点击上方“AI遇见机器学习”，选择“星标”公众号

重磅干货，第一时间送达

内容概要：提醒大家在公共场所保持距离，可以有效的防止交叉感染。近日吴恩达创立的公司 Landing AI 开发了一款工具，可以从监控视频中实时地测出行人的距离，能在超出安全距离之后给出提醒。

关键词：计算机视觉  安全测距 吴恩达

在公共场合保持安全距离，是预防病毒传播的一个通用做法。WHO 倡议人与人应保持至少 3 英尺（0.9 米）的距离，我国则建议保持在 1.5-2 米，来降低感染的风险。

前段时间在意大利，一位男子采用了硬核的物理隔离，带着硕大的圆盘去超市购物。

最近，吴恩达创办的人工智能公司 Landing AI ，开发了一款工具 Social Distancing Detector，可通过分析摄像头的实时视频，来检测人们在活动中是否保持在安全距离。

吴恩达在 Twitter 上介绍了这款工具

只需三步，实时测算社交距离

Landing AI 利用公开街景数据集「The Oxford Town Centre」，对该工具进行了演示。

从中可以看到，系统可在视频画面中，实时地捕捉到画面的人物动态，并测量不同人物之间的最小距离。

在街头视频中的测试

如果人物间的距离小于安全规范，人物框就会从绿色变成红色，并产生一条最短距离的连线。后续还可转换成警报或其他的提醒。

在 Landing AI 的官方博客中，公开了工具搭建的技术原理，配合监控摄像头的数据使用，通过校准、探测和测距三个步骤即可实现。

  第一步：校准  

由于视频的输入可能来源于多个角度，而不同的角度会导致距离的变化，为了保证距离的有效性，需要将其转换到一个固定的平面。第一步就是将画面全部转化成俯视图。

最简单的方式就是选取实际中的一个矩形顶点，将其映射到俯视图的四个角，在实际中处理中，需结合多因素准确完成实时的映射和变换。

为了让结果更准确，还需要考虑了俯视图的比例尺，如找到实际中 6 英尺（美国部分地区的建议距离）对应的像素尺寸。

左边为原始视图，右边为俯视图，均有校准网格

  第二步：探测  

进行完校准之后，需要把人物从画面中检测出来，并在其周围绘制边界框。这一步，Landing AI 使用了基于 Faster R-CNN 架构的开源行人检测网络。

博文介绍到，他们使用了非最大抑制（NMS）和几种基于规则的启发式算法。还综合实际中的情况，对模型进行了微调处理。

  第三步：测距  

最后一步，就是对人物间的距离进行测量，其做法就是将任务检测框的中心，投影到俯视图中，不同点之间的间距代表了不同人的距离。

最后根据校准步骤中确定的比例尺，进行最后的实际距离计算。

经过这三个操作，就能够实时地在视频画面中，测算不同人之间的最短距离。

实际的距离检测效果，右为俯视图

安全的距离下，人物都被绿色的框体所表示，而距离过近超过安全值后，会转化为红框，并触发一条代表距离的红色连线。俯视图中则是绿色和红色的小点。

按需定制，适用多种工业场景

Landing AI 的发言人表示，该工具是 Landing AI 应客户需求，用在其生产环境中的一个重要方案。

而目前的系统，可用在制造业和制药业等，工人必须去上班的环境之中，帮助管理和提醒工人的安全。

比如在生产防护设备的工厂里，技术人员可以将此软件集成到他们的安全摄像头系统中，通过简单的校准步骤即可监控工作环境。

一种应用场景：在大型工厂的工人距离控制

但对最后的警报方式，Landing AI 表示系统还处于早期的阶段，正在探索最好的提醒处理方式。

正在考虑的方案包括：当检测到距离小于安全规范时发出声音警报；或者汇总数据给管理者，帮助重新规划员工的工作区等。

新颖便利，却遭部分网友质疑

这个看似能够监督人们注意防护的工具，却并不是所有人都喜欢。

在 Landing AI 的博文中，有对系统的使用知情权作出解释，并倡议使用此系统的任何人，必须透明且仅在人群知情同意的情况下进行识别。

即便如此，在吴恩达介绍该工具的 Twitter 下面，也有大量质疑的声音。

比如点赞最多的一条评论里，就赫然写着，欢迎进入 1984。

Twitter 评论多是批评其侵犯隐私

实施隔离政策，已被证明是一种有效的防疫措施。但在疫情形势严峻的美国，人们对待隔离也有着不同的接受程度。

近期多个州都出现了抗议隔离的行为，部分市民纷纷要求解除隔离、恢复生产。

这背后的深层原因，恐怕不是吴恩达们用一两个工具，就可以解决的。

吴恩达：我太难了

欢迎关注我们，看通俗干货！