6、社交距离监测与样本可区分性研究

社交距离监测与样本可区分性研究

社交距离监测实验及结果分析

在疫情期间，社交距离的保持对于控制病毒传播至关重要。相关研究通过实验对社交距离情况进行了监测和分析。

YOLO 输出情况

• 理想情况 ：在图 14 所示的视频中，检测到的人彼此之间保持了足够的距离，此时会创建绿色边界框来表明他们遵守了社交距离规则。
• 中间情况 ：图 15 显示存在一些违反社交距离的情况，用红色边界框标记。项目会记录这些违规情况及其时间戳。
• 最坏情况 ：图 16 中，画面里检测到的所有人都违反了社交距离规范。

违规数据库

利用 MySQL 和 Python 连接器创建了数据库，用于存储特定时间的违规数量。这有助于了解有多少人遵守社交距离规范，更有效地监测新冠疫情期间的社交距离违规情况。

繁忙时段分析

研究方法在印度浦那的一家著名咖啡馆得到应用。通过对周一至周五的视频帧进行人类检测，并测量人与人之间的距离，若距离小于安全距离则判定为违规。从图 18 - 23 可以看出，随着到访人数的增加，违规数量也会增多。正常情况下，该咖啡馆面积为 5293 平方米，可容纳 150 人；但在疫情期间，按照政府指导，应按 50% 的容量运营，大约 50 人同时到访且无违规情况是比较理想的。人们可以利用这些可视化分析结果，选择不太拥挤的时间前往。

时间