[論文レビュー] Computer Vision-based Social Distancing Surveillance Solution with Optional Automated Camera Calibration for Large Scale Deployment

Sreetama Das, Anirban Nag+5 more|arXiv (Cornell University)|Apr 22, 2021

Video Surveillance and Tracking Methods参考文献 25被引用数 5

ひとこと要約

本論文は、人物検出、トラッキング、距離違反分析を用いて、公共空間におけるリアルタイムのソーシャルディスタンス監視を実現するコンピュータビジョンベースのAIシステムを提示する。手動および自動カメラキャリブレーションをサポートし、顔のぼかし処理によりプライバシーを保護しながらスケーラブルな展開を可能にし、多様なシナリオにおいて最小限のレイテンシで高い性能を発揮することを示している。

ABSTRACT

Social distancing has been suggested as one of the most effective measures to break the chain of viral transmission in the current COVID-19 pandemic. We herein describe a computer vision-based AI-assisted solution to aid compliance with social distancing norms. The solution consists of modules to detect and track people and to identify distance violations. It provides the flexibility to choose between a tool-based mode or an automated mode of camera calibration, making the latter suitable for large-scale deployments. In this paper, we discuss different metrics to assess the risk associated with social distancing violations and how we can differentiate between transient or persistent violations. Our proposed solution performs satisfactorily under different test scenarios, processes video feed at real-time speed as well as addresses data privacy regulations by blurring faces of detected people, making it ideal for deployments.

研究の動機と目的

• 公共地域におけるソーシャルディスタンス遵守状況を監視するスケーラブルでリアルタイムなコンピュータビジョンシステムの開発。
• 大規模展開における多様なカメラ設定下での正確な距離測定の課題に対処すること。
• 手動または自動の柔軟なカメラキャリブレーションを提供し、さまざまな環境での効率的展開を可能にすること。
• 顔の検出結果を動画フィードでぼかすことで、個人のアイデンティティを保護し、データプライバシー規制に準拠すること。
• リスク評価メトリクスを用いて一時的および持続的違反を区別すること。

提案手法

• システムは、動画ストリームにおける複数対象追跡に、YOLOベースの人物検出とDeepSORTを採用する。
• 画像平面からの2次元座標を用いて人物間距離を計算し、スケーリング係数を適用してメトリック距離を推定する。
• シーン内の既知の基準点を用いたオプションの自動キャリブレーションモジュールを含む、ツールベースの方法またはオプションの自動キャリブレーションモジュールによるカメラキャリブレーションをサポートする。
• 違反の持続時間、近接度、頻度に基づいてリスクスコアリング機構を用い、一時的および持続的違反を区別する。
• プライバシー規制への準拠のため、すべての検出対象者に対して顔のぼかし処理を適用する。
• システムはリアルタイムで動画を処理し、運用監視に適した低レイテンシを維持する。

実験結果

リサーチクエスチョン

• RQ1 コンピュータビジョンシステムは、リアルタイムで人物を正確に検出し、追跡しながら人物間距離を測定できるか？
• RQ2 大規模展開を支援するための、専門的介入を要しない効果的なカメラキャリブレーション手法は何か？
• RQ3 ソーシャルディスタンス違反を一時的および持続的イベントとして意味的に区別するにはどうすればよいか？
• RQ4 公衆衛生の遵守を目的とした監視システムに、技術的およびプライバシー保護措置をどのように統合できるか？
• RQ5 本システムは、多様な実世界の展開シナリオにおいて、どの程度の性能を維持するか？

主な発見

• システムは、ライブ監視用途に適した低レイテンシで動画フィードのリアルタイム処理を達成している。
• 自動カメラキャリブレーションモジュールにより、手動キャリブレーションを要せず正確な距離推定が可能となり、展開のオーバーヘッドが顕著に低減された。
• リスク評価フレームワークにより、一時的で偶然の接近イベントと、対応が必要な持続的違反を効果的に区別できた。
• 顔のぼかし処理がすべての検出対象者に適切に適用され、データプライバシー基準への準拠が確保された。
• 照明状態、混雑度、カメラアングルの違いを含む複数のテストシナリオにおいて、本ソリューションは頑健な性能を示した。
• 自動キャリブレーションとプライバシー保護設計の組み合わせにより、本システムは大規模で実世界の展開に適していることが示された。