Wie Videoanalysen dazu beitragen können, die weltweite Genesung von COVID-19 zu beschleunigen

Veröffentlicht: 2021-02-02

Unsere Welt hat im vergangenen Jahr gegen eine globale Pandemie namens COVID-19 gekämpft. Laut WHO gibt es jeden Tag Hunderttausende neuer Fälle weltweit. Die Ausbreitung dieser Krankheit ist problematisch geworden und bereitet Wissenschaftlern und Ärzten weltweit ständig Sorgen.

Viele Länder haben Gesetze zur sozialen Distanzierung und zum Tragen von Masken erlassen. Das Angegebene wird in der Hoffnung getan, die Ausbreitung dieses Virus zu stoppen. Da so viele öffentliche Orte wie Einkaufszentren, Geschäfte und Restaurants geöffnet (oder wiedereröffnet) sind, ist es zu einer Herausforderung geworden, den Überblick zu behalten, ob die Menschen diese Gesetze zur sozialen Distanzierung einhalten oder nicht.

Da die Mitarbeiter an ihre Arbeitsplätze zurückkehren und einige Regierungen die Sperrbeschränkungen langsam aufheben, ist es ungewiss, wie das Virus kontrolliert werden wird, und dieser Mangel an Kontrolle könnte zu einem Problem werden. Der Arbeitgeber sollte dafür verantwortlich sein, zu verfolgen, ob die Arbeitnehmer die Regeln zur sozialen Distanzierung befolgen, die irgendwann überwältigend werden könnten.

Wie kann Technologie helfen?

Eine der logischen Lösungen wäre die Hinwendung zur Technologie. Doch wie kann Technologie hier helfen? Heute sind wir überall von Technologie umgeben. Jüngste Untersuchungen in London haben gezeigt, dass es über 600.000 Kameras für 9,3 Millionen Menschen gibt (etwa 67,5 Kameras pro 1000 Menschen). Das hier gesammelte Filmmaterial könnte für die Beobachtung von Interaktionen und die Überwachung der sozialen Distanzierungspraxis von großer Bedeutung sein.

Eine Technologie, die in den letzten Jahren an Aufmerksamkeit gewonnen und sich verbessert hat, ist die Videoanalyse. Durch die Konzentration auf Gesichtserkennung oder Crowd-Management soll diese Art von Technologie bis 2026 auf bis zu 12 Milliarden US-Dollar wachsen. Der Videoanalysemarkt hat sich in der weltweiten Pandemie als äußerst nützlich erwiesen, da er auf Dinge wie Fiebererkennung oder soziale Distanzierung angewendet wird .

Dieses Filmmaterial kann sehr nützlich sein, aber das erneute Ansehen von Hunderten oder Tausenden von Stunden des Filmmaterials selbst könnte Zeitverschwendung sein. Hier werden fortschrittlichere Technologien wie AIVA (Artificial Intelligence Video Analytics) benötigt. AIVA verwendet Geoalgorithmen, um den Standort einer Person zu bestimmen und die Perspektive der Szene zu lernen.

Fiebererkennung und soziale Distanzierungsalgorithmen

Da Fieber zu den COVID-19-Symptomen gehört, ist es notwendig geworden, die Körpertemperatur am Arbeitsplatz zu messen. Die Fiebererkennung ist äußerst effizient und hilfreich, da sie es einfacher macht, eine Person mit einer höheren Körpertemperatur zu erkennen. Die meisten dieser Systeme funktionieren, weil sie Deep Learning verwenden, um auf das Auge einer Person zu zoomen, das die Körpertemperatur am stärksten widerspiegelt. Dieses Screening kann an vielen öffentlichen Orten wie Schulen, Universitäten, Flughäfen, Krankenhäusern oder Hotels durchgeführt werden.

Auch wenn sich dies als sehr hilfreich erwiesen hat, reicht es nicht ganz aus. Eine infizierte Person könnte sich noch in der Inkubationszeit befinden, was bedeutet, dass sie in dieser frühen Phase einige Symptome (wie Fieber) nicht zeigen würde.

Wenn es um soziale Distanzierung geht, wäre ein Algorithmus, der aufzeichnet, wenn zwei (oder mehr) Personen einen Abstand von 2 Metern zueinander einhalten, äußerst hilfreich. Wenn jemand gegen die Regeln verstößt, alarmiert ein Auslöser die Behörden. Auch wenn sich die Regeln ändern, wie groß die soziale Distanz sein soll, lassen sich die Einstellungen mühelos anpassen.

Wenn sich in einem bestimmten Geschäft oder Restaurant mehrere Personen befinden, ist es wichtig, soziale Distanzierung zu üben. Diese Art von Algorithmus würde soziale Distanzierung fördern und einen Weg für alle schaffen, sich überhaupt an die Bedeutung sozialer Distanzierung zu erinnern.

Gesichtsmasken-Erkennungsalgorithmen

Auch das Tragen einer Gesichtsmaske ist zur neuen Normalität geworden. In den meisten Ländern müssen die Bürger außerhalb des Hauses Masken tragen. Das Tragen einer Maske verlangsamt die Ausbreitung des Virus. Aber es ist eine große Herausforderung, jede einzelne Person zu überwachen und ob sie eine Maske trägt. Da es für Menschen fast unmöglich ist, diese Arbeit in Echtzeit zu erledigen, ist die Automatisierung dieses Prozesses mit Hilfe von Technologie unerlässlich.

Viele Gesichtserkennungsalgorithmen drehen sich heute um das Scannen von Augen, Nase, Mund und Ohren. Aber die meisten dieser Algorithmen haben Probleme, wenn es darum geht, das Gesicht zu scannen, wenn eine Person eine Maske trägt. Beispielsweise hatte das iPhone von Apple (das FaceID zum Entsperren des Telefons einer Person verwendet) Probleme, das Gesicht einer Person zu scannen, während sie eine Maske trug. Apple musste seinen Algorithmus verbessern, um eine Maske auf dem Gesicht einer Person zu erkennen. Das iPhone würde ihnen die Möglichkeit geben, ihren Passcode einzugeben, anstatt sie dazu zu bringen, ihre Gesichtsbedeckung abzunehmen.

Die Entwickler erklärten, dass der Algorithmus, der eine Maske auf dem Gesicht einer Person erkennt, Datenschutzprobleme umgeht, auf die wir in der Vergangenheit gestoßen sind. Das liegt daran, dass der Algorithmus weder eine Person noch ihre Identität identifiziert. Der Algorithmus ist darauf trainiert, zwei Dinge zu tun:

Gesichtserkennung – das einzige, was ein Algorithmus hier tun würde, ist ein Gesicht zu erkennen
Maskenerkennung – Erkennen, ob eine Maske vorhanden ist oder nicht.

Der Vorteil dabei ist, dass der Algorithmus das Gesicht nicht identifiziert – also nicht mit einer bestimmten Person verknüpft.

Einige Unternehmen haben begonnen, diese Algorithmen zu verwenden, um nachzuverfolgen, ob ihre Mitarbeiter eine Maske tragen oder nicht. Der Algorithmus würde die Menschen in zwei Gruppen einteilen, eine Gruppe von Menschen, die eine Maske tragen, und eine Gruppe von Menschen, die keine Maske tragen. Die hier erhobenen Daten würden in den Händen des Unternehmens liegen. Es wäre hilfreich – denn ein Unternehmen könnte seine Mitarbeiter entlassen, die sich weigern, an ihrem Arbeitsplatz eine Maske zu tragen.

Solche Algorithmen könnten auch an öffentlichen Orten (wie Einkaufszentren, Geschäften usw.) verwendet werden. Aber einige Länder (wie die Vereinigten Staaten von Amerika) haben keine Gesetze, die den Datenschutz regeln würden. Unternehmen, die diese Daten sammeln, sind also nicht verpflichtet, uns mitzuteilen oder zu erklären, was mit den von ihnen gesammelten Daten passiert.

Weniger Gedränge und Hotspots

Wie wir gesehen haben, wurde soziale Distanzierung zu einem vorherrschenden Vorteil bei der Bekämpfung dieses Virus. Das kann manchmal schwierig sein, besonders in riesigen und dichter besiedelten Städten. Und in vielerlei Hinsicht ist soziale Interaktion entscheidend und kann zum Wirtschaftswachstum beitragen. Aber in dieser Pandemie, die wir bekämpfen, müssen wir sie kontrollieren.

Das Endziel der sozialen Distanzierung ist es, die Ausbreitung des Virus so weit wie möglich zu verlangsamen. Soziale Distanzierung trägt auch dazu bei, dass Krankenhäuser nicht überfüllt werden. Wie erreichen wir das? In wohlhabenderen Gegenden und Vierteln ist es nicht so schwer. Die Menschen können sich in ihren Häusern isolieren und von zu Hause aus arbeiten.

Aber was ist mit weniger wohlhabenden Einwohnern? Was ist mit den Vierteln und Gebieten, die zu überfüllt sind? Die meisten Menschen müssen ihre Häuser verlassen und zur Arbeit gehen. Sie sind ständig von Menschen in der Gegend, in der sie leben oder arbeiten, umgeben.

Um zukünftige Krisen zu vermeiden, wäre es eine große Hilfe, neu entstehende Hotspots zu haben. Mit mehr als ein paar Millionen Einwohnern in größeren Städten erschweren überfüllte Gebiete die Kontrolle der Ausbreitung des Virus. Indem neu entstehende Hotspots automatisch von Algorithmen identifiziert werden, können wir kritische und überfüllte Orte rechtzeitig erkennen und medizinisches Personal oder die Regierung alarmieren.

Wir brauchen diese Technologie, weil Menschen in bestimmten Gebieten nicht in der Lage sind, soziale Distanz zu wahren, wo Menschen, selbst im Lockdown, keine andere Lösung haben, als sich zusammenzuschließen. Mithilfe von Computer Vision und KI-basierter Technologie, um diese Bereiche zu erkennen, können wir Menschen in Führungspositionen eine Echtzeit-Perspektive geben. Dadurch können sie sich besser auf die Bekämpfung der Pandemie vorbereiten und ihren Bürgern dienen.

Letzte Worte

Da der ganze Globus immer noch gegen dieses tödliche Virus kämpft, ist es weltweit die oberste Priorität, alle Probleme zu überwinden, die das Virus verursacht hat. COVID-19 hat fast jeden getroffen, insbesondere ältere Menschen. In vielerlei Hinsicht hat es unsere Lebensweise verändert. Es ist schwer vorstellbar, dass wir einmal maskenfrei gelebt haben und dass wir keine soziale Distanz hatten, aber das ist die neue Normalität – zumindest für jetzt.

Die gute Nachricht ist, dass wir eine Möglichkeit haben, zu steuern, wie sich die Pandemie auf uns auswirkt – bis zu einem gewissen Grad. Die Technologie war bisher eine große Hilfe, und sie hilft weiter. In einer Zeit, in der Menschen fast immer eine Maske tragen müssen, hat sich beispielsweise ein Algorithmus als sehr nützlich erwiesen, der verfolgt, ob Menschen eine Maske tragen. Außerdem könnten Algorithmen, die bei der sozialen Distanzierung helfen, die Menschen dazu ermutigen, die Gesetze zur sozialen Distanzierung zu respektieren.

Fortschrittliche Technologie hat geholfen, aber um diese Pandemie gründlich zu besiegen, muss die Welt vereint sein und sie gemeinsam bekämpfen. Es erhöht nicht nur unsere Chancen, es vollständig zu besiegen, sondern würde uns auch auf zukünftige Situationen vorbereiten, die denen ähneln, die wir mit COVID-19 hatten.

Anmerkung des Herausgebers: Michael ist CTO und Gründer von BroutonLab, einem Data Science-Unternehmen, das über 50 KI-Entwicklungsprojekte mit einem Gesamtwert von über 1 Million US-Dollar abgeschlossen hat. Michael ist Experte für Deep Learning, insbesondere seine Anwendungen in Computer Vision, NLP und Reinforcement Learning.

Haben Sie irgendwelche Gedanken dazu? Lassen Sie es uns unten in den Kommentaren wissen oder übertragen Sie die Diskussion auf unseren Twitter oder Facebook.