Détection visuelle assistée par apprentissage profond pour détecter la surpopulation dans les villes infectées par le COVID-19

Les endroits surpeuplés ont tendance à être une plaque tournante pour la transmission des maladies infectieuses. La pandémie de COVID-19 nous a montré qu’il est nécessaire de trouver des moyens de gérer les zones surpeuplées pour aider à freiner la propagation des maladies infectieuses. Les véhicules aériens sans pilote (UAV), tels que les drones, peuvent détecter et enregistrer les conditions environnementales à différentes hauteurs au-dessus du sol en temps réel. Cela les rend idéales pour détecter la surpopulation et les comportements anormaux de la foule, tels que les émeutes.

À cette fin, un groupe de scientifiques dirigé par le professeur Gwanggil Jeon de l’Université nationale d’Incheon, en Corée, a développé un système de détection visuelle en temps réel utilisant des algorithmes d’apprentissage en profondeur. « Dans cet article, nous proposons un système en temps réel pour détecter la surpopulation et le comportement anormal de la foule. Le système de surveillance détecte la surdensité à l’aide de drones qui communiquent avec un système de surveillance sociale (SMS) », explique le professeur Jeon.

Leurs conclusions ont été rendues disponibles dans Transactions IEEE sur l’informatique industrielle.

Le système peut être décomposé comme suit. Tout d’abord, le drone capture des images de la foule. Ensuite, les images vidéo de ces séquences sont introduites dans le système de prise de décision. Dans ce système de prise de décision, les fonctionnalités sont d’abord extraites à l’aide d’une « architecture ResNet modifiée ». Ensuite, les caractéristiques sont sélectionnées à l’aide d’un « algorithme du cycle de l’eau » (WCA), puis classées en différentes catégories décrivant le niveau de surpeuplement ou le comportement de la foule. Enfin, ces données sont introduites dans un SMS.

Le modèle proposé a réussi à détecter le surpeuplement avec une précision de 96,55 % en temps réel. Il a également été en mesure de détecter le comportement des foules, ce qui est important pour surveiller et suggérer des itinéraires alternatifs pour prévenir la propagation des maladies infectieuses. Le système est en outre robuste et offre une détection rapide avec une grande précision grâce à l’architecture ResNet modifiée, qui comporte moins de couches de bout en bout.

« Notre nouveau système peut être déployé et mis en œuvre dans des villes intelligentes pour aider à répondre à plusieurs objectifs du système social. C’est un outil puissant qui peut aider à freiner la propagation des maladies infectieuses, telles que COVID-19 en surveillant le comportement des foules et en suggérant des itinéraires appropriés pour mouvements de foule par SMS », conclut le professeur Jeon.

Le système proposé ouvre la voie à l’application dans le monde réel de la détection visuelle à des fins de contrôle des foules.

Fourni par l’Université nationale d’Incheon