內容概要：提醒大家在公共場所保持距離，可以有效的防止交叉感染。近日吳恩達創立的公司 Landing AI 開發了一款工具，可以從監控視頻中實時地測出行人的距離，能在超出安全距離之後給出提醒。
原創：HyperAI超神經
關鍵詞：計算機視覺 安全測距 吳恩達
在公共場合保持安全距離，是預防病毒傳播的一個通用做法。WHO 倡議人與人應保持至少 3 英尺（0.9 米）的距離，我國則建議保持在 1.5-2 米，來降低感染的風險。
前段時間在意大利，一位男子採用了硬核的物理隔離，帶著碩大的圓盤去超市購物。
最近，吳恩達創辦的人工智能公司 Landing AI ，開發了一款工具 Social Distancing Detector，可通過分析攝像頭的實時視頻，來檢測人們在活動中是否保持在安全距離。
吳恩達在 Twitter 上介紹了這款工具
只需三步，實時測算社交距離
Landing AI 利用公開街景數據集「The Oxford Town Centre」，對該工具進行了演示。
從中可以看到，系統可在視頻畫面中，實時地捕捉到畫面的人物動態，並測量不同人物之間的最小距離。
在街頭視頻中的測試
如果人物間的距離小於安全規範，人物框就會從綠色變成紅色，併產生一條最短距離的連線。後續還可轉換成警報或其他的提醒。
在 Landing AI 的官方博客中，公開了工具搭建的技術原理，配合監控攝像頭的數據使用，通過校準、探測和測距三個步驟即可實現。
- 第一步：校準
由於視頻的輸入可能來源於多個角度，而不同的角度會導致距離的變化，為了保證距離的有效性，需要將其轉換到一個固定的平面。第一步就是將畫面全部轉化成俯視圖。
最簡單的方式就是選取實際中的一個矩形頂點，將其映射到俯視圖的四個角，在實際中處理中，需結合多因素準確完成實時的映射和變換。
為了讓結果更準確，還需要考慮了俯視圖的比例尺，如找到實際中 6 英尺（美國部分地區的建議距離）對應的像素尺寸。
左邊為原始視圖，右邊為俯視圖，均有校準網格
- 第二步：探測
進行完校準之後，需要把人物從畫面中檢測出來，並在其周圍繪製邊界框。這一步，Landing AI 使用了基於 Faster R-CNN 架構的開源行人檢測網絡。
博文介紹到，他們使用了非最大抑制（NMS）和幾種基於規則的啟發式算法。還綜合實際中的情況，對模型進行了微調處理。
- 第三步：測距
最後一步，就是對人物間的距離進行測量，其做法就是將任務檢測框的中心，投影到俯視圖中，不同點之間的間距代表了不同人的距離。
最後根據校準步驟中確定的比例尺，進行最後的實際距離計算。
經過這三個操作，就能夠實時地在視頻畫面中，測算不同人之間的最短距離。
實際的距離檢測效果，右為俯視圖
安全的距離下，人物都被綠色的框體所表示，而距離過近超過安全值後，會轉化為紅框，並觸發一條代表距離的紅色連線。俯視圖中則是綠色和紅色的小點。
按需定製，適用多種工業場景
Landing AI 的發言人表示，該工具是 Landing AI 應客戶需求，用在其生產環境中的一個重要方案。
而目前的系統，可用在製造業和製藥業等，工人必須去上班的環境之中，幫助管理和提醒工人的安全。
比如在生產防護設備的工廠裡，技術人員可以將此軟件集成到他們的安全攝像頭系統中，通過簡單的校準步驟即可監控工作環境。
一種應用場景：在大型工廠的工人距離控制
但對最後的警報方式，Landing AI 表示系統還處於早期的階段，正在探索最好的提醒處理方式。
正在考慮的方案包括：當檢測到距離小於安全規範時發出聲音警報；或者彙總數據給管理者，幫助重新規劃員工的工作區等。
新穎便利，卻遭部分網友質疑
這個看似能夠監督人們注意防護的工具，卻並不是所有人都喜歡。
在 Landing AI 的博文中，有對系統的使用知情權作出解釋，並倡議使用此係統的任何人，必須透明且僅在人群知情同意的情況下進行識別。
即便如此，在吳恩達介紹該工具的 Twitter 下面，也有大量質疑的聲音。
比如點贊最多的一條評論裡，就赫然寫著，歡迎進入 1984。
Twitter 評論多是批評其侵犯隱私
實施隔離政策，已被證明是一種有效的防疫措施。但在疫情形勢嚴峻的美國，人們對待隔離也有著不同的接受程度。
近期多個州都出現了抗議隔離的行為，部分市民紛紛要求解除隔離、恢復生產。
這背後的深層原因，恐怕不是吳恩達們用一兩個工具，就可以解決的。
吳恩達：我太難了
