YOLO（You Only Look Once）作为一种先进的实时物体检测算法，在全球范围内因其高效的实时性能和较高的检测精度受到广泛关注。近年来，随着新冠疫情对社交距离管控的重要性日益凸显，研究人员开始将YOLO算法应用于社交距离检测，以实现公共场所人员间距的智能化监控。

YOLO社交距离检测系统的核心原理是通过训练过的YOLO模型，如YOLOv3、YOLOv4或YOLOv5，对视频流或图像序列进行实时处理。首先，YOLO模型能够准确地检测出画面中的人脸或整个人体，并将其定位在图像中的精确位置，即确定每个人体对象的边界框（bounding box）。

接着，系统依据每个检测到的人体对象的边界框中心坐标，计算两个相邻个体间的像素距离。考虑到图像空间与实际物理空间的比例关系，可以转换这些像素距离为实际距离，如厘米或米。为了更精准地反映社交距离，系统通常还会结合相机参数（如焦距、成像比例等）来进行距离校正。

在实际应用中，YOLO社交距离检测系统不仅能检测并标示出画面中个体间的距离是否符合社交距离的规定，而且能够通过视觉反馈（如颜色编码、警告标识等）实时提醒用户或管理人员注意过近的接触行为。部分高级系统还能实现连续追踪并统计同一区域内长时间内人们的聚集密度和社交距离违规次数。

此外，部分项目还结合了行人跟踪技术和深度学习的距离预测模型，进一步提高了对动态场景中人群流动状态的分析能力和预警效果，有助于在商场、学校、公共交通场所等多种场合有效落实防疫措施。

总结起来，基于YOLO的社交距离检测系统巧妙地融合了深度学习、计算机视觉和图像处理技术，不仅有力支持了公共卫生政策的实施，还在一定程度上促进了智能城市和公共安全管理的现代化进程。

yolov5检测要检测的视频流中的所有人，然后再计算所有检测到的人之间的相互“距离”，和现实生活中用“m”这样的单位衡量距离不一样的是，在计算机中，简单的方法是用检测到的两个人的质心，也就是检测到的目标框的中心之间相隔的像素值作为计算机中的“距离”来衡量视频中的人之间的距离是否超过安全距离。

构建步骤：

• 使用目标检测算法检测视频流中的所有人，得到位置信息和质心位置；

• 计算所有检测到的人质心之间的相互距离；

• 设置安全距离，计算每个人之间的距离对，检测两个人之间的距离是否小于N个像素，小于则处于安全距离，反之则不处于。

 项目架构：