Get best of the week

英特尔NUC咳嗽检测

是的，实际上，是的，用一种简单的语言-我们想要（并实现）一种用于咳嗽的检测器，但不是通过姿势检测（因为这需要大量资源），而是通过对面部扩展区域识别后的传入照片进行分类。

英特尔NUC咳嗽检测器

用复杂的语言来说，业务任务如下：在机场和火车站的检查阶段发现有疾病症状的人，并在框架中适当告知官员有关疾病迹象的信息以进行进一步检查。短期内的预期结果是在本地和国际铁路，运输和航空运输的框架内最大程度地减少冠状病毒感染COVID-19的传播。

作为一种实现方法，我们考虑了使用基于对象的视频分析来检测来自视频监控摄像机的疾病外部征兆（例如咳嗽，持续时间和在整个逗留期间的发作次数）的选项。在特定人员靠近检查区域的阶段，通过使用神经网络检测，重新识别和跟踪可见区域中的物体以及保留疾病迹象及其频率，您可以告知工作人员需要进行其他检查（例如测量体温）的步骤。

为什么是英特尔NUC？


首先，我们要说明的是，我们将Intel NUC8i5BEK与第8代Intel Core i5处理器和集成的Intel Iris Plus 655图形一起使用。在这种情况下，神经网络的执行可以在GPU上运行，从而释放CPU进行轨迹分析。在针对该设备的摄像机数量增加的情况下，可以为该综合大楼配备加速器，例如Intel NCS2。

我们使用Intel OpenVINO框架是因为 它使您可以在Intel处理器上有效地执行神经网络，更重要的是，可以使用Intel集成显卡。我们使用的模型是在COCO数据集上预先训练的SSD Mobilenet v2。为了训练模型，使用了Tensorflow。

英特尔NUC8i5BEH

实际上，为什么我们选择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. 我们在SSD Mobilenet V2上对分类器进行了培训，以识别疾病的外部症状。
  3. 将模型转换为Intel OpenVINO。
  4. 我们组装了一系列运行Intel OpenVINO的神经网络，以依次执行以下操作：检测面部并通过记录事件，频率和持续时间确定感染迹象的可能性。

分类的结果是来自视频流的照片或帧中特征存在的概率。说明性示例：


您可以在Telegram中检查机器人上检测器和分类器的操作。在入口处，机器人从相机或画廊拍摄照片，其结果给出了在框架中咳嗽的可能性。

此外，我们以手边的相机为例分配了检测区域。原来是这样的：


第一次检测是人脸，这是来自公共和公共模型动物园模型Intel OpenVINO的网格。OpenCV执行轨迹分析以将对象（人）保持在框架中。此外，将区域扩大的人转移到症状分类器，概率返回。

我们记录事件（咳嗽）及其持续时间。假设由于在5个点重新识别人员（很快，但不是很准确）而在检查点上，有可能将需要进一步检查（例如，测量体温）的信息通知运输节点的人员。

您如何看待这个想法？

More articles:


All Articles