COVID-19疫情下基于YOLOv4的安全社交距离风险评估

作者：郭克友; 贺成博; 王凯迪; 王苏东; 李雪; 张沫

来源：计算机工程, 2022, 48(10): 28-36.

DOI：10.19678/j.issn.1000-3428.0063344

• YOLO网络
• 安全社交距离
• 新型冠状病毒肺炎
• 目标检测
• 运动矢量分析

为保持行人在新型冠状病毒肺炎(COVID-19)疫情下的安全社交距离，有效控制和预防疫情传播，构建一种基于YOLOv4的安全社交距离风险评估模型。利用微调后的YOLOv4算法对行人进行目标提取，获取行人关键点，并将行人连续运动视为质点的连续运动，结合DeepSort算法实现对行人的跟踪处理。在此基础上，建立视觉坐标系，在鸟瞰视角下提出运动矢量分析算法计算和判断行人运动方向并评估行人的安全社交距离。在牛津城市中心的数据集上评估模型有效性，实验结果表明，微调后YOLOv4算法在行人检测中平均精度均值达到90.33%，行人社交距离风险评估准确率达到88.23%，性能优于Fast R-CNN、Faster R-CNN、YOLOv3和YOLOv4算法，表明所提模型能够有效提升安全社交距离的检测准确性。

• 单位
  交通运输部公路科学研究院; 北京工商大学