【技术实现步骤摘要】
本专利技术涉及图像处理领域，具体涉及一种基于多目标跟踪的流行病调查预测方法、装置及可读介质。
技术介绍
1、流行病学调查研究是指对疾病在人群中的分布、影响因素和预防措施等进行的研究。它是一种系统性的方法，旨在揭示疾病在时间和空间上的分布规律，评估健康状况与特定因素之间的关系。目前的流行病学相关系统在使用过程中大量依靠人工采取传统的询问方式获得有关信息，例如：个人信息、发病与就诊、危险因素与暴露史、实验室检测结果、接触者等。同时发生聚集性疫情还须调查病例间的联系，由于个人记忆的不准确性、时间同空间上轨迹数据的不确定性以及场所人员流量信息可能存在着严重的数据缺失，无法很好地为描述性/分析性流行病学防控及卫生部门科学决策做出较为准确的基础性数据支撑。同时，接触者由于实际场景中的环境因素较为复杂、感染曝光概率无法定量计算，仅可以简单判定传播来源，同时传播链条的确定具有高度复杂的特性，人工调查在老旧小区等场景下，无法通过新型物联网设备对场景中人员出行数据进行取样调查。传统研究长期使用简单微分方程建立传染病传播的数学模型无法精确模拟出感染者以及接触者的活动空间，即联系参数和感染参数通常假设是外生的，但社会行为可能会改变这些参数。不同群体之间的联系也是不同的，传统模型无法模拟有着不同的感染风险的不同群体，现有流行病学研究无法具体描述真实的具有明显异质性的大尺度社会网络，对局部人群中传染病的流行趋势中基本再生数等参数无法精准预测。
2、目前大多使用sir（susceptible-infected-recovered）建立模型，该模型
技术实现思路
1、针对上述提到的技术问题。本申请的实施例的目的在于提出了一种基于多目标跟踪的流行病调查预测方法、装置及可读介质，来解决以上
技术介绍
部分提到的技术问题。
2、第一方面，本专利技术提供了一种基于多目标跟踪的流行病调查预测方法，包括以下步骤：
3、获取目标场景区域的视频数据，将视频数据中的每一帧图像输入目标检测模型，得到目标检测结果，目标检测结果中包含目标场景区域中出现的所有人员，采用目标跟踪算法对目标检测结果进行目标跟踪，得到多目标跟踪结果，多目标跟踪结果中包含目标场景区域中出现的所有人员的轨迹数据；
4、基于多目标跟踪结果构建目标场景区域中出现的人员在每个时间步所对应的接触网络；
5、构建当前时间步所对应的传染病动力学模型，采用当前时间步所对应的传染病动力学模型模拟流行病在目标场景区域中的当前时间步的传播过程，响应于确定在当前时间步的传播过程中存在感染者，则获取感染者在下个时间步的轨迹数据，根据感染者在下个时间步的轨迹数据和下个时间步所对应的接触网络动态调整当前时间步所对应的传染病动力学模型，得到下个时间步所对应的传染病动力学模型；
6、根据下个时间步所对应的传染病动力学模型确定下个时间步的感染者的接触者，并获取感染者的接触者在下个时间步的轨迹数据。
7、作为优选，目标检测模型包括yolov4模型，目标跟踪算法包括deepsort算法，传染病动力学模型包括随机seir模型。
8、作为优选，根据感染者在下个时间步的轨迹数据和下个时间步所对应的接触网络动态调整当前时间步所对应的传染病动力学模型，得到下个时间步所对应的传染病动力学模型，具体包括：
9、根据感染者在下个时间步的轨迹数据和下个时间步对应的接触网络统计下个时间步对应的目标场景区域中与感染者的空间距离小于距离阈值的所有人员的数量以及目标场景区域中的所有人员的数量；
10、根据目标场景区域中与感染者的空间距离小于距离阈值的所有人员的数量以及目标场景区域中的所有人员的数量计算出传染系数，公式如下：
11、 ；
12、其中，表示传染系数，表示每一帧图像中目标场景区域中与感染者的空间距离小于距离阈值的所有人员的数量，表示下个时间步内所包含的图像的帧数，表示下个时间步所在的时间段，表示每一帧图像中所检测出的所有人员的数量；
13、获取流行病的实际数据所拟合出的感染率，根据传染系数和感染率计算得到传染概率，公式如下：
14、 ；
15、其中，表示实际数据所拟合出的感染率，表示传染概率；
16、将传染概率输入当前时间步的传染病动力学模型中，得到下一时间步的传染病动力学模型。
17、作为优选，基于多目标跟踪结果构建目标场景区域中出现的人员在每个时间步所对应的接触网络，具体包括：
18、根据每个时间步的多目标跟踪结果计算两个个体之间的空间距离；
19、根据每个时间步的两个个体之间的空间距离确定两个个体之间是否满足接触关系；
20、将满足接触关系的个体连接起来形成接触网络，得到每个时间步所对应的接触网络。
21、作为优选，接触网络为由节点和边所构成的无向图，节点表示个体，边表示相邻两个个体之间的接触关系。
22、作为优选，根据每个时间步的两个个体之间的空间距离确定两个个体之间是否满足接触关系，具体包括：
23、接触网络中的节点与其他任一个节点之间满足接触关系的概率为：
24、 ；
25、其中，表示其他任一个节点与节点之间的空间距离，分别表示调节接触网络的度分布的参数和边长分布的参数，表示某个时间点，表示节点的度数，即与节点相连的边的数量，~表示服从某种概率分布；
26、判断概率是否大于或等于概率阈值，若是则确定其他任一个节点与节点之间满足接触关系，否则不满足接触关系。
27、作为优选，还包括：根据每个时间步的接触网络生成对应的热力图。
28、.第二方面，本专利技术提供了一种基于多目标跟踪的流行病调查预测装置，其特征在于，包括：
29、目标跟踪模块，被配置为获取目标场景区域的视频数据，将视频数据中的每一帧图像输入目标检测模型，得到目标检测结果，目标检测结果中包含目标场景区域中出现的所有人员，采用目标跟踪算法对目标检测结果进行目标跟踪，得到多目标跟踪结果，多目标跟踪结果中包含目标场景区域中出现的所有人员的轨迹数据；
30、接触网络构建模块，被配置为基于多目标跟踪结果构建目标场景区域中出现的人员在每个时间步所对应的接触网络；
31、传染病动力学模型构建模块，被配置为构建当前时间步所对应的传染病动力学模型，采用当前时间步所对应的传染病动力学模型模拟流行病在目标场景本文档来自技高网...
【技术保护点】
1.一种基于多目标跟踪的流行病调查预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于多目标跟踪的流行病调查预测方法，其特征在于，所述目标检测模型包括YOLOv4模型，所述目标跟踪算法包括Deepsort算法，所述传染病动力学模型包括随机SEIR模型。
3.根据权利要求1所述的基于多目标跟踪的流行病调查预测方法，其特征在于，所述根据所述感染者在下个时间步的轨迹数据和下个时间步所对应的接触网络动态调整当前时间步所对应的传染病动力学模型，得到下个时间步所对应的传染病动力学模型，具体包括：
4.根据权利要求1所述的基于多目标跟踪的流行病调查预测方法，其特征在于，所述基于所述多目标跟踪结果构建所述目标场景区域中出现的人员在每个时间步所对应的接触网络，具体包括：
5.根据权利要求4所述的基于多目标跟踪的流行病调查预测方法，其特征在于，所述接触网络为由节点和边所构成的无向图，所述节点表示个体，所述边表示相邻两个所述个体之间的接触关系。
6.根据权利要求5所述的基于多目标跟踪的流行病调查预测方法，其特征在于，所述根据每个
7.根据权利要求1所述的基于多目标跟踪的流行病调查预测方法，其特征在于，还包括：根据每个时间步的接触网络生成对应的热力图。
8.一种基于多目标跟踪的流行病调查预测装置，其特征在于，包括：
9.一种电子设备，包括：
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的方法。
...【技术特征摘要】
1.一种基于多目标跟踪的流行病调查预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于多目标跟踪的流行病调查预测方法，其特征在于，所述目标检测模型包括yolov4模型，所述目标跟踪算法包括deepsort算法，所述传染病动力学模型包括随机seir模型。
3.根据权利要求1所述的基于多目标跟踪的流行病调查预测方法，其特征在于，所述根据所述感染者在下个时间步的轨迹数据和下个时间步所对应的接触网络动态调整当前时间步所对应的传染病动力学模型，得到下个时间步所对应的传染病动力学模型，具体包括：
4.根据权利要求1所述的基于多目标跟踪的流行病调查预测方法，其特征在于，所述基于所述多目标跟踪结果构建所述目标场景区域中出现的人员在每个时间步所对应的接触网络，具体包括：
5....
【专利技术属性】
技术研发人员：陈龙涛，廖国兴，毕俊杰，周星宇，曾焕强，朱建清，傅玉青，
申请(专利权)人：华侨大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。