Detección de tos Intel NUC – Tecnología ComBox

En realidad, sí, en un lenguaje simple: queríamos (e implementamos) un detector para toser personas, pero no por postura (ya que esto requiere grandes recursos), sino clasificando las fotos entrantes después de la detección de rostros con expansión de zona.

Detección de tos en Intel NUC

En un lenguaje complejo, la tarea empresarial es la siguiente: detección de personas con síntomas de enfermedades en la etapa de inspección en aeropuertos y estaciones de ferrocarril con funcionarios de información apropiados en el marco sobre la presencia de signos de la enfermedad para controles adicionales. El resultado esperado a corto plazo es minimizar la propagación de la infección por coronovirus COVID-19 en el marco del transporte ferroviario, transporte y transporte aéreo local e internacional.

Como método de implementación, consideramos la opción de usar análisis de video de objetos para detectar la presencia de signos externos de la enfermedad (por ejemplo, tos, su duración y el número de ataques durante toda la estadía) de las cámaras de video vigilancia. Debido al uso de redes neuronales para la detección, reidentificación y seguimiento de objetos en zonas de visibilidad, así como la preservación de los signos de la enfermedad y su frecuencia, en la etapa de acercarse a una persona específica al área de inspección, puede informar al personal sobre la necesidad de controles adicionales (por ejemplo, medir la temperatura corporal).

Primero, aclararemos que usamos Intel NUC8i5BEK con el procesador Intel Core i5 de octava generación y gráficos integrados Intel Iris Plus 655. En este caso, la ejecución de redes neuronales se puede ejecutar en la GPU, liberando la CPU para el análisis de trayectoria. Y en el caso de un aumento en el número de cámaras dirigidas al dispositivo, es posible equipar el complejo con aceleradores, por ejemplo Intel NCS2.

Usamos el marco Intel OpenVINO porque le permite ejecutar eficientemente redes neuronales en procesadores Intel y, lo que es más importante, usar gráficos integrados Intel. El modelo que utilizamos es el SSD Mobilenet v2, pre-entrenado en el conjunto de datos COCO. Para entrenar el modelo, se utilizó Tensorflow.

Intel NUC8i5BEK

En realidad, ¿por qué elegimos NUC?

El bajo costo de los procesadores de octava generación completa con el dispositivo, en contraste con el valor de mercado de los componentes por separado. Alto rendimiento de inferencia debido a la presencia de gráficos integrados Iris Plus 655. Iris Plus 655 en rendimiento de redes neuronales es 25% más alto que Intel UHD Graphics 630 utilizado en procesadores de escritorio (desde i5 8400 hasta i9 9900k). Existe la posibilidad de aumentar el número de flujos procesados ​​conectando aceleradores, por ejemplo, Intel NCS2 sin cambiar la topología y el marco de la red. Bajo consumo de energía a carga máxima: 28 W contra 65 W para el análogo de escritorio Capacidad para usar dispositivos dentro del servidor y la infraestructura de la nube. Recolectamos y estructuramos los datos iniciales para la capacitación (preparamos un conjunto de datos). Capacitamos al clasificador para la presencia de signos externos de la enfermedad en el Mobilenet V2 SSD. Convertimos el modelo a Intel OpenVINO. Montamos una cascada de redes neuronales que ejecutan Intel OpenVINO para serial realizando cl operaciones de viaje: detección de personas y determinación de la probabilidad de signos de infección con el registro de eventos, su frecuencia y duración.

El resultado de la clasificación es la probabilidad de la presencia de una característica en la foto o el marco de la transmisión de video. Ejemplo ilustrativo:

Puede verificar el funcionamiento del detector y el clasificador en un bot en Telegram. En la entrada, el bot toma una foto de la cámara o galería, y el resultado da la probabilidad de que una persona tosa en el cuadro.

Además, asignamos zonas de detección usando el ejemplo de una cámara a mano. Resultó así:

La primera detección es caras, una cuadrícula de un modelo de zoológico público y modelo, Intel OpenVINO. OpenCV implementa el análisis de trayectoria para mantener el objeto (persona) en el marco. Además, las personas con expansión de la zona son transferidas al clasificador de sintomatología y la probabilidad regresa.

Registramos eventos (tos) y su duración. Se supone que en el punto de control debido a la reidentificación de personas en 5 puntos (rápidamente, pero no con mucha precisión), será posible notificar al personal de los nodos de transporte sobre la necesidad de controles adicionales (por ejemplo, medir la temperatura corporal).

¿Qué piensas de esta idea?