基于大数据的智能防疫方法、装置、设备及存储介质与流程

本申请涉及计算机领域，具体而言，涉及一种基于大数据的智能防疫方法、装置、设备及存储介质。

背景技术：

新冠疫情全球肆虐，健康防疫保障成为主流需求，广场、校园等公共场所作为人群密集场所，极易造成突发公共卫生事件，健康数据采集、跟踪、监管和诊疗是公共健康的常态化需求。然而这些公共场所需要花费大量人力资源开展疫情防控工作，其具有人力成本高，工作人员面临疫情风险等缺点。

技术实现要素：

本申请实施例的目的在于提供一种基于大数据的智能防疫方法、装置、设备及存储介质。用以降低防疫的人力成本，降低防疫工作人员面临的疫情风险、降低防疫工作难度和提高防疫工作准确度。

为此，本申请第一方面公开一种基于大数据的智能防疫方法，所述方法包括：

检测通过目标区域出口的人数和通过目标区域进口的人数；

根据所述通过目标区域出口的人数和所述通过目标区域进口的人数计算所述目标区域的容纳人数；

当所述目标区域的容纳人数满足预设第一条件时，准许人体通过所述目标区域的进口；

对经过所述目标区域的人体进行体温检测并得到体温值；

当所述体温值满足预设第二条件时，获取所述人体的热检测数据和所述人体的摄像机成像；

根据所述人体的热检测数据和所述人体的摄像机成像判断所述人体是否佩戴口罩并输出佩戴检测结果。

在本申请第一方面中，经过目标区域的人体包括经过目标区域的进口的人体，以及正处于目标区域内的人体，因此本申请实施例可在目标区域的进口处检测人体是否佩戴口罩之外，还能够对人体在目标区域内的实时的戴口罩行为进行检测，例如，通常人体进入目标区域后会摘掉口罩进行就餐，但人体就餐完毕后往往会遗忘戴上口罩，此时通过安装在目标区域的一处或多处的摄像机获取人体的图像，进而判断人体是否佩戴口罩，这样一来就能够自动实时监控人体佩戴口罩的行为，提高防疫效率而降低人力成本，另一方面由于方式不需要防疫人员直接面对人体，进而可降低防疫人员的疫情风险。然而现有技术需要人工判断人体口罩，尤其是在大面积目标区域内对多个人体进行监控时，需要安排很多防疫人员在多个点位进行检测，这样一来就会导致所需防疫人员数量很多，且防疫人员无法频繁地对每个角落进行检测，从而导致防疫难度大、人工成本高。

在本申请第一方面中，作为一种可选的实施方式，在根据所述人体的热检测数据和所述人体的摄像机成像判断所述人体是否佩戴口罩并输出佩戴检测结果之后，所述方法还包括：

获取所述目标区域的实时图像，其中所述实时图像由设置在所述目标区域中的摄像机生成；

根据所述实时图像确定所述目标区域的每个所述人体的位置信息；

根据所述摄像机的内参矩阵和每个所述人体的位置信息计算人体之间的相对位置；

判断所述人体之间的相对位置是否满足预设第三条件，若否则输出提示信息。

本可选的实施方式通过对目标区域的人体之间的距离进行检测，一方面可以防止目标区域内的人员聚集，另一方面可进一步提高对目标区域的防疫自动监控程度并进一步降低人工成本。

在本申请第一方面中，作为一种可选的实施方式，所述根据所述实时图像确定所述目标区域的每个所述人体的位置信息，包括：

根据所述实时图像确定人体图像区域；

计算所述人体图像区域的像素坐标纵坐标最大值，和所述人体图像区域的像素坐标横坐标平均值；

根据所述像素坐标纵坐标最大值和所述像素坐标横坐标平均值计算得到观测点的像素坐标；

根据所述观测点的像素坐标计算所述观测点在摄像机坐标系的坐标，并将所述观测点在摄像机坐标系的坐标作为所述人体的位置信息。

在本可选的实施方式中，通过计算人体图像区域的像素坐标纵坐标最大值，和人体图像区域的像素坐标横坐标平均值，进而能够根据像素坐标纵坐标最大值和像素坐标横坐标平均值计算得到观测点的像素坐标，从而能够计算得到人体的位置信息。

在本申请第一方面中，作为一种可选的实施方式，在所述根据所述通过目标区域出口的人数和所述通过目标区域进口的人数计算所述目标区域的容纳人数之后，所述方法还包括：

将时间维度信息、天气维度信息、温度维度信息、人流量维度信息作为第一神经网络的输入，使得所述第一神经网络根据预设机器学习算法输出所述目标区域的极限阈值；

将所述目标区域的容纳人数与所述目标区域的极限阈值进行比对，当所述目标区域的容纳人数小于所述目标区域的极限阈值时，确定所述目标区域的容纳人数满足所述预设第一条件。

在本可选的实施方式，通过时间维度信息、天气维度信息、温度维度信息、人流量维度信息能够更加精确地评估公共场所人员容量，进而更加准确真实有效的建立疫情防控机制，便于防控。

在本申请第一方面中，作为一种可选的实施方式，所述预设机器学习算法为k-means算法、adboost算法、xgboost算法中的一种。

在本申请第一方面中，作为一种可选的实施方式，所述根据所述人体的热检测数据和所述人体的摄像机成像判断所述人体是否佩戴口罩并输出佩戴检测结果，包括：

根据所述人体的热检测数据和第一深度学习网络计算所述人体的摄像机成像中的人体区域图像；

从所述人体的摄像机成像中裁剪出所述人体区域图像；

根据所述人体区域图像和第二深度学习网络判断所述人体是否佩戴口罩并输出佩戴检测结果。

在本可选的实施方式中，由于人体具有温度，因此同时将根据人体的热检测数据和人体的摄像机成像作为第一深度学习网络的输入可使得第一深度学习网络更加精确确定人体的摄像机成像中的人体区域图像。

在本申请第一方面中，作为一种可选的实施方式，在所述根据所述人体的热检测数据和所述人体的摄像机成像判断所述人体是否佩戴口罩并输出佩戴检测结果之后，所述方法还包括：

当检测出所述人体未佩戴口罩时，生成报警信息。

在本可选的实施方式中，通过报警信息，防疫人员可及时了解防疫情况，进而进一步提高工作人员工作效率。

本申请第二方面公开一种基于大数据的智能防疫装置，所述装置包括：

第一检测模块，用于检测通过目标区域出口的人数和通过目标区域进口的人数；

计算模块，用于根据所述通过目标区域出口的人数和所述通过目标区域进口的人数计算所述目标区域的容纳人数；

准入控制模块，用于，用于当所述目标区域的容纳人数满足预设第一条件时，准许人体通过所述目标区域的进口；

第二检测模块，用于对经过所述目标区域的人体进行体温检测并得到体温值；

获取模块，用于当所述体温值满足预设第二条件时，获取所述人体的热检测数据和所述人体的摄像机成像；

判断模块，用于根据所述人体的热检测数据和所述人体的摄像机成像判断所述人体是否佩戴口罩并输出佩戴检测结果。

本申请第二方面的装置通过执行基于大数据的智能防疫方法，能够降低防疫的人力成本，降低防疫工作人员面临的疫情风险。

本申请第三方面公开一种基于大数据的智能防疫设备，所述设备包括：

处理器；以及

存储器，配置用于存储机器可读指令，所述指令在由所述处理器执行时，使得所述处理器执行本申请第一方面的基于大数据的智能防疫方法。

本申请第三方面的设备通过执行基于大数据的智能防疫方法，降低防疫的人力成本，降低防疫工作人员面临的疫情风险、降低防疫工作难度和提高防疫工作准确度。

本申请第四方面公开一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行本申请第一方面的基于大数据的智能防疫方法。

本申请第三方面的存储介质通过执行基于大数据的智能防疫方法，降低防疫的人力成本，降低防疫工作人员面临的疫情风险、降低防疫工作难度和提高防疫工作准确度。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1是本申请实施例公开的一种基于大数据的智能防疫方法的流程示意图；

图2是本申请实施例公开的一种基于大数据的智能防疫装置的结构示意图；

图3是本申请实施例公开的一种基于大数据的智能防疫设备的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。

实施例一

请参阅图1，图1是本申请实施例公开的一种基于大数据的智能防疫方法的流程示意图。如图1所示，本申请实施例的方法包括步骤：

101、检测通过目标区域出口的人数和通过目标区域进口的人数；

102、根据通过目标区域出口的人数和通过目标区域进口的人数计算目标区域的容纳人数；

103、当目标区域的容纳人数满足预设第一条件时，准许人体通过目标区域的进口；

104、对经过目标区域的人体进行体温检测并得到体温值；

105、当体温值满足预设第二条件时，获取人体的热检测数据和人体的摄像机成像；

106、根据人体的热检测数据和人体的摄像机成像判断人体是否佩戴口罩并输出佩戴检测结果。

在本申请实施例中，通过检测通过目标区域出口的人数和通过目标区域进口的人数，可确定目标区域的当前人数，进而根据当前人数判断目标区域是否可再新容纳人体，如果不能则限制新人体进入目标区域，这样一来，就能够保证目标区域的不拥挤并使得目标区域的人与人之间的距离初步保证一定值。

在本申请实施例中，经过目标区域的人体包括经过目标区域的进口的人体，以及正处于目标区域内的人体，因此本申请实施例可在目标区域的进口处检测人体是否佩戴口罩之外，还能够对人体在目标区域内的实时的戴口罩行为进行检测，例如，通常人体进入目标区域后会摘掉口罩进行就餐，但人体就餐完毕后往往会遗忘戴上口罩，此时通过安装在目标区域的一处或多处的摄像机获取人体的图像，进而判断人体是否佩戴口罩，这样一来就能够自动实时监控人体佩戴口罩的行为，提高防疫效率而降低人力成本，另一方面由于方式不需要防疫人员直接面对人体，进而可降低防疫人员的疫情风险。然而现有技术需要人工判断人体口罩，尤其是在大面积目标区域内对多个人体进行监控时，需要安排很多防疫人员在多个点位进行检测，这样一来就会导致所需防疫人员数量很多，且防疫人员无法频繁地对每个角落进行检测，从而导致防疫难度大、人工成本高。

在本申请实施例中，目标区域可以是广场、超市、校园等区域，对此本申请实施例不作限定。

在本申请实施例中，预设第一条件可以是指可进入目标区域的人数为0。

在本申请实施例中，预设第二条件为人体体温小于等于37摄氏度或者其他满足防疫要求的体温阈值。

在本申请实施例中，作为步骤102的一个示例，假设在单位时间内通过目标区域出口的人数为10位，而同一时间内，经过目标区域进口的人数为15位，则当前目标区域的人数为20位，其中，15位是目标区域原有人数。

在本申请实施例中，为了对人体体温进行检测，可在目前区域的进口、内部区域设置温度测量仪，进而通过温度测量仪对人体进行体温检测。

在本申请实施例中，作为一种可选的实施方式，在步骤：根据人体的热检测数据和人体的摄像机成像判断人体是否佩戴口罩并输出佩戴检测结果之后，本申请实施例的方法还包括步骤：

获取目标区域的实时图像，其中实时图像由设置在目标区域中的摄像机生成；

根据实时图像确定目标区域的每个人体的位置信息；

根据摄像机的内参矩阵和每个人体的位置信息计算人体之间的相对位置；

判断人体之间的相对位置是否满足预设第三条件，若否则输出提示信息。

在本申请实施例中，目标区域的实时图像可以是人体的摄像机成像，另一方面如果先获取的体的摄像机成像不符合条件，则可通过摄像机重新获取。

在本申请实施例中，预设第三条件可以是大于0.5m，也可以是大于0.6m等其他满足防疫要求的距离条件。

在本申请实施例中，通过对目标区域的人体之间的距离进行检测，一方面可以防止目标区域内的人员聚集，另一方面可进一步提高对目标区域的防疫自动监控程度并进一步降低人工成本。

在本申请实施例中，作为一种可选的实施方式，步骤：根据实时图像确定目标区域的每个人体的位置信息，包括：

根据实时图像确定人体图像区域；

计算人体图像区域的像素坐标纵坐标最大值，和人体图像区域的像素坐标横坐标平均值；

根据像素坐标纵坐标最大值和像素坐标横坐标平均值计算得到观测点的像素坐标；

根据观测点的像素坐标计算观测点在摄像机坐标系的坐标，并将观测点在摄像机坐标系的坐标作为人体的位置信息。

在本可选的实施方式中，实时图像包括了人体和北京图像，因此需要从实时图像中划分出人体图像区域，其中，可将实时图像的图像特征输入到预先训练好的图像识别模型中，使得该图像识别模型输出人体图像区域。需要说明的是关于图像识别模型如何识别实时图像中的人体图像区域请参考现有技术，本申请实施例对此不作赘述。

在本可选的实施方式中，通过计算人体图像区域的像素坐标纵坐标最大值，和人体图像区域的像素坐标横坐标平均值，进而能够根据像素坐标纵坐标最大值和像素坐标横坐标平均值计算得到观测点的像素坐标，从而能够计算得到人体的位置信息。

在本申请实施例中，作为一种可选的实施方式，在步骤102：根据通过目标区域出口的人数和通过目标区域进口的人数计算目标区域的容纳人数之后，本申请实施例的方法还包括步骤：

将时间维度信息、天气维度信息、温度维度信息、人流量维度信息作为第一神经网络的输入，使得第一神经网络根据预设机器学习算法输出目标区域的可容纳人数的建议阈值和目标区域的极限阈值；

将目标区域的容纳人数与目标区域的极限阈值进行比对，当目标区域的容纳人数小于目标区域的极限阈值时，确定目标区域的容纳人数满足预设第一条件。

在本可选的实施方式中，第一神经网络还能够根据预设机器学习算法输出目标区域的可容纳人数的建议阈值，进而进一步便于防疫人员控制目标区域内的人体数量。

在本可选的实施方式中，通过时间维度信息、天气维度信息、温度维度信息、人流量维度信息能够更加精确地评估公共场所人员容量，进而更加准确真实有效的建立疫情防控机制，便于防控。

在本申请实施例中，作为一种可选的实施方式，预设机器学习算法为k-means算法、adboost算法、xgboost算法中的一种。

需要说明的是，关于k-means算法、adboost算法、xgboost算法的详细描述请参考现有技术，本申请实施例对此不作赘述。

在本申请实施例中，作为一种可选的实施方式，步骤：根据人体的热检测数据和人体的摄像机成像判断人体是否佩戴口罩并输出佩戴检测结果，包括：

根据人体的热检测数据和第一深度学习网络计算人体的摄像机成像中的人体区域图像；

从人体的摄像机成像中裁剪出人体区域图像；

根据人体区域图像和第二深度学习网络判断人体是否佩戴口罩并输出佩戴检测结果。

在本可选的实施方式中，由于人体具有温度，因此同时将根据人体的热检测数据和人体的摄像机成像作为第一深度学习网络的输入可使得第一深度学习网络更加精确确定人体的摄像机成像中的人体区域图像。需要说明的是，关于第一深度学习网络的具体结构请参考现有技术，例如，第一深度学习网络、第二深度学习网络的具体结构可以参考yolo、ssd、faster-rcnn、centernet等深度学习网络。在本申请实施例中，作为一种可选的实施方式，在根据人体的热检测数据和人体的摄像机成像判断人体是否佩戴口罩并输出佩戴检测结果之后，方法还包括：

当检测出人体未佩戴口罩时，生成报警信息。

在本可选的实施方式中，当检测出人体未佩戴口罩时，还可触发报警装置生产报警信息。

在本可选的实施方式中，通过报警信息，防疫人员可及时了解防疫情况，进而进一步提高工作人员工作效率。

实施例二

请参阅图2，图2是本申请实施例公开的一种基于大数据的智能防疫装置的结构示意图。如图2所示，本申请实施例的装置包括：

第一检测模块201，用于检测通过目标区域出口的人数和通过目标区域进口的人数；

计算模块202，根据通过目标区域出口的人数和通过目标区域进口的人数计算目标区域的容纳人数；

准入控制模块203，用于当目标区域的容纳人数满足预设第一条件时，准许人体通过目标区域的进口；

第二检测模块204，对经过目标区域的人体进行体温检测并得到体温值；

获取模块205，用于当体温值满足预设第二条件时，获取人体的热检测数据和人体的摄像机成像；

判断模块206，用于根据人体的热检测数据和人体的摄像机成像判断人体是否佩戴口罩并输出佩戴检测结果。

在本申请实施例中，通过检测通过目标区域出口的人数和通过目标区域进口的人数，可确定目标区域的当前人数，进而根据当前人数判断目标区域是否可再新容纳人体，如果不能则限制新人体进入目标区域，这样一来，就能够保证目标区域的不拥挤并使得目标区域的人与人之间的距离初步保证一定值。

在本申请实施例中，经过目标区域的人体包括经过目标区域的进口的人体，以及正处于目标区域内的人体，因此本申请实施例可在目标区域的进口处检测人体是否佩戴口罩之外，还能够对人体在目标区域内的实时的戴口罩行为进行检测，例如，通常人体进入目标区域后会摘掉口罩进行就餐，但人体就餐完毕后往往会遗忘戴上口罩，此时通过安装在目标区域的一处或多处的摄像机获取人体的图像，进而判断人体是否佩戴口罩，这样一来就能够自动实时监控人体佩戴口罩的行为，提高防疫效率而降低人力成本，另一方面由于方式不需要防疫人员直接面对人体，进而可降低防疫人员的疫情风险。然而现有技术需要人工判断人体口罩，尤其是在大面积目标区域内对多个人体进行监控时，需要安排很多防疫人员在多个点位进行检测，这样一来就会导致所需防疫人员数量很多，且防疫人员无法频繁地对每个角落进行检测，从而导致防疫难度大、人工成本高。

在本申请实施例中，目标区域可以是广场、超市、校园等区域，对此本申请实施例不作限定。

在本申请实施例中，预设第一条件可以是指可进入目标区域的人数为0。

在本申请实施例中，预设第二条件为人体体温小于等于37摄氏度或者其他满足防疫要求的体温阈值。

在本申请实施例中，作为步骤102的一个示例，假设在单位时间内通过目标区域出口的人数为10位，而同一时间内，经过目标区域进口的人数为15位，则当前目标区域的人数为20位，其中，15位是目标区域原有人数。

在本申请实施例中，为了对人体体温进行检测，可在目前区域的进口、内部区域设置温度测量仪，进而通过温度测量仪对人体进行体温检测。

需要说明的是，关于本申请实施例的其他说明请参考本申请实施例一的其他说明，本申请实施例对此不作限定。

实施例三

请参阅图3，图3是本申请实施例公开的一种基于大数据的智能防疫设备的结构示意图。如图3所示，本申请实施例的设备包括：

处理器301；以及

存储器302，配置用于存储机器可读指令，指令在由处理器301执行时，使得处理器301执行本申请实施例一的基于大数据的智能防疫方法。

本申请实施例的设备通过执行基于大数据的智能防疫方法，能够降低防疫的人力成本，降低防疫工作人员面临的疫情风险、降低防疫工作难度和提高防疫工作准确度。

实施例四

本申请实施例公开一种存储介质，存储介质存储有计算机程序，计算机程序被处理器执行本申请实施例一的基于大数据的智能防疫方法。

本申请实施例的存储介质通过执行基于大数据的智能防疫方法，能够降低防疫的人力成本，降低防疫工作人员面临的疫情风险、降低防疫工作难度和提高防疫工作准确度。

在本申请所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

另外，作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

再者，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

需要说明的是，功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-onlymemory，rom)随机存取存储器(randomaccessmemory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。

在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。

以上所述仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。