参与李泽南

2月10日返工潮即将到来,北京开始部署「快速AI体温检测仪」

AI 技术正在帮助大量即将返回工作岗位的人们,让接触新冠病毒的风险不断降低。

新型冠状病毒肺炎疫情还在持续,2 月 10 日国内各个省市预计又将面临大规模返工潮。对于民众和地方政府来说,每一方都即将面临超长假期后的又一次考验。

爆发的疫情引起了各地高度重视,为减少传播风险,北京的很多街道和村镇已经开展了一段时间的封闭式管理:进出小区需要登记和查体温。

对于绝大多数人来说,即使自我隔离在家也需要出门买菜,最近几天人们在出行时总会接触到各式各样的体温检测方式,瞄准脑门的检测枪,伸进耳朵的体温计……如果人多的话测量还需要排队进行。有时检测人员也不知道新型设备如何操作,这无形增加了人群聚集的风险。

不过好消息很快传来:下周一在北京的一些地铁站里,我们将看到基于人工智能的全新解决方案。
本周二,一种 AI 测温的解决方案在北京市海淀政务大厅和部分地铁站展开了试点应用,它在筛查发热人群的任务上可以实现「疑似高热报警每秒 15 人」的超高速度,同时丝毫不影响通行效率。

密集人群,无感检测

这个有关「温度」的新技术来自旷视科技。在旷视紧急成立的「抗击新型冠状病毒应急项目组」春节期间的不懈努力下,名为「明骥」的 AI 体温检测系统及时上线,为北京的新冠病毒疫情防控提供了帮助。

新的体温检测系统在地铁安检时可实现「无感监测」,对乘客行动没有任何影响,无需摘下帽子和口罩。

与以往不同的是,这套 AI 测温系统创新采用了人体识别+人像识别技术,配合红外/可见光双传感器的解决方案,同时基于自主研发的人工智能平台 Brain++完成了对带口罩帽子检测算法的优化,使得在人流密集型的场景下也可以快速识别,而不需要被识别者脱帽或者摘掉口罩,在提升通行效率的同时,避免疾病的传播。

相比人工近距离检测手段和传统的发热筛查系统,旷视将研发重点放在了远距离测温精度和高密度人流量的可用性上。通过前端红外相机鉴别人流中的高温人员,再根据疑似发热者的人体、人脸信息,AI 技术可以辅助各类公共场所在高密度人员流动场景下帮助工作人员快速筛查体温异常者,实现非接触密集型人流 AI 辅助温感检测,很大程度上解决了疫情平稳后开放场所通行效率与风险控制的需求。

在处理速度上,「明骥」系统丝毫不影响被测量人员行动,可实现每秒 15 人的高速检测(摄像头采集频率达到每秒 25 帧),且一套系统可以覆盖 16 个通道,基本保证了一座地铁站出入口的管控。这样一来,人流量较大的通道在 AI 系统的辅助下,仅需 1 名工作人员就能够管控现场,大大降低了一线工作人员被感染的风险。

除了速度快,还有更大的适用范围,这套系统支持大于 3 米的非接触远距离测温,出现疑似发热人员会自动报警。结合旷视自研的人体 ReID 检测检索技术,系统可以帮助工作人员快速筛查发热人员位置线索,以进行进一步的确认检测和医学观察。

智能体温检测设备让人们在使用公共交通工具出行的过程中稍稍感到安心。据旷视介绍,在北京这样的设备还将不断推广,最终以期覆盖到商场、广场等更多场景中。

火速成立工作组,10 余天完成部署

令人惊讶的是,AI 体温检测系统其实仅仅经历了 10 余天的研发过程,其中大年初三前完成了针对疑似发热病人筛查系统的算法开发和内部调试。「旷视科技早在 1 月 20 日就已开始思考这件事情了,」这一项目的成员,旷视科技业务产品部高级产品经理刘瑞伟告诉机器之心。「随后新型冠状病毒疫情的爆发,公司很快成立了虚拟工作小组。」

很快,这个小组的人数就增加到了 100 余人,由旷视 CEO 印奇亲自挂帅,其成员则抽调自旷视的各个部门。大家在春节期间加班加点,很快进行了可行性研究,陆续解决了外采硬件设备调试、算法构建等问题,整套系统最终在 2 月 4 日正式上线。

紧张调试体温检测系统的旷视项目组成员。

在这一过程中,留守在北京的开发者们自发前往公司加班,而在其他地区的同事们则以远程开发的形式贡献了自己的力量。

「与以往的产品开发不同,AI 体温检测系统对于新冠疫情防控很有意义。在开发的过程中,虽然处于春节放假期间,但大家的热情非常高涨,」刘瑞伟说道。这套设备完成初步方案设计的时间,是在大年三十。

在旷视开展新设备部署工作的同时,海淀区及中关村科学城管委会也向各家科技公司开始了积极的沟通,提供了大量协助和资源的统一调度。

AI 算法加持,戴口罩也能识别

在目前的疫情条件下,绝大多数出行者都佩戴口罩,这对于深度学习系统的人脸检测提出了高难度的要求。「常规机场闸机的安检方式需要把口罩摘下来。在我们的系统中,算法针对戴口罩和帽子的情况作了针对性训练,可以准确地检测出戴口罩的人,从而保证体温监测的准确性,也无需被检测者摘掉帽子和口罩。」刘瑞伟说道。

传统的人脸图像分割AI 体温检测系统需要在戴口罩的情况下识别出人脸,进而帮助红外传感器进行定位。这就需要对以往的人像分割技术进行一些改进——开发者们对于人脸图像分割的关键点进行了重新设定。

载测量设备方面,红外测温具备非接触、快速体温筛查等优势,适用于中远距离、大面积、密集人流的检测要求。但很多红外测温设备也存在温漂严重、测试不准等问题。旷视的开发者表示,为实现精确测量,热成像人体测温系统以黑体作为测温的基准温度源。黑体安装在摄像机的视野里,后者对黑体进行温度测量,并以此为基准实时进行测温校正,以达到人体测温高精度±0.3℃的要求。

另外,纯红外热成像设备并不探测人的样貌,对观测者来说不够直观,对于疑似发烧者存在难以确定身份的问题。目前在不少公共场所中,能看到的大部分是红外纯热成像的,有的甚至连测温显示都没实现,无法实现高效管控效果。

旷视体温检测设备的另一大优势在于实现了红外光和可见光传感器的融合,红外负责测温,可见光负责识别。双光融合解决了红外模组、可见光模组时间的视频流画面对齐、时钟对齐、帧率对齐等问题。通过两者 SDK 的集成,对于红外影像中监测到的温度,系统能在可见光影像中将数据对应到相应的人脸、人体上,实现了即时直观的结果呈现,并对疑似发热人员进行预警,方便对于疑似发热者二次手检。

在海淀政务大厅,人们正在试用旷视「明骥」AI 体温检测系统。

据介绍,旷视的 AI 测温系统还分为便携版与平台版,「这套系统上线之后,不光在北京,全国各地的其他地区也提出了很多需求,」刘瑞伟说道。

虽然目前部署的系统实现了高速检测和个体识别,但红外温测还存在对环境温度敏感等问题,在室外等温差变化较大区域还存在环境误差。开发者们表示,未来他们还会同硬件厂商进行进一步合作以提高检测效果。

旷视也正积极研发具备体温检测功能的自主签到系统和人脸门禁系统,实现在特定区域的主动精准防护,可在现有摄像硬件基础上,添加红外传感设备和 AI 组建,快速部署交付;未来将集成软硬件一体化设备,实现低成本、快捷部署。

在各行各业中,很多人都在用自己的方式抗击疫情。相信在人们的努力下,我们很快就能迎来疫情消散的时刻。
产业AI计算机视觉旷视科技
1
相关数据
图像分割技术

图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。它是由图像处理到图像分析的关键步骤。现有的图像分割方法主要分以下几类:基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等。从数学角度来看,图像分割是将数字图像划分成互不相交的区域的过程。图像分割的过程也是一个标记过程,即把属于同一区域的像索赋予相同的编号。

基准技术

一种简单的模型或启发法,用作比较模型效果时的参考点。基准有助于模型开发者针对特定问题量化最低预期效果。

推荐文章
不是特别理解,非接触测温,还要搞人脸识别?