看图片就知道什么精度，权当熟悉社交距离检测基本思路，后期可以使用任意高效精确的（yolov4,v5等）人检测模型替换。
思路说明:
1.使用MobileNet-SSD检测人物
2.首先计算出焦距，使用三角形相似度，让我们设定一个人与相机距离为D（厘米），人平均身高H设定为170厘米。我们可以使用边界框坐标统计人的像素高度P。使用这些值，可以使用以下公式计算相机的焦距
（设物体到光心的距离为P，则虚像到光心的距离可用F表示出来，由两个像的高度(P,H)比等于他们到光心的距离比 F/P=D/H）
焦距计算:F = (P x D) / H
3.在计算出相机的焦距之后，我们可以使用人的实际身高H，人的像素高度P和相机F的焦距来计算人与相机的距离D' (感觉并不精确，转换成俯瞰图 应该相对更好一些，待研究)
人与相机距离计算公式：D' = (H x F) / P
4.现在我们可以计算摄像机中人物的深度，接下来我们可以继续计算视频中两个人之间的距离。视频中可能检测到n个人。因此，欧氏距离是在所有检测到的人的边界框的中点之间计算的。通过这样做，我们得到了x和y值。使用公式2将这些像素值转换为厘米。
5.我们拥有每个人的x，y和z（人与相机的距离）坐标，以cm为单位。使用（x，y，z）坐标计算每个检测到的人之间的欧几里得距离。并对每个人进行连线，如果两个人之间的距离小于200厘米，则会在他们周围显示一个红色的边框，表明他们没有保持社交距离。
基本思路以上，下面是代码配置展示相关
1.参考代码下载，改修
git clone
2.环境配置
python=3.7
下面这两个包要指定版本搭配安装 ，其他包正常安装即可
opencv_python=4.2.0.32
numpy=1.16.2
3.确认模型路径，设定人检测置信度，本模型效果较差，阈值设定较低
2.人物之间追加连线代码
4.运行模型并展示
打开终端:
python social_distance_detection.py --prototxt SSD_MobileNet_prototxt.txt --model SSD_MobileNet.caffemodel --labels class_labels.txt -v pedestrians.mp4
俯瞰图(鸟瞰图)：
焦距:
