基于ModelArts进行流感患者密接排查
💡
原文中文，约10500字，阅读约需25分钟。
📝
内容提要
本文介绍了基于ModelArts的AI排查新冠病毒的方案，使用YOLOv4的行人检测、行人距离估计、多目标跟踪等技术，可以有效提高防疫效率，减轻经济与防疫压力，提高安全性。为了更好的效果，可以使用精确度更高的检测算法YOLOv7，使用追踪效果更好的Deep SORT，并使用更多数据进行训练。
🎯
关键要点
- 本文介绍了基于ModelArts的AI排查新冠病毒的方案。
- 使用YOLOv4的行人检测、行人距离估计和多目标跟踪技术，提高防疫效率。
- 针对疫情期间排查实时性差、效率低和无法追踪密接者的问题，提出解决方案。
- 系统利用行人重识别技术实现流感病毒患者及密接者的识别。
- 结合Stereo-vision和YOLO算法实现患者的真实密切接触鉴别。
- 使用SORT多目标跟踪算法绘制患者及密接者的行动轨迹。
- 该系统可以减轻经济与防疫压力，提高安全性。
- 介绍了通过华为云ModelArts的DeepSocial-COVID-19社会距离监测案例实现AI排查新冠密接。
- 提供了详细的步骤和代码示例，指导用户如何在ModelArts上运行该方案。
- 为了更好的效果，建议使用YOLOv7和Deep SORT进行优化，并使用更多数据进行训练。
➡️
