歐尼克斯實境互動工作室(OmniXRI): 有了Neuralet 開源社交距離偵測軟體再也不會有1968誤報了

2020年5月6日星期三

有了Neuralet 開源社交距離偵測軟體再也不會有1968誤報了

最近新冠肺炎(COVID-19)疫情升溫，為保持社交距離及遠離人群較多熱點，所以交通部推出「1968」熱點警示APP，但利用車流偵測作為警示，準度連部份縣市首長都跳出來抱怨，難道就沒有在不侵犯個人隱私的情況下有更客觀更科學的作法嗎？

前不久知名AI專家吳恩達教授的Landing.ai團隊為了解決目前新冠肺炎(COVID-19)疫情而推出一個可以偵測社交距離的成果[1]，雖然沒有明確說明是用了何種技術及表現如何，但從展示影片中大概可以推估可能是用了類似YOLO之類的物件偵測人的位置，再以外框盒的中心去量測兩兩之間的距離（像素），若太近則出現紅色警示，猜想還可能有做了簡單的距離（透視投影）校正，以修正較前景及後景物件實際距離接近但成像上差距不同問題。

Landing AI Social Distancing Detector Demo（影片來源：YOUTUBE）

一家邊緣智能的供應商Neuralet馬上開源出一個完整範例程式（Smart Social Distancing [2]），並且可以在NVIDIA Jetson Nano或Google Coral(Edge TPU)開發板上執行。更完整文檔說明可參考[3]。

Fig. 1 Neuralet 社交距離偵測開源軟體執行結果[2]

他們主要應用了SSD-MobileNet-V2和MS CoCo Dateset進行推論，用以偵測行人位置。但由於這些深度學習模型並不會記錄前後幀相同行人的位置，所以要自己加上相同物件追蹤功能。另外為了更正確計算人與人之間的距離，所以用了一個簡單的公式來校正，如Fig. 2所示。

Fig. 2 Neuralet 行人偵測校正示意圖[3]（點擊圖放大）

另外為了方便開發使用者界面(UI)，他們也提供了WebGUI實現了Flask開發介面。最後再提供一些可視化工具，方便分析行人數量變化圖及違反社交距離的數量變化圖，如Fig. 3所示。後續再搭配地圖就能分析出熱點，就不會有人工誤讀或靠行動電話基地台判定失準問題產生。最後歡迎有興趣的朋友自己下載來玩玩。