L'entreprise D'andrew Ng a Publié Un Outil D'avertissement De Distanciation Sociale

Rappeler à chacun de garder ses distances dans les lieux publics peut prévenir efficacement les infections croisées. Récemment, Landing AI, une entreprise fondée par Andrew Ng, a développé un outil capable de mesurer la distance entre les piétons en temps réel à partir de vidéos de surveillance et de donner des rappels lorsqu'ils dépassent la distance de sécurité.

Maintenir une distance de sécurité en public est une pratique courante pour prévenir la propagation du virus. L’OMS recommande aux gens de garder une distance d’au moins 3 pieds (0,9 mètre) les uns des autres, tandis que mon pays recommande de garder une distance de 1,5 à 2 mètres pour réduire le risque d’infection.

Il y a quelque temps, en Italie, un homme a adopté un isolement physique strict et est allé faire ses courses dans un supermarché avec une énorme assiette ronde.

Récemment, Landing AI, une société d'intelligence artificielle fondée par Andrew Ng, a développé un outil appelé Social Distancing Detector qui peut détecter si les gens maintiennent une distance de sécurité pendant les activités en analysant la vidéo en temps réel des caméras.

Trois étapes seulement pour mesurer la distance sociale en temps réel

Landing AI a démontré l'outil en utilisant l'ensemble de données de vue de rue publique « The Oxford Town Centre ».

De cela, nous pouvons voir que le système peut capturer la dynamique des personnes dans la vidéo en temps réel et mesurer la distance minimale entre différentes personnes.

Si la distance entre les caractères est inférieure à la norme de sécurité, le cadre du caractère passera du vert au rouge et une ligne de connexion avec la distance la plus courte sera générée. Il peut également être converti en alarme ou autre rappel ultérieurement.

Dans le blog officiel de Landing AI, les principes techniques de construction de l’outil sont divulgués. Cela peut être réalisé en trois étapes : l’étalonnage, la détection et la télémétrie, à l’aide des données des caméras de surveillance.

Étape 1 : Calibrage

Étant donné que l'entrée vidéo peut provenir de plusieurs angles et que différents angles entraîneront des changements de distance, afin de garantir la validité de la distance, elle doit être convertie en un plan fixe. La première étape consiste à convertir l’image entière en une vue de haut en bas.

Le moyen le plus simple est de sélectionner un sommet d’un rectangle dans la réalité et de le mapper aux quatre coins de la vue de dessus. Dans le traitement réel, plusieurs facteurs doivent être combinés pour réaliser avec précision la cartographie et la transformation en temps réel.

Pour rendre les résultats plus précis, vous devez également prendre en compte l'échelle de la vue aérienne, par exemple en trouvant la taille réelle des pixels qui correspond à 6 pieds (la distance recommandée dans certaines régions des États-Unis).

Étape 2 : Détection

Après l'étalonnage, la personne doit être détectée à partir de l'image et un cadre de délimitation doit être dessiné autour d'elle. Dans cette étape, Landing AI a utilisé un réseau de détection de piétons open source basé sur l'architecture Faster R-CNN.

L'article de blog a présenté l'utilisation d'une suppression non maximale (NMS) et de plusieurs algorithmes heuristiques basés sur des règles. Le modèle a également été affiné en fonction de situations réelles.

Étape 3 : Mesure de la distance

La dernière étape consiste à mesurer la distance entre les personnes. Cela se fait en projetant le centre de la boîte de détection de tâche dans la vue de dessus. La distance entre différents points représente la distance entre différentes personnes.

Enfin, le calcul final de la distance réelle est effectué sur la base de l'échelle déterminée lors de l'étape d'étalonnage.

Après ces trois opérations, la distance la plus courte entre différentes personnes peut être mesurée en temps réel dans la vidéo.

À distance de sécurité, les personnages sont représentés par des cadres verts. Lorsque la distance est trop proche et dépasse la valeur de sécurité, elle se transforme en cadre rouge et déclenche une ligne rouge représentant la distance. Dans la vue de dessus, ce sont de petits points verts et rouges.

Personnalisé à la demande, adapté à une variété de scénarios industriels

Un porte-parole de Landing AI a déclaré que l'outil est une solution importante que Landing AI utilise dans son environnement de production en réponse à la demande des clients.

Le système actuel peut être utilisé dans des environnements tels que l’industrie manufacturière et pharmaceutique où les travailleurs doivent se rendre au travail pour aider à gérer et rappeler aux travailleurs leur sécurité.

Par exemple, dans une usine produisant des équipements de protection, les techniciens peuvent intégrer ce logiciel dans leur système de caméras de sécurité pour surveiller l’environnement de travail grâce à une simple étape d’étalonnage.

Mais pour la méthode d'alerte finale, Landing AI a déclaré que le système en est encore à ses débuts et explore la meilleure façon de gérer les alertes.

Les solutions envisagées incluent : déclencher une alarme lorsque la distance détectée est inférieure à la norme de sécurité ; ou l'agrégation de données pour aider les gestionnaires à replanifier les zones de travail des employés, etc.

Nouveau et pratique, mais remis en question par certains internautes

Cet outil, qui semble pouvoir encadrer les gens pour qu'ils fassent attention à la protection, n'est pas apprécié de tous.

Dans l’article de blog de Landing AI, le droit de savoir comment le système est utilisé est expliqué et il est préconisé que toute personne utilisant ce système doit être transparente et n’identifier les personnes qu’avec leur consentement éclairé.

Malgré cela, de nombreuses voix se sont élevées pour s’interroger sous la publication Twitter où Andrew Ng a présenté l’outil.

Par exemple, dans le commentaire avec le plus de likes, il était clairement écrit : Bienvenue en 1984.

La mise en œuvre d’une politique d’isolement s’est avérée être une mesure efficace de prévention des épidémies. Mais aux États-Unis, où la situation épidémique est grave, les gens ont des niveaux d’acceptation de l’isolement différents.

Des manifestations contre la quarantaine ont eu lieu récemment dans de nombreux États, certains citoyens exigeant la levée de la quarantaine et la reprise de la production.

Les raisons profondes derrière ce phénomène ne sont probablement pas quelque chose qu’Andrew Ng et d’autres peuvent résoudre avec seulement un ou deux outils.

-- sur--