Onze wereld heeft het afgelopen jaar gevochten tegen een wereldwijde pandemie die bekend staat als COVID-19. Er zijn wereldwijd elke dag honderdduizenden nieuwe gevallen, meldt de WHO. De verspreiding van deze ziekte is problematisch geworden en is een constante zorg voor wetenschappers en artsen over de hele wereld.
Veel landen hebben wetten aangenomen over sociale afstand en het gebruik van maskers. Dit wordt gedaan in de hoop de verspreiding van dit virus te stoppen. Met zoveel open (of heropende) openbare plaatsen zoals winkelcentra, winkels, restaurants, is het een uitdaging geworden om bij te houden of mensen deze sociale afstandswetten respecteren.
Terwijl werknemers terugkeren naar hun werkplek en sommige regeringen langzaam de lockdown-beperkingen opheffen, is het onduidelijk hoe het virus onder controle zal worden gehouden en dit gebrek aan controle zou een probleem kunnen worden. De werkgever moet verantwoordelijk zijn om bij te houden of werknemers zich aan de regels voor sociale afstand houden, die op een gegeven moment overweldigend kunnen worden.
Hoe kan technologie helpen?
Een van de logische oplossingen zou zijn om over te stappen op technologie. Maar hoe kan technologie hierbij helpen? Tegenwoordig zijn we, waar we ook gaan, omringd door technologie. Recent onderzoek in Londen heeft uitgewezen dat er meer dan 600.000 camera’s zijn voor 9,3 miljoen mensen (ongeveer 67,5 camera’s per 1.000 mensen). De hier verzamelde beelden kunnen van groot belang zijn bij het observeren van interacties en het monitoren van de praktijk op sociale afstand.
De technologie die de afgelopen jaren aandacht heeft gekregen en steeds beter wordt, is video-analyse. Dit type technologie, gericht op gezichtsherkenning of crowd management, zal naar verwachting groeien tot $ 12 miljard in 2026. De markt voor videoanalyse is buitengewoon nuttig gebleken in de wereldwijde pandemie door te worden toegepast op zaken als detectiekoorts of sociale afstand. .
Deze beelden kunnen erg handig zijn, maar honderden of duizenden uren van de beelden zelf opnieuw bekijken kan tijdverspilling zijn. Hier is meer geavanceerde technologie nodig, zoals AIVA (Artificial Intelligence Video Analytics). AIVA gebruikt geospatiale algoritmen om de locatie van een persoon vast te stellen en het perspectief van de scène te kennen.
Aangezien koorts een van de symptomen van COVID-19 is, was het noodzakelijk om de lichaamstemperatuur op werkplekken te meten. Koortsdetectie is uiterst effectief en nuttig, waardoor het gemakkelijk is om een persoon met een hogere lichaamstemperatuur te detecteren. De meeste van deze systemen werken omdat ze deep learning gebruiken om in te zoomen op iemands oog, dat het meest overeenkomt met de lichaamstemperatuur. Deze test kan op veel openbare plaatsen worden afgenomen, zoals scholen, universiteiten, luchthavens, ziekenhuizen of hotels.
Hoewel dit zeer nuttig is gebleken, is het niet voldoende. Een geïnfecteerde persoon kan zich nog in de incubatietijd bevinden, wat betekent dat hij in dit vroege stadium mogelijk geen enkele symptomen (zoals koorts) vertoont.
Als het gaat om social distancing, zou een algoritme dat zou registreren of twee (of meer) mensen een afstand van 2 meter van elkaar houden, enorm handig zijn. Als iemand de regels overtreedt, zal een trigger de autoriteiten waarschuwen. Zelfs als de regels veranderen als het gaat om hoeveel social distancing moet zijn, is het eenvoudig om de instellingen aan te passen.
Als een bepaalde winkel of restaurant meerdere mensen binnen heeft, is het van cruciaal belang om sociale afstand te nemen. Dit type algoritme zou sociale afstand aanmoedigen en een manier creëren voor iedereen om het belang van sociale afstand in de eerste plaats te onthouden.
Algoritmen voor maskerherkenning
Ook het dragen van een mondkapje is het nieuwe normaal geworden. In de meeste landen moeten burgers een mondkapje dragen wanneer ze op pad zijn. Het dragen van een masker vertraagt de verspreiding van het virus. Maar het is een grote uitdaging om elke persoon te controleren en te controleren of ze een masker dragen. Aangezien het voor mensen bijna onmogelijk is om dit werk in realtime te doen, is het automatiseren van dit proces met behulp van technologie essentieel.
Tegenwoordig draaien veel algoritmen voor gezichtsherkenning om het scannen van de ogen, neus, mond en oren. Maar de meeste van deze algoritmen hebben problemen als het gaat om het scannen van het gezicht als een persoon een masker draagt. De iPhone van Apple (die FaceID gebruikt om iemands telefoon te ontgrendelen) had bijvoorbeeld problemen met het scannen van iemands gezicht terwijl hij een masker droeg. Apple moest zijn algoritme verbeteren om een masker op iemands gezicht te detecteren. De iPhone zou hen de mogelijkheid geven om hun toegangscode in te voeren in plaats van hen te dwingen hun gezichtsbedekking te verwijderen.
De ontwikkelaars legden uit dat het algoritme dat een masker op iemands gezicht zou detecteren, de privacyproblemen omzeilt die we in het verleden tegenkwamen. Dat komt omdat het algoritme geen persoon of hun identiteit identificeert. Het algoritme is getraind om twee dingen te doen:
- Gezichtsdetectie: het enige dat een algoritme hier zou doen, is een gezichtsmaskerdetectie detecteren en herkennen of er een masker is of niet.
Het voordeel hiervan is dat het algoritme het gezicht niet identificeert en dus niet aan een specifieke persoon koppelt.
Sommige bedrijven zijn begonnen deze algoritmen te gebruiken om bij te houden of hun werknemers al dan niet een masker dragen. Het algoritme zou mensen in twee groepen verdelen, een groep gemaskerde mensen en ontmaskerde mensen. De hier verzamelde gegevens zouden in handen zijn van het bedrijf. Het zou handig zijn, want een bedrijf zou zijn werknemers kunnen ontslaan die weigeren een mondkapje te dragen op hun werkplek.
Dergelijke algoritmen kunnen ook worden gebruikt op openbare plaatsen (zoals winkelcentra, winkels, enz.). Maar sommige landen (zoals de Verenigde Staten van Amerika) hebben geen wetten die gegevensprivacy reguleren. Daarom zijn de bedrijven die deze gegevens verzamelen niet verplicht om ons te vertellen of uit te leggen wat er gebeurt met de gegevens die ze verzamelen.
Vermindering van drukte en hotspots
Zoals we hebben gezien, werd sociale afstand een overheersende troef in de strijd tegen dit virus. Dat kan soms moeilijk zijn, vooral in grote, meer bevolkte steden. En in veel opzichten is sociale interactie essentieel en kan het bijdragen aan economische groei. Maar in deze pandemie waar we tegen vechten, is het iets dat we moeten beheersen.
Het uiteindelijke doel van social distancing is om de verspreiding van het virus zoveel mogelijk af te remmen. Social distancing helpt ook voorkomen dat ziekenhuizen overbelast raken. Dus hoe doen we het? In rijkere gebieden en buurten is het niet zo moeilijk. Mensen kunnen zich in hun huis isoleren en op afstand werken vanuit huis.
Maar hoe zit het met de minder welvarende inwoners? Hoe zit het met buurten en gebieden die te druk zijn? De meeste mensen moeten hun huis verlaten en aan het werk gaan. Ze worden voortdurend omringd door mensen in het gebied waar ze wonen of werken.
Om toekomstige crises te voorkomen, zou het nuttig zijn om opkomende hotspots te hebben. Met meer dan een paar miljoen inwoners in grotere steden, maken overbevolkte gebieden het moeilijk om de verspreiding van het virus onder controle te krijgen. Door pop-up hotspots automatisch te laten identificeren door algoritmen, kunnen we kritieke en drukke locaties tijdig detecteren en medisch personeel of de overheid waarschuwen.
We hebben deze technologie nodig vanwege het onvermogen van mensen in bepaalde gebieden om een sociale afstand te bewaren, waar mensen, zelfs in lockdown, geen andere oplossing hebben dan zich te groeperen. Door computervisie en op AI gebaseerde technologie te gebruiken om deze gebieden te detecteren, kunnen we mensen in leidinggevende posities realtime inzicht geven. Hierdoor kunnen zij zich beter voorbereiden op de bestrijding van de pandemie en hun burgers van dienst zijn.
Laatste woorden
Nu de hele wereld nog steeds vecht tegen dit dodelijke virus, is het wereldwijd de hoogste prioriteit om alle problemen die het virus heeft veroorzaakt te overwinnen. COVID-19 heeft bijna iedereen getroffen, vooral ouderen. In veel opzichten heeft het de manier waarop we leven veranderd. Het is moeilijk voor te stellen dat we ooit zonder maskers hebben geleefd en dat we geen sociale afstand hadden, maar dit is het nieuwe normaal, althans voorlopig.
Het goede nieuws is dat we een manier hebben om te begrijpen hoe de pandemie ons tot op zekere hoogte beïnvloedt. Technologie is tot nu toe een grote hulp geweest en blijft helpen. In een tijd dat mensen bijvoorbeeld bijna altijd een masker moeten dragen, is een algoritme dat bijhoudt of mensen een masker dragen erg nuttig gebleken. Ook kan het hebben van algoritmen die helpen bij sociale afstand mensen aanmoedigen om de wetten op sociale afstand te respecteren.
De geavanceerde technologie heeft geholpen, maar om deze pandemie volledig te verslaan, moet de wereld samenkomen en samen vechten. Het vergroot niet alleen onze kansen om hem volledig te verslaan, maar het zou ons ook voorbereiden op toekomstige situaties vergelijkbaar met wat we hadden met COVID-19.
Opmerking van de uitgever: Michael is de CTO en oprichter van BoutonLab, een datawetenschapsbedrijf dat meer dan 50 AI-ontwikkelingsprojecten heeft voltooid met een totale waarde van meer dan $ 1 miljoen. Michael is een expert in Deep Learning, met name de toepassingen ervan in Computer Vision, NLP en Reinforcement Learning.
Heb je hier enig idee van? Laat het ons hieronder weten in de comments of neem de discussie mee naar onze Twitter of Facebook.
