीमारी के संकेतों और उनकी आवृत्ति के संरक्षण, जब कोई विशिष्ट व्यक्ति निरीक्षण क्षेत्र के करीब होता है, तो आप कर्मचारियों को अतिरिक्त जांच (उदाहरण के लिए, शरीर का तापमान मापने) की आवश्यकता के बारे में सूचित कर सकते हैं।

Intel NUC क्यों है?

सबसे पहले, हम स्पष्ट करते हैं कि हम इंटेल NUC8i5BEK का उपयोग 8 वीं पीढ़ी के इंटेल कोर i5 प्रोसेसर और एकीकृत इंटेल आईरिस प्लस 655 ग्राफिक्स के साथ कर रहे हैं। इस मामले में तंत्रिका नेटवर्क का निष्पादन GPU पर चलाया जा सकता है, जो प्रक्षेपवक्र विश्लेषण के लिए सीपीयू को मुक्त करता है। और डिवाइस पर लक्षित कैमरों की संख्या में वृद्धि के मामले में, त्वरक के साथ परिसर को लैस करना संभव है, उदाहरण के लिए इंटेल एनसीएस 2।

हम Intel OpenVINO ढांचे का उपयोग करते हैं क्योंकि यह आपको इंटेल प्रोसेसर पर तंत्रिका नेटवर्क को कुशलतापूर्वक निष्पादित करने की अनुमति देता है और, इससे भी महत्वपूर्ण बात यह है कि इंटेल एकीकृत ग्राफिक्स का उपयोग करें। हमारे द्वारा उपयोग किया जाने वाला मॉडल SSD Mobilenet v2 है, जो COCO डेटासेट पर पूर्व-प्रशिक्षित है। मॉडल को प्रशिक्षित करने के लिए, टेंसरफ्लो का उपयोग किया गया था।

वास्तव में, हमने NUC क्यों चुना:

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

?

( ).
हमने SSD Mobilenet V2 पर रोग के बाहरी संकेतों की उपस्थिति के लिए क्लासिफायरियर का प्रशिक्षण दिया।
मॉडल को इंटेल ओपनविनो में परिवर्तित किया।
हमने क्रमिक रूप से निम्नलिखित कार्य करने के लिए इंटेल ओपनविनो चलाने वाले तंत्रिका नेटवर्क के एक झरने को इकट्ठा किया: रिकॉर्डिंग घटनाओं, उनकी आवृत्ति और अवधि के साथ संक्रमण के संकेतों की संभावना का पता लगाने और चेहरे का पता लगाने के लिए।

वर्गीकरण का नतीजा वीडियो स्ट्रीम से फोटो या फ्रेम में एक फीचर की उपस्थिति की संभावना है। उदाहरण उदाहरण:

आप टेलीग्राम में बॉट पर डिटेक्टर और क्लासिफायर के ऑपरेशन की जांच कर सकते हैं । प्रवेश द्वार पर, बॉट कैमरे या गैलरी से एक तस्वीर लेता है, और परिणाम फ्रेम में एक खांसने वाले व्यक्ति की संभावना देता है।

इसके अलावा, हमने हाथ में एक कैमरा के उदाहरण का उपयोग करके डिटेक्शन ज़ोन सौंपा। यह इस तरह निकला:

पहली पहचान चेहरे, एक सार्वजनिक और सार्वजनिक मॉडल चिड़ियाघर मॉडल, इंटेल ओपनविनो से एक ग्रिड है। OpenCV वस्तु (व्यक्ति) को फ्रेम में रखने के लिए प्रक्षेपवक्र विश्लेषण को लागू करता है। इसके अलावा, क्षेत्र के विस्तार वाले व्यक्तियों को रोगसूचकता के वर्गीकरण और संभावना रिटर्न में स्थानांतरित किया जाता है।

हम घटनाओं (खांसी) और उनकी अवधि रिकॉर्ड करते हैं। यह माना जाता है कि चेकपॉइंट पर 5 बिंदुओं पर व्यक्तियों की पुन: पहचान के कारण (जल्दी, लेकिन बहुत सटीक नहीं), अतिरिक्त चेक की आवश्यकता के बारे में परिवहन नोड्स के कर्मियों को सूचित करना संभव होगा (उदाहरण के लिए, शरीर का तापमान मापने)।

इस विचार के बारे में आप क्या सोचते हैं?

इंटेल एनयूसी पर खांसी का पता लगाना

Intel NUC क्यों है?

?

More articles: