AI体温測定：仕事再開の波の中で構築された最初の防疫「障壁」

[51CTO.comより] 業務を再開する企業が相次ぐ中、新型コロナウイルス肺炎の流行は「輸入症例の防止と国内拡散の防止」が求められる防疫・制御の重要な時期に入った。特に大都市の鉄道駅、バス停、地下鉄駅、空港、オフィスビル、住宅街などの人口密集地域では警戒が厳重になっており、出入り口での体温検査が必須となっている。

感染拡大時の緊急ニーズ

職場復帰や再開した方は、バス停や地下鉄の駅など交通の要所では、多くの保安検査場にカメラが設置され、職員が後ろのディスプレイ画面を監視していることに気づくでしょう。歩行者が通過すると、画面に人体の赤外線画像が表示されます。体温が正常範囲内の歩行者は、何も感じずに通過します。体温が高いと疑われる歩行者は、係員に止められ、再度体温を測られます。

このようなシナリオは、AI温度測定技術の実装に基づいています。従来の温度スクリーニング方法と比較して、非接触センシング、高効率通過、高温インテリジェント警告を実現します。一般的な体温モニタリングには、手動で手持ちの額温度計を使用する必要があり、作業負荷が大きく、効率が低い。また、待ち行列に人が密集する傾向があり、同時に近距離モニタリング方式は交差感染のリスクも高めます。感染症の予防と制御が急務となっている中、AI温度測定ソリューションが注目を集め始めています。

パブリックニュースレポートでは、Baidu AIの迅速な温度検出ソリューションが北京Qinghe鉄道駅に実装されていることがわかります。北京の首都の空港は、自動的に、リアルタイムのサウンドとポップアップの窓がマスクを着用していない場合は、smegvii as conts conts conts in conts as conts as contsを識別します3メートルを超えるISTANCE温度測定値は、1秒あたり15人に達する可能性があり、システムは基本的に地下鉄の入り口の制御を確保できます。

技術的な観点から見ると、AI温度測定は「赤外線温度測定+顔認識」という2つの技術によってサポートされています。人体は自然の放熱器であり、比較的安定した状態を維持しており、特定の範囲内で周囲の環境から区別され「分離」することができます。顔認識技術は、顔の検査領域を特定し、それを熱画像カメラにマッピングすることができます。この領域の温度を取得した後、特定の補正アルゴリズムを使用して実際の体表面温度を算出します。

業界の製品から判断すると、現在市場に出回っている主な製品は依然として「赤外線+可視光」デュアルセンサーの組み合わせを採用しており、赤外線技術を使用して遠距離でのリアルタイム温度測定を確保し、AI視覚技術を使用して位置特定、識別、追跡を行い、非接触、非協力的な方法で大規模な群衆スクリーニングを実現しています。

応用目的から見ると、AI温度測定は主に、人通りの多い各種出入り口、広範囲の初期スクリーニング、および「高温疑い」の特定と早期警告に適しています。各テクノロジー企業のAI温度測定ソリューションの詳細はそれぞれ異なるため、製品の精度を制限する要因も異なります。また、業界標準も統一されていません。より正確な測定を行うには、手動によるスクリーニングも必要です。

温度測定の精度はどのようにして達成されるのでしょうか?

AI 温度測定製品およびソリューションにとって、温度測定精度は、防疫効果に影響を与える重要な指標の 1 つです。現在多くの企業から発売されている製品の温度測定精度は、一般的に±0.3℃～±0.5℃程度とされています。もちろん、理論的には、値が小さいほど誤差が小さくなり、精度が高くなります。

測定値に差が生じる要因は、主に赤外線検出器の解像度、黒体の構成の有無、外部環境に関係します。

赤外線検出器の解像度は、サーマルイメージャーの鮮明度に直接影響します。一般的に、解像度が高いほど、最小撮像領域が小さくなり、測定対象物の識別精度が高くなります。記者が市場で把握したAI温度測定製品から判断すると、赤外線検出器の解像度は大きく異なります。最も一般的なものは、384 * 288、256 * 192、160 * 120です...もちろん、ピクセル数が多いほど精度が高くなり、コストも高くなります。

黒体は赤外線温度計の校正に非常に重要なので、精度への影響は明らかです。黒体はすべての放射エネルギーを吸収し、それをすべて放射することができるため、赤外線温度計を使用して測定する場合、エネルギー損失がなく、測定された温度は正確です。つまり、赤外線温度計では黒体を使用して、機器の温度測定誤差を補正し、機器の温度測定曲線を校正します。 AI温度測定プロジェクトチームが実施したテストによると、AI温度測定ソリューションの精度は、黒体がある場合には±0.3℃、黒体がない場合には±1℃です。

さらに、周囲温度を考慮せずに赤外線温度計の精度を評価することは信頼性に欠けます。赤外線温度測定は物体の表面温度しか測定できないため、周囲温度差が大きすぎる場合は時間を調整する必要があり、氷点下の環境では測定誤差が比較的大きくなります。北京の冬、外から地下鉄の駅に入ると、駅員が体温計で額をスキャンし、表示される温度は30度前後になることがあります。日常生活では、屋内の温度測定は屋外の温度測定よりも「正確」であり、袖の中に隠れた手首の内側の温度を測定することは、外部にさらされた額の温度を測定するよりも「正確」である、という経験をすることがよくあります。

上記のすべての要素を考慮すると、現在市場に出回っているAI温度測定ソリューションは、比較的正確な温度測定結果を得るために、高解像度の赤外線検出器と高精度の黒体を組み合わせる必要があることが多く、特別な要件がない限り、通常は屋内に配置され、特定の通路には温度差を緩和するための緩衝材も設置されています。しかし、コストなどの理由から、精度を実現するために黒体を置き換える方法を模索している企業もあります。現在の実践から判断すると、体温の「初期スクリーニング」の障壁として、±0.5℃～±0.3℃の誤差であれば、基本的に実施要件を満たすことができます。

顔認識と温度感知の技術的つながり

赤外線温度測定の技術はすでにかなり成熟しており、その役割は疑う余地がありません。では、AI温度測定製品において顔認識はどのような役割を果たすのでしょうか?既存の技術的ソリューションは主に2つの点に焦点を当てています。1つ目は、顔情報をキャプチャして構造化し、検出精度を向上させることです。2つ目は、ビッグデータ技術を組み合わせることで、肖像データベースを通じて軌跡追跡を実行し、流行の拡大を抑制するのに役立ちます。

従来の熱画像赤外線温度測定技術では、環境要因の干渉が比較的大きく、同様の温度の物体が同じカテゴリに分類されます。特に、周囲温度が目標温度に近い場合、「誤判定」の可能性が比較的大きくなります。典型的な例としては、シャオ・ジャオと仲間のシャオ・チエンの手に握られた魔法瓶カップが両方とも赤外線検出器の下で 38 度として検出されると、魔法瓶カップを持っているシャオ・ジャオとシャオ・チエンは両方とも拘束されます。個人を区別できる特定の検出領域を見つけることができれば、検出の精度が向上します。

これがAI顔認識技術を導入する意義です。人間の顔や皮膚から放射される熱放射は比較的安定しており、環境による影響も比較的少ないため、複雑な環境において、顔は人体の中で外部環境と最も区別しやすく、周囲の環境とよりよく区別できる部分です。 MegviiのAI温度測定技術を例に挙げると、AIビジョン技術は顔を撮影した後、「スナップキャプチャとキャリブレーション」を使用して、顔や体などの生体情報を可視光画像に構造化し、「額」「顔」「体」などの部位を分離し、赤外線温度測定結果と比較してキャリブレーションすることで、温度測定の精度を向上させることができます。

さらに、顔認識技術は、体温が異常な人の動きを追跡し、潜在的な感染者を分析するための強力なツールでもあります。流行病に対応して開発されたJD.comのインテリジェント温度スクリーニングシステムは、この点を最大限に活用しています。

JD CloudとAI技術開発者によると、「マスク着用下での温度感知と顔認識を連携させ、通行人が立ち止まったり、マスクや帽子を脱いだりすることなく、体温を素早く検知できるようにした。体温が異常な人物がいる場合、システムは多次元データを統合し、その人の活動軌跡を素早く追跡し、接触者人口、潜在的感染者数などのインテリジェントな分析を提供し、ウイルス感染の拡大を効果的に抑制するのに役立つ」という。

このシステムは、赤外線カメラを使用して群衆の中にいる高体温の人々を「捕らえ」、異常な体温の人々を素早く見つけます。体温が警告レベルを超えた人物が現れた場合、システムは直ちに警報を鳴らし、現場のスタッフが迅速に再確認を行えるよう、「疑わしい人物エリア」インターフェースでその人物を強調表示します。さらに重要なことは、システムは顔写真、検査温度値、通過時間など、温度測定チェックポイントを通過するすべての人員と疑わしい人の情報をいつでも照会できるため、統計やその後の追跡に便利であることです。同時に、このシステムは多次元データを統合し、インテリジェントな分析を実行して感染の疑いのある人の動きを追跡し、接触人口と潜在的な感染拡大人口の予測を提供することができます。さらに、このシステムは、既存の監視プラットフォームや測位デバイスとの統合もサポートしており、完全な伝染病予防・制御システムを形成します。現在、JD.comのインテリジェント温度スクリーニングシステムは、全国10以上の都市の混雑エリアや主要な出入り口に導入されています。

遮蔽顔認識における画期的進歩

今回の流行に対するAI体温測定ソリューションには、マスク着用時の顔認識率が不十分であるという共通の技術的ボトルネックがあります。 3D顔認識に長年取り組んできたAIセキュリティ企業Lu Shenshiは、この技術的な困難を次の理由に帰しています。

まず、マスクを着用している人の顔検出と顔のキーポイント検出の精度は、マスクによる遮蔽により低下します。

第二に、マスクの遮蔽により肖像情報が減少し、学習した特徴の識別性が低下します。具体的には、2D テクスチャ情報はオクルージョンにより失われ、3D 形状情報はノイズが多くなります。

3つ目は、マスクの種類が多く、マスクの遮蔽度合いも異なるため、遮蔽されていない領域の情報をいかに有効活用するかが主な課題となります。

DeLu Deep Visionは、大きく遮られた顔の認識に重点を置き、2020年1月中旬にマスク認識プロジェクトを立ち上げ、1月末に約2週間かけて実装しました。

DeLu Deep Visionの協力を得て構築された温州の複数人インテリジェントスクリーニングソリューションでは、熱画像体温検出法と顔認識および比較技術を組み合わせて、異常体温の人物とその身元を迅速に識別します。システムは自動的に過去の行動軌跡を取得し、インテリジェントスクリーニングと軌跡追跡を実現します。検査プロセス全体がシームレスで、広い角度から識別可能であり、伝染病の予防と制御のニーズを満たします。実際、問題解決のプロセスにも多くの紆余曲折がありました。

マスクを着用した人の顔データが最初のハードルだ。顔認識アルゴリズムモデルを最適化するには、トレーニングデータの規模が大きいほど、最適化効果は高くなります。しかし、試行段階では短期間に大量のマスク着用データを収集することは困難です。この目的のために、DeLu Deep Vision はシミュレートされたオクルージョン方式を採用し、大量の 2 次元および 3 次元のオクルージョン データを生成しました。 DeLu Deep Visionによると、3次元のオクルージョンデータの場合、一般的にはまず3次元の顔モデルを再構築し、次にマスクの3次元テンプレートモデルを3次元の顔モデルと非剛体的に位置合わせして、マスク追加のシミュレーションを完了します。

データに加えて、アルゴリズムにも大きな課題があります。マスクを着用した人の顔認識に関わるアルゴリズムには、顔検出、キーポイント検出、顔特徴抽出アルゴリズムに加えて、マスク（有無）検出やマスク領域検出も含まれます。口と鼻の部分が隠れているため、遮るものがない場合の認識と比べて難しさは明らかです。

DeLu Deep Visionの研究開発チームは、顔のグローバルな特徴とローカルな特徴を組み合わせた方法に基づいて、顔の遮られていない部分の3D幾何学情報を最大限に活用し、3D顔認識の研究を行いました。特に、目の特徴を拡大することで、遮蔽下でのモデルの認識率が向上しました。 DeLu Deep Visionのスタッフは、この計画では歩行者はマスクを正しく着用するだけでよく、特定の鼻の特徴を露出する必要はないと付け加えた。そして現在、マスクを着用した場合、認識精度は97％に達することができます。

温州の伝染病予防・抑制を支援するプロジェクトでは、DeLu Deep Visionは昨年構築された3D顔面データベースのサンプルも使用し、伝染病調査の基礎を提供した。感染拡大中、温州市は村民（住民）を対象に市全体で移動制限措置を実施し、市内の各世帯に2日ごとに家族を指名して物資の購入を義務付けた。この管理措置の有効な実施を確実にするために、DeLu Deep Visionは3D視覚IDカード照合端末設備と3次元肖像データプラットフォームを使用して、IDカード照合と迅速なデータベース構築計画を形成し、出入り口で顔認識検証を行い、入退出者の管理を実現すると同時に、新規人員の迅速な入場操作を実行します。バックグラウンドのビッグデータシステムは、人員の行動軌跡をリアルタイムで描画し、インテリジェントな調査と科学的な早期警告を実現します。

パンデミック後：業界の見通しに関する合理的な見方

突然の感染拡大を受け、多くのAI企業がAI温度測定ソリューションの研究開発に参加し、温度測定機能を備えた入退室管理機やゲート機など、現在では公共の場でも同社の製品が一般的になり、ロボットやドローンも温度測定分野でテストされている。しかし、流行後に体温測定が基本的なサービスとなり、社会システムの一部となるかどうかはまだ分からない。少なくとも現時点では、AI 温度測定が日常生活に大規模に導入されるまでには、まだ長い道のりがあります。

技術的な観点から見ると、AI温度測定ソリューション自体は赤外線温度測定と顔認識の統合に依存していますが、技術的な成熟度の観点から、このソリューションにおける2つの統合の度合いを深める必要があります。さらに、温度測定の精度については業界統一基準がないため、業界が示す精度偏差値がどのような試験条件に基づいているのか、また、本当にその効果を達成できるのかは、部外者にはわかりません。

非技術的な観点から見ると、AI温度測定装置自体は高価です。現在は主に政府などの公共管理部門に供給されているため、コストの問題はあまり顕著ではありません。しかし実際には、一方では防疫対策により資材が逼迫しており、特に赤外線センサーなどのコア部品が不足しています。他方では、黒体や高精度の赤外線検出器の使用により、特にドローンや顔認識アクセス制御などの製品の場合、ソリューションのコストが大幅に増加します。この価格は実際には支払うのが困難です。

今後、AI温度測定ソリューションや製品がさらに登場し、大規模な導入の見通しが立っています。しかし、問題点はどこにあるのでしょうか?アプリケーションシナリオは必要ですか?業界は、感染症との闘いの中で生まれたこの「新技術」をもっと合理的に見るべきだ。

[51CTO オリジナル記事、パートナーサイトに転載する場合は、元の著者とソースを 51CTO.com として明記してください]