CN111310692A - 一种检测对象管理方法、系统、机器可读介质及设备 - Google Patents

一种检测对象管理方法、系统、机器可读介质及设备 Download PDF

Info

Publication number
CN111310692A
CN111310692A CN202010117486.2A CN202010117486A CN111310692A CN 111310692 A CN111310692 A CN 111310692A CN 202010117486 A CN202010117486 A CN 202010117486A CN 111310692 A CN111310692 A CN 111310692A
Authority
CN
China
Prior art keywords
detection
target
temperature
face
angle
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.)
Granted
Application number
CN202010117486.2A
Other languages
English (en)
Other versions
CN111310692B (zh
Inventor
周曦
姚志强
李军
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.)
Yuncong Technology Group Co Ltd
Original Assignee
Yuncong Technology Group Co Ltd
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 Yuncong Technology Group Co Ltd filed Critical Yuncong Technology Group Co Ltd
Priority to CN202010117486.2A priority Critical patent/CN111310692B/zh
Publication of CN111310692A publication Critical patent/CN111310692A/zh
Application granted granted Critical
Publication of CN111310692B publication Critical patent/CN111310692B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172—Classification, e.g. identification
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/01—Measuring temperature of body parts ; Diagnostic temperature sensing, e.g. for malignant or inflamed tissue
    • A61B5/015—By temperature mapping of body part
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
    • A61B2560/02—Operational features
    • A61B2560/0242—Operational features adapted to measure environmental factors, e.g. temperature, pollution
    • A61B2560/0247—Operational features adapted to measure environmental factors, e.g. temperature, pollution for compensation or correction of the measured physiological value
    • A61B2560/0252—Operational features adapted to measure environmental factors, e.g. temperature, pollution for compensation or correction of the measured physiological value using ambient temperature
    • 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
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/178—Human faces, e.g. facial parts, sketches or expressions estimating age from face image; using age information for improving recognition

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Theoretical Computer Science (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Multimedia (AREA)
  • Physiology (AREA)
  • Radiation Pyrometers (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Image Processing (AREA)

Abstract

本发明提供一种检测对象管理方法，包括：获取检测对象的多种类型图像；基于所述多种类型图像确定所述检测对象的目标检测区域；获取所述目标检测区域的检测指标；根据所述目标检测区域的属性对所述检测指标进行补偿；根据补偿后的检测指标判断该检测对象是否是目标对象。本发明通过红外成像技术，只需要被测人员的目标检测区域出现了正面的热红外图像，不要求其在某一个具体的“测温目标点位”，就可以筛查出体温异常人员，通过这种方法，可以较为明显的降低漏检率，提高系统吞吐量。

Description

一种检测对象管理方法、系统、机器可读介质及设备
技术领域
本发明涉及异常情况检测领域，具体涉及一种检测对象管理方法、系统、机器可读介质及设备。
背景技术
在通道卡口、火车站、地铁站等人流量大的开放场所进行人体温度异常检测时，往往需要检测设备能够快速非接触筛查体温异常人员。现在通常使用红外热成像的设备，但是，目前市场上在用的此类设备，在使用中通常存在以下问题：
现在的红外热成像测温方法，为了测温准确，往往需要被测人员的位置处于距离测温设备一个较为固定的位置(简称“测温目标点位”)；被测人员在测温目标点位时，额部正对测温设备。这两个要求往往很难同时满足，导致此类测温系统存在漏检率高、吞吐量低的缺憾。
发明内容
鉴于以上所述现有技术的缺点，本发明的目的在于提供一种检测对象管理方法、系统、机器可读介质及设备，用于解决现有技术存在的问题。
为实现上述目的及其他相关目的，本发明提供一种检测对象管理方法，包括：
获取检测对象的多种类型图像；
基于所述多种类型图像确定所述检测对象的目标检测区域；
获取所述目标检测区域的检测指标；
根据所述目标检测区域的属性对所述检测指标进行补偿；
根据补偿后的检测指标判断该检测对象是否是目标对象。
可选地，当检测对象的补偿后的检测指标符合第一预设条件时，所述检测对象为目标对象。
可选地，基于所述目标对象设定第二预设条件，当所述检测对象符合所述第二预设条件时，所述检测对象为潜在目标对象。
可选地，该方法还包括：
采用人脸识别技术或人体识别技术对所述目标对象或/和所述潜在目标对象进行追踪。
可选地，该方法还包括：
当检测到目标对象时，发出报警提示。
可选地，所述多种类型图像包括可见光图像、红外图像。
可选地，所述基于所述多种类型图像确定所述检测对象的目标检测区域，包括：
对所述可见光图像进行目标部位检测，得到目标部位位置；
确定所述目标部位位置在检测对象的红外图像中的目标检测区域。
可选地，所述检测指标包括温度。
可选地，所述目标部位包括人脸、额头、手背、脖子、肩头，所述目标检测区域包括人脸区域、额头区域、手背区域、脖子区域、肩头区域。
可选地，所述目标检测区域为人脸区域，则目标检测区域的属性为人脸属性，所述人脸属性包括以下至少之一：年龄、角度、性别。
可选地，若所述人脸属性包括角度，则获取所述人脸区域的温度，及人脸角度；根据所述人脸角度对所述温度进行补偿。
可选地，根据所述人脸角度对所述温度进行补偿的方法，包括：
获取人脸角度；
确定所述人脸角度所对应的温度补偿值；
根据所述温度补偿值得到补偿后的温度。
可选地，确定所述人脸角度所对应的温度补偿值，包括：
将所述人脸角度输入至训练好的基于神经网络的角度补偿模型以得到人脸角度对应的温度补偿值。
可选地，根据补偿后的温度对所述检测对象或潜在目标对象进行排序或根据年龄、角度、性别、人脸大小对所述检测对象进行分类并对每一分类中的检测对象按补偿后的温度进行排序。
可选地，基于检测对象与图像采集装置的距离对所述目标检测区域的温度进行补偿。
可选地，根据环境的温度对所述目标检测区域的温度进行补偿。
为实现上述目的及其他相关目的，本发明提供一种检测对象管理系统，包括：
图像获取模块，用于获取检测对象的多种类型图像；
目标检测区域检测模块，用于基于所述多种类型图像确定所述检测对象的目标检测区域；
检测指标获取模块，用于获取所述目标检测区域的检测指标；
指标补偿模块，用于根据所述目标检测区域的属性对所述检测指标进行补偿；
目标对象判断模块，用于根据补偿后的检测指标判断该检测对象是否是目标对象。
可选地，当检测对象的所述检测指标符合第一预设条件时，所述检测对象为目标对象。
可选地，基于所述目标对象设定第二预设条件，当所述检测对象符合所述第二预设条件时，所述检测对象为潜在目标对象。
可选地，该系统还包括：
追踪模块，用于采用人脸识别技术或人体识别技术对所述目标对象或/和所述潜在目标对象进行追踪。
可选地，该系统还包括：
报警模块，用于在检测到目标对象时，发出报警提示。
可选地，所述多种类型图像包括可见光图像、红外图像。
可选地，所述目标检测区域检测模块包括：
目标部位检测单元，用于对所述可见光图像进行目标部位检测，得到目标部位位置；
目标检测区域检测单元，用于确定所述目标部位位置在检测对象的红外图像中的目标检测区域。
可选地，所述检测指标包括温度。
可选地，所述目标部位包括人脸、额头、手背、脖子、肩头，所述目标检测区域包括人脸区域、额头区域、手背区域、脖子区域、肩头区域。
可选地，所述目标检测区域为人脸区域，则目标检测区域的属性为人脸属性，所述人脸属性包括以下至少之一：年龄、角度、性别。
可选地，若所述人脸属性包括角度，则获取所述人脸区域的温度，及人脸角度；根据所述人脸角度对所述温度进行补偿。
可选地，根据所述人脸角度对所述温度进行补偿的方法，包括：
获取人脸角度；
确定所述人脸角度所对应的温度补偿值；
根据所述温度补偿值得到补偿后的温度。
可选地，确定所述人脸角度所对应的温度补偿值，包括：
将所述人脸角度输入至训练好的基于神经网络的角度补偿模型以得到人脸角度对应的温度补偿值。
可选地，该系统还包括：
分类模块，用于根据补偿后的温度对所述检测对象或潜在目标对象进行排序或根据年龄、角度、性别、人脸大小对所述检测对象进行分类并对每一分类中的检测对象按补偿后的温度进行排序。
可选地，基于检测对象与图像采集装置的距离对所述目标检测区域的温度进行补偿。
可选地，根据环境的温度对所述目标检测区域的温度进行补偿。
为实现上述目的及其他相关目的，本发明提供一种设备，包括：
一个或多个处理器；和
其上存储有指令的一个或多个机器可读介质，当所述一个或多个处理器执行时，使得所述设备执行前述的一个或多个所述的方法。
为实现上述目的及其他相关目的，本发明提供一个或多个机器可读介质，其上存储有指令，当由一个或多个处理器执行时，使得设备执行前述的一个或多个所述的方法。
如上所述，本发明提供的一种检测对象管理方法、系统、机器可读介质及设备，具有以下有益效果：
本发明提供一种检测对象管理方法，包括：获取检测对象的多种类型图像；基于所述多种类型图像确定所述检测对象的目标检测区域；获取所述目标检测区域的检测指标；根据所述目标检测区域的属性对所述检测指标进行补偿；根据补偿后的检测指标判断该检测对象是否是目标对象。本发明通过红外成像技术，只需要被测人员的目标检测区域出现了正面的热红外图像，不要求其在某一个具体的“测温目标点位”，就可以筛查出体温异常人员，通过这种方法，可以较为明显的降低漏检率，提高系统吞吐量。
附图说明
图1为本发明一实施例提供的一种检测对象管理方法的流程图；
图2为本发明一实施例提供的对人脸区域进行温度检测的流程图；
图3为本发明一实施例提供的可见光图像和热红外图像进行空间匹配示意图；
图4为本发明一实施例提供的一种检测对象管理系统的硬件结构示意图；
图5为本发明一实施例提供的终端设备的硬件结构示意图；
图6为本发明另一实施例提供的终端设备的硬件结构示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
如图1所示，一种检测对象管理方法，包括：
S11获取检测对象的多种类型图像；
S12基于所述多种类型图像确定所述检测对象的目标检测区域；
S13获取所述目标检测区域的检测指标；
S14根据所述目标检测区域的属性对所述检测指标进行补偿；
S15根据补偿后的检测指标判断该检测对象是否是目标对象。
本发明通过获取检测对象的多种类型图像；基于所述多种类型图像确定所述检测对象的目标检测区域；获取所述目标检测区域的检测指标；根据所述目标检测区域的属性对所述检测指标进行补偿；根据补偿后的检测指标判断该检测对象是否是目标对象。本发明通过红外成像技术，只需要被测人员的目标检测区域出现了正面的热红外图像，不要求其在某一个具体的“测温目标点位”，就可以筛查出体温异常人员，通过这种方法，可以较为明显的降低漏检率，提高系统吞吐量。
在本实施例中，所述多种类型图像可以包括：可见光图像、红外图像。其中，可见光图像可以通过可见光图像采集传感器进行采集，红外图像可以通过红外图像采集传感器进行采集，当然，也可以由RGB-IR图像传感器(可同时接收RGB分量和IR分量)采集图像后，通过RGB-IR处理单元将接收到的RGB-IR图像数据，经过分离，得到同步的RGB图像(可见光图像)和IR图像(红外图像)。当然，在另一实施例中，可以采用通过一个设备对其中的至少两种图像进行采集，例如，可以同时对可见光图像和红外图像进行采集的红外测温探头。
在本实施例中，所述基于所述多种类型图像确定所述检测对象的目标检测区域，包括：
对所述可见光图像进行目标部位检测，得到目标部位位置；确定所述目标部位位置在检测对象的红外图像中的目标检测区域。
在确定好目标检测区域后，就可以获取检测对象的所述目标检测区域的检测指标；根据检测指标判断检测对象是否为目标对象。
在本实施例中，所述目标部位包括人脸、额头、手背、脖子、肩头，所述目标检测区域包括人脸区域、额头区域、手背区域、脖子区域、肩头区域。在本实施例中，检测指标包括温度。因此，以目标检测区域为人脸区域，以检测指标为温度对检测对象的人脸区域进行温度检测进行说明，具体流程如图2所示，包括：
S21获取成像区域内检测对象的可见光图像；
S22获取成像区域内检测对象的红外图像；
S23通过模式识别方法，进行图像空间配准；通过图像空间配准，保证了可见光图像和图像在空间上匹配的；
如图3所示，在可见光图像中的ABCD矩形区域，在红外图像中的abcd矩形区域形成空间配准，在两个配准区域中，相对坐标具备对应关系。因此，通过坐标转换算法可以确定在可见光图像中的目标部位位置在红外图像中的目标检测区域的位置。
S24通过人脸检测算法，分析可见光图像，检测图像中的人脸区域，检测出测温目标点位，并记录其在配准区域中的相对位置；
S25将检测到的测温目标点位的位置，映射到红外图像的配准区域中，并获取该区域中人脸区域的温度。
在一实施例中，当检测对象的补偿后的检测指标符合第一预设条件时，所述检测对象为目标对象。
其中，以温度为例，第一预设条件可以为大于某一预设阈值，比如大于预设的温度阈值，其中温度阈值可以设置成37.3℃。当目标检测区域即人脸区域的温度超过37.3℃时，可以将检测对象定义为目标对象，同时在检测到目标对象时，发出报警提示。在本实施例中，预设阈值的值可以根据需要进行设定，但在进行测温时，该预设阈值为一个定值，不会根据例如环境温度、测温距离等其他因素的改变而发生变化。
可以理解的是，用户可以对报警参数进行设置，比如预设温度阈值、报警灵敏度等。比如，当目标检测区域的温度超过37.3℃时，进行报警。其中，报警的方式有多种，比如声光指示报警，或者语音报警。
在呈现红外图像或激光图像的屏幕上用醒目颜色显示，并可对报警等级进行设定，可以用不同色彩显示不同报警等级，不同的报警等级发出不同的报警信号。比如，报警等级低，可以只发出声光报警，报警等极较高的发出语言报警，报警等级高的，同时发出声光报警和语音报警。
仍然以温度为例，将所有检测对象按温度高低进行排序，那么第一预设条件可以为前N％个检测对象为目标检测对象。其中，N可以通过预先设定，例如10；也可以通过曲线分析，在统计的人体温度分布曲线的异常点为准。
在一实施例中，基于所述目标对象设定第二预设条件，当所述检测对象符合所述第二预设条件时，所述检测对象为潜在目标对象。其中，潜在目标对象被定义为与目标对象密切接触者。密切接触者就是指与目标对象有直接居住生活在一起的检测对象。包括办公室的同事，学校里一个班级的学生，同一教室、宿舍的同事、同学，同机的乘客等。以及其它形式的直接接触者包括目标对象的陪护、乘出租车、乘电梯等直接接触者。在另一实施例中，第二预设条件也可以为同时出现在同一个视场内的人员。
可以理解的是，由于红外探测是一个持续的过程，会在一段时间内持续性地进行检测以获得多个红外图像。因此，在进行人脸区域的温度检测时，需要获得同一时刻的图像，即当前时刻的红外图像和当前时刻的可见光图像。在人脸区域确定过程中，先对当前时刻的可见光图像进行人脸检测，获得人脸的位置，然后将当前时刻的可见光图像中的人脸位置映射到所述检测对象当前时刻的红外图像中，得到该检测对象在当前时刻的红外图像中的人脸区域。
确定好人脸区域后，就可以对当前时刻红外图像中的人脸区域进行测温，以获人脸区域的温度。
可以理解的是，人脸区域的图像为红外图像，可以预先获取颜色与温度之间的对应关系，根据颜色与温度之间的对应关系，确定人脸区域中的颜色对应的温度，从而可以确定人脸区域的温度。
在一实施例中，还可以采用人脸识别技术或人体识别技术对所述目标对象或/和潜在目标对象进行追踪。
抓拍检测对象人脸或人体后，通过对检测指标进行检测，判断为目标对象后，通过识别出的人脸或人体特征，对目标对象进行追踪。
或者，抓拍检测对象的人脸或人体后，与目标对象库中的人脸或人体进行比对，比对成功的，则对该检测对象进行跟踪。
本实施例采用的是人脸检测技术，可对视频画面内多人脸同时进行检测，以获取检测对象的人脸数据。进一步，可以通过人脸数据获得最佳人脸，测量人脸温度以最佳人脸时的人脸区域作为测温对象。最佳人脸可以通过人脸质量分、人脸大小、人脸角度、人脸遮挡率等多维度综合选择。
由于本发明是采用红外图像来获取目标检测区域的温度。根据对红外测温的了解：任何温度高于绝对零度(-273.15℃)的物体都在不停地发射红外辐射(热辐射)。红外辐射是一种电磁波，波长范围为在0.7um～1000um，人眼看不见，且不同温度对外辐射的波长不一样。吸收红外辐射后，热敏感材料(探测器)温度会升高，热成像设备进而根据相应的温升情况得到对应的温度信息。而利用红外测温的过程中，存在着诸多的因素对测量精度产生影响，导致目标检测区域的实际温度与测量温度不一致，因此需要根据目标检测区域的属性对检测指标，即对温度进行补偿。
以目标检测区域为人脸区域为例，则根据人脸属性对所述检测指标进行补偿。人脸属性包括以下至少之一：年龄、角度、性别。
由于不同的年龄会有不同的温度，因此，可以根据不同的年龄段对测量温度进行补偿。一般来说，在温度测量过程中，通过测量的温度与事先设定的温度阈值(37.3℃，这个阈值一般不会改变)进行比较，超过温度阈值，可以认为在发热。
由于小孩代谢率较高，体温本身较成人稍高，因此，可以认为认定小孩是否发热的温度该应高一些。一般来说，正常小儿的基础体温为36.9℃-37.5℃，超过正常范围0.5℃以上时，称为发热。假如排除其他影响因素测得小孩体温为37.4℃，那么根据设定的温度阈值37.3度，认为该小孩出现发热症状，但实际上37.4℃为小孩的正常体温。因此，为了判断更加精确，需要对测量温度进行负补偿，使得测量的温度相对低一点。
老年人代谢率较高，体温本身较成人稍低，因此，可以认为认定老年人是否发热的温度该应低一些。一般来说，正常老年人的基础体温为36℃-37℃，超过正常范围0.5℃以上时，称为发热。假如排除其他影响因素测得老年人体温为37.2℃，那么根据设定的温度阈值37.3℃，认为该老年人没有出现发热症状，但实际上37.2℃已经超过老年人的正常体温。因此，为了判断更加精确，需要对测量温度进行正补偿，使得测量的温度相对高一点。
同理，性别的差异也会导致体温的不同，一般来说女子的平均体温高于男子约0.3℃，因此，在针对不同性别的温度测量时也需要对温度进行补偿。补偿方法与前述补偿方法相类似，此处不再进一步叙述。
在本实施例中，是对人脸的温度进行测量，不同的角度下测得的人脸温度是不一样的，而一般认为正面人脸所测得的温度最为精确。因此，如果在测量人脸温度时，没有获得正面人脸，则需要根据人脸角度(人脸相对采集设备的角度)对测量的温度进行补偿，且人脸角度越大，温度补偿值越大。根据人脸角度对温度进行补偿，包括：
获取所述人脸区域的温度，及人脸角度；根据所述人脸角度对所述温度进行补偿。
具体地，补偿方法包括：获取人脸角度；确定所述人脸角度所对应的温度补偿值；根据所述温度补偿值得到补偿后的温度。
其中，温度补偿值可以通过大量的数据统计而得到。例如，获取正面人脸的温度和各种角度下的人脸温度，通过正面人脸的温度与其他角度下的人脸温度，可以得到两者间的差值，这个差值可以作为温度补偿值。
另外温度补偿值，还可以通过以下方法得到：将所述人脸角度输入至训练好的基于神经网络的角度补偿模型以得到人脸角度对应的温度补偿值。
在一实施例中，还可以根据补偿后的温度对所述检测对象或潜在目标对象进行排序或根据年龄、角度、性别、人脸大小(可以用但不限于两眼瞳间距表征)对所述检测对象进行分类并对每一分类中的检测对象按补偿后的温度进行排序。例如，将所有的检测对象按温度高低进行排序，或者潜在目标对象按温度高低进行排序。
或者，先根据人脸属性对所述检测对象进行分类，然后根据温度高低进行排序，在每一类中，筛选出N个温度最高的人员。包括：
对所有分析为成年男性的体温排序；
对所有分析为成年女性的体温排序；
对所有分析为男童的体温排序；
对所有分析为女童的体温排序；
对相近人脸大小的人员体温排序。
可以理解的是，目标检测区域的温度与获取图像的图像采集装置和目标检测区域之间的距离相关，因此，在一实施例中，该方法还包括：基于检测对象与所述图像采集装置的距离对所述目标检测区域的温度进行补偿。通过对目标检测区域的温度进行补偿提高了测量的精度。
由于在进行红外测温的时候，环境因素会对测温的准确性产生影响，因此需要对目标检测区的温度进行补偿。具体地，获取环境温度，根据所述环境温度对所述目标检测区域的温度进行补偿。更加具体地，在环境温度较低情况下，检测温度值会低于真实体温，此时应该根据环境的温度对红外传感测量值做适当提升；在环境温度较高情况下，检测温度值可能会高于真实体温，此时应该根据环境的温度对红外传感测量值做适当降低。
如图4所示，一种检测对象管理系统，包括：
图像获取模块41，用于获取检测对象的多种类型图像；
目标检测区域检测模块42，用于基于所述多种类型图像确定所述检测对象的目标检测区域；
检测指标获取模块43，用于获取所述目标检测区域的检测指标；
指标补偿模块44，用于根据所述目标检测区域的属性对所述检测指标进行补偿；
目标对象判断模块45，用于根据补偿后的检测指标判断该检测对象是否是目标对象。
本发明通过获取检测对象的多种类型图像；基于所述多种类型图像确定所述检测对象的目标检测区域；获取所述目标检测区域的检测指标；根据所述目标检测区域的属性对所述检测指标进行补偿；根据补偿后的检测指标判断该检测对象是否是目标对象。本发明通过红外成像技术，只需要被测人员的目标检测区域出现了正面的热红外图像，不要求其在某一个具体的“测温目标点位”，就可以筛查出体温异常人员，通过这种方法，可以较为明显的降低漏检率，提高系统吞吐量。
在本实施例中，所述多种类型图像可以包括：可见光图像、红外图像。其中，可见光图像可以通过可见光图像采集传感器进行采集，红外图像可以通过红外图像采集传感器进行采集，当然，也可以由RGB-IR图像传感器(可同时接收RGB分量和IR分量)采集图像后，通过RGB-IR处理单元将接收到的RGB-IR图像数据，经过分离，得到同步的RGB图像(可见光图像)和IR图像(红外图像)。当然，在另一实施例中，可以采用通过一个设备对其中的至少两种图像进行采集，例如，可以同时对可见光图像和红外图像进行采集的红外测温探头
在本实施例中，所述目标检测区域检测模块包括：
目标部位检测单元，用于对所述可见光图像进行目标部位检测，得到目标部位位置；
目标检测区域检测单元，用于确定所述目标部位位置在检测对象的红外图像中的目标检测区域。
在确定好目标检测区域后，就可以获取检测对象的所述目标检测区域的检测指标；根据检测指标判断检测对象是否为目标对象。
在本实施例中，所述目标部位包括人脸、额头、手背、脖子、肩头，所述目标检测区域包括人脸区域、额头区域、手背区域、脖子区域、肩头区域。在本实施例中，检测指标包括温度。因此，以目标检测区域为人脸区域，以检测指标为温度对检测对象的人脸区域进行温度检测进行说明，具体流程如图2所示，包括：
S21获取成像区域内检测对象的可见光图像；
S22获取成像区域内检测对象的红外图像；
S23通过模式识别方法，进行图像空间配准；通过图像空间配准，保证了可见光图像和图像在空间上匹配的；
如图3所示，在可见光图像中的ABCD矩形区域，在红外图像中的abcd矩形区域形成空间配准，在两个配准区域中，相对坐标具备对应关系。因此，通过坐标转换算法可以确定在可见光图像中的目标部位位置在红外图像中的目标检测区域的位置。
S24通过人脸检测算法，分析可见光图像，检测图像中的人脸区域，检测出测温目标点位，并记录其在配准区域中的相对位置；
S25将检测到的测温目标点位的位置，映射到红外图像的配准区域中，并获取该区域中人脸区域的温度。
在一实施例中，当检测对象的补偿后的检测指标符合第一预设条件时，所述检测对象为目标对象。
其中，以温度为例，第一预设条件可以为大于某一预设阈值，比如大于预设的温度阈值，其中温度阈值可以设置成37.3℃。当目标检测区域即人脸区域的温度超过37.3℃时，可以将检测对象定义为目标对象，同时在检测到目标对象时，通过报警模块发出报警提示。
在本实施例中，预设阈值的值可以根据需要进行设定，但在进行测温时，该预设阈值为一个定值，不会根据例如环境温度、测温距离等其他因素的改变而发生变化。
可以理解的是，用户可以对报警参数进行设置，比如预设温度阈值、报警灵敏度等。比如，当目标检测区域的温度超过37.3℃时，进行报警。其中，报警的方式有多种，比如声光指示报警，或者语音报警。
在呈现红外图像或激光图像的屏幕上用醒目颜色显示，并可对报警等级进行设定，可以用不同色彩显示不同报警等级，不同的报警等级发出不同的报警信号。比如，报警等级低，可以只发出声光报警，报警等极较高的发出语言报警，报警等级高的，同时发出声光报警和语音报警。
仍然以温度为例，将所有检测对象按温度高低进行排序，那么第一预设条件可以为前N％个检测对象为目标检测对象。其中，N可以通过预先设定，例如10；也可以通过曲线分析，在统计的人体温度分布曲线的异常点为准。
在一实施例中，基于所述目标对象设定第二预设条件，当所述检测对象符合所述第二预设条件时，所述检测对象为潜在目标对象。其中，潜在目标对象被定义为与目标对象密切接触者。密切接触者就是指与目标对象有直接居住生活在一起的检测对象。包括办公室的同事，学校里一个班级的学生，同一教室、宿舍的同事、同学，同机的乘客等。以及其它形式的直接接触者包括目标对象的陪护、乘出租车、乘电梯等直接接触者。在另一实施例中，第二预设条件也可以为同时出现在同一个视场内的人员。
可以理解的是，由于红外探测是一个持续的过程，会在一段时间内持续性地进行检测以获得多个红外图像。因此，在进行人脸区域的温度检测时，需要获得同一时刻的图像，即当前时刻的红外图像和当前时刻的可见光图像。在人脸区域确定过程中，先对当前时刻的可见光图像进行人脸检测，获得人脸的位置，然后将当前时刻的可见光图像中的人脸位置映射到所述检测对象当前时刻的红外图像中，得到该检测对象在当前时刻的红外图像中的人脸区域。
确定好人脸区域后，就可以对当前时刻红外图像中的人脸区域进行测温，以获人脸区域的温度。
可以理解的是，人脸区域的图像为红外图像，可以预先获取颜色与温度之间的对应关系，根据颜色与温度之间的对应关系，确定人脸区域中的颜色对应的温度，从而可以确定人脸区域的温度。
在一实施例中，该系统还包括追踪模块，用于采用人脸识别技术或人体识别技术对所述目标对象或/和潜在目标对象进行追踪。
抓拍检测对象人脸或人体后，通过对检测指标进行检测，判断为目标对象后，通过识别出的人脸或人体特征，对目标对象进行追踪。
或者，抓拍检测对象的人脸或人体后，与目标对象库中的人脸或人体进行比对，比对成功的，则对该检测对象进行跟踪。
本实施例采用的是人脸检测技术，可对视频画面内多人脸同时进行检测，以获取检测对象的人脸数据。进一步，可以通过人脸数据获得最佳人脸，测量人脸温度以最佳人脸时的人脸区域作为测温对象。最佳人脸可以通过人脸质量分、人脸大小、人脸角度、人脸遮挡率等多维度综合选择。
由于本发明是采用红外图像来获取目标检测区域的温度。根据对红外测温的了解：任何温度高于绝对零度(-273.15℃)的物体都在不停地发射红外辐射(热辐射)。红外辐射是一种电磁波，波长范围为在0.7um～1000um，人眼看不见，且不同温度对外辐射的波长不一样。吸收红外辐射后，热敏感材料(探测器)温度会升高，热成像设备进而根据相应的温升情况得到对应的温度信息。而利用红外测温的过程中，存在着诸多的因素对测量精度产生影响，导致目标检测区域的实际温度与测量温度不一致，因此需要根据目标检测区域的属性对检测指标，即对温度进行补偿。
以目标检测区域为人脸区域为例，则根据人脸属性对所述检测指标进行补偿。人脸属性包括以下至少之一：年龄、角度、性别。
根据年龄对检测指标进行补偿，具体地，包括：获取检测对象的年龄，确定与该年龄对应的补偿值，根据补偿后的温度与设定的温度阈值判断该检测对象是否发热。其中补偿值可以根据经验设定。或者，温度补偿值可以通过将检测对象的年龄输入至训练好的基于神经网络的补偿模型中，以得到该补偿值。
由于不同的年龄会有不同的温度，因此，可以根据不同的年龄段对测量温度进行补偿。一般来说，在温度测量过程中，通过测量的温度与事先设定的温度阈值(37.3℃，这个阈值一般不会改变)进行比较，超过温度阈值，可以认为在发热。
由于小孩代谢率较高，体温本身较成人稍高，因此，可以认为认定小孩是否发热的温度该应高一些。一般来说，正常小儿的基础体温为36.9℃-37.5℃，超过正常范围0.5℃以上时，称为发热。假如排除其他影响因素测得小孩体温为37.4℃，那么根据设定的温度阈值37.3度，认为该小孩出现发热症状，但实际上37.4℃为小孩的正常体温。因此，为了判断更加精确，需要对测量温度进行负补偿，使得测量的温度相对低一点。
老年人代谢率较高，体温本身较成人稍低，因此，可以认为认定老年人是否发热的温度该应低一些。一般来说，正常老年人的基础体温为36℃-37℃，超过正常范围0.5℃以上时，称为发热。假如排除其他影响因素测得老年人体温为37.2℃，那么根据设定的温度阈值37.3℃，认为该老年人没有出现发热症状，但实际上37.2℃已经超过老年人的正常体温。因此，为了判断更加精确，需要对测量温度进行正补偿，使得测量的温度相对高一点。
同理，性别的差异也会导致体温的不同，一般来说女子的平均体温高于男子约0.3℃，因此，在针对不同性别的温度测量时也需要对温度进行补偿。补偿方法与前述补偿方法相类似，此处不再进一步叙述。
在本实施例中，是对人脸的温度进行测量，不同的角度下测得的人脸温度是不一样的，而一般认为正面人脸所测得的温度最为精确。因此，如果在测量人脸温度时，没有获得正面人脸，则需要根据人脸角度(人脸相对采集设备的角度)对测量的温度进行补偿，且人脸角度越大，温度补偿值越大。根据人脸角度对温度进行补偿，包括：
获取所述人脸区域的温度，及人脸角度；根据所述人脸角度对所述温度进行补偿。
具体地，补偿方法包括：获取人脸角度；确定所述人脸角度所对应的温度补偿值；根据所述温度补偿值得到补偿后的温度。
其中，温度补偿值可以通过大量的数据统计而得到。例如，获取正面人脸的温度和各种角度下的人脸温度，通过正面人脸的温度与其他角度下的人脸温度，可以得到两者间的差值，这个差值可以作为温度补偿值。
另外温度补偿值，还可以通过以下方法得到：将所述人脸角度输入至训练好的基于神经网络的角度补偿模型以得到人脸角度对应的温度补偿值。
在一实施例中，还可以根据补偿后的温度对所述检测对象或潜在目标对象进行排序或根据年龄、角度、性别、人脸大小(可以用但不限于两眼瞳间距表征)对所述检测对象进行分类并对每一分类中的检测对象按补偿后的温度进行排序。例如，将所有的检测对象按温度高低进行排序，或者潜在目标对象按温度高低进行排序。
或者，先根据人脸属生对所述检测对象进行分类，然后根据温度高低进行排序，在每一类中，筛选出N个温度最高的人员。包括：
对所有分析为成年男性的体温排序；
对所有分析为成年女性的体温排序；
对所有分析为男童的体温排序；
对所有分析为女童的体温排序；
对相近人脸大小的人员体温排序。
可以理解的是，目标检测区域的温度与获取图像的图像采集装置和目标检测区域之间的距离相关，因此，在一实施例中，该方法还包括：基于检测对象与所述图像采集装置的距离对所述目标检测区域的温度进行补偿。通过对目标检测区域的温度进行补偿提高了测量的精度。
由于在进行红外测温的时候，环境因素会对测温的准确性产生影响，因此需要对目标检测区的温度进行补偿。具体地，获取环境温度，根据所述环境温度对所述目标检测区域的温度进行补偿。更加具体地，在环境温度较低情况下，检测温度值会低于真实体温，此时应该根据环境的温度对红外传感测量值做适当提升；在环境温度较高情况下，检测温度值可能会高于真实体温，此时应该根据环境的温度对红外传感测量值做适当降低。
本申请实施例还提供了一种设备，该设备可以包括：一个或多个处理器；和其上存储有指令的一个或多个机器可读介质，当由所述一个或多个处理器执行时，使得所述设备执行图1所述的方法。在实际应用中，该设备可以作为终端设备，也可以作为服务器，终端设备的例子可以包括：智能手机、平板电脑、电子书阅读器、MP3(动态影像专家压缩标准语音层面3，Moving Picture Experts Group Audio Layer III)播放器、MP4(动态影像专家压缩标准语音层面4，Moving Picture Experts Group Audio Layer IV)播放器、膝上型便携计算机、车载电脑、台式计算机、机顶盒、智能电视机、可穿戴设备等等，本申请实施例对于具体的设备不加以限制。
本申请实施例还提供了一种非易失性可读存储介质，该存储介质中存储有一个或多个模块(programs)，该一个或多个模块被应用在设备时，可以使得该设备执行本申请实施例的图1中方法所包含步骤的指令(instructions)。
图5为本申请一实施例提供的终端设备的硬件结构示意图。如图所示，该终端设备可以包括：输入设备1100、第一处理器1101、输出设备1102、第一存储器1103和至少一个通信总线1104。通信总线1104用于实现元件之间的通信连接。第一存储器1103可能包含高速RAM存储器，也可能还包括非易失性存储NVM，例如至少一个磁盘存储器，第一存储器1103中可以存储各种程序，用于完成各种处理功能以及实现本实施例的方法步骤。
可选的，上述第一处理器1101例如可以为中央处理器(Central ProcessingUnit，简称CPU)、应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，该第一处理器1101通过有线或无线连接耦合到上述输入设备1100和输出设备1102。
可选的，上述输入设备1100可以包括多种输入设备，例如可以包括面向用户的用户接口、面向设备的设备接口、软件的可编程接口、摄像头、传感器中至少一种。可选的，该面向设备的设备接口可以是用于设备与设备之间进行数据传输的有线接口、还可以是用于设备与设备之间进行数据传输的硬件插入接口(例如USB接口、串口等)；可选的，该面向用户的用户接口例如可以是面向用户的控制按键、用于接收语音输入的语音输入设备以及用户接收用户触摸输入的触摸感知设备(例如具有触摸感应功能的触摸屏、触控板等)；可选的，上述软件的可编程接口例如可以是供用户编辑或者修改程序的入口，例如芯片的输入引脚接口或者输入接口等；输出设备1102可以包括显示器、音响等输出设备。
在本实施例中，该终端设备的处理器包括用于执行各设备中各模块的功能，具体功能和技术效果参照上述实施例即可，此处不再赘述。
图6为本申请的一个实施例提供的终端设备的硬件结构示意图。图6是对图5在实现过程中的一个具体的实施例。如图所示，本实施例的终端设备可以包括第二处理器1201以及第二存储器1202。
第二处理器1201执行第二存储器1202所存放的计算机程序代码，实现上述实施例中图1所述方法。
第二存储器1202被配置为存储各种类型的数据以支持在终端设备的操作。这些数据的示例包括用于在终端设备上操作的任何应用程序或方法的指令，例如消息，图片，视频等。第二存储器1202可能包含随机存取存储器(random access memory，简称RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
可选地，第二处理器1201设置在处理组件1200中。该终端设备还可以包括：通信组件1203，电源组件1204，多媒体组件1205，语音组件1206，输入/输出接口1207和/或传感器组件1208。终端设备具体所包含的组件等依据实际需求设定，本实施例对此不作限定。
处理组件1200通常控制终端设备的整体操作。处理组件1200可以包括一个或多个第二处理器1201来执行指令，以完成上述数据处理方法中的全部或部分步骤。此外，处理组件1200可以包括一个或多个模块，便于处理组件1200和其他组件之间的交互。例如，处理组件1200可以包括多媒体模块，以方便多媒体组件1205和处理组件1200之间的交互。
电源组件1204为终端设备的各种组件提供电力。电源组件1204可以包括电源管理系统，一个或多个电源，及其他与为终端设备生成、管理和分配电力相关联的组件。
多媒体组件1205包括在终端设备和用户之间的提供一个输出接口的显示屏。在一些实施例中，显示屏可以包括液晶显示器(LCD)和触摸面板(TP)。如果显示屏包括触摸面板，显示屏可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。
语音组件1206被配置为输出和/或输入语音信号。例如，语音组件1206包括一个麦克风(MIC)，当终端设备处于操作模式，如语音识别模式时，麦克风被配置为接收外部语音信号。所接收的语音信号可以被进一步存储在第二存储器1202或经由通信组件1203发送。在一些实施例中，语音组件1206还包括一个扬声器，用于输出语音信号。
输入/输出接口1207为处理组件1200和外围接口模块之间提供接口，上述外围接口模块可以是点击轮，按钮等。这些按钮可包括但不限于：音量按钮、启动按钮和锁定按钮。
传感器组件1208包括一个或多个传感器，用于为终端设备提供各个方面的状态评估。例如，传感器组件1208可以检测到终端设备的打开/关闭状态，组件的相对定位，用户与终端设备接触的存在或不存在。传感器组件1208可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在，包括检测用户与终端设备间的距离。在一些实施例中，该传感器组件1208还可以包括摄像头等。
通信组件1203被配置为便于终端设备和其他设备之间有线或无线方式的通信。终端设备可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个实施例中，该终端设备中可以包括SIM卡插槽，该SIM卡插槽用于插入SIM卡，使得终端设备可以登录GPRS网络，通过互联网与服务器建立通信。
由上可知，在图6实施例中所涉及的通信组件1203、语音组件1206以及输入/输出接口1207、传感器组件1208均可以作为图5实施例中的输入设备的实现方式。
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。

Claims (34)

1.一种检测对象管理方法，其特征在于，包括：
获取检测对象的多种类型图像；
基于所述多种类型图像确定所述检测对象的目标检测区域；
获取所述目标检测区域的检测指标；
根据所述目标检测区域的属性对所述检测指标进行补偿；
根据补偿后的检测指标判断该检测对象是否是目标对象。
2.根据权利要求1所述的检测对象管理方法，其特征在于，当检测对象的补偿后的检测指标符合第一预设条件时，所述检测对象为目标对象。
3.根据权利要求2所述的检测对象管理方法，其特征在于，基于所述目标对象设定第二预设条件，当所述检测对象符合所述第二预设条件时，所述检测对象为潜在目标对象。
4.根据权利要求3所述的检测对象管理方法，其特征在于，该方法还包括：
采用人脸识别技术或人体识别技术对所述目标对象或/和所述潜在目标对象进行追踪。
5.根据权利要求2所述的检测对象管理方法，其特征在于，该方法还包括：
当检测到目标对象时，发出报警提示。
6.根据权利要求1所述的检测对象管理方法，其特征在于，所述多种类型图像包括可见光图像、红外图像。
7.根据权利要求6所述的检测对象管理方法，其特征在于，所述基于所述多种类型图像确定所述检测对象的目标检测区域，包括：
对所述可见光图像进行目标部位检测，得到目标部位位置；
确定所述目标部位位置在检测对象的红外图像中的目标检测区域。
8.根据权利要求1所述的检测对象管理方法，其特征在于，所述检测指标包括温度。
9.根据权利要求8所述的检测对象管理方法，其特征在于，所述目标部位包括人脸、额头、手背、脖子、肩头，所述目标检测区域包括人脸区域、额头区域、手背区域、脖子区域、肩头区域。
10.根据权利要求9所述的检测对象管理方法，其特征在于，所述目标检测区域为人脸区域，则目标检测区域的属性为人脸属性，所述人脸属性包括以下至少之一：年龄、角度、性别。
11.根据权利要求10所述的检测对象管理方法，其特征在于，若所述人脸属性包括角度，则获取所述人脸区域的温度，及人脸角度；根据所述人脸角度对所述温度进行补偿。
12.根据权利要求11所述的检测对象管理方法，其特征在于，根据所述人脸角度对所述温度进行补偿的方法，包括：
获取人脸角度；
确定所述人脸角度所对应的温度补偿值；
根据所述温度补偿值得到补偿后的温度。
13.根据权利要求12所述的检测对象管理方法，其特征在于，确定所述人脸角度所对应的温度补偿值，包括：
将所述人脸角度输入至训练好的基于神经网络的角度补偿模型以得到人脸角度对应的温度补偿值。
14.根据权利要求10所述的检测对象管理方法，其特征在于，根据补偿后的温度对所述检测对象或潜在目标对象进行排序或根据年龄、角度、性别、人脸大小对所述检测对象进行分类并对每一分类中的检测对象按补偿后的温度进行排序。
15.根据权利要求7所述的检测对象管理方法，其特征在于，基于检测对象与图像采集装置的距离对所述目标检测区域的温度进行补偿。
16.根据权利要求7或15所述的检测对象管理方法，其特征在于，根据环境的温度对所述目标检测区域的温度进行补偿。
17.一种检测对象管理系统，其特征在于，包括：
图像获取模块，用于获取检测对象的多种类型图像；
目标检测区域检测模块，用于基于所述多种类型图像确定所述检测对象的目标检测区域；
检测指标获取模块，用于获取所述目标检测区域的检测指标；
指标补偿模块，用于根据所述目标检测区域的属性对所述检测指标进行补偿；
目标对象判断模块，用于根据补偿后的检测指标判断该检测对象是否是目标对象。
18.根据权利要求17所述的检测对象管理系统，其特征在于，当检测对象的所述检测指标符合第一预设条件时，所述检测对象为目标对象。
19.根据权利要求18所述的检测对象管理系统，其特征在于，基于所述目标对象设定第二预设条件，当所述检测对象符合所述第二预设条件时，所述检测对象为潜在目标对象。
20.根据权利要求19所述的检测对象管理系统，其特征在于，该系统还包括：
追踪模块，用于采用人脸识别技术或人体识别技术对所述目标对象或/和所述潜在目标对象进行追踪。
21.根据权利要求18所述的检测对象管理系统，其特征在于，该系统还包括：
报警模块，用于在检测到目标对象时，发出报警提示。
22.根据权利要求17所述的检测对象管理系统，其特征在于，所述多种类型图像包括可见光图像、红外图像。
23.根据权利要求22所述的检测对象管理系统，其特征在于，所述目标检测区域检测模块包括：
目标部位检测单元，用于对所述可见光图像进行目标部位检测，得到目标部位位置；
目标检测区域检测单元，用于确定所述目标部位位置在检测对象的红外图像中的目标检测区域。
24.根据权利要求17所述的检测对象管理系统，其特征在于，所述检测指标包括温度。
25.根据权利要求24所述的检测对象管理系统，其特征在于，所述目标部位包括人脸、额头、手背、脖子、肩头，所述目标检测区域包括人脸区域、额头区域、手背区域、脖子区域、肩头区域。
26.根据权利要求25所述的检测对象管理系统，其特征在于，所述目标检测区域为人脸区域，则目标检测区域的属性为人脸属性，所述人脸属性包括以下至少之一：年龄、角度、性别。
27.根据权利要求26所述的检测对象管理系统，其特征在于，若所述人脸属性包括角度，则获取所述人脸区域的温度，及人脸角度；根据所述人脸角度对所述温度进行补偿。
28.根据权利要求17所述的检测对象管理系统，其特征在于，根据所述人脸角度对所述温度进行补偿的方法，包括：
获取人脸角度；
确定所述人脸角度所对应的温度补偿值；
根据所述温度补偿值得到补偿后的温度。
29.根据权利要求28所述的检测对象管理系统，其特征在于，确定所述人脸角度所对应的温度补偿值，包括：
将所述人脸角度输入至训练好的基于神经网络的角度补偿模型以得到人脸角度对应的温度补偿值。
30.根据权利要求26所述的检测对象管理系统，其特征在于，该系统还包括：
分类模块，用于根据补偿后的温度对所述检测对象或潜在目标对象进行排序或根据年龄、角度、性别、人脸大小对所述检测对象进行分类并对每一分类中的检测对象按补偿后的温度进行排序。
31.根据权利要求23所述的检测对象管理系统，其特征在于，基于检测对象与图像采集装置的距离对所述目标检测区域的温度进行补偿。
32.根据权利要求23或31所述的检测对象管理系统，其特征在于，根据环境的温度对所述目标检测区域的温度进行补偿。
33.一种设备，其特征在于，包括：
一个或多个处理器；和
其上存储有指令的一个或多个机器可读介质，当所述一个或多个处理器执行时，使得所述设备执行如权利要求1-16所述的一个或多个所述的方法。
34.一个或多个机器可读介质，其特征在于，其上存储有指令，当由一个或多个处理器执行时，使得设备执行如权利要求1-16所述的一个或多个所述的方法。
CN202010117486.2A 2020-02-25 2020-02-25 一种检测对象管理方法、系统、机器可读介质及设备 Active CN111310692B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010117486.2A CN111310692B (zh) 2020-02-25 2020-02-25 一种检测对象管理方法、系统、机器可读介质及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010117486.2A CN111310692B (zh) 2020-02-25 2020-02-25 一种检测对象管理方法、系统、机器可读介质及设备

Publications (2)

Publication Number Publication Date
CN111310692A true CN111310692A (zh) 2020-06-19
CN111310692B CN111310692B (zh) 2021-04-02

Family

ID=71162133

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010117486.2A Active CN111310692B (zh) 2020-02-25 2020-02-25 一种检测对象管理方法、系统、机器可读介质及设备

Country Status (1)

Country Link
CN (1) CN111310692B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111297337A (zh) * 2020-02-25 2020-06-19 云从科技集团股份有限公司 一种检测对象判断方法、系统、机器可读介质及设备
CN111920391A (zh) * 2020-06-23 2020-11-13 联想(北京)有限公司 一种测温方法及设备
CN111982300A (zh) * 2020-08-20 2020-11-24 湖北林青测控科技有限公司 区域危险目标热值定位采集系统和装置
CN111985398A (zh) * 2020-08-20 2020-11-24 广州洪拓光电技术有限公司 红外辅助双目测距方法和距离补偿热值采集方法
CN112241702A (zh) * 2020-10-16 2021-01-19 沈阳天眼智云信息科技有限公司 基于红外双光摄像机的体温检测方法
CN113091915A (zh) * 2021-04-09 2021-07-09 深圳市创达电子有限公司 基于人脸识别的自动体温信息采集系统
CN113834571A (zh) * 2020-06-24 2021-12-24 杭州海康威视数字技术股份有限公司 一种目标测温方法、装置及测温系统
WO2022012401A1 (zh) * 2020-07-14 2022-01-20 华为技术有限公司 体温测试方法、电子设备及存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101793562A (zh) * 2010-01-29 2010-08-04 中山大学 一种红外热图像序列的人脸检测与跟踪的算法
CN102147835A (zh) * 2010-11-26 2011-08-10 中华人民共和国深圳出入境检验检疫局 用于口岸车道的司机体温自动测量系统及实现方法
WO2013164746A1 (en) * 2012-05-02 2013-11-07 Koninklijke Philips N.V. Imaging thermometry
US20160262697A1 (en) * 2015-03-10 2016-09-15 Geelux Holdings, Ltd. Device configured to position a sensor at an abreu brain thermal tunnel terminus
US20170188928A1 (en) * 2015-12-24 2017-07-06 Cagri Tanriover Image-based mental state determination
CN109691989A (zh) * 2018-11-28 2019-04-30 武汉高德智感科技有限公司 一种基于红外人脸检测技术的人体温度测量方法
CN110160670A (zh) * 2019-05-05 2019-08-23 深圳中集智能科技有限公司 人体体温检测装置
CN111202504A (zh) * 2020-02-12 2020-05-29 上海云从汇临人工智能科技有限公司 一种异常对象管理方法、系统、机器可读介质及设备

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101793562A (zh) * 2010-01-29 2010-08-04 中山大学 一种红外热图像序列的人脸检测与跟踪的算法
CN102147835A (zh) * 2010-11-26 2011-08-10 中华人民共和国深圳出入境检验检疫局 用于口岸车道的司机体温自动测量系统及实现方法
WO2013164746A1 (en) * 2012-05-02 2013-11-07 Koninklijke Philips N.V. Imaging thermometry
US20160262697A1 (en) * 2015-03-10 2016-09-15 Geelux Holdings, Ltd. Device configured to position a sensor at an abreu brain thermal tunnel terminus
US20170188928A1 (en) * 2015-12-24 2017-07-06 Cagri Tanriover Image-based mental state determination
CN109691989A (zh) * 2018-11-28 2019-04-30 武汉高德智感科技有限公司 一种基于红外人脸检测技术的人体温度测量方法
CN110160670A (zh) * 2019-05-05 2019-08-23 深圳中集智能科技有限公司 人体体温检测装置
CN111202504A (zh) * 2020-02-12 2020-05-29 上海云从汇临人工智能科技有限公司 一种异常对象管理方法、系统、机器可读介质及设备

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111297337A (zh) * 2020-02-25 2020-06-19 云从科技集团股份有限公司 一种检测对象判断方法、系统、机器可读介质及设备
CN111920391A (zh) * 2020-06-23 2020-11-13 联想(北京)有限公司 一种测温方法及设备
CN113834571A (zh) * 2020-06-24 2021-12-24 杭州海康威视数字技术股份有限公司 一种目标测温方法、装置及测温系统
WO2022012401A1 (zh) * 2020-07-14 2022-01-20 华为技术有限公司 体温测试方法、电子设备及存储介质
CN114001825A (zh) * 2020-07-14 2022-02-01 华为技术有限公司 体温测试方法、电子设备及存储介质
EP4174460A4 (en) * 2020-07-14 2024-01-17 Huawei Technologies Co., Ltd. BODY TEMPERATURE MEASUREMENT METHOD, ELECTRONIC DEVICE AND RECORDING MEDIUM
CN111982300A (zh) * 2020-08-20 2020-11-24 湖北林青测控科技有限公司 区域危险目标热值定位采集系统和装置
CN111985398A (zh) * 2020-08-20 2020-11-24 广州洪拓光电技术有限公司 红外辅助双目测距方法和距离补偿热值采集方法
CN111985398B (zh) * 2020-08-20 2023-11-28 广州洪拓光电技术有限公司 红外辅助双目测距方法和距离补偿热值采集方法
CN111982300B (zh) * 2020-08-20 2024-01-23 湖北林青测控科技有限公司 区域危险目标热值定位采集系统和装置
CN112241702A (zh) * 2020-10-16 2021-01-19 沈阳天眼智云信息科技有限公司 基于红外双光摄像机的体温检测方法
CN113091915A (zh) * 2021-04-09 2021-07-09 深圳市创达电子有限公司 基于人脸识别的自动体温信息采集系统

Also Published As

Publication number Publication date
CN111310692B (zh) 2021-04-02

Similar Documents

Publication Publication Date Title
CN111310692B (zh) 一种检测对象管理方法、系统、机器可读介质及设备
WO2021159682A1 (zh) 一种异常对象管理方法、系统、机器可读介质及设备
WO2021159683A1 (zh) 一种异常对象判断方法、系统、机器可读介质及设备
US11650659B2 (en) User input processing with eye tracking
US9443144B2 (en) Methods and systems for measuring group behavior
US9508005B2 (en) Method for warning a user about a distance between user' s eyes and a screen
CN110916620A (zh) 一种体温测量方法及终端
GB2498299B (en) Evaluating an input relative to a display
CN111297337A (zh) 一种检测对象判断方法、系统、机器可读介质及设备
CN110196103A (zh) 温度测量方法及相关设备
US9013591B2 (en) Method and system of determing user engagement and sentiment with learned models and user-facing camera images
US9361705B2 (en) Methods and systems for measuring group behavior
US10004411B2 (en) Living body determination devices and methods
CN112001886A (zh) 一种温度检测方法、装置、终端及可读存储介质
CN108351296A (zh) 用于检测生物学证据的手持移动设备
US20190318155A1 (en) Measurement gauge data storage method and apparatus
JP2017509090A (ja) 画像分類方法及び装置
EP4044907A1 (en) Automatic pressure ulcer measurement
CN109419498A (zh) 一种多功能人体感知系统
WO2019196075A1 (zh) 电子设备及其面部识别方法
US10944903B2 (en) Method for acquiring image using different focus at different depth and electronic device using the same
CN111695509A (zh) 一种身份验证方法、装置、机器可读介质及设备
TWI384383B (zh) 視線察覺裝置及其方法
CN102054338A (zh) 显示装置的控制系统及其方法
TWI699703B (zh) 具辨識標籤補償功能之檢測系統

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