国际资讯|新冠病毒疫情中的计算机视觉技术应用
点击图片上方蓝色字体“慧天地”即可订阅
英文原文来源：www.gislounge.com
中文编译整理：慧天地国际站一鸣
转载需经【慧天地】许可。
（点击图片即可查看详细信息）
新型冠状病毒（COVID-19）爆发后，新兴技术以及致力于不同应用场景的现有技术正在被不断推出。一个有趣的趋势是使用计算机视觉工具和技术来改进对城市空间的监测，以及用于诊断COVID-19的医疗数据。虽然这些工具以前被用于安全或交通监控，但现在它们在这场危机中有了新的功能。
使用计算机视觉技术绘制人们如何利用城市空间和保持社交距离
Numina公司创建了一个有趣的应用工具，这是一家专门使用视频数据监控人群移动模式和交通状况的公司。此前，该公司正利用这些数据帮助城市规划交通模式，其中包括汽车、步行行人和其他穿行于繁忙街道的人群。现在，该公司实现了一种新的监测形式，主要是测量纽约等城市的社交距离。该公司利用行人活动的数据，来观察人们在城市中穿行时如何有效地保持社交距离(2米)。该公司强调，在纽约这样的城市，人行道并不总是足够宽，不足以保持这一距离，因此很难始终保持这一指导原则。视频中的多目标跟踪使对象及其在空间中移动时的路径能够得以监视和关注，而空间深度的测量则使疫情防控成为可能。下面推特上的视频截图显示，即使出于善意，当大多数人试图与他人保持健康距离时，由于空间有限，纽约人仍难以保持安全距离[1]。
图1：在SF Golden Gate公园中，汽车交通一直在减少，而非机动车交通则大大增加了，自行车（按日和周显示）增长了200％！
（图片来源：NuminaTwitter ）
图2：数据表明，纽约人正在尽力保持社交通行距离。但结果显示，由于人行道空间有限，这存在困难。
（图片来源：Numina Twitter）
在中国，计算机视觉技术被广泛应用于监测人的活动，这些技术是有一些优势的。例如，中国的企业SenseTime（商汤科技）、Megvii（旷视科技）和DeepGlint（格灵深瞳）开发了热成像监控技术，可以监测温度。他们还使用了计算机视觉和人工智能分类技术，这些技术可以检测出周围走动的人感染COVID-19的可能性。此外，由科技巨头百度创建的监测工具被用来监测人们口罩佩戴情况，这使得当局能够迅速确定人们在公共场合是否佩戴了口罩。另一家公司，Yitu（依图），则利用它的医学成像技术，用一个自动化的过程来发现病人感染的迹象，帮助一线的医生们应对疫情压力[2]。
利用深入学习更好地检测新型冠状病毒病例
使用深度学习方法更好地对冠状病毒结果进行分类的研究也在不断涌现。到目前为止，各种CT扫描方法的结果是有参考价值的。研究表明，其在识别COVID-19方面能达到98%以上的灵敏性和92%以上的特异性[3]。使用CT扫描已被推荐用于更准确的诊断患者是否感染了COVID-19。然而，医生并不总是容易区分COVID-19的正常肺炎，使用CT扫描，医生报告特异性在60-70%之间。这表明与训练有素的专业人员相比，人工智能，图像分类的深入学习方法可以提高诊断的准确性[4]。开源工具，如Keras，它使用谷歌的TensorFlow库（一个流行的计算机视觉和人工智能工具），最近也展示了即使使用简单的X射线，COVID-19患者也可以通过人工智能、深度学习的方法被检测出来。这样一个工具是免费和开源的，因为谷歌也在鼓励开发人员创造更好的技术来帮助医疗人员识别出感染COVID-19的患者[5]。
计算机视觉作为一种大有前景的技术正在兴起，它能够帮助医护人快速地检测出COVID-19患者以及更好地监测人与人之间的社交距离。但目前全球疫情的严重性意味着大多数地方不会看到这些技术的好处。但是，在危机消退之后，新的研究可能会尝试进一步改进这些方法，并且我们可以预感到它们会变得越来越普遍。
参考文献：
[1]For more on videotracking technology and multi-object detection computer vision, see: https://numina.co/why/.
[2]For more oncomputer vision used in China for various purposes during the COVID—19 outbreak,see: https://go.forrester.com/blogs/computer-vision-joins-the-fight-against-coronavirus/.
[3]For more on usingAI and deep learning on CT images, see: Gozes, O. et al. Rapid AI Development Cycle for the Coronavirus (COVID-19 ) Pandemic:Initial Results for Automated Detection & Patient Monitoring using Deep Learning CT Image Analysis Article Type. Radiol. Artif. Intell. (2020). DOI: arXiv:2003.05037
[4]For more ondoctor assessment of CT images and diagnosis of COVID-19, see: Bai, H. X. et al. Performance of radiologistsin differentiating COVID-19 from viral pneumonia on chest CT. PressRadiol.(2020). https://doi.org/10.1148/radiol.2020200823
[5]For more on COVID-19 detection using TensorFlow, see:https://www.pyimagesearch.com/2020/03/16/detecting-covid-19-in-x-ray-images-with-keras-tensorflow-and-deep-learning/.
点击文末“阅读原文”即可查看原文章。
内容转载、商务活动、投稿等合作请联系
微信号：huitiandi321
邮箱：geomaticshtd@163.com
欢迎关注慧天地同名新浪微博：
ID：慧天地_geomaticser
国际资讯|医疗专业人员如何利用地理空间数据来发挥其优势国际资讯|凯图与西班牙社区应用程序合作抗击疫情国际资讯|为跟踪冠状病毒传播而收集定位信息所引发的数据隐私问题
《慧天地》敬告
《慧天地》公众号聚焦国内外时空信息科技前沿、行业发展动态、跨界融合趋势，探索企业核心竞争力，传播测绘地理信息文化，为测绘、地信、遥感等相关专业的同学提供日常学习、考研就业一站式服务，旨在打造政产学研用精准对接的平台。《慧天地》高度重视版权，对于原创、委托发布的稿件，会烦请作者、委托方亲自审核通过后才正式推发；对于来自网站、期刊、书籍、微博、微信公众号等媒介的稿件，会在作者栏或者文章开头显著标明出处，以表达对作者和推文引用平台版权的充分尊重和感谢；对于来源于网络作者不明的优质作品，转载时如出现侵权，请后台留言，我们会及时删除。感谢大家一直以来对《慧天地》的关注和支持！