[论文解读] 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 5

一句话总结

本文提出了一种基于计算机视觉的AI系统，用于在公共场所实现基于实时社交距离监控，通过人员检测、跟踪和距离违规分析实现。系统支持手动和自动相机校准，实现可扩展部署，同时通过人脸模糊保护隐私，并在多种场景下表现出稳健性能，延迟极低。

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.

研究动机与目标

• 开发一种可扩展的、实时的计算机视觉系统，用于监控公共场所的社交距离合规情况。
• 解决在大规模部署中，针对多样化相机设置的精确距离测量挑战。
• 提供灵活的相机校准方式——手动或自动，以实现不同环境下的高效部署。
• 通过模糊检测到的面部图像，确保符合数据隐私法规，保护个人身份。
• 利用风险评估指标，区分短暂与持续的社交距离违规行为。

提出的方法

• 系统采用基于YOLO的人员检测方法和DeepSORT进行视频流中的多目标跟踪。
• 利用图像平面上的2D坐标计算人员间距离，并应用标定后的比例因子进行度量距离估算。
• 支持通过工具方法或可选的自动校准模块进行相机校准，后者利用场景中的已知参考点。
• 通过风险评分机制，基于持续时间、接近程度和频率评估违规行为，以区分短暂与持续违规。
• 对所有检测到的人员应用面部模糊处理，以符合隐私法规并保护个人身份。
• 系统实现实时视频处理，保持低延迟，适用于实际监控应用。

实验结果

研究问题

• RQ1 如何在实时检测和跟踪人员的同时，准确测量人员间距离？
• RQ2 在无需专家干预的情况下，支持大规模部署的最有效相机校准方法是什么？
• RQ3 如何有意义地区分短暂与持续的社交距离违规事件？
• RQ4 哪些技术与隐私保护措施可集成到公共健康合规的监控系统中？
• RQ5 该系统在多种真实世界部署场景中性能保持程度如何？

主要发现

• 系统实现对视频流的实时处理，延迟极低，适用于实时监控应用。
• 自动相机校准模块可在无需手动校准的情况下实现精确的距离估算，显著降低部署开销。
• 风险评估框架成功区分了短暂的、偶然的近距离接触事件与需要干预的持续违规行为。
• 面部模糊处理有效应用于所有检测到的个体，确保符合数据隐私标准。
• 该解决方案在多个测试场景中表现出稳健性能，包括光照变化、人群密度差异和相机角度变化。
• 自动化校准与隐私保护设计的结合，使系统适用于大规模、真实世界部署。