การใช้เทคโนโลยีภูมิสารสนเทศร่วมกับปัญญาประดิษฐ์ในการตรวจสอบการเคลื่อนไหวและติดตามเชิงพื้นที่: การปรับใช้ในฉากทัศน์การแพร่ระบาดของโรคติดต่อโควิด-19
Main Article Content
บทคัดย่อ
ความก้าวหน้าของระบบปัญญาประดิษฐ์ในการตรวจติดตามการเคลื่อนไหวของวัตถุใด ๆ ผ่านกล้องวงจรปิดที่มีอยู่ในปัจจุบันเมื่อนำมาผสมผสานเข้ากับเทคโนโลยีภูมิสารสนเทศนับเป็นประเด็นที่น่าสนใจและมีความสำคัญอย่างยิ่งต่อวงการวิศวกรรมสำรวจที่สามารถใช้ในการบริหารจัดการความปลอดภัยทั้งในมิติของทรัพย์สินและสุขภาพ โดยเฉพาะอย่างยิ่งในช่วงเวลาที่มีการแพร่กระจายของเชื้อโควิด-19 ซึ่งเป็นการแพร่ระบาดที่ก่อให้เกิดความเสียหายต่อมวลมนุษยชาติอย่างมหาศาล แนวทางหนึ่งในการป้องกันคือการรักษาระยะห่างระหว่างบุคคลที่ควรจะอยู่ห่างเกิน 2 เมตร ดังนั้น การระบุตำแหน่งของบุคคลในสถานที่ต่าง ๆ จึงเป็นสิ่งสำคัญในการช่วยการสืบสวนโรค สิ่งนี้นับเป็นโจทย์วิจัยที่สำคัญในการนำเอากล้องวงจรปิดมาผสมผสานกับเทคโนโลยี
ภูมิสารสนเทศภายในอาคารร่วมกับการใช้ระบบปัญญาประดิษฐ์ในการตรวจติดตามการเคลื่อนไหวมาใช้ในการระบุตำแหน่ง และสิ่งสำคัญที่เข้ามามีบทบาทในการเชื่อมโยงเทคโนโลยีเหล่านี้เข้าไว้ด้วยกันคือ การแปลงค่าพิกัด จากที่กล่าวมาทั้งหมดนี้ งานวิจัยนี้จึงมีวัตถุประสงค์ในการแปลงค่าพิกัดแบบสมการสมพรรคร่วมกับระบบปัญญาประดิษฐ์ในการตรวจติดตามการเคลื่อนไหวของบุคคลสำหรับใช้ในการกำหนดตำแหน่งในระบบพิกัดของห้องภายในอาคาร โดยงานวิจัยนี้ได้มีการวิเคราะห์การเชื่อมโยงกล้องที่มีจำนวนมากกว่า 1 ตัว ผลการศึกษาได้แสดงให้เห็นถึงตำแหน่งของบุคคลที่ได้จากการประยุกต์ใช้ระบบปัญญาประดิษฐ์ในการตรวจติดตามการเคลื่อนไหวมาใช้ในการระบุตำแหน่งควบคู่กับการแปลงค่าพิกัดแบบสมการสมพรรค โดยมีประสิทธิภาพในการระบุตำแหน่งที่ความคลาดเคลื่อนไม่เกิน 0.5 เมตร ซึ่งเป็นระดับความคลาดเคลื่อนที่อยู่ในเกณฑ์ที่ยอมรับได้เนื่องจากมีขนาดน้อยกว่าเส้นผ่านศูนย์กลางของบุคคลทั่วไป และถึงแม้ว่าในปัจจุบันโรคโควิด-19 จะมีการบรรเทามาตรการรักษาระยะห่างระหว่างบุคลลงไป แต่ผลการศึกษาได้ชี้ให้เห็นว่า ในอนาคตหากมีการระบาดของโรคอื่น ๆ ที่ต้องมีการบังคับใช้มาตรการรักษาระยะห่างเช่นเดียวกันนี้ ผลการศึกษาจากการศึกษาวิจัยนี้ก็นับได้ว่าเป็นผลการศึกษาที่สามารถนำไปปรับใช้ได้เลยในทันที
Article Details

อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
บทความที่ได้รับการตีพิมพ์เป็นลิขสิทธิ์ของวารสารวิศวกรรมสารฉบับวิจัยและพัฒนา วิศวกรรมสถานแห่งประเทศไทย ในพระบรมราชูปถัมภ์
เอกสารอ้างอิง
World Health Organization. Epidemiological update: Coronavirus disease (COVID-19), 11 March 2021. Available form: https://reliefweb.int/report/costa-rica/epidemiological-update-coronavirus-disease-covid-19-11-march-2021 [Accessed 26 August 2023].
Nakhon Ratchasima Rajanagarindra Psychiatric Hospital. “Social distancing” what is it and how to apply, 19 August 2020. Available form: https://www.jvkorat.go.th/th/?p=2114 [Accessed 24 April 2021].
Centers for Disease Control and Prevention. COVID-19, 26 January 2021. Available form: https://www.cdc.gov/coronavirus/
-ncov/prevent-getting-sick/prevention.html [Accessed 08 July 2021].
Zhao, T. et al. Is one- or two-meters social distancing enough for COVID-19. Public health, 2020, 185: 87.
DOI: 10.1016/j.puhe.2020.06.005.
Ciric L. One metre or two? the science behind social distancing, 18 June 2020. Available from: https://theconversation.com/
one-metre-or-two-the-science-behind-social-distancing-139929 [Accessed 24 April 2021].
Yang, D. et al. A vision-based social distancing and critical density detection system for COVID-19.
Image and Video Processing Computer Vision and Pattern Recognition Sensors, 2021, 21(13): 4608. DOI: 10.3390/s21134608.
Thairath online. Timeline 31 Egyptian navy unit visits 2 malls in Rayong, 14 July 2020. Available from: https://www.thairath.co.th/news/politic/1888919 [Accessed 28 April 2021].
Shirsat, S. et al. Proposed system for criminal detection and recognition on CCTV data using cloud and machine learning. In: international conference on vision towards emerging trends in communication and networking (ViTECoN), Vellore, India, 30-31 March 2019.
Pi, Y. et al. Deep learning for visual analytics of the spread of COVID-19 infection in crowded urban environments. American Society of Civil Engineers (ASCE), 2021, 0000492: 1527-6996. DOI: 10.1061/(ASCE)NH.1527-6996.0000492.
Manoharan, J. S. Finding an optimal distance of social distancing for COVID 19, Journal of ISMAC, 2021, 3 (3), pp.206-220.
DOI: 10.36548/jismac.2021.3.003.
Redmon, J. YOLO: real-time object detection, n.d. Available from: https://pjreddie.com/darknet/yolo/ [Accessed 07 June 2023]
Bochkovskiy, A. YOLOv4 / scaled-YOLOv4 / YOLO - neural networks for object detection, 23 April 2020.
Available from: https://github.com/AlexeyAB/darknet [Accessed 07 June 2023].
Joscher, G. YOLOv5 in PyTorch, 26 June 2020. Available from: https://github.com/ultralytics/yolov5 [Accessed 07 June 2023]
Bochkovskiy, A. Darknet, 21 June 2017. Available from: https://github.com/pjreddie/darknet [Accessed 07 June 2023].
Kukil. Object detection using YOLOv5 OpenCV DNN in C++ and Python, 12 April 2022. Available from: https://learnopencv.com/
object-detection-using-yolov5-and-opencv-dnn-in-c-and-python/ [Accessed 17 August 2022].
Waisurasingha, C. Photogrammetry. SE-EDUCATION Public Company Limited: SE-EDUCATION, 2020.
Roboflow. Roboflow, 2020. Available from: https://roboflow.com/ [Accessed 10 December 2021].