点击上方蓝字 关注我们
吾征首创面向视频流监控微步态病原体感染早期风险筛查系统
近日，吾征智能技术（北京）有限公司团队自主研发的面向行为视频流监控的无接触微步态病原体感染早期风险筛查系统正式亮相。该系统以AI+生物计算技术为公共场所群体原体感染早期风险评估与筛查领域带来了突破性变革。
据了解，该系统是面向行为视频流监控的无接触病原体感染风险状态评估方案，主要是基于行为视频流的步态等运动行为通道，将急、慢性感染与炎症状态在运动系统的投影（迟缓、僵硬、失衡、疼痛避让、帕金森样等）转为可量化的时空、运动学、变异性与活动度指标，实现「病态步态与活动下降检出→病原体感染相关运动行为分型→病原体感染四类分级」的连续感知链路。
病原体感染早期全身炎症、肌痛、乏力、神经毒性会引发步态微小扰动，本系统利用无感视频监控捕捉该微步态变化，作为感染前置预警，引导进一步核酸/抗原、血常规等临床检验。
（图片由AI生成）
具体流程：视频流接入→多目标跟踪→姿态估计与时序滤波→有效步态片段截取→病原体感染相关微步态特征提取→病原体感染风险推理→隐私脱敏→病原体感染风险结果输出（包括细菌性感染、病毒性感染、非感染性炎症、其他（神经感染）。
（图片由AI生成）
目前，系统采用"系统总平台+单通道检测终端×通道数量"的弹性部署模式，可根据场景规模灵活扩展，所有通道数据统一汇总至总平台集中管理。系统适用于各类需要常态化、非接触式病原体感染风险筛查的公共场景。其推广应用将助力构建“早发现、早预警、早干预”的公共卫生防护体系，兼具广阔的市场空间与显著的社会价值。
一、现有感染筛查技术方式局限与缺陷
呼吸道、全身性病原体感染（病毒、部分细菌感染等）在发病早期，常伴随全身炎症反应、骨骼肌乏力、肌痛、前庭或外周神经轻微损伤，会引起行走节律、躯干稳定性、下肢发力模式的微小步态改变，该异常早于发烧、咳嗽等典型显性症状，属于亚临床阶段信号。
现有感染筛查技术方式主要分为：
1）采样式生化/核酸检测：
需要人工采样，耗材成本高、检测存在窗口期，不适合通道式大规模常态化普筛；无法做到无感、连续、实时预警；
2）红外测温筛查：
仅采集体表温度，大量早期感染者无发热症状，假阴性高；无法捕捉炎症带来的全身机能弱化信号；
3）传统视频步态分析：
多用于身份识别、跌倒检测、神经疾病筛查，只提取步速、步长等宏观步态参数，不挖掘感染亚临床阶段的微步态时序扰动特征；也未建立微步态特征集与全身感染炎症风险的映射关系。
现有感染筛查技术的缺陷：
✕核酸、抗原等检测需要接触采样，不适合在医院、口岸、园区通道做无感知、不间断的大规模初筛；
✕单纯红外测温仅依靠体温单一指标，对无发热早期感染检出能力不足；
✕常规步态分析仅关注宏观参数，无法识别感染早期亚临床状态下的毫秒级、小幅值微步态异常；
✕现有视频步态系统难以适配监控多路 RTSP 视频流、多人混行、远距离遮挡场景，多人步态序列容易相互串扰；
✕原始视频上传云端，人体影像带来隐私泄露风险，难以应用于公共通道感染常态化监测场景。
二、吾征黑科技解决的技术问题
病原体入侵人体诱发全身性炎症反应，促炎因子可造成骨骼肌收缩稳定性下降、本体感觉与运动调控通路轻微扰动，在发热、咳嗽等典型临床症状出现前的亚临床阶段，即可引起肉眼不可见的微步态扰动，表现为步周期波动增大、躯干微小晃动升高、重心轨迹抖动增加、下肢发力时序一致性降低。该类微步态节律稳定性下降特征，区别于神经退行性疾病、脑血管损伤带来的步态改变。
针对现有技术缺陷，吾征AI以此生理基础，构建感染相关微步态特征集，实现无感视频流感染风险前置筛查。
本系统所要解决的技术问题：
✓复用现有走廊/通道IPC监控视频流，在不接触、无需受试者主动配合的前提下，无感采集行人行走视频；
✓在非受控多人通行场景下稳定提取感染亚临床阶段对应的微步态时空特征；
✓自动筛选有效直行步态片段，抑制光照、遮挡、多人穿插带来的噪声；
✓建立微步态时序特征与全身性感染早期风险的映射模型，实现多路视频、多人并行边缘本地化感染风险前置筛查。
仅上传结构化步态特征与风险结果，原始视频本地处理，兼顾筛查灵敏度与隐私合规。
本技术专门针对炎症诱发的“步态稳定性下降、逐步随机微扰动”特征集，和现有神经疾病步态筛查目标、特征模式完全不同。
▍附：感染炎症微步态 VS 神经退行性疾病微步态
|
|
|
|
|---|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
三、具体筛查方法完整步骤
S1：
接入多路监控视频流，执行行人检测+跨帧多目标跟踪，分配唯一行人ID，持续跟踪行人运动轨迹；
S2：
对每个行人ID对应的视频帧序列，提取全身2D骨骼关键点，采用置信度驱动自适应时序滤波，抑制单帧姿态跳变噪声，保留炎症诱发的生理微步态波动，得到平滑连续骨骼时序序列；
S3：
有效步态片段自动截取：基于行人运动方向、躯干姿态、双脚触地时序、遮挡程度，滑动窗口判定并提取连续直行步态片段；过滤站立、转身、停顿、跑步、大面积遮挡等无效动作；
S4：
感染关联微步态多维特征提取，在有效步态窗口内计算微步态指标：
时间微特征：步周期逐拍变异系数、支撑相时长小幅波动、双足支撑时间不对称度、摆动相节律扰动；
空间微特征：躯干前后/左右微小晃动幅度、骨盆微幅摆动、下肢关节发力角度微小偏差、重心轨迹抖动方差；
稳定性微特征：步长微小变异、重心侧向偏移波动（感染引发乏力、肌痛、前庭轻微损伤，会提升上述指标）； 对特征做个体基线归一化，消除身高、基础步速、体型带来的基线干扰；
S5：
将微步态时序特征序列输入预训练时序深度学习模型（TCN+轻量 Transformer），输出全身性感染早期风险概率，同步输出各微步态特征贡献度；
S6：
按照概率划分风险等级：低风险、中风险、高风险；高风险生成预警提示，建议进行病原体专项检验；
S7：
隐私脱敏：原始视频图像不向外传输，剥离人脸信息，仅保留脱敏结构化步态指标、时间戳、行人ID、感染风险标签；边缘网关本地推理，原始视频可配置到期自动清除；
S8：
多路视频并行输出结果，监控画面叠加行人ID与风险标签；支持风险告警推送、批量筛查统计导出。
（图片由AI生成）
四、核心创新
复用现有通道监控RTSP视频流
在非受控公共走廊场景实现无感感染早期风险筛查，无需采样、无需接触、无需受试者配合，支持多人并行通行监测；
构建感染亚临床阶段专属微步态特征集
捕捉全身炎症、肌乏力引发的步态节律微小扰动，在发热等典型症状出现前实现早期风险预警；
设计监控场景有效直行步态片段自动截取机制
过滤转身、遮挡、停顿无效动作，消除非感染因素带来的步态干扰，降低筛查假阳性；
多目标跟踪+独立时序维护
多人混行时隔离不同行人步态时序，避免步态特征串扰；
边缘本地化推理架构
原始视频本地缓存并自动销毁，仅上传脱敏结构化指标，解决公共视频监测场景隐私泄露问题；
时序模型输出感染风险概率与特征贡献度
筛查结果具备可解释性，仅作为前置预警，不替代病原体确诊检验。
五、有益效果
✓ 非接触无感筛查：
行人正常通行即可完成风险初筛，无需人工采样，大幅降低大规模人群普筛人力与耗材成本；
✓ 检出窗口前置：
捕捉感染亚临床阶段微步态异常，弥补测温、核酸检测的不足，对无发热早期感染提供补充预警信号；
✓ 兼容现有监控硬件：
复用医院、口岸、园区、社区已有IPC 摄像头，硬件改造量小，支持多路视频并发监测；
✓ 多人混行鲁棒性强：
自动分离多人步态时序，自动剔除无效步态片段，适配通道随机通行场景；
✓ 隐私安全可控：
边缘本地计算，原始视频可定时清除，不存储人脸图像，满足公共区域人体监测的数据合规要求；
✓ 可解释风险输出：
输出量化微步态指标与风险概率，方便工作人员结合其他临床指标综合判断，不直接判定病原体感染。
想要了解更多解决方案?👇
欢迎联系我们的专业团队，为您提供定制化服务
联系我们
- 客服微信 -
长按扫码添加专属顾问
400-852-9882
工作日8:30-17:30
END
往期精选
全球首个rPPG近红外全量生化检测基座模型：打造中国式非接触无创主动健康监测范式
全球首个rPPG中医量化辨证基座模型大规模应用，推动中医辨证从经验驱动转为数据驱动
吾征推出全球首个中医量化辨证模型
吾征推出全球首个心理与精神障碍性疾病AI检测基座大模型
从“经验驱动”到“数据驱动” 吾征AI打造全球首个中医量化平台
