(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210765657.1 (22)申请日 2022.07.01 (71)申请人 扬州大学 地址 225000 江苏省扬州市邗江区华阳西 路196号 (72)发明人 欧吉顺　聂庆慧　相铮　龙秀江　 张俊　刘路　陈楹颖　苏光磊　 徐佳兴　谢菲　林长硕　黄韵玲　 (74)专利代理 机构 南京众联专利代理有限公司 32206 专利代理师 叶涓涓 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06Q 50/20(2012.01)G06N 3/04(2006.01) G06N 3/08(2006.01) G06V 10/762(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) G06V 20/40(2022.01) G06V 20/52(2022.01) G06V 40/16(2022.01) G06V 40/20(2022.01) (54)发明名称 一种智慧校园疫情风险监测与预警系统及 方法 (57)摘要 本发明公开了一种智慧校园疫情风险监测 与预警系统和方法， 系统： 包括图像数据采集处 理模块， 身份辨别模块、 目标检测模块、 轨迹辨识 模块和疫情风险检测模块， 图像数据采集处理模 块用于对 校园人群流动情况进行采集， 根据流动 数据进行预处理， 包括数据增强、 数据标注和数 据集划分等预处理， 身份辨别模块用于基于行人 人脸识别与行人姿态识别辨识目标身份信息， 目 标检测模块用于对图像数据进行行人目标状态 检测， 轨迹辨识模块用于对行人的行动范围和行 动模式进行检测， 疫情风险检测模块用于辨别校 园流量， 对校园人群流动情况进行研判和预警。 本发明能够提供校园内出行人员的精细化轨迹 信息， 辅以校园疫情流调数据， 实现校园疫情精 准防控。 权利要求书3页 说明书7页 附图2页 CN 115169673 A 2022.10.11 CN 115169673 A 1.一种智慧校园疫情风险监测与预警系统， 其特征在于， 包括： 图像数据采集处理模 块， 身份辨别模块、 目标检测模块、 轨 迹辨识模块和疫情风险检测模块； 所述图像数据采集处理模块用于对校园人群流动情况进行采集， 根据流动数据进行预 处理， 包括数据增强、 数据标注和数据集划分等预 处理， 图像数据采集处理模块包括图像数 据采集子模块和图像数据预处 理子模块； 所述身份辨别模块用于基于行人人脸识别与行人姿态识别辨识目标身份信 息， 身份辨 别模块包括人脸识别子模块和姿态 识别子模块； 所述目标检测模块用于对图像数据进行行人目标状态检测， 目标检测模块包括行人检 测子模块、 行 人密度检测子模块和口罩检测子模块； 所述轨迹辨识模块用于对行人的行动范围和行动模式进行检测， 轨迹辨识模块包括越 线检测子模块、 距离检测子模块和速度检测子模块； 所述疫情风险检测模块用于获取身份辨别模块、 目标检测模块和轨迹辨识模块检测的 数据辨别校园行人流量， 对校园人群流动情况进行研判和预警， 疫情风险检测模块包括高 风险区域 辨识子模块、 违规人员监测子模块、 人员流 量统计子模块和传播 风险预警子模块。 2.根据权利要求1所述的智慧校园疫情风险监测与预警系统， 其特 征在于： 所述图像数据采集子模块通过外部接入航拍设备和若干摄像头采集校园人群流动视 频， 对采集的图像视频内部的不同样本进行检测 和跟踪训练， 建立图像数据集； 所述图像数据 预处理子模块用于对采集的图像视频进行操作， 包括对图像视频进行翻 转、 旋转、 剪切、 拼接、 马赛克增强， 对图像视频进行图像形态学运算， 利用图像金字塔技术 遴选建模图像视频， 利用图像标注软件工具对图像进行人工标注， 通过聚类技术确定先验 标记框尺寸， 获取图像数据集， 根据数据集特点， 将收集数据划分为训练集、 验证集与测试 集。 3.根据权利要求1所述的智慧校园疫情风险监测与预警系统， 其特 征在于： 所述人脸识别子模块外接入校园人脸库， 基于PCA降维和LDA特征提取技术构建 Cascade级联分类器， 识别 人脸关键点特征及其灰度变化， 根据不同的人脸特征识别， 训练 人脸识别模型， 通过识别的人脸 面部特征匹配校园人脸库中的目标， 进行精确的身份辨识； 所述姿态识别子模块基于Masked  R‑CNN的图像分割建模， 以从图像视频中分割出行人 对象， 利用2D关键点检测算法实现对人体行为表达过程中人体姿态关键位置信息的捕捉， 以提取人体关键表征点， 确定目标身份信息 。 4.根据权利要求1所述的智慧校园疫情风险监测与预警系统， 其特 征在于： 所述行人检测子模块用于检测图像视频中的行人目标， 构建基于Transformer架构的 多目标检测模 型， 通过引入多头自注意力机制， 利用CNN卷积神经网络对视频图像中的行人 目标特征进行初步特征提取， 通过构建Tr ansformer网络对所提取行人目标特征进行精准 过滤和非线性变换， 通过关联特征信息、 分类标签与检测框位置， 构建预测模型， 并通过多 轮迭代训练得到最优目标检测模型， 从而实现对行 人目标的检测标记； 所述行人检测子模块对标记的行人目标进行目标跟踪， 构建TransTrack目标跟踪模 型， 将当前帧的行人目标特征图为输入key， 以一系列过去帧的行人目标特征以及一系列可 学习的query为输入query， 通过构建可学习的query， 以检测新行人目标和输出检测边界 框， 其中， 过去帧行人目标特征由过去帧检测产生， 用于定位当前帧中已存在的对象和输出权　利　要　求　书 1/3 页 2 CN 115169673 A 2轨迹框， 通过检测框和轨 迹框交并比 比配完成输出； 所述行人密度检测子模块利用聚类算法对行人目标标记位置进行聚类， 辅以热力图方 式直观呈现慢行交通密度； 所述口罩检测子模块用于对图像视频中校园行 人是否佩戴口罩进行检测。 5.根据权利要求1所述的智慧校园疫情风险监测与预警系统， 其特 征在于： 所述越线检测子模块用于自动研判图像视频中行人是否跨过基准线， 若发生越线， 自 动发出预警信息； 所述距离检测子模块用于计算图像视频中两两行人间距， 判断两人是否存在潜在疫情 传播风险； 所述速度检测子模块用于估算图像视频中目标 行人速度。 6.根据权利要求1所述的智慧校园疫情风险监测与预警系统， 其特 征在于： 所述高风险区域辨识子模块用于辨识图像视频中校园人流量大、 轨迹重叠度高的疫情 传播高风险区域； 所述违规人员监测子模块用于对图像视频中校园人员违规行为进行实时监测； 所述人员流 量统计子模块用于统计图像视频中出入校园不同区域的人员流 量； 所述传播风险预警子模块用于通过图像视频研判潜在传播风险， 向校园管理者提供快 速预警服务， 包括系统预警、 短信预警和邮件预警， 其中， 系统预警通过本系统内部的信息 弹框进行风险预警， 短信预警依据研判风险阈值自动触发预警机制， 向校园管理者及时发 送预警短信， 邮件预警通过系统对接外部邮件系统， 编写自动邮件发送程序， 进行邮件预 警。 7.一种智慧校园疫情风险监测与预警方法， 其特 征在于， 包括如下步骤: S1： 利用图像数据采集处理模块对校园人群流动情况进行采集， 根据流动数据进行预 处理， 包括数据增强、 数据标注和数据集划分等预处 理； S2： 利用身份辨别模块基于行 人人脸识别与行 人姿态识别辨识目标身份信息； S3： 利用目标检测模块对图像数据进行 行人目标状态检测； S4： 利用轨 迹辨识模块用于对行 人的行动范围和行动模式进行检测； S5： 利用疫情风险检测模块获取身份辨别模块、 目标检测模块和轨迹辨识模块检测的 数据辨别校园行 人流量， 对校园人群流动情况进行研判和预警。 8.根据权利要求8所述的智慧校园疫情风险监测与预警方法， 其特征在于， 所述步骤 S1、 S2、 S3、 S4、 S5具体包括以下步骤： S1‑1： 利用图像数据采集子模块通过外部接入航拍设备和若干摄像头采集校园人群流 动视频， 对采集的图像视频内部的不同样本进行检测和跟踪训练， 建立图像数据集， 利用图 像数据预 处理子模块用于对采集的图像视频进行操作， 包括对图像视频进 行翻转、 旋转、 剪 切、 拼接、 马赛克增强， 对图像视频进行图像形态学运算， 利用图像金字塔技术遴选建模图 像视频， 利用图像标注软件工具对图像进 行人工标注， 通过聚类技术确定先验标记框尺寸， 获取图像数据集， 根据数据集特点， 将收集数据划分为训练集、 验证集与测试集； S2‑1： 利用人脸识别子模块外接入校园人脸库， 基于PCA降维和LDA特征提取技术构建 Cascade级联分类器， 识别 人脸关键点特征及其灰度变化， 根据不同的人脸特征识别， 训练 人脸识别模型， 通过识别的人脸面部特征匹配校园人脸库中的目标， 进 行精确的身份辨识，权　利　要　求　书 2/3 页 3 CN 115169673 A 3