返工在即,国家级“赛马”!多家技术公司发力,AI解决“大规模人群”零接触测温

简介: 返工在即,国家级“赛马”!多家技术公司发力,AI解决“大规模人群”零接触测温

伴随着2020开年的竟是一场严峻的“疫情战役”,新型冠状病毒感染的疫情即便总体来看已经得到了较好的控制,但仍不可掉以轻心。

尽管很多公司都延长了开工时间,但迟早都会迎来返程。像火车站、地铁站这种人员密集,流动性高的地点,必须要筑起防控疫情的第一道防线,严格把控出入站人员的体温检测。

AI结合红外热成像,严守第一道防线

要安全、高效地进行大规模人流体温检测,技术手段的辅助必不可少。早在疫情刚刚开始的时候,相关疫情防控机构向拥有AI技术的科技公司寻求帮助,希望引入新技术解决当前难点。

1月25日,中关村科学城管委会面向北京市海淀区企业和科研团体征集与“红外测温产品”有关的人工智能技术方案,欲提高以“大规模人群”为基础的测温精度。

呼吁发出不久,不少涉及AI领域的科技公司广泛响应号召制定解决方案,但就目前来看,AI与红外热成像的结合还在探索阶段。

百度解决方案落地北京清河火车站

百度积极响应号召,提供了一套“AI多人体温快速检测”的解决方案,对体温超出一定阈值的流动人员,系统会发出异常预警,并快速展示出体温不在正常范围的人员及温度,遏制新型冠状病毒的传播。该方案能解决传统体温检测人工成本大、测量效率低、预警响应慢、系统分析弱、全局掌控难等弊端。

据悉,2月2日起,该套解决方案已经落地应用在北京清河火车站,一套AI大客流体温检测系正式“上岗”:出站人流无须停留、逐个测体温,只要正常走出车站,系统就能通过红外设备准确检测出体温,通过人脸识别系统准确对应到每个人身上。

既大幅度提升了效率,同时也有效降低火车站、地铁等公共场所工作人员被传染的风险。

系统由摄像、算法、显示三部分组成。基于AI图像识别和红外热成像技术,该方案通过人脸关键点检测及图像红外温度点阵温度分析算法,可以在一定面积范围内对多人额头温度进行快速筛选及预警,解决了佩戴口罩及帽子造成的面部识别特征较少的问题,方便对人流聚集处的快速筛选。

比如在高铁站等公共场所,无需群众配合或弱配合的情况下,基于固定点位红外摄像机完成3-5人/批次的面部温度快速检测系统,可以快速提取温度超标人脸图像信息,再进一步通过额温枪排查,以提升通道批量初步筛选的检测效率。

另外,该方案能基于电脑及手机客户端进行部署,可以设定固定检测卡口点位,也可以使用移动设备进行巡检。

旷视解决方案落地北京市海淀区地铁站

在海淀区以及中关村科学城管委会的统一调度下,旷视春节期间调集近百人研发团队全力奋战,对发热人员追踪系统需求、解决方案功能规划、接口方案、测试联调、供应链整合等问题进行深入讨论和沟通。

旷视研发团队提出了“人体识别+人像识别+红外/可见光双传感”的解决方案,这里用到了“双光融合”,即结合红外光和可见光,红外负责测温,可见光负责呈现。

那么AI的力量体现在哪里呢?该系统开发者、计算机科学与技术博士周舒畅表示,“本次面对五花八门的口罩、墨镜,我们的人脸检测扛住了,也不怎么冒FP,这就是AI闪光的地方。”

“至于温度准不准的问题,大家都知道最准的是直肠温,口腔温,但大家肯定不接受在地铁口被这么查。腋温和口腔温之间有差值,需要修正。额温因为裸露,会更低一些。这些修正值我们得用带计量证书的温度计反复测量。”事实上,春节期间旷视研发者们的一大工作内容就是反复做人体实验。

另一方面,周舒畅表示,“我们的系统毕竟是对疑似的粗筛,有±0.3度的精度就有了意义。

旷视AI测温系统应用在了海淀政务大厅和海淀区部分地铁站。

旷视针对戴口罩遮挡进行了专项模型优化,即便在口罩和帽子大面积遮挡人脸的情况下,系统也能帮助工作人员快速筛查通行人群,识别误差在0.3℃以内,大众无需摘下防护也无需排队聚集,大大提升公共空间的安全性和检测效率。

系统另外的一大特点是可支持大于3米的非接触远距离测温,一旦有疑似发热人员出现就会自动报警。结合旷视自研的人体 ReID 检测检索技术,系统可以帮助工作人员快速定位发热人员位置线索,以进行进一步的确认检测和医学观察。

旷视研发人员表示此系统的智能疑似高热报警带宽可达到1秒15人,且一套系统可以部署16个通道,基本保证一个地铁口管控。这样一来人流量较大的通道在 AI 系统的辅助下,仅需1名工作人员就能够管控现场,大大降低一线工作人员被感染的风险。

尽管红外测温仪对春运返程的疫情防护工作起到了重要的作用,但仍不可掉以轻心。返程之路一定要做好防范,戴好口罩、勤洗手。

疫情爆发时,红外测温技术就已及时应用在武汉

1月下旬,新型冠状病毒引发的疫情就已经引起了极大的重视,控制疫情扩散刻不容缓。

由公安部第一研究所视频国家工程实验室(珠海)创新中心与新疆爱华盈通信息技术有限公司联合成功研发的智慧体温疫情监控测量系统,已于1月下旬在武汉市相关场所投入使用。该系统测量体温精准度为2米1秒测体温、误差小于±0.5度,集人工智能和大数据系统于一身,助力疫情监控。

这款监控预警系统的温感摄像头结合了人脸识别和热成像体温检测功能,采集相关的身份信息与体温匹配形成数据报表,自动启动预警机制并实时传输给疾控管理部门。该系统由国家视频工程实验室监制。

同时期,高德红外、华中数控等厂商在武汉天河机场、武汉三大火车站、重点医院和政府机构等单位安装了红外体温快速筛查仪,防止疫情扩散。

高德红外在公众平台表示:“我们每多生产一台红外体温筛查仪,就意味着每天可以多测量几千人的体温,快速筛查出体温异常的人群,降低钟南山院士所担忧的‘超级传播者’的出现几率,避免17年前的悲剧重演。”

在大家的“监督”之下,武汉的火神山与雷神山医院均已完成交付。高德红外为两座医院提供了全自动红外热成像测温告警系统,测温精度达到±0.3的水平。

据介绍,高德全自动红外热成像测温告警系统采用红外热成像技术监测进出人员体温,当体温超标时自动告警,可大面积排查发热人员,提高疫情防控效率,大大降低传染风险,最大限度地保护医护人员安全。

另外,上千台高德红外所生产的红外体温快速筛查仪已经安装到了北京、上海、广东、福建、浙江、江苏、四川、云南、安徽等全国多地的医院、车站、机场等人流密集的公共场所。

据悉,高德红外新增了15000套的生产计划,2月10日起以每天1000套的速度生产,在短时间内提供更多的产品来助力一线人员的疫情防控工作。

其实早在2003年非典期间,红外技术在助力突发疫情防控、保障公共卫生安全方面就已经有所作为。

高德红外、华中数控等厂商的设备就被广泛应用在医院、交通枢纽等重点区域,通过对人群的体温监测,成功帮助国家遏制了非典病毒的扩散、赢得了疫情防控的历史性胜利。

这一次,我们也坚信,及时阻断传染源,防止疫情蔓延,我们一定能赢。

相关报道:

http://science.china.com.cn/2020-02/03/content_41045601.htm

http://www.bjnews.com.cn/feature/2020/01/27/680276.html

http://news.eastday.com/eastday/13news/auto/news/china/20200203/u7ai9065929.html



相关文章
|
4天前
|
机器学习/深度学习 人工智能 自然语言处理
AI技术深度解析:从基础到应用的全面介绍
人工智能(AI)技术的迅猛发展,正在深刻改变着我们的生活和工作方式。从自然语言处理(NLP)到机器学习,从神经网络到大型语言模型(LLM),AI技术的每一次进步都带来了前所未有的机遇和挑战。本文将从背景、历史、业务场景、Python代码示例、流程图以及如何上手等多个方面,对AI技术中的关键组件进行深度解析,为读者呈现一个全面而深入的AI技术世界。
48 10
|
1天前
|
人工智能 安全 算法
深度剖析 打造大模型时代的可信AI:技术创新与安全治理并重
2024年12月11日,由中国计算机学会计算机视觉专委会主办的“打造大模型时代的可信AI”论坛在上海举行。论坛汇聚了来自多家知名学术机构和企业的顶尖专家,围绕AI的技术风险与治理挑战,探讨如何在大模型时代确保AI的安全性和可信度,推动技术创新与安全治理并行。论坛重点关注计算机视觉领域的最新进展,提出了多项技术手段和治理框架,为AI的健康发展提供了有力支持。
21 8
深度剖析 打造大模型时代的可信AI:技术创新与安全治理并重
|
1天前
|
机器学习/深度学习 人工智能 运维
阿里云技术公开课直播预告:基于阿里云 Elasticsearch 构建 AI 搜索和可观测 Chatbot
阿里云技术公开课预告:Elastic和阿里云搜索技术专家将深入解读阿里云Elasticsearch Enterprise版的AI功能及其在实际应用。
阿里云技术公开课直播预告:基于阿里云 Elasticsearch 构建 AI 搜索和可观测 Chatbot
|
9天前
|
机器学习/深度学习 人工智能 物联网
AI赋能大学计划·大模型技术与应用实战学生训练营——电子科技大学站圆满结营
12月05日,由中国软件行业校园招聘与实习公共服务平台携手阿里魔搭社区共同举办的AI赋能大学计划·大模型技术与产业趋势高校行AIGC项目实战营·电子科技大学站圆满结营。
AI赋能大学计划·大模型技术与应用实战学生训练营——电子科技大学站圆满结营
|
12天前
|
机器学习/深度学习 存储 人工智能
【AI系统】离线图优化技术
本文回顾了计算图优化的各个方面,包括基础优化、扩展优化和布局与内存优化,旨在提高计算效率。基础优化涵盖常量折叠、冗余节点消除、算子融合、算子替换和算子前移等技术。这些技术通过减少不必要的计算和内存访问,提高模型的执行效率。文章还探讨了AI框架和推理引擎在图优化中的应用差异,为深度学习模型的优化提供了全面的指导。
33 5
【AI系统】离线图优化技术
|
1天前
|
机器学习/深度学习 传感器 人工智能
AI视频监控系统在养老院中的技术实现
AI视频监控系统在养老院的应用,结合了计算机视觉、深度学习和传感器融合技术,实现了对老人体征、摔倒和异常行为的实时监控与分析。系统通过高清摄像头和算法模型,能够准确识别老人的动作和健康状况,并及时向护理人员发出警报,提高护理质量和安全性。
26 14
|
2天前
|
传感器 机器学习/深度学习 人工智能
AI视频监控卫士技术介绍:智能化河道管理解决方案
AI视频监控卫士系统,通过高清摄像头、智能传感器和深度学习技术,实现河道、水库、城市水务及生态保护区的全天候、全覆盖智能监控。系统能够自动识别非法行为、水质变化和异常情况,并实时生成警报,提升管理效率和精准度。
29 13
|
1天前
|
人工智能 计算机视觉
幻觉不一定有害,新框架用AI的幻觉优化图像分割技术
在图像分割领域,传统方法依赖大量手动标注数据,效率低下且难以适应复杂场景。为解决这一问题,研究人员提出了“任务通用可提示分割”方法,利用多模态大型语言模型(MLLM)生成实例特定提示。然而,MLLM常出现幻觉,影响分割精度。为此,研究团队开发了“Prompt-Mask Cycle”(ProMaC)框架,通过迭代生成和验证提示及掩码,有效利用幻觉信息,提高了分割精度和效率。实验结果表明,ProMaC在多个基准数据集上表现出色,为图像分割技术的发展提供了新思路。
12 6
|
7天前
|
机器学习/深度学习 人工智能 监控
AI视频监控技术的核心优势与实践
AI视频监控技术结合了计算机视觉、深度学习和大数据分析,能够实时分析监控画面,识别异常行为和场景变化。其核心在于从“被动记录”转型为“主动识别”,提升监控效率并减少安全隐患。主要应用场景包括泳池管理、健身器械区域、人员密度预警和异常事件检测。系统架构支持多种摄像头设备,采用边缘计算和Docker部署,具备实时性、高准确率和扩展性等优势。未来将优化复杂场景适应性和实时计算负载,进一步提高系统性能。
|
10天前
|
机器学习/深度学习 人工智能 边缘计算
24/7全时守护:AI视频监控技术的深度实现与应用分享
本文深入解析了AI视频监控系统在车间安全领域的技术实现与应用,涵盖多源数据接入、边缘计算、深度学习驱动的智能分析及高效预警机制,通过具体案例展示了系统的实时性、高精度和易部署特性,为工业安全管理提供了新路径。