CN110398291B - 一种运动目标最高温检测方法及系统 - Google Patents

一种运动目标最高温检测方法及系统 Download PDF

Info

Publication number
CN110398291B
CN110398291B CN201910677791.4A CN201910677791A CN110398291B CN 110398291 B CN110398291 B CN 110398291B CN 201910677791 A CN201910677791 A CN 201910677791A CN 110398291 B CN110398291 B CN 110398291B
Authority
CN
China
Prior art keywords
temperature
head
frame images
image
frame
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910677791.4A
Other languages
English (en)
Other versions
CN110398291A (zh
Inventor
刘刚
马丽
张旭东
邢子正
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Agricultural University
Original Assignee
China Agricultural University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Agricultural University filed Critical China Agricultural University
Priority to CN201910677791.4A priority Critical patent/CN110398291B/zh
Publication of CN110398291A publication Critical patent/CN110398291A/zh
Application granted granted Critical
Publication of CN110398291B publication Critical patent/CN110398291B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
    • G01J5/48—Thermography; Techniques using wholly visual means
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
    • G01K13/00—Thermometers specially adapted for specific purposes
    • G01K13/04—Thermometers specially adapted for specific purposes for measuring temperature of moving solid bodies
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10048—Infrared image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07—Target detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Human Computer Interaction (AREA)
  • Radiation Pyrometers (AREA)

Abstract

本发明实施例提供一种运动目标最高温检测方法及系统，包括：获取运动目标的热红外视频，对任一帧图像进行分割，获取若干连通域，若任一图像的头部最高温所在的连通域面积最大，将任一帧图像作为有效帧图像；获取每一有效帧图像的若干温度特征参数，并获取每一温度特征参数的直方图，将每一直方图最大值对应的帧作为较优帧图像；获取在所有较优帧图像中每一较优帧图像重复出现的次数，将重复出现次数最大的前6帧图像作为备选最优帧图像；从所有备选最优帧图像中选取出3幅图像作为最优帧图像，并根据3幅最优帧图像获取所述运动目标的最高温度。本发明实现运动目标的热红外温度自动检测，且不需要人工干预，不受人为因素的影响。

Description

一种运动目标最高温检测方法及系统
技术领域
本发明涉及计算机技术领域，尤其涉及一种运动目标最高温检测方法及系统。
背景技术
温度是常见的检测物理量，常见的表面温度检测方法有红外热像仪、接触式热电偶、体表温度计和接触式芯片四种。其中后三种方式获取的是一个点的温度，容易产生测量误差，仅适用于少量样本的短期检测。红外热像仪测温具有非入侵、呈现温度分布的优点，可以获取感兴趣区域的温度分布，获取更多的温度信息，并且可以实现在线测温。采用热像仪进行在线温度监测，在工业科研领域有广泛的应用需求。
为了实现热红外技术的在线温度监测，常见方法有人机交互法和自动检测法。
传统的测温方式是人机交互法，人机交互法是采用热像仪厂家提供的软件处理热红外数据，需要熟练的技术人员手动圈定感兴趣区域(Region of Interest，简称ROI)，并设置发射率、温湿度等参数，记录温度。这种方法存在工作量大、ROI绘制不准确等问题。厂家提供的软件的功能有限，限制了热红外技术的应用。人机交互法适用于感兴趣区域位置固定且检测温度精度要求不高的情况。
在感兴趣区域检测方面，运动目标的热红外测温的困难在于感兴趣区域会随着目标的运动而发生位移和形变。这会造成热红外探测器接收不同的热辐射值，所以获取的热红外温度呈现波动性变化。
传统方法对运动目标难以定位，主要依赖人工筛选最佳姿态帧，手动圈定感兴趣区域获得测温结果，这种方法劳动量大且受人为因素影响，不能实现长期的自动化监测。
发明内容
针对上述问题，本发明实施例提供一种运动目标最高温检测方法及系统。
第一方面，本发明实施例提供一种运动目标最高温检测方法，包括：
获取运动目标的热红外视频，对于所述热红外视频中的任一帧图像，对所述任一帧图像进行分割，获取若干连通域，若所述任一图像的头部最高温所在的连通域面积最大，将所述任一帧图像作为有效帧图像；
若所有有效帧图像的个数大于预设阈值，获取每一有效帧图像的若干温度特征参数，并获取每一温度特征参数的直方图，将每一直方图最大值对应的帧作为较优帧图像，所述若干温度特征参数为头部最高温度、ROI头部最大温度、ROI躯干最大温度、头部阈值温度、躯干阈值温度和头身温差中的一种或多种，对于任一有效帧图像，所述任一有效帧图像被分为头部检测区域和躯干检测区域，所述头部最高温度表示所述任一有效帧图像中的最高温度，所述ROI头部最大温度表示ROI头部区域内温度最大值为中心N*N邻域的平均值，ROI头部区域表示所述头部检测区域中温度大于第一预设温度的所有连通域中、面积最大的三个连通域并集，所述ROI躯干最大温度表示ROI躯干区域内温度最大值为中心的M*M邻域的平均值，ROI躯干区域表示所述躯干检测区域中温度大于第二预设温度的所有连通域中、面积最大的三个连通域并集，所述头部阈值温度表示所述头部检测区域中温度大于所述第一预设温度的像素点的平均温度值，所述躯干阈值温度表示所述躯干检测区域中温度大于所述第二预设温度的像素点的平均温度值，所述头身温差表示所述ROI头部最大温度和所述ROI躯干最大温度之差；
获取在所有较优帧图像中每一较优帧图像重复出现的次数，将重复出现次数最大的前6帧图像作为备选最优帧图像；
从所有备选最优帧图像中选取出3幅图像作为最优帧图像，并根据3幅最优帧图像获取所述运动目标的最高温度。
优选地，若所有有效帧图像的个数不大于所述预设阈值，获取所有次有效帧图像，对于任一次有效帧图像，所述任一次有效帧图像的头部最高温所在的连通域面积第二大，若所有次有效帧图像的个数与所有有效帧图像的个数之和大于所述预设阈值，将所有次有效帧图像作为所述有效帧图像。
优选地，若所有次有效帧图像的个数与所有有效帧图像的个数之和不大于所述预设阈值，获取所有备选有效帧图像，对于任一备选有效帧图像，所述任一备选有效帧图像的头部最高温所在的连通域面积第三大，若所有备选有效帧图像的个数、所有次有效帧图像的个数与所有有效帧图像的个数之和大于所述预设阈值，将所有备选有效帧图像和所有次有效帧图像作为所述有效帧图像。
优选地，若所有备选有效帧图像的个数、所有次有效帧图像的个数与所有有效帧图像的个数之和不大于所述预设阈值，将所述热红外视频中每一帧图像都作为所述有效帧图像。
优选地，所述对所述热红外视频中的每一帧图像进行分割，之前包括：
获取所述热红外视频的系统误差；
根据所述系统误差，对所述热红外视频中的每一帧图像进行温度校正。
优选地，所述从所有备选最优帧图像中选取出3幅图像作为最优帧图像，并根据3幅最优帧图像获取所述运动目标的最高温度，具体包括：
将所有备选最优帧图像中的第一帧图像作为第一最优帧图像；
获取其它备选最优帧图像的ROI头部最大温度与所述第一最优帧图像的ROI头部最大温度之差最小的两帧备选最优图像；
将3幅最优帧图像的ROI头部最大温度的平均值作为所述运动目标的最高温度。
优选地，所述任一图像的头部最高温所在的连通域通过如下方式获得：
对所述任一图像进行分割，获取多个连通域；
获取每一头部感兴趣连通域的质心坐标及面积；
将多个连通域按照面积由大到小排序并赋予编号；
获取所述任一图像的头部最高温度所在位置与每一连通域质心坐标之间的距离，将距离最小的连通域作为所述任一图像的头部最高温度所在的连通域。
第二方面，本发明实施例提供一种运动目标最高温检测系统，包括：
有效帧模块，用于获取运动目标的热红外视频，对于所述热红外视频中的任一帧图像，对所述任一帧图像进行分割，获取若干连通域，若所述任一图像的头部最高温所在的连通域面积最大，将所述任一帧图像作为有效帧图像；
较优帧模块，用于若所有有效帧图像的个数大于预设阈值，获取每一有效帧图像的若干温度特征参数，并获取每一温度特征参数的直方图，将每一直方图最大值对应的帧作为较优帧图像，所述若干温度特征参数为头部最高温度、ROI头部最大温度、ROI躯干最大温度、头部阈值温度、躯干阈值温度和头身温差中的一种或多种，对于任一有效帧图像，所述任一有效帧图像被分为头部检测区域和躯干检测区域，所述头部最高温度表示所述任一有效帧图像中的最高温度，所述ROI头部最大温度表示ROI头部区域内温度最大值为中心N*N邻域的平均值，ROI头部区域表示所述头部检测区域中温度大于第一预设温度的所有连通域中、面积最大的三个连通域并集，所述ROI躯干最大温度表示ROI躯干区域内温度最大值为中心的M*M邻域的平均值，ROI躯干区域表示所述躯干检测区域中温度大于第二预设温度的所有连通域中、面积最大的三个连通域并集，所述头部阈值温度表示所述头部检测区域中温度大于所述第一预设温度的像素点的平均温度值，所述躯干阈值温度表示所述躯干检测区域中温度大于所述第二预设温度的像素点的平均温度值，所述头身温差表示所述ROI头部最大温度和所述ROI躯干最大温度之差；
最优帧模块，用于获取在所有较优帧图像中每一较优帧图像重复出现的次数，将重复出现次数最大的前6帧图像作为备选最优帧图像；
计算模块，用于从所有备选最优帧图像中选取出3幅图像作为最优帧图像，并根据3幅最优帧图像获取所述运动目标的最高温度。
第三方面，本发明实施例提供一种电子设备，包括：
至少一个处理器、至少一个存储器、通信接口和总线；其中，
所述处理器、存储器、通信接口通过所述总线完成相互间的通信；
所述通信接口用于该测试设备与显示装置的通信设备之间的信息传输；
所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行第一方面提供的一种运动目标最高温检测方法。
第四方面，本发明实施例提供一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行第一方面提供的一种运动目标最高温检测方法。
本发明实施例提供的一种运动目标最高温检测方法及系统，采用最优帧筛选法检测出热红外视频中的最佳温度及其对应的最优帧，实现运动目标的热红外温度自动检测，且不需要人工干预，不受人为因素的影响。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种运动目标最高温检测方法的流程图；
图2为本发明实施例中采集热红外视频的平台；
图3为本发明实施例中生猪的整体骨架示意图；
图4为本发明实施例中头部检测过程和躯干检测过程的示意图；
图5为本发明实施例中确定的头部跟踪框和躯干跟踪框示意图；
图6为本发明实施例提供的一种运动目标最高温检测系统的结构示意图；
图7为本发明实施例提供的一种电子设备的实体结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在温度提取方法方面，传统的测温方法是提取图像感兴趣区域的最大值、最小值或平均值，对感兴趣区域进行多次测量，用多次测量的最大值、均值或中位数作为测温结果。这么做的原因是设备配套的软件只提供了最大值、最小值或平均值三种测温方式，用户无能进行其他方式的选择，只能通过多次测量消除误差。但是在测温应用中，常常需要求感兴趣区域中的多个热点的温度，因此需要研究更加灵活的温度计算方法，来满足生产和科研领域的需求。
因此，传统方法的主要问题是工作量大且精度低。
图1为本发明实施例提供的一种运动目标最高温检测方法的流程图，如图1所示，该方法包括：
S1，获取运动目标的热红外视频，对于所述热红外视频中的任一帧图像，对所述任一帧图像进行分割，获取若干连通域，若所述任一图像的头部最高温所在的连通域面积最大，将所述任一帧图像作为有效帧图像；
S2，若所有有效帧图像的个数大于预设阈值，获取每一有效帧图像的若干温度特征参数，并获取每一温度特征参数的直方图，将每一直方图最大值对应的帧作为较优帧图像，所述若干温度特征参数为头部最高温度、ROI头部最大温度、ROI躯干最大温度、头部阈值温度、躯干阈值温度和头身温差中的一种或多种，对于任一有效帧图像，所述任一有效帧图像被分为头部检测区域和躯干检测区域，所述头部最高温度表示所述任一有效帧图像中的最高温度，所述ROI头部最大温度表示ROI头部区域内温度最大值为中心N*N邻域的平均值，ROI头部区域表示所述头部检测区域中温度大于第一预设温度的所有连通域中、面积最大的三个连通域并集，所述ROI躯干最大温度表示ROI躯干区域内温度最大值为中心的M*M邻域的平均值，ROI躯干区域表示所述躯干检测区域中温度大于第二预设温度的所有连通域中、面积最大的三个连通域并集，所述头部阈值温度表示所述头部检测区域中温度大于所述第一预设温度的像素点的平均温度值，所述躯干阈值温度表示所述躯干检测区域中温度大于所述第二预设温度的像素点的平均温度值，所述头身温差表示所述ROI头部最大温度和所述ROI躯干最大温度之差；
S3，获取在所有较优帧图像中每一较优帧图像重复出现的次数，将重复出现次数最大的前6帧图像作为备选最优帧图像；
S4，从所有备选最优帧图像中选取出3幅图像作为最优帧图像，并根据3幅最优帧图像获取所述运动目标的最高温度。
本发明适用于猪、牛、羊等动物的头部体表温度检测，在本发明实施例中，以测量运动生猪的最高温度为例进行说明，但不限于此。
首先采集生猪运动的热红外视频，图2为本发明实施例中采集热红外视频的平台，如图2所示，1表示检测通道，2表示热像仪，3为便携式笔记本电脑，4为黑体炉，热像仪垂直摆放在检测通道中线上方，使热像仪镜头垂直向下。当有生猪通过检测通道时，录制检测通道内生猪通过的俯视热红外视频，存入便携式笔记本电脑硬盘用于后续温度提取。
从便携式笔记本电脑中获取生猪运动的热红外视频，对该热红外视频中的每一帧图像都进行图像分割，对于任意一帧图像，对该帧图像进行图像分割后，可以获得多个连通域。
对于生猪的最高温度来说，生猪的最高温度一般出现在头部耳根下方，因此本发明实施例用采用头部最高温来代表生猪的最高温度。
对多个连通域按照面积大小进行排序，如果检测出头部最高温所在连通域的面积最大，说明该帧图像为有效帧图像，按照这种检测方式，对热红外视频中的每一帧图像都进行检测，获取所有有效帧图像。
具体地，判断头部最高温度所在的连通域，可以通过如下方式获得：
对所述任一图像进行分割，获取多个连通域；
获取每一头部感兴趣连通域的质心坐标及面积；
将多个连通域按照面积由大到小排序并赋予编号；
获取所述任一图像的头部最高温度所在位置与每一连通域质心坐标之间的距离，将距离最小的连通域作为所述任一图像的头部最高温度所在的连通域。
首先该图像为彩色图像，将该图像转化为HSV颜色空间，取S通道，根据阈值T1＝37℃进行图像分割，二值化、形态学去除小连通区域，获得头部感兴趣区域的连通域，对连通域按照面积降序排序，并求取每个连通域的质心坐标，计算该图像中头部最高温度所在位置与每个连通域质心坐标之间的距离，将距离最小的连通域作为该图像头部最高温度所在的连通域。
如果检测出的有效帧图像的个数大于预设阈值，本发明实施例中，预设阈值的取值为15，如果有效帧图像的个数大于15，说明检测出的有效帧图像的个数足够多，可以作为后续较优帧图像和最优帧图像的选取范围。
为了从所有的有效帧图像中筛选出较优帧图像，本发明实施例中，以若干个温度特征参数为参考标准，从有效帧图像中筛选出较优帧图像。
具体地，本发明实施例中以六个温度特征参数为筛选标准，这六个参数分别为：头部最高温度、ROI头部最大温度、ROI躯干最大温度、头部阈值温度、躯干阈值温度和头身温差。
以任意一个有效帧图像为例进行说明，该有效帧图像被划分为头部检测区域和躯干检测区域，头部检测区域包含所有的头部骨架，躯干检测区域包括所有的躯干骨架，头部最高温度表示该有效帧图像中生猪的最高温度。
在头部检测区域中选择出ROI头部区域，ROI头部最大温度表示ROI头部区域内、以该区域中的温度最大值为中心、N*N邻域内温度的平均值，本发明实施例中，N的取值为3，ROI头部区域的选取规则为：头部检测区域中，温度大于第一预设温度的所有连通域中、面积最大的三个连通域的并集，本发明实施例中，第一预设温度的取值为37℃，也就是说，ROI头部区域为头部检测区域中，温度大于37℃的所有连通域中，面积排前三的连通域的并集。
同样地，ROI躯干最大温度表示ROI躯干区域内温度最大值为中心的M*M邻域的平均值，本发明实施例中，M的取值也为3，ROI躯干区域的选取规则为：躯干检测区域中温度大于第二预设温度的所有连通域中、面积最大的三个连通域并集，第二预设温度的取值为36℃。
头部阈值温度表示头部检测区域中温度大于所述第一预设温度的像素点的平均温度值，也就是头部检测区域中，所有大于37℃像素点温度的平均取值，躯干阈值温度表示躯干检测区域中温度大于所述第二预设温度的像素点的平均温度值，也就是躯干检测区域中，所有大于36℃像素点温度的平均取值。
头身温差表示ROI头部最大温度和ROI躯干最大温度之差。
根据这六个温度特征参数，获取每个温度特征参数对应的直方图，每个温度特征参数直方图的最大值会对应一系列的有效帧图像，将每个温度特征参数直方图的最大值对应的有效帧图像作为优选帧图像，所谓的优选帧图像，表示这些图像在头部温度最大值、ROI头部最大温度、ROI躯干最大温度、头部阈值温度、躯干阈值温度和头身温差这六个方面都具有较优的表现，所以将这些图像作为较优帧图像。
每个温度特征参数直方图的最大值可能对应一个较优帧图像或者多个较优帧图像，因此，对于某一较优帧图像来说，该较优帧图像可能会重复出现。因此，在所有的较优帧图像中，筛选出每个不同较优帧图像重复出现的次数，并将重复出现次数位于前6位的图像作为备选最优帧图像。
最后，从所有的备选最优帧图像中选取出3幅图像作为最优帧图像，基于选取出来的3幅最优帧图像获取生猪的最高温度。
本发明实施例提供一种运动目标最高温检测方法，采用最优帧筛选法检测出热红外视频中的最佳温度及其对应的最优帧，实现运动目标的热红外温度自动检测，且不需要人工干预，不受人为因素的影响。克服了现有运动目标热红外测温中感兴趣区域难以定位、温度提取方式单一的问题。
具体地，以任一有效帧图像为例，该有效帧图像的头部检测区域和躯干检测区域通过下面的方法获得：
首先去除该有效帧图像中左右两侧的背景图像，仅仅保留生猪通道图像，对生猪通道图像进行腐蚀操作，使得生猪身体边缘平滑，然后提取生猪区域的骨架，剔除骨架毛刺，得到精简的生猪整体骨架，图3为本发明实施例中生猪的整体骨架示意图，如图3所示。
获取生猪的整体骨架后，需要设计合理的扫描策略，首先进行头部目标检测，然后根据头部与躯干的空间关系，检测躯干位置，检测步骤如下：
(a)、设置头部跟踪框尺寸，根据图像尺寸设定头部骨架的平移宽度参数W1和平移高度参数H1，也就是头部跟踪框的尺寸。
(b)、扫描检测头部跟踪框的关键点
图4为本发明实施例中头部检测过程和躯干检测过程的示意图，如图4所示，按照图4中①和②所示方向从图像右下角开始，从右向左、从下到上逐行扫描，直到检测到骨架二值图中的第1个非零点，即为头部骨架最前点P(xP,yP)。然后在通道图像上按照图4中③和④所示方向从图像左上角开始，从左向右、从上到下逐列扫描，直到检测到的整个身体骨架最左端Q(xQ,yQ)。
(c)、检测头部跟踪框的关键点A(xA,yA)。由图4可见，头部骨架并不能覆盖整个头部区域，因此，需要添加调节因子W2和H2，使得跟踪框覆盖整个左右耳根部和大部分头部。
为了求得头部跟踪框的准确位置，其左上角A的坐标A(xA,yA)及跟踪框的高度H和宽度W为：
xA＝xP-H1，
yA＝yQ-W1，
H＝H1+H2，
W＝W1+W2，
(d)、设置躯干跟踪框的尺寸，为获取躯干全部区域，设置躯干跟踪框的高度为头部跟踪框A点到通道入口边界的距离，宽度为头部跟踪框的宽度的λ倍。
(e)、确定躯干跟踪框的关键点E(xE,yE)坐标。图5为本发明实施例中确定的头部跟踪框和躯干跟踪框示意图，在图5中，将头部跟踪框坐标A分别减去的躯干跟踪框的高度和宽度，并适当调整身体跟踪框的尺寸，可获得躯干跟踪框的左上角E(xE,yE)及躯干跟踪框尺寸。
在上述实施例的基础上，优选地，若所有有效帧图像的个数不大于所述预设阈值，获取所有次有效帧图像，对于任一次有效帧图像，所述任一次有效帧图像的头部最高温所在的连通域面积第二大，若所有次有效帧图像的个数与所有有效帧图像的个数之和大于所述预设阈值，将所有次有效帧图像作为所述有效帧图像。
在上述实施例的基础上，优选地，若所有有效帧图像的个数不大于所述预设阈值，获取所有次有效帧图像，对于任一次有效帧图像，所述任一次有效帧图像的头部最高温所在的连通域面积第二大，若所有次有效帧图像的个数与所有有效帧图像的个数之和大于所述预设阈值，将所有次有效帧图像作为所述有效帧图像。
具体地，如果所有有效帧图像的个数小于或等于15，说明有效帧图像的个数不够，将头部最高温度在面积第二大连通域的图像作为次有效帧图像，然后将有效帧图像的个数与次有效帧图像的个数之和与15进行比较，如果大于15，将次有效帧图像也作为有效帧图像，以此来扩大有效帧图像的个数。
在上述实施例的基础上，优选地，若所有次有效帧图像的个数与所有有效帧图像的个数之和不大于所述预设阈值，获取所有备选有效帧图像，对于任一备选有效帧图像，所述任一备选有效帧图像的头部最高温所在的连通域面积第三大，若所有备选有效帧图像的个数、所有次有效帧图像的个数与所有有效帧图像的个数之和大于所述预设阈值，将所有备选有效帧图像和所有次有效帧图像作为所述有效帧图像。
如果次有效帧图像的个数和有效帧图像的个数之和小于15，将头部最高温度所在连通域面积第三大的帧对应的图像作为备选有效帧图像，如果所有备选有效帧图像个数、所有次有效帧图像的个数和所有有效帧图像的个数之和大于15，将所有备选有效帧图像和所有次有效帧图像作为有效帧图像。
在上述实施例的基础上，优选地，若所有备选有效帧图像的个数、所有次有效帧图像的个数与所有有效帧图像的个数之和不大于所述预设阈值，将所述热红外视频中每一帧图像都作为所述有效帧图像。
如果所有备选有效帧图像个数、所有次有效帧图像的个数和所有有效帧图像的个数之和小于或等于15，将该热红外视频中的每帧图像都作为有效帧图像。
在上述实施例的基础上，优选地，所述对所述热红外视频中的每一帧图像进行分割，之前包括：
获取所述热红外视频的系统误差；
根据所述系统误差，对所述热红外视频中的每一帧图像进行温度校正。
具体地，本发明实施例在对热红外视频中的每帧图像进行温度校正时，首先读取热红外视频中的第一帧图像，检测第一帧图像中的圆形黑体腔，黑体腔的有效区域为以黑体腔圆心为圆心、黑体腔半径的2/3为半径的圆形区域。以有效区域的平均温度作为热像仪测量的黑体腔温度Li，热像仪的系统误差ε为：
ε＝Li-L0，
其中，i＝1,2,...,n，n为热红外视频的总帧数，设置黑体炉的发热值为36.5℃，即L0＝36.5℃。
热红外视频中每帧图像校正之后的温度值T0为：
T0＝Ti-ε。
在上述实施例的基础上，优选地，从所有备选最优帧图像中选取出3幅图像作为最优帧图像，并根据3幅最优帧图像获取所述运动目标的最高温度，具体包括：
将所有备选最优帧图像中的第一帧图像作为第一最优帧图像；
获取其它备选最优帧图像的ROI头部最大温度与所述第一最优帧图像的ROI头部最大温度之差最小的两帧备选最优图像；
将所述三帧备选最优图像的ROI头部最大温度的平均值作为所述运动目标的最高温度。
具体地，本发明实施例首先从备选最优帧图像中选取三帧图像作为生猪的最优帧图像，为了避免选取出来的三帧最优帧图像温度相差太多，在6幅备选最优帧图像中，以第一幅备选最优帧图像为参考标准，将每帧图像的ROI头部最大温度与第一幅备选最优帧图像的ROI头部最大温度进行做差比较，选取出差值最小的两个备选最优帧图像，将这两个备选最优帧图像和第一幅备选最优帧图像作为生猪温度检测的3幅最优帧图像，并将这3幅最优帧图像的头部最高温度的平均值作为该生猪的最高温度。
本发明根据运动目标(生猪)骨架特点，提出了一种基于骨架提取关键点的自动检测感兴趣区域(生猪头部和躯干)方法，避免了传统人机交互检测头部区域，实现了自动检测，本发明的主要优点如下：
1、提出的最优帧筛选法实现了生猪耳根温度的自动提取，克服了人工选择最优帧图像的劳动。
2、提出一种通过头部最高温度所在连通域定位有效连通域的有效帧的检测方法，可有效筛选出90％的人工观察的有效帧，去除60％的人工观察的无效帧。
3、提出的由有效帧图像、较优帧图像到最优帧图像的温度检测方法，能够筛选出温度最大值在耳根且数据离散性小的帧，与人工观察有效帧图像对比，精确率达96％。
4、本发明与热像仪配套的软件FLIR tools手工提取的耳根温度进行对比分析，对51只生猪运动文件进行测试的结果表明，94％的最高温与FLIR tools手工检测结果的误差在0.2℃以内。本文方法选用的ROI头部最大温度作为最高温度，其结果的波动性最小，仅为FLIR tools+手工提取的20％。
5、本发明采用了黑体炉校正测温误差的方法，使测温测量精度达到±0.3℃。避免了部分环境参数对测温结果的影响。
6、本发明可用于体表温度与直肠温度的相关性研究和生猪体表温度分布变化等相关研究。
图6为本发明实施例提供的一种运动目标最高温检测系统的结构示意图，如图6所示，该系统包括：有效帧模块601、较优帧模块602、最优帧模块603和计算模块604，其中：
有效帧模块601用于获取运动目标的热红外视频，对所述热红外视频中的每一帧图像进行分割，对于任一帧图像，对所述任一帧图像进行分割，获取若干连通域，若所述任一图像的头部最高温所在的连通域面积最大，将所述任一帧图像作为有效帧图像；
较优帧模块602用于若所有有效帧图像的个数大于预设阈值，获取每一有效帧图像的若干温度特征参数，并获取每一温度特征参数的直方图，将每一直方图最大值对应的帧作为较优帧图像，所述若干温度特征参数为头部最高温度、ROI头部最大温度、ROI躯干最大温度、头部阈值温度、躯干阈值温度和头身温差中的一种或多种，对于任一有效帧图像，所述任一有效帧图像被分为头部检测区域和躯干检测区域，所述头部最高温度表示所述任一有效帧图像中的最高温度，所述ROI头部最大温度表示ROI头部区域内温度最大值为中心N*N邻域的平均值，ROI头部区域表示所述头部检测区域中温度大于第一预设温度的所有连通域中、面积最大的三个连通域并集，所述ROI躯干最大温度表示ROI躯干区域内温度最大值为中心的M*M邻域的平均值，ROI躯干区域表示所述躯干检测区域中温度大于第二预设温度的所有连通域中、面积最大的三个连通域并集，所述头部阈值温度表示所述头部检测区域中温度大于所述第一预设温度的像素点的平均温度值，所述躯干阈值温度表示所述躯干检测区域中温度大于所述第二预设温度的像素点的平均温度值，所述头身温差表示所述ROI头部最大温度和所述ROI躯干最大温度之差；
最优帧模块603用于获取在所有较优帧图像中每一较优帧图像重复出现的次数，将重复出现次数最大的前6帧图像作为备选最优帧图像；
计算模块604用于从所有备选最优帧图像中选取出3幅图像作为最优帧图像，并根据3幅最优帧图像获取所述运动目标的最高温度。
有效帧模块601获取热红外视频，并从热红外视频中提取有效帧图像，对热红外视频中的每帧图像进行分割，得到多个连通域，将热红外视频中头部最高温度所在连通域面积最大的图像作为有效帧图像。
较优帧模块602从有效帧模块获取的有效帧图像中筛选出较优帧图像，筛选的依据为六个温度特征参数，具体筛选过程可参考上述方法实施例。
最优帧模块603从较优帧图像中筛选出备选最优帧图像，将出现次数位于前6位的较优帧图像作为备选最优帧图像。
计算模块604从所有的备选最优帧图像中选取出3幅最优帧图像，并根据这3幅最优帧图像中运动目标的最高温度。
本系统实施例的具体执行过程与上述方法实施例的具体执行过程相同，详情请参考上述方法实施例，本系统实施例在此不再赘述。
本发明实施例提供一种运动目标最高温检测系统，采用最优帧筛选法检测出热红外视频中的最佳温度及其对应的最优帧，实现运动目标的热红外温度自动检测，克服了现有运动目标热红外测温中感兴趣区域难以定位、温度提取方式单一的问题。
图7为本发明实施例提供的一种电子设备的实体结构示意图，如图7所示，该服务器可以包括：处理器(processor)710、通信接口(Communications Interface)720、存储器(memory)730和总线740，其中，处理器710，通信接口720，存储器730通过总线740完成相互间的通信。处理器710可以调用存储器730中的逻辑指令，以执行如下方法：
获取运动目标的热红外视频，对于所述热红外视频中的任一帧图像，对所述任一帧图像进行分割，获取若干连通域，若所述任一图像的头部最高温所在的连通域面积最大，将所述任一帧图像作为有效帧图像；
若所有有效帧图像的个数大于预设阈值，获取每一有效帧图像的若干温度特征参数，并获取每一温度特征参数的直方图，将每一直方图最大值对应的帧作为较优帧图像，所述若干参数为头部最高温度、ROI头部最大温度、ROI躯干最大温度、头部阈值温度、躯干阈值温度和头身温差中的一种或多种，对于任一有效帧图像，所述任一有效帧图像被分为头部检测区域和躯干检测区域，所述头部最高温度表示所述任一有效帧图像中的最高温度，所述ROI头部最大温度表示ROI头部区域内温度最大值为中心N*N邻域的平均值，ROI头部区域表示所述头部检测区域中温度大于第一预设温度的所有连通域中、面积最大的三个连通域并集，所述ROI躯干最大温度表示ROI躯干区域内温度最大值为中心的M*M邻域的平均值，ROI躯干区域表示所述躯干检测区域中温度大于第二预设温度的所有连通域中、面积最大的三个连通域并集，所述头部阈值温度表示所述头部检测区域中温度大于所述第一预设温度的像素点的平均温度值，所述躯干阈值温度表示所述躯干检测区域中温度大于所述第二预设温度的像素点的平均温度值，所述头身温差表示所述ROI头部最大温度和所述ROI躯干最大温度之差；
获取在所有较优帧图像中每一较优帧图像重复出现的次数，将重复出现次数最大的前6帧图像作为备选最优帧图像；
从所有备选最优帧图像中选取出3幅图像作为最优帧图像，并根据3幅最优帧图像获取所述运动目标的最高温度。
此外，上述的存储器730中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的传输方法，例如包括：
获取运动目标的热红外视频，对所述热红外视频中的每一帧图像进行分割，对于任一帧图像，对所述任一帧图像进行分割，获取若干连通域，若所述任一图像的头部最高温所在的连通域面积最大，将所述任一帧图像作为有效帧图像；
若所有有效帧图像的个数大于预设阈值，获取每一有效帧图像的若干温度特征参数，并获取每一温度特征参数的直方图，将每一直方图最大值对应的帧作为较优帧图像，所述若干参数为头部最高温度、ROI头部最大温度、ROI躯干最大温度、头部阈值温度、躯干阈值温度和头身温差中的一种或多种，对于任一有效帧图像，所述任一有效帧图像被分为头部检测区域和躯干检测区域，所述头部最高温度表示所述任一有效帧图像中的最高温度，所述ROI头部最大温度表示ROI头部区域内温度最大值为中心N*N邻域的平均值，ROI头部区域表示所述头部检测区域中温度大于第一预设温度的所有连通域中、面积最大的三个连通域并集，所述ROI躯干最大温度表示ROI躯干区域内温度最大值为中心的M*M邻域的平均值，ROI躯干区域表示所述躯干检测区域中温度大于第二预设温度的所有连通域中、面积最大的三个连通域并集，所述头部阈值温度表示所述头部检测区域中温度大于所述第一预设温度的像素点的平均温度值，所述躯干阈值温度表示所述躯干检测区域中温度大于所述第二预设温度的像素点的平均温度值，所述头身温差表示所述ROI头部最大温度和所述ROI躯干最大温度之差；
获取在所有较优帧图像中每一较优帧图像重复出现的次数，将重复出现次数最大的前6帧图像作为备选最优帧图像；
从所有备选最优帧图像中选取出3幅图像作为最优帧图像，并根据3幅最优帧图像获取所述运动目标的最高温度。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (9)

1.一种运动目标最高温检测方法，其特征在于，包括：
获取运动目标的热红外视频，对于所述热红外视频中的任一帧图像，对所述任一帧图像进行分割，获取若干连通域，若所述任一图像的头部最高温所在的连通域面积最大，将所述任一帧图像作为有效帧图像；
若所有有效帧图像的个数大于预设阈值，获取每一有效帧图像的若干温度特征参数，并获取每一温度特征参数的直方图，将每一直方图最大值对应的帧作为较优帧图像，所述若干温度特征参数为头部最高温度、ROI头部最大温度、ROI躯干最大温度、头部阈值温度、躯干阈值温度和头身温差中的一种或多种，对于任一有效帧图像，所述任一有效帧图像被分为头部检测区域和躯干检测区域，所述头部最高温度表示所述任一有效帧图像中的最高温度，所述ROI头部最大温度表示ROI头部区域内、以温度最大值为中心的、N*N邻域的平均值，ROI头部区域表示所述头部检测区域中温度大于第一预设温度的所有连通域中、面积最大的三个连通域并集，所述ROI躯干最大温度表示ROI躯干区域内、以温度最大值为中心的、M*M邻域的平均值，ROI躯干区域表示所述躯干检测区域中温度大于第二预设温度的所有连通域中、面积最大的三个连通域并集，所述头部阈值温度表示所述头部检测区域中温度大于所述第一预设温度的像素点的平均温度值，所述躯干阈值温度表示所述躯干检测区域中温度大于所述第二预设温度的像素点的平均温度值，所述头身温差表示所述ROI头部最大温度和所述ROI躯干最大温度之差；
获取在所有较优帧图像中每一较优帧图像重复出现的次数，将重复出现次数最大的前6帧图像作为备选最优帧图像；
从所有备选最优帧图像中选取出3幅图像作为最优帧图像，并根据3幅最优帧图像获取所述运动目标的最高温度，具体包括：
将所有备选最优帧图像中的第一帧图像作为第一最优帧图像；
获取其它备选最优帧图像的ROI头部最大温度与所述第一最优帧图像的ROI头部最大温度之差最小的两帧作为第二最优帧图像和第三最优帧图像；
将3幅最优帧图像的ROI头部最大温度的平均值作为所述运动目标的最高温度。
2.根据权利要求1所述方法，其特征在于，若所有有效帧图像的个数不大于所述预设阈值，获取所有次有效帧图像，对于任一次有效帧图像，所述任一次有效帧图像的头部最高温所在的连通域面积第二大，若所有次有效帧图像的个数与所有有效帧图像的个数之和大于所述预设阈值，将所有次有效帧图像作为所述有效帧图像。
3.根据权利要求2所述方法，其特征在于，若所有次有效帧图像的个数与所有有效帧图像的个数之和不大于所述预设阈值，获取所有备选有效帧图像，对于任一备选有效帧图像，所述任一备选有效帧图像的头部最高温所在的连通域面积第三大，若所有备选有效帧图像的个数、所有次有效帧图像的个数与所有有效帧图像的个数之和大于所述预设阈值，将所有备选有效帧图像和所有次有效帧图像作为所述有效帧图像。
4.根据权利要求3所述方法，其特征在于，若所有备选有效帧图像的个数、所有次有效帧图像的个数与所有有效帧图像的个数之和不大于所述预设阈值，将所述热红外视频中每一帧图像都作为所述有效帧图像。
5.根据权利要求1所述方法，其特征在于，所述对所述热红外视频中的每一帧图像进行分割，之前包括：
获取所述热红外视频的系统误差；
根据所述系统误差，对所述热红外视频中的每一帧图像进行温度校正。
6.根据权利要求1所述方法，其特征在于，所述任一图像的头部最高温所在的连通域通过如下方式获得：
对所述任一图像进行分割，获取多个连通域；
获取每一头部感兴趣连通域的质心坐标及面积；
将多个连通域按照面积由大到小排序并赋予编号；
获取所述任一图像的头部最高温度所在位置与每一连通域质心坐标之间的距离，将距离最小的连通域作为所述任一图像的头部最高温度所在的连通域。
7.一种运动目标最高温检测系统，其特征在于，包括：
有效帧模块，用于获取运动目标的热红外视频，对于所述热红外视频中的任一帧图像，对所述任一帧图像进行分割，获取若干连通域，若所述任一图像的头部最高温所在的连通域面积最大，将所述任一帧图像作为有效帧图像；
较优帧模块，用于若所有有效帧图像的个数大于预设阈值，获取每一有效帧图像的若干温度特征参数，并获取每一温度特征参数的直方图，将每一直方图最大值对应的帧作为较优帧图像，所述若干温度特征参数为头部最高温度、ROI头部最大温度、ROI躯干最大温度、头部阈值温度、躯干阈值温度和头身温差中的一种或多种，对于任一有效帧图像，所述任一有效帧图像被分为头部检测区域和躯干检测区域，所述头部最高温度表示所述任一有效帧图像中的最高温度，所述ROI头部最大温度表示ROI头部区域内温度最大值为中心N*N邻域的平均值，ROI头部区域表示所述头部检测区域中温度大于第一预设温度的所有连通域中、面积最大的三个连通域并集，所述ROI躯干最大温度表示ROI躯干区域内温度最大值为中心的M*M邻域的平均值，ROI躯干区域表示所述躯干检测区域中温度大于第二预设温度的所有连通域中、面积最大的三个连通域并集，所述头部阈值温度表示所述头部检测区域中温度大于所述第一预设温度的像素点的平均温度值，所述躯干阈值温度表示所述躯干检测区域中温度大于所述第二预设温度的像素点的平均温度值，所述头身温差表示所述ROI头部最大温度和所述ROI躯干最大温度之差；
最优帧模块，用于获取在所有较优帧图像中每一较优帧图像重复出现的次数，将重复出现次数最大的前6帧图像作为备选最优帧图像；
计算模块，用于从所有备选最优帧图像中选取出3幅图像作为最优帧图像，并根据3幅最优帧图像获取所述运动目标的最高温度，具体包括：
将所有备选最优帧图像中的第一帧图像作为第一最优帧图像；
获取其它备选最优帧图像的ROI头部最大温度与所述第一最优帧图像的ROI头部最大温度之差最小的两帧作为第二最优帧图像和第三最优帧图像；
将3幅最优帧图像的ROI头部最大温度的平均值作为所述运动目标的最高温度。
8.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述运动目标最高温检测方法的步骤。
9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至6任一项所述运动目标最高温检测方法的步骤。
CN201910677791.4A 2019-07-25 2019-07-25 一种运动目标最高温检测方法及系统 Active CN110398291B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910677791.4A CN110398291B (zh) 2019-07-25 2019-07-25 一种运动目标最高温检测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910677791.4A CN110398291B (zh) 2019-07-25 2019-07-25 一种运动目标最高温检测方法及系统

Publications (2)

Publication Number Publication Date
CN110398291A CN110398291A (zh) 2019-11-01
CN110398291B true CN110398291B (zh) 2020-11-10

Family

ID=68325246

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910677791.4A Active CN110398291B (zh) 2019-07-25 2019-07-25 一种运动目标最高温检测方法及系统

Country Status (1)

Country Link
CN (1) CN110398291B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111158062A (zh) * 2020-01-06 2020-05-15 杭州涂鸦信息技术有限公司 一种人体存在检测方法及系统
CN112053693A (zh) * 2020-03-11 2020-12-08 河南紫联物联网技术有限公司 基于新冠疫情的智能语音测温方法、装置和系统
CN111369560B (zh) * 2020-04-26 2023-04-28 成都大熊猫繁育研究基地 一种圈养大熊猫体温快速测量方法
CN111582124A (zh) * 2020-04-30 2020-08-25 沈阳天眼智云信息科技有限公司 红外热像仪的人脸识别及测温方法
CN111986168B (zh) * 2020-08-07 2024-03-15 中国农业大学 T形分支的双耳根检测与最佳耳根测温帧检测方法及系统
CN113379772B (zh) * 2021-07-06 2022-10-11 新疆爱华盈通信息技术有限公司 基于背景消除及跟踪算法的复杂环境下的移动测温方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130259381A1 (en) * 2012-03-29 2013-10-03 Venugopal Srinivasan Methods and apparatus to count people in images
CN105069808A (zh) * 2015-08-31 2015-11-18 四川虹微技术有限公司 基于图像分割的视频图像深度估计方法
US20170103536A1 (en) * 2015-10-13 2017-04-13 Fujitsu Limited Counting apparatus and method for moving objects
CN106997461A (zh) * 2017-03-28 2017-08-01 浙江大华技术股份有限公司 一种烟火检测方法及装置
CN109886271A (zh) * 2019-01-22 2019-06-14 浙江大学 融合深度学习网络和改进边缘检测的图像精确分割方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180225947A1 (en) * 2017-04-10 2018-08-09 Hubble Connected India Private Limited Methods and systems for non-invasive monitoring
CN109345472B (zh) * 2018-09-11 2021-07-06 重庆大学 一种复杂场景的红外运动小目标检测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130259381A1 (en) * 2012-03-29 2013-10-03 Venugopal Srinivasan Methods and apparatus to count people in images
CN105069808A (zh) * 2015-08-31 2015-11-18 四川虹微技术有限公司 基于图像分割的视频图像深度估计方法
US20170103536A1 (en) * 2015-10-13 2017-04-13 Fujitsu Limited Counting apparatus and method for moving objects
CN106997461A (zh) * 2017-03-28 2017-08-01 浙江大华技术股份有限公司 一种烟火检测方法及装置
CN109886271A (zh) * 2019-01-22 2019-06-14 浙江大学 融合深度学习网络和改进边缘检测的图像精确分割方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
An automatic ear base temperature extraction method for top view piglet thermal image;Mingzhou Lu et al.;《Computers and Electronics in Agriculture》;20181030;第155卷;第339-347页 *
基于骨架扫描策略的生猪热红外视频目标跟踪方法;马丽等;《农业机械学报》;20190718;第50卷(第S1期);第256-260页 *

Also Published As

Publication number Publication date
CN110398291A (zh) 2019-11-01

Similar Documents

Publication Publication Date Title
CN110398291B (zh) 一种运动目标最高温检测方法及系统
US11715227B2 (en) Information processing apparatus, control method, and program
US11094040B2 (en) Noise detection method for time-series vegetation index derived from remote sensing images
Paulus et al. Surface feature based classification of plant organs from 3D laserscanned point clouds for plant phenotyping
CN108010008B (zh) 目标的追踪方法、装置及电子设备
JP6332937B2 (ja) 画像処理装置、画像処理方法及びプログラム
JP5498454B2 (ja) 追跡装置、追跡方法およびプログラム
JP5262705B2 (ja) 運動推定装置及びプログラム
CN111920391B (zh) 一种测温方法及设备
CN112525352A (zh) 一种基于人脸识别的红外测温补偿方法及终端
CN107564020B (zh) 一种图像区域确定方法及装置
CN112862757A (zh) 一种基于计算机视觉技术的重量评估系统及实现方法
TWI776176B (zh) 手部作業動作評分裝置、方法及電腦可讀取存儲介質
Radzali et al. Measuring leaf area using Otsu segmentation method (LAMOS)
US20190236339A1 (en) Detection apparatus and non-transitory computer readable medium
Koniar et al. Machine vision application in animal trajectory tracking
CN108460370A (zh) 一种固定式家禽生命信息报警装置
CN113197558B (zh) 心率与呼吸率检测方法、系统及计算机存储介质
CN107220972B (zh) 一种基于红外图像的禽蛋品质鉴别方法
CN111982296B (zh) 基于热红外视频的运动目标体表温度快速检测方法及系统
Zhang et al. An automated method for the assessment of the rice grain germination rate
CN108696722B (zh) 一种目标监测方法、系统及设备和存储介质
JP6308011B2 (ja) 同一対象検出装置、同一対象検出方法、及び同一対象検出プログラム
CN112613357A (zh) 人脸测量方法、装置、电子设备和介质
CN112668357A (zh) 一种监控方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant