吳恩達團隊公布新人工智慧技術,透過攝影機畫面自動檢測社交距離

【我們為什麼挑選這篇文章】人稱「AI 大神」的吳恩達,目標是要打造一個可以由 AI 推動的社會體系,在過去也創辦了數個人工智慧團隊,例如:Landing.ai、deeplearning.ai 、AI Fund 等。

在各國積極宣導民眾「保持社交距離」之際,吳恩達和團隊出手設計 AI 系統,利用大數據監管來試圖解決維持社交距離執行面上的困難。(責任編輯:戴慈慧)

在對抗新冠狀病毒的鬥爭中,保持社會距離是一個減緩疾病的傳播非常有效的措施。雖然數以百萬計的人們都老老實實呆在家裡幫助減少傳播,但製造業和製藥業的許多員工仍然不得不每天上班,以確保滿足基本生活需求。

為了幫助確保這些人在工作場所保持社會距離,吳恩達在 Landing AI 的團隊剛剛發佈了一個人工智能社會距離檢測工具,可以通過分析來自攝像機的實時視頻流來檢測人們是否保持安全距離。

吳恩達本人也發推特公布了這項技術!

這個工具能實現什麼呢?比如在一家生產防護設備的工廠,技術人員可以將這種軟體蒐集到他們的安全攝像系統中,用簡單的校准步驟監視工作環境。

探測器可以用紅色框框顯示距離低於最小可接受距離的人,並在兩者之間劃一條線來強調這一點,該系統還可以發出警報,提醒人們在違反協議時保持安全距離。

實現這一效果主要包括三個主要步驟:校准、檢測和測量。

校正

由於輸入的視頻可以從任意的攝像頭獲取,因此第一步是計算將透視圖變換為俯視圖的轉換——也就是校准。由於輸入幀是單目攝像機拍攝的,最簡單的標定方法是在透視圖中選擇四個點,然後將它們映射到俯視圖中矩形的角上。

這裡假設每個人都站在同一個平面上。從這個映射,研究人員得到一個應用於整個透視圖像的變換。這種方法雖然很普遍,但是卻很難正確的應用。因此,技術人員構建了一個輕量級工具,即使是非技術用戶也可以借助該工具實時校准系統。

在校准步驟中,技術人員還估計了鳥瞰圖的比例因子,例如在現實生活中多少像是對應於 6 英尺。

檢測

第二步就是檢測行人,為每個行人繪制一個矩形區域。為了簡單起見,技術人員使用基於 Faster R-CNN 的開源行人檢測網絡。

為了清理輸出邊界框,技術人員應用了最小化後處理,如非最大值抑制(NMS)和各種基於規則的啓發式算法,技術人員選擇了基於現實生活中假設的規則,以盡量減少過度擬合的風險。

測量

最後,給定每個人的區域,需要在鳥瞰圖中估計他們(x,y)的位置。

由於校准步驟輸出地平面的變換,需要將所述變換應用到每個區域的底部中心點,從而得到他們在俯視圖中的位置。最後一步是計算每兩個人之間的水平距離。

技術人員用紅色標記距離低於規定距離的人,並在兩者之間劃一條線來強調這一點。

正如醫學專家指出的那樣,在疫苗問世之前,保持社會距離是我們幫助減輕冠狀病毒流行的最佳工具,同時也是開放經濟的最佳手段。Landing.AI 表示,他們創建這個工具並在早期階段分享它的目的是幫助他們的客戶,並鼓勵其他人探索新的想法,以保證人們的安全。

相關報導 點這裡

(本文經合作夥伴 大數據文摘 授權轉載,並同意 TechOrange 編寫導讀與修訂標題,原文標題為 〈吴恩达团队创建人工智能工具,用摄像头画面测量社交距离 〉。首圖來源: 大數據文摘

你可能感興趣


多雲平台管理不易,找出資安威脅難上加難

IBM 解惑如何善用「開源技術」自動因應網路攻擊

獲取 IBM 獨家白皮書

點關鍵字看更多相關文章: