面向社交距离检测的深度学习方法设计与性能验证

对社交距离进行准确检测在传染病溯源、安防监控等领域都有着重大意义。行人间的遮挡会极大降低社交距离检测方法的精度和泛化能力,针对这一问题,该文研究一种遮挡条件下的社交距离检测方法,并验证方法的环境适应性。该方法首先采用简单在线实时跟踪方法(Simple online and realtime track,SORT)进行人员追踪,然后基于单目视觉测距方法来测量行人间距;最后,验证检测方法在不同拍摄视角及人流密度下的泛化性能。研究结果表明,该实验可以在遮挡条件下进行较好的实时追踪,在摄像头的拍摄高度在12 m左右时获取最优的密接行为识别性能,识别准确率为92%。