張建賀，陶杭宇，王亞名，陳積澤，姜曉燕

（上海工程技術(shù)大學(xué)電子電氣工程學(xué)院，上海 201620）

0 引言

新冠肺炎的全球大流行嚴(yán)重影響了公共衛(wèi)生安全。世界衛(wèi)生組織提出了減少病毒傳播的指導(dǎo)方針，其中最重要的措施之一是外出時(shí)與他人保持安全的社交距離。社交距離是一種公共衛(wèi)生實(shí)踐，旨在防止患病人群與健康人群密切接觸，以減少疾病傳播機(jī)會(huì)［1］。最新研究表明［2］，與感染者距離大于1m 時(shí)被傳染幾率為2.6%，1m 內(nèi)則可能高達(dá)12.8%。因此，監(jiān)測(cè)和調(diào)節(jié)人與人之間的社交距離在抑制病毒傳播方面具有至關(guān)重要的作用。

從圖像或視頻中自動(dòng)估計(jì)現(xiàn)實(shí)場(chǎng)景中行人之間的物理距離被稱為視覺社交距離估計(jì)［3］，其中基于單張圖像的視覺社交距離估計(jì)又稱為單目視覺社交距離估計(jì)，既可以用于基于安全原因的社交距離監(jiān)測(cè)，也可以利用監(jiān)測(cè)結(jié)果分析其各種影響。雖然目前也有利用移動(dòng)電子設(shè)備、Wi-Fi 或藍(lán)牙技術(shù)的測(cè)距方法［4］，但視覺社交距離估計(jì)方法具有非侵入性、安全性、易部署等優(yōu)點(diǎn)，應(yīng)用較為廣泛。此外，視頻監(jiān)控設(shè)備遍布主要公共場(chǎng)所，為單目視覺社交距離估計(jì)提供了廣泛基礎(chǔ)。通過單目視覺社交距離估計(jì)方法提醒人們及時(shí)保持安全社交距離，不僅能有效抑制病毒傳播，而且通過統(tǒng)計(jì)分析社交距離違規(guī)情況可以識(shí)別出擁擠的危險(xiǎn)區(qū)域，為公共場(chǎng)所的安全性改進(jìn)提供建議。

1 相關(guān)研究

基于單目視覺的社交距離估計(jì)涉及到兩個(gè)任務(wù)［3］，分別為行人檢測(cè)和距離估計(jì)，具體分為4 種方法：第一種是基于行人檢測(cè)框中心的像素距離計(jì)算。例如姚博等［5］利用YOLOv4 行人檢測(cè)模型得到行人檢測(cè)框，然后直接計(jì)算每個(gè)行人檢測(cè)框中心點(diǎn)像素坐標(biāo)之間的歐氏距離，最后通過設(shè)定閾值判斷行人是否違反安全社交距離。該種方法只能粗略地估計(jì)像素距離，并沒有直接估計(jì)現(xiàn)實(shí)場(chǎng)景中人與人之間的物理距離；第二種是基于行人檢測(cè)和已知相機(jī)內(nèi)外參數(shù)，將像素行人距離轉(zhuǎn)換為現(xiàn)實(shí)場(chǎng)景的物理距離。例如Rezaei 等［6］同時(shí)利用行人檢測(cè)器和相機(jī)內(nèi)外參數(shù)計(jì)算行人社交距離，但現(xiàn)實(shí)場(chǎng)景中無法直接獲取相機(jī)的內(nèi)外參數(shù)，因此該方法有一定的局限性；第三種是基于行人檢測(cè)和手動(dòng)校準(zhǔn)估算社交距離。例如Shorfuzzaman 等［7］首先利用行人檢測(cè)模型檢測(cè)行人，再通過手動(dòng)選取4 個(gè)點(diǎn)并校準(zhǔn)尺度信息得到透視變換矩陣，從而得到鳥瞰圖，最后計(jì)算鳥瞰圖中的行人距離，即行人物理社交距離。該種方法因需要手動(dòng)校準(zhǔn)而無法直接應(yīng)用于一般場(chǎng)景；第四種僅基于單張圖像而無需相機(jī)校準(zhǔn)信息。例如Gupta 等［8］利用行人檢測(cè)和追蹤技術(shù)完成行人定位與計(jì)數(shù)，然后估計(jì)每個(gè)行人到成像平面的距離，再由此計(jì)算行人之間的距離；Aghaei等［9］提出利用人體姿態(tài)估計(jì)算法檢測(cè)未校準(zhǔn)圖像中行人之間安全距離的違反情況，具體方法為通過兩個(gè)預(yù)定義的比例參數(shù)估計(jì)地面到圖像平面的單應(yīng)性矩陣，然后使用人體關(guān)節(jié)點(diǎn)長(zhǎng)度先驗(yàn)信息及其對(duì)應(yīng)的圖像關(guān)節(jié)點(diǎn)像素長(zhǎng)度得到尺度信息，最后估計(jì)得到圖像中行人橢圓形安全區(qū)域，通過判斷其是否重疊來檢測(cè)行人違反安全社交距離的情況。

綜上可知，如果已知監(jiān)控?cái)z像頭的內(nèi)外參數(shù)，可以準(zhǔn)確將像素距離轉(zhuǎn)換為現(xiàn)實(shí)場(chǎng)景的物理距離。然而對(duì)于大多數(shù)已安裝在公開場(chǎng)所的攝像頭來說，即使通過攝像頭廠商得到相機(jī)內(nèi)參，但外參由攝像頭姿態(tài)決定，無法直接獲取。為使算法不局限于攝像頭內(nèi)外參數(shù)必須已知的條件，對(duì)于未知攝像頭校準(zhǔn)信息的單張圖像，本文引入Aghaei等［9］提出的通過識(shí)別圖像中行人局部近鄰安全區(qū)域是否重疊以檢測(cè)行人安全社交距離違反情況的方法。然而，Aghaei 等［9］采用姿態(tài)關(guān)鍵點(diǎn)檢測(cè)估計(jì)尺度信息，由于行人一直在移動(dòng)，各個(gè)關(guān)節(jié)部位在幀間產(chǎn)生的變化幅度較大，加之姿態(tài)關(guān)鍵點(diǎn)算法的估計(jì)誤差，即使利用近似剛體的軀干高度估計(jì)尺度信息，也會(huì)引起較大誤差，使得前后幀的行人安全區(qū)域估計(jì)不符合實(shí)際情況。為了彌補(bǔ)該誤差，本文直接使用行人檢測(cè)框的高度作為計(jì)算尺度的基礎(chǔ)，同時(shí)訓(xùn)練了一個(gè)魯棒性較好的行人檢測(cè)器生成行人檢測(cè)框，其不受人體關(guān)節(jié)局部運(yùn)動(dòng)的影響，能提供幀間穩(wěn)定的行人檢測(cè)框高度，提高了尺度估計(jì)的穩(wěn)定性。

2 YOLOv5s 行人檢測(cè)網(wǎng)絡(luò)

一個(gè)魯棒性好的行人檢測(cè)模型需要克服行人形態(tài)變化、行人尺度變化、場(chǎng)景變化等困難。深度學(xué)習(xí)技術(shù)中的卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，CNN）能較好地提取高層語(yǔ)義特征與多尺度特征。基于深度學(xué)習(xí)的目標(biāo)檢測(cè)方法一類是以R-CNN［10］為代表的兩階段算法，另一類是以YOLO［11］為代表的基于回歸的單階段算法。理論上，兩階段算法比單階段算法精度高而速度慢。以Faster-RCNN［12］為代表的兩階段目標(biāo)檢測(cè)算法模型由卷積層、區(qū)域候選網(wǎng)絡(luò)、感興趣區(qū)域池化層和預(yù)測(cè)層組成，需要先提取特征產(chǎn)生候選框，再對(duì)候選區(qū)域進(jìn)行分類和候選框調(diào)整，因此推理時(shí)間較長(zhǎng)。而以YOLO 系列為代表的單階段目標(biāo)檢測(cè)算法模型僅由卷積層和預(yù)測(cè)層組成，一次性完成目標(biāo)定位與分類。目前新提出的YOLOv5［13］目標(biāo)檢測(cè)算法達(dá)到了速度和精度的先進(jìn)水平。

YOLOv5 包 括YOLOv5s、YOLOv5m、YOLOv5l、YOLOv5x，它們的網(wǎng)絡(luò)深度和寬度依次增大，可適用于不同速度和精度要求的場(chǎng)合，其中YOLOv5s 體積最小，權(quán)重僅14.4MB。本文在行人檢測(cè)模塊中利用推理速度最快的輕量型YOLOv5s 網(wǎng)絡(luò)，其具有與其他領(lǐng)先方法（例如SSD［14］或Faster-RCNN［12］）相當(dāng)?shù)男阅?。YOLOv5s的原始工作是基于MSCOCO 數(shù)據(jù)集訓(xùn)練80 類目標(biāo)檢測(cè)器［15］，最簡(jiǎn)單的方法是使用多類別檢測(cè)器，只提取檢測(cè)出的行人目標(biāo)而忽略其他類別，這意味著如果圖片中還有其他類別的物體，檢測(cè)器也會(huì)檢測(cè)到它們。為了提高檢測(cè)器的有效性，本文利用MSCOCO 數(shù)據(jù)集中只包含行人的數(shù)據(jù)訓(xùn)練一個(gè)只檢測(cè)行人的單類別目標(biāo)檢測(cè)器。

YOLOv5s 模型結(jié)構(gòu)如圖1 所 示，分別由Input、Backbone、Neck 和Prediction 組成。Input：輸入圖像大小為640×640×3，數(shù)據(jù)增強(qiáng)方法包括Mosaic、隨機(jī)翻轉(zhuǎn)，使用自適應(yīng)錨框計(jì)算。Backbone：包 含F(xiàn)ocus、CSPNet［16］（Cross Stage Partial Networks）和SPP（Space Pyramid Pooling）結(jié)構(gòu)，其中Focus 結(jié)構(gòu)包含4 次切片操作和1 次32 個(gè)卷積核的卷積操作，可最大程度地減少信息損失，從而進(jìn)行下采樣操作；CSPNet 利用跳層連接的思想，進(jìn)行局部跨層融合獲得更為豐富的特征圖；SPP 模塊先采用不同大小的核進(jìn)行最大池化操作，再通過拼接融合多尺度的池化特征。Neck：包含PANet［17］（Path Aggregation）結(jié)構(gòu)，其是對(duì)FPN［18］（Feature Pyramid Network）的改進(jìn)，首先自頂向下將高層特征信息與不同層CSP 模塊的輸出特征進(jìn)行聚合，再通過自底向上路徑聚合結(jié)構(gòu)淺層特征，從而充分融合不同層的圖像特征。Prediction：使用3 個(gè)尺度的特征圖分別預(yù)測(cè)與之對(duì)應(yīng)的預(yù)定義錨框的偏移量，每個(gè)特征點(diǎn)最多預(yù)測(cè)3 個(gè)行人，因此最后預(yù)測(cè)的總通道數(shù)為（1class+1object+4coordinates）*3anchors=18。采用CIOU［19］（Complete-IoU）代替Smooth L1 范數(shù)作為損失函數(shù)，即使預(yù)測(cè)框與真實(shí)框交并比為零時(shí)，仍然可以反向傳播優(yōu)化網(wǎng)絡(luò)權(quán)值。分類損失直接使用BCE（Binary Cross Entropy）損失，后處理采用NMS（Non-maximum Suppression）對(duì)行人目標(biāo)檢測(cè)框進(jìn)行篩選，只保留最接近真實(shí)矩形框的檢測(cè)結(jié)果。

Fig.1 YOLOv5s model structure圖1 YOLOv5s 模型結(jié)構(gòu)

3 單應(yīng)性與尺度估計(jì)

相機(jī)的成像過程可以簡(jiǎn)化為小孔成像模型，式（1）為投影過程的數(shù)學(xué)模型，其中s 為比例系數(shù)；［u v 1］T為圖像坐標(biāo)的齊次坐標(biāo)；K 為相機(jī)固有參數(shù)，稱為相機(jī)內(nèi)參矩陣；R、T 分別為世界坐標(biāo)系相對(duì)于相機(jī)坐標(biāo)系的旋轉(zhuǎn)矩陣和位移向量；［X Y Z 1］T為真實(shí)世界中三維坐標(biāo)的齊次坐標(biāo)。在投影過程中，空間中的任意三維點(diǎn)先經(jīng)過R、T 從世界坐標(biāo)系轉(zhuǎn)換到相機(jī)坐標(biāo)系，再通過相機(jī)內(nèi)參矩陣K 投影到圖像平面上。

假設(shè)地面是三維世界坐標(biāo)系中的一個(gè)平面，世界坐標(biāo)系的原點(diǎn)建立其上，則將地面上的三維點(diǎn)投影到圖像平面上時(shí)，它們的坐標(biāo)Z 總是為0。因此，上述投影方程可以簡(jiǎn)化，利用Z 坐標(biāo)始終為0的條件消去相機(jī)旋轉(zhuǎn)矩陣的第三列，表示為：

通過式（2）可將三維空間中地面上的任一點(diǎn)P=［X Y 1］T投影到圖像平面點(diǎn)p=［u v 1］T，并用H 表示該映射矩陣，則H 稱為從地面到圖像平面的單應(yīng)性矩陣。

由于K、R、T 內(nèi)外參數(shù)未知，本文通過攝像頭安裝的通用場(chǎng)景進(jìn)行合理假設(shè)來估計(jì)H 矩陣。首先假設(shè)世界坐標(biāo)系到相機(jī)坐標(biāo)系的翻滾角為0°（繞Y 軸的旋轉(zhuǎn)角為0°），因?yàn)橥ㄟ^觀察可以發(fā)現(xiàn)圖像中的行人身體都是豎直的；然后假設(shè)攝像機(jī)的偏移角為0°（繞Z 軸的旋轉(zhuǎn)角為0°）。如圖2 所示，定義攝像機(jī)主軸在地平面上的交點(diǎn)處為世界坐標(biāo)系原點(diǎn)，攝像機(jī)安裝高度為h，相機(jī)俯仰角為θ（繞X 軸的旋轉(zhuǎn)角90° +θ），則可得到：

基于以上假設(shè)，地面上平行于X 軸的直線投影到圖像平面上仍保持平行，而平行于Y 軸的直線在圖像平面上則交匯于滅點(diǎn)。因此，地面上寬高為W、H的矩形投影到圖像平面后會(huì)變成寬高為W′、H′的等腰梯形。如式（5）所示，定義水平邊的投影比例為ρv，豎直邊的投影比例為ρh，這兩個(gè)參數(shù)只與相機(jī)俯仰角θ和相機(jī)安裝高度h相關(guān)。

Fig.2 Camera imaging model圖2 相機(jī)成像模型

給定ρh,ρv∈[0,1]，可以找到地平面矩形與圖像平面等腰梯形之間相對(duì)應(yīng)的4 個(gè)角點(diǎn)，從而估計(jì)出單應(yīng)矩陣H。這里H 并不反映像素與真實(shí)長(zhǎng)度之間的度量映射，因?yàn)镵是未知的。這里估計(jì)的H 可以將每個(gè)人周圍的圓形安全區(qū)域經(jīng)過透視變換投影在圖像平面上，形成一個(gè)近似的橢圓。為了計(jì)算地面投影到圖像平面上的尺度信息，本文選取人類平均身高。研究表明，人類平均身高為1.7m［20］，在不同種族之間只有很小差異。直接利用垂直于地面的人體平均身高和圖像行人檢測(cè)框像素高度計(jì)算地平面到圖像平面的比例是不合理的，但是對(duì)于大多數(shù)監(jiān)控?cái)z像頭安裝場(chǎng)景來講，安裝高度大于行人高度很多，而且朝地面的傾角θ是接近45°的銳角，所以仍然可以利用人體身高近似地估計(jì)地面上行人局部區(qū)域投影到圖像平面的尺度。設(shè)定行人安全距離為2m，則行人周圍的圓形安全區(qū)域半徑為1m。首先利用行人檢測(cè)器得到圖像中的行人檢測(cè)框，通過檢測(cè)框像素高度與人類平均身高的比例計(jì)算出行人對(duì)應(yīng)地面圓形安全區(qū)域半徑為1m的圖像平面像素半徑；然后根據(jù)估計(jì)出的H 將圓形投影為橢圓，以行人檢測(cè)框的底邊中點(diǎn)像素坐標(biāo)為中心，在圖像上繪制橢圓形行人安全區(qū)域（見圖3）；最后通過判斷圖像中所有行人橢圓形安全區(qū)域是否重疊檢測(cè)其安全社交距離的違反情況。

4 實(shí)驗(yàn)方法與結(jié)果分析

實(shí)驗(yàn)運(yùn)行環(huán)境：操作系統(tǒng)為Ubuntu18.04，開發(fā)語(yǔ)言為Python，深度學(xué)習(xí)框架為PyTorch，CPU 為Intel Xeon w-2123，GPU 為GeForce GTX 1080Ti，內(nèi)存為16G。

Fig.3 Pedestrian safety social distance violation detection results圖3 行人安全社交距離違反檢測(cè)結(jié)果示意圖

Yolov5s 行人檢測(cè)模型訓(xùn)練數(shù)據(jù)使用MSCOCO 中只包含行人的數(shù)據(jù)，其中訓(xùn)練數(shù)據(jù)圖像共58 783 張，驗(yàn)證數(shù)據(jù)圖像2 693 張。使用在MSCOCO 數(shù)據(jù)集上多目標(biāo)檢測(cè)訓(xùn)練過的模型對(duì)網(wǎng)絡(luò)進(jìn)行初始化，優(yōu)化算法使用隨機(jī)梯度下降算法。主要訓(xùn)練參數(shù)：Batch 大小為32，最大迭代次數(shù)為100，初始學(xué)習(xí)率設(shè)置為0.01，并采用OneCycleLR［21］策略周期性調(diào)整學(xué)習(xí)率。

分別使用YOLOv5s-Mul-Cls 和YOLOv5s-Person 模型在MSCOCO 驗(yàn)證數(shù)據(jù)集上對(duì)行人檢測(cè)效果進(jìn)行評(píng)估。其中YOLOv5s-Mul-Cls 是對(duì)MSCOCO 數(shù)據(jù)集進(jìn)行訓(xùn)練的80類原始多目標(biāo)檢測(cè)器，YOLOv5s-Person 是只利用MSCOCO數(shù)據(jù)集中行人數(shù)據(jù)訓(xùn)練的單目標(biāo)檢測(cè)器。準(zhǔn)確率、召回率和AP 值的計(jì)算是在交并比IoU=0.5的條件下得到的，mAP0.5∶0.9 是指IoU 從0.50～0.95 間隔0.05 取值對(duì)應(yīng)AP的平均值。從表1 中可以看出，本文訓(xùn)練的單目標(biāo)行人檢測(cè)器具有更高的召回率和準(zhǔn)確率，對(duì)場(chǎng)景中的行人檢測(cè)數(shù)量更多，識(shí)別更準(zhǔn)確。

Tabel 1 Pedestrian detector evaluation results in MSCOCO verification set表1 行人檢測(cè)器在MSCOCO 只含行人數(shù)據(jù)驗(yàn)證集上的評(píng)價(jià)結(jié)果（%）

在OTC 數(shù)據(jù)集上［22］進(jìn)行行人安全社交距離違反檢測(cè)的驗(yàn)證與行人檢測(cè)性能的評(píng)價(jià)。OTC 數(shù)據(jù)集是一段包含7 498 幀的視頻，每幀平均包含16 個(gè)行人，其中行人是否違反安全社交距離的真實(shí)標(biāo)簽是利用數(shù)據(jù)集提供的相機(jī)內(nèi)外參數(shù)計(jì)算得到的。行人檢測(cè)評(píng)價(jià)指標(biāo)使用IoU=0.5 時(shí)檢測(cè)的準(zhǔn)確率、召回率和AP，其中姿態(tài)關(guān)鍵點(diǎn)檢測(cè)算法預(yù)測(cè)的行人檢測(cè)框是由姿態(tài)關(guān)鍵點(diǎn)的豎直外接矩形計(jì)算得到。行人安全社交距離檢測(cè)評(píng)價(jià)指標(biāo)采用二分類的準(zhǔn)確率（Precision）、召回率（Recall）和F1 值，表示為：

式中，TP表示算法檢測(cè)出違反安全社交距離的行人數(shù)量，F(xiàn)P表示未違反安全社交距離但是被檢測(cè)為違反安全社交距離的行人數(shù)量，F(xiàn)N表示違反了安全社交距離行人的漏檢數(shù)量。為與改進(jìn)前Aghaei 等［9］提出的基于姿態(tài)關(guān)鍵點(diǎn)估計(jì)的方法進(jìn)行比較，設(shè)置ρv=0.5,ρh=0.8，保持與改進(jìn)前算法設(shè)置相同。具體評(píng)價(jià)結(jié)果如表2 所示，其中Open-Pose_BBX_VSD［9］是指利用OpenPose 算法［23］檢測(cè)的關(guān)鍵點(diǎn)豎直外接矩形高度估計(jì)尺度信息的檢測(cè)方法；Open-Pose_Torso_VSD［9］是指利用OpenPose 算法得到軀干關(guān)節(jié)點(diǎn)間的長(zhǎng)度以估計(jì)尺度信息的檢測(cè)方法；YOLOv5s_VSD 是本文利用YOLOv5s 行人檢測(cè)算法得到行人檢測(cè)框的高度進(jìn)而估計(jì)尺度信息的檢測(cè)方法。

Tabel 2 Evaluation results of pedestrian detection and safe social distance violation detection on OTC表2 OTC 數(shù)據(jù)集上行人檢測(cè)及安全社交距離違反檢測(cè)評(píng)價(jià)結(jié)果單位：%

從表2 可以看出，本文訓(xùn)練的YOLOv5s 行人檢測(cè)模型性能具有很大提升，與OpenPose 算法相比，其行人檢測(cè)準(zhǔn)確率和召回率分別提升45.8%和49.7%。從圖4 可視化對(duì)比結(jié)果來看，由于OpenPose 姿態(tài)關(guān)鍵點(diǎn)檢測(cè)不能很好地克服行人遮擋、尺度變化、姿態(tài)變化等問題，無法作出穩(wěn)定檢測(cè)。如圖4（a）所示，OpenPose 沒有檢測(cè)出小尺度的半身行人，對(duì)于騎行姿態(tài)的行人關(guān)鍵點(diǎn)檢測(cè)存在誤差，導(dǎo)致得到的矩形框與真實(shí)標(biāo)簽的IoU 小于0.5，無法判斷為正樣本。相比圖4（b）用YOLOv5s 對(duì)同一圖像區(qū)域的檢測(cè)結(jié)果來看，YOLOv5s 能更好地解決上述問題，對(duì)小尺度半身行人、騎行姿態(tài)的行人均作出了正確檢測(cè)。

關(guān)于行人安全社交距離違反檢測(cè)結(jié)果，YOLOv5s_VSD的準(zhǔn)確率、召回率和F1 值分別比OpenPose_Torso_VSD 提升了16.01%、6.82%、12.75%，說明利用本文訓(xùn)練的YOLOv5s 模型得到的行人檢測(cè)框高度比軀干高度計(jì)算尺度信息更具有魯棒性，降低了由于人體關(guān)節(jié)局部運(yùn)動(dòng)產(chǎn)生的尺度估計(jì)誤差。此外，YOLOv5s_VSD 和OpenPose_BBX_VSD均利用檢測(cè)框高度估計(jì)尺度信息，但從對(duì)比結(jié)果來看，YOLOv5s_VSD 性能具有更大提升，原因是OpenPose 算法專注于整張圖中人體姿態(tài)關(guān)鍵點(diǎn)的回歸檢測(cè)［23］，在對(duì)每個(gè)行人的關(guān)鍵點(diǎn)進(jìn)行預(yù)測(cè)時(shí)可能會(huì)錯(cuò)誤連接其他近鄰行人關(guān)鍵點(diǎn)，或漏檢頭部、腳部等關(guān)鍵點(diǎn)（如圖4（c）所示），導(dǎo)致由此計(jì)算的行人檢測(cè)框高度及安全區(qū)域中心點(diǎn)可能存在誤差。相比之下，使用YOLOv5s 模型直接對(duì)行人整體語(yǔ)義特征進(jìn)行矩形框檢測(cè)（如圖4（d）所示），能夠預(yù)測(cè)出更穩(wěn)定的接近真實(shí)標(biāo)簽的行人檢測(cè)框，有利于圖像上行人安全區(qū)域的估計(jì)。

Fig.4 Detection results comparison of OpenPose（a，c）and YOLOv5s（b，d）on OTC圖4 OpenPose（a，c）和YOLOv5s（b，d）在OTC 數(shù)據(jù)集上的檢測(cè)結(jié)果比較

5 結(jié)語(yǔ)

本文結(jié)合行人檢測(cè)與單應(yīng)性變換估計(jì)對(duì)監(jiān)控場(chǎng)景作出一般性假設(shè)，提出一種用于未校準(zhǔn)攝像頭下行人安全社交距離違反檢測(cè)的方法。行人社交距離檢測(cè)任務(wù)的前提是行人檢測(cè)漏檢率要低、準(zhǔn)確率要高，且要保證在現(xiàn)代GPU 算力下具有良好的實(shí)時(shí)性。為此，本文提供了一個(gè)基于YOLOv5s的輕量型行人檢測(cè)模型，可對(duì)監(jiān)控視頻實(shí)現(xiàn)實(shí)時(shí)高效的行人檢測(cè)，從而為行人社交安全區(qū)域的估計(jì)提供穩(wěn)定、準(zhǔn)確的行人位置和檢測(cè)框高度信息。本文并沒有對(duì)行人社交距離進(jìn)行直接計(jì)算，而是將任務(wù)簡(jiǎn)化為圖像中行人局部安全區(qū)域的重疊判斷，比直接估計(jì)全局單應(yīng)性矩陣與尺度信息，再通過計(jì)算行人之間的距離判斷是否違反安全社交距離的方法更具有準(zhǔn)確性。此外，本文還通過對(duì)監(jiān)控場(chǎng)景中攝像機(jī)的安裝情況作出合理假設(shè)，簡(jiǎn)化了從場(chǎng)景地面到圖像平面單應(yīng)性矩陣估計(jì)的任務(wù)，保證了一般監(jiān)控場(chǎng)景下行人安全社交距離違反檢測(cè)的良好性能。然而，本文提出的方法仍然受遮擋問題影響而導(dǎo)致圖像中行人安全區(qū)域估計(jì)不夠準(zhǔn)確，后續(xù)將結(jié)合監(jiān)控視頻的幀間信息對(duì)行人遮擋問題進(jìn)行改進(jìn)，從而優(yōu)化尺度估計(jì)，使其適用于更多場(chǎng)景。