当前在控制和阻断错综复杂的病毒传播链上，大数据、AI等技术手段发挥着重要作用。疫情防控不止要对人的行为轨迹进行分析，更要对过往案例数据加以研究以掌握变异毒株的传播习性，从而更好地确定隔离人群范围。机器学习可以在一定程度上对新冠疫情确诊人数等参考数据进行训练分析，来预测疫情的拐点和规模，为疫情防控提供重要的依据。除了对确诊人数等数据的预测，机器学习还可以在医疗诊断上为医生进行初步疾病鉴别和筛选，节约医疗卫生资源。除此之外，在对病情的预测评估、对疫情传播地区的人流预测和管控等方面都可以得到运用。

南京疫情日新增病例统计与发展趋势预测

疫情期间，大家经常会面临通过人脸识别的闸机必须取下口罩的苦恼，麻烦的同时也造成疫情传播的隐患。如今更为智能的通行管理系统中，即使戴着口罩，人脸识别系统依然能够高效运行。

人脸识别工作流程

如何实现在戴口罩的情况下进行人脸检测、特征抽取和比对，实现身份验证呢？其原理是利用人脸识别模型算法，先对人脸进行口罩遮挡判断，然后对遮挡区域进行信息提取。在原有人脸识别算法模型上进行了针对性升级，提升人脸可见区域权重，在局部特征增强方面设计了相应策略，如加强了对眼睛、眉毛等重点区域的识别。

如今在部分场景下通过人脸识别算法上的调整与升级，能够使系统在识别口罩的情况下，只对眼睛、耳朵等局部特征进行人脸比对，虽然这种算法一定程度上会造成识别精度的下降，但却大大提高了疫情期间的出行效率。在特定的场景如公司门禁、小区门禁，对于误识率要求不高，可以通过降低阈值，利用边缘端的计算设备，实现快速通过。边缘计算的使用，即强化摄像头终端的运算处理能力，可让其所搭载的人脸识别功能不再依赖云端服务器，避免耗费时间上传图像，节省了大量带宽资源，同时有效节约成本。

科学抗疫的背后离不开强大的计算能力。面对突如其来的疫情，我们应该坚定信念：随着技术的手段越来越先进，数字化转型越来越深入，大数据、人工智能、云计算为代表的新基建已经渗入生活的方方面面，在公共医疗健康领域大放异彩。在数字化以及新基建的加持下，我们一定能够赢得这场战疫的胜利！

坤前服务器解决方案