Get best of the week

Detecção de tosse no Intel NUC

Na verdade, sim, em linguagem simples - queríamos (e implementamos) um detector para tossir pessoas, mas não pela postura (já que requer grandes recursos), mas pela classificação das fotos recebidas após a detecção de rosto com expansão de zona.

Detector de tosse para Intel NUC

Em uma linguagem complexa, a tarefa do negócio é a seguinte: detecção de pessoas com sintomas de doenças na fase de inspeção nos aeroportos e estações de trem, com funcionários informadores apropriados na estrutura sobre a presença de sinais da doença para verificações adicionais. O resultado esperado a curto prazo é minimizar a propagação da infecção por coronovírus COVID-19 no âmbito de transporte ferroviário, transporte e transporte aéreo local e internacional.

Como método de implementação, consideramos uma opção usar a análise de vídeo baseada em objetos para detectar a presença de sinais externos de uma doença (por exemplo, tosse, sua duração e o número de ataques durante toda a estadia) das câmeras de vigilância por vídeo. Através do uso de redes neurais para a detecção, re-identificação e rastreamento de objetos em zonas de visibilidade, bem como a preservação de sinais da doença e sua frequência, no estágio em que uma pessoa específica está mais próxima da área de inspeção, você pode informar a equipe sobre a necessidade de verificações adicionais (por exemplo, medição da temperatura corporal).

Por que a Intel NUC?


Primeiro, esclareceremos que estamos usando o Intel NUC8i5BEK com o processador Intel Core i5 de 8ª geração e gráficos integrados Intel Iris Plus 655. A execução de redes neurais nesse caso pode ser executada na GPU, liberando a CPU para análise de trajetória. E, no caso de um aumento no número de câmeras direcionadas ao dispositivo, é possível equipar o complexo com aceleradores, por exemplo, Intel NCS2.

Usamos a estrutura Intel OpenVINO porque Ele permite que você execute com eficiência redes neurais em processadores Intel e, mais importante, use gráficos integrados da Intel. O modelo que usamos é o SSD Mobilenet v2, pré-treinado no conjunto de dados COCO. Para treinar o modelo, foi utilizado o Tensorflow.

Intel NUC8i5BEH

Na verdade, por que escolhemos 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. Treinamos o classificador para a presença de sinais externos da doença no SSD Mobilenet V2.
  3. Convertido o modelo para Intel OpenVINO.
  4. Montamos uma cascata de redes neurais executando o Intel OpenVINO para executar sequencialmente as seguintes operações: detecção de rostos e determinação da probabilidade de sinais de infecção com o registro de eventos, sua frequência e duração.

O resultado da classificação é a probabilidade da presença de um recurso na foto ou quadro do fluxo de vídeo. Exemplo ilustrativo:


Você pode verificar a operação do detector e do classificador em um bot no Telegram . Na entrada, o bot tira uma foto da câmera ou da galeria e o resultado dá a probabilidade de uma pessoa tossir no quadro.

Além disso, atribuímos zonas de detecção usando o exemplo de uma câmera em mãos. Aconteceu assim:


A primeira detecção é de rostos, uma grade de um modelo de zoológico público e público, o Intel OpenVINO. O OpenCV implementa a análise de trajetória para manter o objeto (pessoa) no quadro. Além disso, pessoas com expansão da zona são transferidas para o classificador de sintomatologia e a probabilidade retorna.

Registramos eventos (tosse) e sua duração. Supõe-se que no ponto de verificação devido à re-identificação de pessoas em 5 pontos (rapidamente, mas não com muita precisão), será possível notificar o pessoal dos nós de transporte sobre a necessidade de verificações adicionais (por exemplo, medição da temperatura corporal).

O que você pensa dessa ideia?

More articles:


All Articles