一种智慧校园疫情风险监测与预警系统及方法技术方案

本发明专利技术公开了一种智慧校园疫情风险监测与预警系统和方法，系统：包括图像数据采集处理模块，身份辨别模块、目标检测模块、轨迹辨识模块和疫情风险检测模块，图像数据采集处理模块用于对校园人群流动情况进行采集，根据流动数据进行预处理，包括数据增强、数据标注和数据集划分等预处理，身份辨别模块用于基于行人人脸识别与行人姿态识别辨识目标身份信息，目标检测模块用于对图像数据进行行人目标状态检测，轨迹辨识模块用于对行人的行动范围和行动模式进行检测，疫情风险检测模块用于辨别校园流量，对校园人群流动情况进行研判和预警。本发明专利技术能够提供校园内出行人员的精细化轨迹信息，辅以校园疫情流调数据，实现校园疫情精准防控。准防控。准防控。

【技术实现步骤摘要】
一种智慧校园疫情风险监测与预警系统及方法


[0001]本专利技术属于数据监测
，具体涉及一种智慧校园疫情风险监测与预警系统及方法。

技术介绍

[0002]疫情爆发给国家经济社会带来重大冲击。校园作为人员密集场所，是疫情防控的关键环节和重要区域。相较于其他公共场所人群，校园人群具有社交性和互动性强、活动场所集中、流动轨迹重叠度高的典型特点，使得现有疫情防控技术产品难以在校园疫情防控中发挥关键作用。
[0003]针对新冠疫情风险监测与防控，国内外学者开展了一系列技术探索，在一些领域取得了丰富的研究成果，包括人脸识别、口罩佩戴监测、人群密度监测、体温自动测量等。一些科技创新企业亦推出了快速测温、手机或语音控制电梯、无接触送餐、消毒机器人等助力疫情防控的新技术新产品。
[0004]一些互联网企业也纷纷投入对疫情监测相关技术产品的研发，包括研发了基于语音识别技术的智能疫情机器人和基于红外热成像及云端人脸识别技术的人体自动测温与人脸识别系统等。一些科技创新企业亦推出了快速测温、手机或语音控制电梯、无接触送餐、消毒机器人等助力疫情防控的新技术新产品。
[0005]综合而言，既有技术产品大多仅针对一般性公共场所，忽视了校园这一重要应用场所，致使现有疫情风险防控技术产品难以在校园疫情防控过程中发挥关键作用。

技术实现思路

[0006]为解决上述问题，本专利技术公开了一种智慧校园疫情风险监测与预警系统和方法，旨在检测校园内部人群分流，分析校园人群出行特征，设计多种核心监测功能，提供校园内出行人员的精细化轨迹信息，辅以校园疫情流调数据，实现校园疫情精准防控，为校园管理者提供精准到人、具体到地点和时刻的疫情风险监测与预警服务。
[0007]为达到上述目的，本专利技术的技术方案如下：
[0008]一种智慧校园疫情风险监测与预警系统，包括：图像数据采集处理模块，身份辨别模块、目标检测模块、轨迹辨识模块和疫情风险检测模块；
[0009]图像数据采集处理模块用于对校园人群流动情况进行采集，根据流动数据进行预处理，包括数据增强、数据标注和数据集划分等预处理，图像数据采集处理模块包括图像数据采集子模块和图像数据预处理子模块；
[0010]身份辨别模块用于基于行人人脸识别与行人姿态识别辨识目标身份信息，身份辨别模块包括人脸识别子模块和姿态识别子模块；
[0011]目标检测模块用于对图像数据进行行人目标状态检测，目标检测模块包括行人检测子模块、行人密度检测子模块和口罩检测子模块；
[0012]轨迹辨识模块用于对行人的行动范围和行动模式进行检测，轨迹辨识模块包括越
线检测子模块、距离检测子模块和速度检测子模块；
[0013]疫情风险检测模块用于获取身份辨别模块、目标检测模块和轨迹辨识模块检测的数据辨别校园行人流量，对校园人群流动情况进行研判和预警，疫情风险检测模块包括高风险区域辨识子模块、违规人员监测子模块、人员流量统计子模块和传播风险预警子模块。
[0014]进一步的，图像数据采集子模块通过外部接入航拍设备和若干摄像头采集校园人群流动视频，对采集的图像视频内部的不同样本进行检测和跟踪训练，建立图像数据集；
[0015]图像数据预处理子模块用于对采集的图像视频进行操作，包括对图像视频进行翻转、旋转、剪切、拼接、马赛克增强，对图像视频进行图像形态学运算，利用图像金字塔技术遴选建模图像视频，利用图像标注软件工具对图像进行人工标注，通过聚类技术确定先验标记框尺寸，获取图像数据集，根据数据集特点，将收集数据划分为训练集、验证集与测试集。
[0016]进一步的，人脸识别子模块外接入校园人脸库，基于PCA降维和LDA特征提取技术构建Cascade级联分类器，识别人脸关键点特征及其灰度变化，根据不同的人脸特征识别，训练人脸识别模型，通过识别的人脸面部特征匹配校园人脸库中的目标，进行精确的身份辨识；
[0017]姿态识别子模块基于Masked R
‑
CNN的图像分割建模，以从图像视频中分割出行人对象，利用2D关键点检测算法实现对人体行为表达过程中人体姿态关键位置信息的捕捉，以提取人体关键表征点，确定目标身份信息。
[0018]进一步的，行人检测子模块用于检测图像视频中的行人目标，构建基于Transformer架构的多目标检测模型，通过引入多头自注意力机制，利用CNN卷积神经网络对视频图像中的行人目标特征进行初步特征提取，通过构建Transformer网络对所提取行人目标特征进行精准过滤和非线性变换，通过关联特征信息、分类标签与检测框位置，构建预测模型，并通过多轮迭代训练得到最优目标检测模型，从而实现对行人目标的检测标记；
[0019]行人检测子模块对标记的行人目标进行目标跟踪，构建TransTrack目标跟踪模型，将当前帧的行人目标特征图为输入key，以一系列过去帧的行人目标特征以及一系列可学习的query为输入query，通过构建可学习的query，以检测新行人目标和输出检测边界框，其中，过去帧行人目标特征由过去帧检测产生，用于定位当前帧中已存在的对象和输出轨迹框，通过检测框和轨迹框交并比比配完成输出；
[0020]行人密度检测子模块利用聚类算法对行人目标标记位置进行聚类，辅以热力图方式直观呈现慢行交通密度；
[0021]口罩检测子模块用于对图像视频中校园行人是否佩戴口罩进行检测。
[0022]进一步的，越线检测子模块用于自动研判图像视频中行人是否跨过基准线，若发生越线，自动发出预警信息；
[0023]距离检测子模块用于计算图像视频中两两行人间距，判断两人是否存在潜在疫情传播风险；
[0024]速度检测子模块用于估算图像视频中目标行人速度。
[0025]进一步的，高风险区域辨识子模块用于辨识图像视频中校园人流量大、轨迹重叠度高的疫情传播高风险区域；
[0026]违规人员监测子模块用于对图像视频中校园人员违规行为进行实时监测；
[0027]人员流量统计子模块用于统计图像视频中出入校园不同区域的人员流量；
[0028]传播风险预警子模块用于通过图像视频研判潜在传播风险，向校园管理者提供快速预警服务，包括系统预警、短信预警和邮件预警，其中，系统预警通过本系统内部的信息弹框进行风险预警，短信预警依据研判风险阈值自动触发预警机制，向校园管理者及时发送预警短信，邮件预警通过系统对接外部邮件系统，编写自动邮件发送程序，进行邮件预警。
[0029]一种智慧校园疫情风险监测与预警方法:
[0030]S1：利用图像数据采集处理模块对校园人群流动情况进行采集，根据流动数据进行预处理，包括数据增强、数据标注和数据集划分等预处理；
[0031]S2：利用身份辨别模块基于行人人脸识别与行人姿态识别辨识目标身份信息；
[0032]S3：利用目标检测模块对图像数据进行行人目标状态检测；
[0033]S4：利用轨迹辨识模块用于对行人的行动范围和行动模式进行检测；...

【技术保护点】

【技术特征摘要】
1.一种智慧校园疫情风险监测与预警系统，其特征在于，包括：图像数据采集处理模块，身份辨别模块、目标检测模块、轨迹辨识模块和疫情风险检测模块；所述图像数据采集处理模块用于对校园人群流动情况进行采集，根据流动数据进行预处理，包括数据增强、数据标注和数据集划分等预处理，图像数据采集处理模块包括图像数据采集子模块和图像数据预处理子模块；所述身份辨别模块用于基于行人人脸识别与行人姿态识别辨识目标身份信息，身份辨别模块包括人脸识别子模块和姿态识别子模块；所述目标检测模块用于对图像数据进行行人目标状态检测，目标检测模块包括行人检测子模块、行人密度检测子模块和口罩检测子模块；所述轨迹辨识模块用于对行人的行动范围和行动模式进行检测，轨迹辨识模块包括越线检测子模块、距离检测子模块和速度检测子模块；所述疫情风险检测模块用于获取身份辨别模块、目标检测模块和轨迹辨识模块检测的数据辨别校园行人流量，对校园人群流动情况进行研判和预警，疫情风险检测模块包括高风险区域辨识子模块、违规人员监测子模块、人员流量统计子模块和传播风险预警子模块。2.根据权利要求1所述的智慧校园疫情风险监测与预警系统，其特征在于：所述图像数据采集子模块通过外部接入航拍设备和若干摄像头采集校园人群流动视频，对采集的图像视频内部的不同样本进行检测和跟踪训练，建立图像数据集；所述图像数据预处理子模块用于对采集的图像视频进行操作，包括对图像视频进行翻转、旋转、剪切、拼接、马赛克增强，对图像视频进行图像形态学运算，利用图像金字塔技术遴选建模图像视频，利用图像标注软件工具对图像进行人工标注，通过聚类技术确定先验标记框尺寸，获取图像数据集，根据数据集特点，将收集数据划分为训练集、验证集与测试集。3.根据权利要求1所述的智慧校园疫情风险监测与预警系统，其特征在于：所述人脸识别子模块外接入校园人脸库，基于PCA降维和LDA特征提取技术构建Cascade级联分类器，识别人脸关键点特征及其灰度变化，根据不同的人脸特征识别，训练人脸识别模型，通过识别的人脸面部特征匹配校园人脸库中的目标，进行精确的身份辨识；所述姿态识别子模块基于Masked R
‑
CNN的图像分割建模，以从图像视频中分割出行人对象，利用2D关键点检测算法实现对人体行为表达过程中人体姿态关键位置信息的捕捉，以提取人体关键表征点，确定目标身份信息。4.根据权利要求1所述的智慧校园疫情风险监测与预警系统，其特征在于：所述行人检测子模块用于检测图像视频中的行人目标，构建基于Transformer架构的多目标检测模型，通过引入多头自注意力机制，利用CNN卷积神经网络对视频图像中的行人目标特征进行初步特征提取，通过构建Transformer网络对所提取行人目标特征进行精准过滤和非线性变换，通过关联特征信息、分类标签与检测框位置，构建预测模型，并通过多轮迭代训练得到最优目标检测模型，从而实现对行人目标的检测标记；所述行人检测子模块对标记的行人目标进行目标跟踪，构建TransTrack目标跟踪模型，将当前帧的行人目标特征图为输入key，以一系列过去帧的行人目标特征以及一系列可学习的query为输入query，通过构建可学习的query，以检测新行人目标和输出检测边界框，其中，过去帧行人目标特征由过去帧检测产生，用于定位当前帧中已存在的对象和输出
轨迹框，通过检测框和轨迹框交并比比配完成输出；所述行人密度检测子模块利用聚类算法对行人目标标记位置进行聚类，辅以热力图方式直观呈现慢行交通密度；所述口罩检测子模块用于对图像视频中校园行人是否佩戴口罩进行检测。5.根据权利要求1所述的智慧校园疫情风险监测与预警系统，其特征在于：所述越线检测子模块用于自动研判图像视频中行人是否跨过基准线，若发生越线，自动发出预警信息；所述距离检测子模块用于计算图像视频中两两行人间距，判断两人是否存在潜在疫情传播风险；所述速度检测子模块用于估算图像视频中目标行人速度。6.根据权利要求1所述的智慧校园疫情风险监测与预警系统，其特征在于：所述高风险区域辨识子模块用于辨识图像视频中校园人流量大、轨迹重叠度高的疫情传播高风险区域；所述违规人员监测子模块用于对图像视频中校园人员违规行为进行实时监测；所述人员流量统计子模块用于统计图像视频中出入校园不同区域的人员流量；所述传播风险预警子模块用于通过图像视频研判潜在传播风险，向校园管理者提供快速预警服务，包括系统...

【专利技术属性】
技术研发人员：欧吉顺，聂庆慧，相铮，龙秀江，张俊，刘路，陈楹颖，苏光磊，徐佳兴，谢菲，林长硕，黄韵玲，
申请(专利权)人：扬州大学，
类型：发明
国别省市：