CN111337138B - 红外体温测量方法、装置、设备、系统及可读存储介质 - Google Patents
红外体温测量方法、装置、设备、系统及可读存储介质 Download PDFInfo
- Publication number
- CN111337138B CN111337138B CN202010187559.5A CN202010187559A CN111337138B CN 111337138 B CN111337138 B CN 111337138B CN 202010187559 A CN202010187559 A CN 202010187559A CN 111337138 B CN111337138 B CN 111337138B
- Authority
- CN
- China
- Prior art keywords
- temperature data
- preset
- temperature
- distribution
- infrared
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 91
- 230000036760 body temperature Effects 0.000 title claims abstract description 34
- 238000003860 storage Methods 0.000 title claims abstract description 21
- 238000009826 distribution Methods 0.000 claims abstract description 130
- 238000009529 body temperature measurement Methods 0.000 claims abstract description 39
- 238000006243 chemical reaction Methods 0.000 claims description 34
- 238000001931 thermography Methods 0.000 claims description 27
- 238000013528 artificial neural network Methods 0.000 claims description 10
- 230000005855 radiation Effects 0.000 claims description 9
- 210000001061 forehead Anatomy 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 8
- 230000007613 environmental effect Effects 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 6
- 210000000707 wrist Anatomy 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 7
- 238000001514 detection method Methods 0.000 description 7
- 230000005457 Black-body radiation Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000012216 screening Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 238000012937 correction Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 210000004279 orbit Anatomy 0.000 description 3
- 206010037660 Pyrexia Diseases 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000028016 temperature homeostasis Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 241000282412 Homo Species 0.000 description 1
- 241000700605 Viruses Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 210000001124 body fluid Anatomy 0.000 description 1
- 239000010839 body fluid Substances 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 210000003710 cerebral cortex Anatomy 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000005485 electric heating Methods 0.000 description 1
- 230000005670 electromagnetic radiation Effects 0.000 description 1
- 210000003414 extremity Anatomy 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 210000003016 hypothalamus Anatomy 0.000 description 1
- 210000000987 immune system Anatomy 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 210000001835 viscera Anatomy 0.000 description 1
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
- G01J5/0022—Radiation pyrometry, e.g. infrared or optical thermometry for sensing the radiation of moving bodies
- G01J5/0025—Living bodies
-
- 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
- G01J5/02—Constructional details
- G01J5/08—Optical arrangements
- G01J5/0887—Integrating cavities mimicking black bodies, wherein the heat propagation between the black body and the measuring element does not occur within a solid; Use of bodies placed inside the fluid stream for measurement of the temperature of gases; Use of the reemission from a surface, e.g. reflective surface; Emissivity enhancement by multiple reflections
-
- 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
- G01J5/80—Calibration
-
- 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
- G01K13/20—Clinical contact thermometers for use with humans or animals
- G01K13/223—Infrared clinical thermometers, e.g. tympanic
-
- 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
- G01J2005/0077—Imaging
-
- 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
- G01J2005/0092—Temperature by averaging, e.g. by scan
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Radiation Pyrometers (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本公开提供了一种红外体温测量方法、装置、设备、系统及可读存储介质。红外体温测量方法包括：获取第一红外热像图中各被采集对象的第一预设部位的温度数据；以及基于温度数据集合中多个第一预设部位的温度数据的分布特性与第二预设部位的预设温度特征值，分别将各被采集对象的第一预设部位的温度数据转换为第二预设部位的温度数据。
Description
技术领域
本公开涉及红外温度检测技术领域，尤其涉及一种红外体温测量方法、装置、设备、系统及可读存储介质。
背景技术
红外线辐射是存在于自然界中最广泛的电磁波辐射，物体表面温度如果超过绝对零度即会辐射出红外线。红外热成像技术即是运用光电技术检测物体热辐射的红外线特定波段信号，将该信号转换成可供人类视觉分辨的图像和图形，并可以进一步计算出温度值。红外热成像技术使人类超越了视觉障碍，由此人们可以“看到”物体表面的温度分布状况。
目前，红外热成像技术由于具有非接触检测、测温范围宽等优势，已被广泛应用于需要进行体温检测、筛查等场所。如通过红外摄像机同时对场所内的多人进行热成像，并基于热像图显示的内容进行体温测量。
人体内有专门负责管理体温调节的部位(大脑皮质与丘脑下部)，称之为体温调节中枢，它通过神经、体液等因素调节机体的产热和散热过程，使体温波动于正常范围之内，所以健康人的体温就能保持相对恒定。当外来物质(如病毒)侵扰时，免疫系统可能会通过发热进行对抗。
人类的体温在某个环境中，可以理解为一个温度场，即温度由高到低、梯度下降的一个场。图1是根据一示例示出的人体形成的温度场的示意图。如图1所示，最高温度应是内脏、大脑等核心温度区，再到四肢等外周温度区，最后到皮肤等体表温度区，温度依次降低。例如，正常体温下，肛内温度的典型值为37.5℃，口腔温度的典型值为36.8℃，腋下温度的典型值为36.5℃等。
而体温筛查策略中所给出的发热体温阈值(如为37.3℃)，是指腋下温度的阈值。但是由于腋下温度无法快速测量，实际执行时一般使用上述的红外手段测量体表温度，例如测量手腕、额头温度，这就需要将体表温度转换为腋下温度后再进行判定是否发热。
但相关技术中应用的体表温度到腋下温度的转换方法转换准确度不高，无法为体温筛查提供准确的体温数据，从而可能导致漏筛、错筛等情况出现。
需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的目的在于提供一种红外体温测量方法、装置、设备、系统及可读存储介质，至少在一定程度上克服相关技术中体表温度到标准体温(如腋下温度)转换准确度低的问题。
本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
根据本公开的一个方面，提供一种红外体温测量方法，包括：获取第一红外热像图中各被采集对象的第一预设部位的温度数据；以及基于温度数据集合中多个第一预设部位的温度数据的分布特性与第二预设部位的预设温度特征值，分别将各被采集对象的第一预设部位的温度数据转换为第二预设部位的温度数据。
在本公开一个实施例中，所述预设温度特征值是根据多个第二预设部位的温度数据的分布特性确定的。
在本公开一个实施例中，所述多个第一预设部位的温度数据的分布特性包括：第一分布特征值和第二分布特征值；所述预设温度特征值包括：第三分布特征值和第四分布特征值；基于温度数据集合中多个第一预设部位的温度数据的分布特性与第二预设部位的预设温度特征值，分别将各被采集对象的第一预设部位的温度数据转换为第二预设部位的温度数据，包括：基于所述第一分布特征值、所述第二分布特征值、所述第三分布特征值和所述第四分布特征值，分别将各被采集对象的第一预设部位的温度数据转换为第二预设部位的温度数据。
在本公开一个实施例中，所述第一分布特征值和所述第三分布特征值包括：均值或中位值；所述第二分布特征值和所述第四分布特征值包括：方差；基于所述第一分布特征值、所述第二分布特征值、所述第三分布特征值和所述第四分布特征值，分别将各被采集对象的第一预设部位的温度数据转换为第二预设部位的温度数据，包括：根据下述公式，将被采集对象的第一预设部位的温度数据转换为第二预设部位的温度数据：
其中，x0为所述第二预设部位的温度数据，x′0为所述第一预设部位的温度数据，μ1为所述第三分布特征值，μ2为所述第一分布特征值，σ1为所述第四分布特征值，σ2为所述第二分布特征值。
在本公开一个实施例中，所述温度数据集合中的多个第一预设部位的温度数据与各被采集对象的第一预设部位的温度数据是在同一预设环境下采集到的。
在本公开一个实施例中，所述方法还包括：将各被采集对象的第一预设部位的温度数据添加到所述温度数据集合中；以及重新确定所述温度数据集合中多个第一预设部位的温度数据的分布特性。
在本公开一个实施例中，获取第一红外热像图中各被采集对象的第一预设部位的温度数据，包括：在所述第一红外热像图中分别通过经训练的语义分割神经网络识别各被采集对象的所述第一预设部位；以及获取各被采集对象的所述第一预设部位的温度数据。
在本公开一个实施例中，所述第一预设部位包括：额头或手腕；所述第二预设部位包括：腋下。
在本公开一个实施例中，所述方法还包括：获取第二红外热像图中各被采集对象的第一预设部位的温度数据；以及将各被采集对象的第一预设部位的温度数据添加到所述温度数据集合中。
在本公开一个实施例中，所述方法还包括：基于各被采集对象第一预设部位的温度数据的采集时间，获取相应的第二预设部位的预设温度特征值。
在本公开一个实施例中，所述第一预设部位的温度数据为直接由所述第一红外热像图获取且未通过外部环境参数校正过的温度数据。
根据本公开的另一个方面，提供一种红外体温测量装置，包括：温度获取模块，用于获取第一红外热像图中各被采集对象的第一预设部位的温度数据；以及温度转换模块，用于基于温度数据集合中多个第一预设部位的温度数据的分布特性与第二预设部位的预设温度特征值，分别将各被采集对象的第一预设部位的温度数据转换为第二预设部位的温度数据。
根据本公开的再一个方面，提供一种电子设备，包括：处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行上述的红外体温测量方法。
根据本公开的又一个方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的红外体温测量方法。
根据本公开的又一个方面，提供一种红外体温测量系统，包括：红外采集设备，用于采集被采集对象的红外辐射，并将所述被采集对象的红外辐射转换为电信号，形成红外热像图；以及上述的电子设备，与所述红外采集设备连接，用于对由所述电信号形成的红外热像图进行处理，以对所述红外热像图中各被采集对象的第一预设部位的温度数据进行转换。
在本公开一个实施例中，所述红外采集设备包括：红外相机。
本公开实施例提供的红外体温测量方法，基于采集到的大量人体第一预设部位的温度数据的分布特性及预先设定的人体第二部位的预设温度特征值，对采集到的被采集对象的第一预设部位的温度数据进行转换，得到其第二预设部位的温度数据。通过该方法，一方面无需使用标准热源黑体来对红外采集设备采集到的温度数据本身进行校正，操作简单；另一方面在对检测到的温度进行转换时，无需引入不恒定的诸多参数来进行转换计算，避免了因参数校正不准确而导致的温度转换不准确的问题。仅利用大量人体第一预设部位的温度数据的统计特性及第二预设部位的温度特征值，在进行转换后，即可以得到准确的第二预设部位的温度数据。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，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是根据一示例示出的人体形成的温度场的示意图。
图2是本公开一个示例性实施例提供的红外体温测量系统的结构示意图。
图3示出本公开实施例中一种红外体温测量方法的流程图。
图4示出本公开实施例中另一种红外体温测量方法的流程图。
图5示出本公开实施例中再一种红外体温测量方法的流程图。
图6示出本公开实施例中再一种红外体温测量方法的流程图。
图7示出本公开实施例中再一种红外体温测量方法的流程图。
图8示出本公开实施例中再一种红外体温测量方法的流程图。
图9A和图9B分别为黑体辐射源遮挡示意图和热源方波信号示意图。
图10示出本公开实施例中一种红外体温测量装置的示意图。
图11示出本公开实施例中一种电子设备的示意图。
图12示出本公开实施例中一种计算机可读存储介质的示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。
此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
此外，在本公开的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。
如上述，在机场、车站、商超、楼宇、医院、学校、工厂入口等人流密集的场所均需要进行非接触、快速、准确的体温检测工作。在相关技术中，一般采用基于红外技术的快速体表温度测量方法，然后基于体表温度向腋下温度进行转换。
然而使用诸如红外相机等设备测量体表温度时，测量值会随环境参数变化而发生变化(例如随大气温度变化而变化)，因此需要在红外相机视野内放置标准热源黑体对环境参数进行实时校正，以确保体表温度的测量准确度。
此外，在将体表温度转换为其他部位温度(如腋下温度)时，需要引入多项参数进行转换计算，例如引入包括大气温度等参数，对检测到的体表温度进行转换。
然而所引入的参数并不恒定，需要实时修正，若不及时修正则会导致温度转换准确度降低，从而无法得到准确的转换后温度。
本公开实施例提供的红外体温测量方法，基于温度数据的统计特性，进行体表温度向其他部位温度(如腋下温度)的转换，一方面无需使用标准热源黑体来补偿红外测量值本身随环境参数变化而产生的变化，另一方面无需引入上述实时变化的诸多参数来进行温度转换计算，避免了因不恒定参数导致的转换准确度的降低。
图2是本公开一个示例性实施例提供的红外体温测量系统的结构示意图。该系统包括：红外采集设备1和电子设备2。
其中，红外采集设备1用于采集被采集对象的红外辐射，并将被采集对象的红外辐射转换为电信号，形成红外热像图。
红外采集设备1例如可以为红外相机、红外热像仪、红外摄像机等。红外采集设备1在对被采集对象进行采集时，可以通过拍摄热像视频的方式，输出热像视频流给电子设备2。或者，也可以通过拍摄照片的方式，输出一张张的红外热像图给电子设备2。
电子设备2如可以为计算机或后台服务器等计算设备，接收红外采集设备1发送的热像视频流或热像图，通过对热像视频流或热像图进行处理，来对热像图或热像视频流中各被采集对象的体表温度的温度数据进行转换。
电子设备2与红外采集设备1之间通过通信网络相连。可选的，通信网络是有线网络或无线网络。
本领域技术人员可以知晓，上述红外采集设备1的数量可以更多，分别被设置在相同场所的不同位置，或不同场所。电子设备2分别接收各红外采集设备1输出的红外热像图，并分别对各红外热像图进行处理，以分别对各红外采集设备1采集的被采集对象的体温进行筛查。本公开实施例对红外采集设备1的数量和设备类型不加以限定。
可选的，上述的无线网络或有线网络使用标准通信技术和/或协议。网络通常为因特网、但也可以是任何网络，包括但不限于局域网(Local Area Network，LAN)、城域网(Metropolitan Area Network，MAN)、广域网(Wide Area Network，WAN)、移动、有线或者无线网络、专用网络或者虚拟专用网络的任何组合)。在一些实施例中，使用包括超文本标记语言(Hyper Text Mark-up Language，HTML)、可扩展标记语言(ExtensibleMarkupLanguage，XML)等的技术和/或格式来代表通过网络交换的数据。此外还可以使用诸如安全套接字层(Secure Socket Layer，SSL)、传输层安全(Transport Layer Security，TLS)、虚拟专用网络(Virtual Private Network，VPN)、网际协议安全(InternetProtocolSecurity，IPsec)等常规加密技术来加密所有或者一些链路。
在另一些实施例中，还可以使用定制和/或专用数据通信技术取代或者补充上述数据通信技术。
下面，将结合附图及实施例对本公开示例实施例中的红外体温测量方法的各个步骤进行更详细的说明。
图3示出本公开实施例中一种红外体温测量方法的流程图。本公开实施例提供的方法可以由任意具备计算处理能力的电子设备执行，例如如图2所示的电子设备2。在下面的举例说明中，以电子设备2为执行主体进行示例说明。
参考图3，红外体温测量方法包括：
在步骤S102中，获取第一红外热像图中各被采集对象的第一预设部位的温度数据。
在人流密集场所进行体温检测和/或筛查的过程中，当接收到红外采集设备1实时采集到的第一红外热像图后，分别获取第一红外热像图中各被采集对象的第一预设部位的温度数据。或者，当接收到红外采集设备1实时采集的热像视频流后，截取出第一红外热像图，并分别获取第一红外热像图中各被采集对象的第一预设部位的温度数据。
第一预设部位为人体的体表部位，例如可以包括额头、手腕等部位。此外，在具体实施中，有可能出现由于头发刘海遮挡而导致采集不到额头温度的情况，因此第一预设部位例如还可以包括眼窝部位，即眼睛附近裸露的皮肤。此外，对于不同被测对象，第一预设部位可以包括额头或者眼窝。
该第一预设部位的温度数据为直接由第一红外热像图获取且未通过外部环境参数校正过的温度数据，从而避免了使用相关技术中的热源黑体对环境温度进行校正。
在步骤S104中，基于温度数据集合中多个第一预设部位的温度数据的分布特性与第二预设部位的预设温度特征值，分别将各被采集对象的第一预设部位的温度数据转换为第二预设部位的温度数据。
例如，可以预先通过如图2中的红外采集设备1采集多个被采集对象第一预设部位的温度数据，构建该温度数据集合。
该温度数据集合中温度数据的数量范围例如可以在100～1000之间，但本公开不以此为限。在实际引用中，可以根据实际需求来设定。
需要说明的是，温度数据集合中的第一预设部位的温度数据可以包括不同被采集对象分别的第一预设部位的温度数据，或者也可以包括同一个被采集对象的第一预设部位的多个温度数据。例如，在进行红外采集时，红外采集设备1拍摄热像视频流给电子设备2，电子设备2从热像视频流中依次截取多张热像图。多张热像图中可能会均包含同一个被采集对象，因此在获得的温度数据中，则可能包含该被采集对象的第一预设部位的多个温度数据。或者，红外采集设备1依次拍摄多张热像图给电子设备2，多张热像图中也可能包含同一个被采集对象，从而获得该被采集对象的第一预设部位的多个温度数据。但不管是从热像视频流中截取的多张热像图，还是直接经红外采集设备1拍摄的多张热像图，在时间上均具有先后顺序，因此同一个被采集对象的第一预设部位的多个温度数据也可能因为被采集对象的位姿不同(例如抬头、低头、侧头等)而不相同。
温度数据集合中的第一预设部位的多个温度数据会呈现一定的分布特性，基于该分布特性及第二预设部位的预设温度特征值，可以分别将各被采集对象的第一预设部位的温度数据转换为第二预设部位的温度数据。
第二预设部位为待转换的标准部位，如腋下等。
在一些实施例中，预设温度特征值例如可以是根据多个第二预设部位的温度数据的分布特性确定的。该预设温度特征值例如可以为根据相关标准或资料预先获得的标准数据，或者也可以是根据预先采集到的多个第二预设部位的温度数据的统计特性确定出的，一般以摄氏度或华氏度为单位。
需要说明的是，温度数据集合中的第一预设部位的温度数据和被采集对象的第一预设部位的温度数据如可以包括实际采集到的温度数值，或者也可以包括在对应热像图中的灰度值，如平均灰度、峰值灰度、滤波后的峰值灰度等，本公开不以此为限。但本领域技术人员应理解的是，温度数据集合中的第一预设部位的温度数据与被采集对象的第一预设部位的温度数据的类型应保持一致，例如均被实现为实际采集到的温度数值，或者均被实现为对应热像图中的灰度值。
本公开实施例提供的红外体温测量方法，基于采集到的大量人体第一预设部位的温度数据的分布特性及预先设定的人体第二部位的预设温度特征值，对采集到的被采集对象的第一预设部位的温度数据进行转换，得到其第二预设部位的温度数据。通过该方法，一方面无需使用标准热源黑体来对红外采集设备采集到的温度数据本身进行校正，操作简单；另一方面在对检测到的温度进行转换时，无需引入不恒定的诸多参数来进行转换计算，避免了因参数校正不准确而导致的温度转换不准确的问题。仅利用大量人体第一预设部位的温度数据的统计特性及第二预设部位的温度特征值，在进行转换后，即可以得到准确的第二预设部位的温度数据。
图4示出本公开实施例中另一种红外体温测量方法的流程图。与图3所示的红外体温测量方法10不同的是，图4所示的红外体温测量方法进一步提供了如何基于温度数据集合中多个第一预设部位的温度数据的分布特性与第二预设部位的预设温度特征值，分别将各被采集对象的第一预设部位的温度数据转换为第二预设部位的温度数据的一种示例性实施例，也即提供图3中步骤S104的一种示例性实施例。
在图4所示的方法中，多个第一预设部位的温度数据的分布特性包括：第一分布特征值和第二分布特征值，预设温度特征值包括：第三分布特征值和第四分布特征值。
如图4所示，步骤S104包括：
在步骤S1042中，基于第一分布特征值、第二分布特征值、第三分布特征值和第四分布特征值，分别将各被采集对象的第一预设部位的温度数据转换为第二预设部位的温度数据。
关于数据分布的分布特征，可以分为差异性特征和规律性特征。
其中，差异性特征用于表征数据的离散程度，可以包括：方差、极差、标准偏差和变异系数等。
规律性特征用于表征数据的集中趋势，可以包括：均值、算数平均值、中位数和众数等。
上述的第一分布特征值和第二分布特征值可以分别为规律性特征值和差异性特征值。第三分布特征值和第四分布特征值同样可以分别为规律性特征值和差异性特征值。
如上述，第一分布特征值和第三分布特征值可以为规律性特征值，第二分布特征值和第四分布特征值可以为差异性特征值。结合规律性特征表征数据集中趋势的特性及差异性特征表征数据离散程度的特性，来将第一预设部位的温度数据转换为第二预设部位的温度数据，可以提升温度转换的精准度。
以第一分布特征值和第三分布特征值为均值或中位值，第二分布特征值和第四分布特征值为方差为例，如可以根据下述公式，将被采集对象的第一预设部位的温度数据转换为第二预设部位的温度数据：
其中，x0为第二预设部位的温度数据，x′0为第一预设部位的温度数据，μ1为第三分布特征值，μ2为第一分布特征值，σ1为第四分布特征值，σ2为第二分布特征值。
本领域技术人员应理解的是，上述选择均值(或中位值)和方差来进行结合的方式仅为一示例，目的是结合规律性特征值表征数据集中趋势的特性及差异性特征表征数据离散程度的特性，在进行温度转换时，可以得到更为精准的转换温度，从而避免因转换后温度不准确而造成体温筛查不准确的情况出现。基于该发明构思，还可以分别选取其他规律性特征值和差异性特征值，进行相应的结合方式，来进行不同部位温度数据的转换。
需要说明的是，当选择规律性特征中的众数作为第一分布特征值时，需要预先对温度数据集合中的第一预设部位的温度数据进行预处理。众数是指一组数据中，出现次数最多的变量值。在从温度数据集合的温度数据中选取众数时，可以先以预设度数(如0.5度)为一档，将各温度数据归类到各档中，例如，将36.1度、36.7度、37.3度、37.7度分别归档在36度、36.5度、37.5度及38度几个档位，以使选择出的众数更为集中。
多个第一预设部位的温度数据例如可以符合正态分布特性。此外，所获取的多个第二预设部位的温度数据如也符合正态分布特性，第三分布特征值和第四分布特征值例如分别为该正态分布的均值和方差，例如可以分别取值为36.5℃和0.4℃(或0.5℃)，但本公开不以此为限。
图5示出本公开实施例中再一种红外体温测量方法的流程图。与图3所示的红外体温测量方法10不同的是，图5所示的红外体温测量方法20还可以进一步包括：
在步骤S202中，将各被采集对象的第一预设部位的温度数据添加到温度数据集合中。
不断的将被采集对象的第一预设部位的温度数据添加到温度数据集合中，更新温度数据集合中的温度数据，可以使温度数据集合中不断被更新的温度数据与被采集对象的温度数据是在同一预设环境下采集到的，从而在进行温度转换时，使得转换后的温度数据更为准确。
同一预设环境是指气温稳定的环境，例如可以为机场、火车站、地铁站的室内大厅、政务中心等办事大厅等室内环境。在该环境下，不会出现由于发生诸如电暖设备或空调设备故障而导致的温度突变等情况。此外，也可以包含机场、火车站、地铁站入口处的室外环境，但需要保证该室外环境不会发生温度突变。
不断地将实时采集到的被采集对象的第一预设部位的温度数据添加到温度数据集合中，则可以保证温度数据集合中的温度数据的采集环境趋近于实时采集时的检测环境。例如，以上述的机场、火车站、地铁站入口处的室外环境为例，早上和中午的气温会发生较大变化，如果温度数据集合中的第一预设部位的温度数据是在早上，甚至是凌晨采集的，而实时采集的被采集对象的第一预设部位的温度数据是在中午采集的，因为气温发生了较大的变化，如不及时对温度数据集合中的第一预设部位的温度数据进行更新，而仍然使用早上甚至凌晨采集的第一预设部位的温度数据来进行转换，则有可能会影响温度转换的准确性。
进一步地，在不断将实时采集到的第一预设部位的温度数据添加到温度数据集合中时，还可以将温度数据集合中的旧数据删除。例如可以按照先进先出的顺序删除旧数据，也即当加入新的温度数据时，可以将当前温度数据集合中最早被加入的温度数据删除。通过该方法，可以不断地将旧数据剔除，保证温度数据集合中的温度数据的采集环境更加趋近于实时检测/测量时采集的温度数据。此外，在删除时，还可以采用添加数量与删除数量保持一致的方式，从而使温度数据集合中的温度数据的数量始终保持在预设数量。
在步骤S204中，重新确定温度数据集合中多个第一预设部位的温度数据的分布特性。
在温度数据集合中的第一预设部位的温度数据被更新后，重新确定温度数据集合中多个第一预设部位的温度数据的分布特性，如上述的第一分布特征值和第二分布特征值。
图6示出本公开实施例中再一种红外体温测量方法的流程图。与图3所示的红外体温测量方法10不同的是，图6所示的红外体温测量方法还进一步提供了步骤S102的一个示例性实施例。
参考图6，步骤S102包括：
在步骤S1022中，在第一红外热像图中分别通过经训练的语义分割神经网络识别各被采集对象的第一预设部位。
如上述，第一预设部位例如可以包括：额头、眼窝、手腕等。
可通过经训练的语义分割神经网络识别出第一红外热像图中各被采集对象的该第一预设部位的像素级区域。
如上述，该语义分割神经网络事先通过经标注的热像图样本进行过训练。该语义分割神经网络例如可以为ICNET神经网络、segNET神经网络、MobilNet神经网络等。
在步骤S1024中，获取各被采集对象的第一预设部位的温度数据。
在分别识别出第一红外热像图中各被采集对象的第一预设部位后，可以分析识别出的第一红外热像图中上述像素级区域内像素的灰度数据，如平均灰度、峰值灰度、滤波后的峰值灰度等，通过对灰度数据的分析可以进一步获取对应的温度数据，从而得到各被采集对象的第一预设部位的温度数据。
图7示出本公开实施例中再一种红外体温测量方法的流程图。与图3所示的红外体温测量方法10不同的是，图7所示的红外体温测量方法30，在步骤S102之前，还包括：
在步骤S302，获取第二红外热像图中各被采集对象的第一预设部位的温度数据。
在初始时，为了构建温度数据集合，可以分别对一张或多张第二红外热像图进行处理，并分别从一张或多张第二红外热像图中获取各被采集对象的第一预设部位的温度数据。
如上述，温度数据集合中的第一预设部位的温度数据可以包括不同被采集对象分别的第一预设部位的温度数据，或者也可以包括同一个被采集对象的第一预设部位的多个温度数据。例如，在进行红外采集时，红外采集设备1拍摄热像视频流给电子设备2，电子设备2从热像视频流中依次截取多张第二红外热像图。多张第二红外热像图中可能会均包含同一个被采集对象，因此在获得的温度数据中，则可能包含该被采集对象的第一预设部位的多个温度数据。或者，红外采集设备1依次拍摄多张第二红外热像图给电子设备2，多张第二红外热像图中也可能包含同一个被采集对象，从而获得该被采集对象的第一预设部位的多个温度数据。但不管是从热像视频流中截取的多张第二红外热像图，还是直接经红外采集设备1拍摄的多张第二红外热像图，在时间上均具有先后顺序，因此同一个被采集对象的第一预设部位的多个温度数据也可能因为被采集对象的位姿不同而不相同。
此外，如上述，为了提升温度检测的准确度，第二红外热像图与第一红外热像图是在同一预设环境中被采集得到的。
在步骤S304，将各被采集对象的第一预设部位的温度数据添加到温度数据集合中。
将各被采集对象的第一预设部位的温度数据添加到温度数据集合中，以构建该温度数据集合。
图8示出本公开实施例中再一种红外体温测量方法的流程图。与图3所示的红外体温测量方法10不同的是，图8所示的红外体温测量方法40，在步骤S102之前，还包括：
在步骤S402中，基于各被采集对象第一预设部位的温度数据的采集时间，获取相应的第二预设部位的预设温度特征值。
人体的温度在每天不同时间会不相同。通常一天之中，清晨2～5时体温最低，下午5～7时最高，但一天之内温差一般小于1℃。
为了进一步提升温度转换的准确性，还可以基于各被采集对象第一预设部位的温度数据的采集时间，获取相应的第二预设部位的预设温度特征值。
例如，如果第一红外热像图是在早上拍摄的，则获取的第二预设部位的预设温度特征值为早上的预设温度特征值；而如果第一红外热像图是在下午拍摄的，则获取的第二预设部位的预设温度特征值为下午的预设温度特征值。
如上述，预设温度特征值例如包括人体第二预设部位温度统计数据中的均值和方差，对应不同的时间，该均值和方差会略有不同。通过选取对应时间的预设温度特征值，可以进一步提升温度转换的精准度。
本公开实施例还进一步提供了对于上述红外体温测量方法的测试方法，该方法可以用于在由第一预设部位的温度数据向第二预设部位的温度数据进行转换时，测试所使用的方法是否使用了上述的红外体温测量方法。
具体方法为：
设定黑体辐射源温度为预设值A，例如设定为40度。利用对黑体辐射源的周期性或非周期性遮挡制造热源方波信号，图9A和图9B分别为黑体辐射源遮挡示意图和热源方波信号示意图。使用被测试设备测量并显示上述黑体温度。
一段时间(例如30分钟)后，若测量值稳定输出为预设值B(例如为36.5℃)，则变更黑体辐射源温度为预设值C并继续测量观察一段时间，测量值仍逐渐稳定输出为预设值B；或，一段时间(例如30分钟)后，测量值输出存在较大波动且无法稳定，则说明被测试设备采用了上述本公开实施例中任一种红外体温测量方法。
测试原理为：
黑体辐射源是一种标准热源，可以设定用来模拟的温度，具有短时内温度十分稳定的特点，波动一般不超过0.15度。使用上述热源方波信号模拟一个群体，群体中个体依次逐个出现，个体温度可设定，群体温度均值基本是设定的个体温度值，群体方差很小几乎为零。若无论群体的均值温度如何设定，测量一段时间后，个体的测量值均稳定在某个预设值，或由于方差极小从而出现测量值较大波动(因为方差会出现在被除数位置)，则说明使用了本公开实施例中的上述任一种红外体温测量方法。
需要注意的是，上述附图仅是根据本公开示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
下述为本公开装置实施例，可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节，请参照本公开方法实施例。
图10示出本公开实施例中一种红外体温测量装置的示意图。
参考图10，红外体温测量装置50包括：温度获取模块502和温度转换模块504。
其中，温度获取模块502用于获取第一红外热像图中各被采集对象的第一预设部位的温度数据。
温度转换模块504用于基于温度数据集合中多个第一预设部位的温度数据的分布特性与第二预设部位的预设温度特征值，分别将各被采集对象的第一预设部位的温度数据转换为第二预设部位的温度数据。
在一些实施例中，预设温度特征值是根据多个第二预设部位的温度数据的分布特性确定的。
在一些实施例中，多个第一预设部位的温度数据的分布特性包括：第一分布特征值和第二分布特征值；预设温度特征值包括：第三分布特征值和第四分布特征值。温度转换模块504还可以用于基于第一分布特征值、第二分布特征值、第三分布特征值和第四分布特征值，分别将各被采集对象的第一预设部位的温度数据转换为第二预设部位的温度数据。
在一些实施例中，第一分布特征值和第三分布特征值包括：均值或中位值；第二分布特征值和第四分布特征值包括：方差；温度转换模块504还可以进一步用于根据下述公式，将被采集对象的第一预设部位的温度数据转换为第二预设部位的温度数据：
其中，x0为第二预设部位的温度数据，x′0为第一预设部位的温度数据，μ1为第三分布特征值，μ2为第一分布特征值，σ1为第四分布特征值，σ2为第二分布特征值。
在一些实施例中，第一温度数据集合中的多个第一预设部位的温度数据与各被采集对象的第一预设部位的温度数据是在同一预设环境下采集到的。
在一些实施例中，红外体温测量装置50还可以包括：数据添加模块和分布统计模块。数据添加模块用于将各被采集对象的第一预设部位的温度数据添加到温度数据集合中。分布统计模块用于重新确定温度数据集合中多个第一预设部位的温度数据的分布特性。
在一些实施例中，温度获取模块502可以包括：部位识别单元和温度获取单元。部位识别单元用于在第一红外热像图中分别通过经训练的语义分割神经网络识别各被采集对象的第一预设部位。温度获取单元用于获取各被采集对象的第一预设部位的温度数据。
在一些实施例中，第一预设部位包括：额头或手腕；第二预设部位包括：腋下。
在一些实施例中，温度获取模块502还可以用于获取第二红外热像图中各被采集对象的第一预设部位的温度数据。数据添加模块还可以用于将各被采集对象的第一预设部位的温度数据添加到温度数据集合中。
在一些实施例中，红外体温测量装置50还包括：特征值获取模块，用于基于各被采集对象第一预设部位的温度数据的采集时间，获取相应的第二预设部位的预设温度特征值。
在一些实施例中，第一预设部位的温度数据为直接由第一红外热像图获取且未通过外部环境参数校正过的温度数据。
本公开实施例提供的红外体温测量装置，基于采集到的大量人体第一预设部位的温度数据的分布特性及预先设定的人体第二部位的预设温度特征值，对采集到的被采集对象的第一预设部位的温度数据进行转换，得到其第二预设部位的温度数据。通过该方法，一方面无需使用标准热源黑体来对红外采集设备采集到的温度数据进行实时校正，操作简单；另一方面在对检测到的温度进行转换时，无需引入不恒定的诸多参数来进行转换计算，避免了因参数校正不准确而导致的温度转换不准确的问题。仅利用大量人体第一预设部位的温度数据的统计特性及第二预设部位的温度特征值，在进行转换后，即可以得到准确的第二预设部位的温度数据。
所属技术领域的技术人员能够理解，本公开的各个方面可以实现为系统、方法或程序产品。因此，本公开的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。
下面参照图11来描述根据本公开的这种实施方式的电子设备800。图11显示的电子设备800仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图11所示，电子设备800以通用计算设备的形式表现。电子设备800的组件可以包括但不限于：上述至少一个处理单元810、上述至少一个存储单元820、连接不同系统组件(包括存储单元820和处理单元810)的总线830。
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元810执行，使得所述处理单元810执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。例如，所述处理单元810可以执行如图3中所示的步骤S102，获取第一红外热像图中各被采集对象的第一预设部位的温度数据；步骤S104，基于温度数据集合中多个第一预设部位的温度数据的分布特性与第二预设部位的预设温度特征值，分别将各被采集对象的第一预设部位的温度数据转换为第二预设部位的温度数据。
存储单元820可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)8201和/或高速缓存存储单元8202，还可以进一步包括只读存储单元(ROM)8203。
存储单元820还可以包括具有一组(至少一个)程序模块8205的程序/实用工具8204，这样的程序模块8205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线830可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备800也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备800交互的设备通信，和/或与使得该电子设备800能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口850进行。并且，电子设备800还可以通过网络适配器860与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器860通过总线830与电子设备800的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备800使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。
在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中，本公开的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。
参考图12所示，描述了根据本公开的实施方式的用于实现上述方法的程序产品900，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本公开的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由所附的权利要求指出。
Claims (14)
1.一种红外体温测量方法，其特征在于，包括：
获取第一红外热像图中各被采集对象的第一预设部位的温度数据；以及
基于温度数据集合中多个第一预设部位的温度数据的分布特性与第二预设部位的预设温度特征值，分别将各被采集对象的第一预设部位的温度数据转换为第二预设部位的温度数据；其中，所述预设温度特征值是根据多个第二预设部位的温度数据的分布特性确定的，所述分布特性对应的分布特征包括差异性特征和规律性特征；所述差异性特征用于表征数据的离散程度，所述规律性特征用于表征数据的集中趋势；所述多个第一预设部位的温度数据的分布特性包括：第一分布特征值和第二分布特征值，所述第一分布特征值与所述第二分布特征值分别为所述规律性特征值和所述差异性特征值；所述预设温度特征值包括：第三分布特征值和第四分布特征值，所述第三分布特征值与所述第四分布特征值分别为所述规律性特征值和所述差异性特征值；
所述基于温度数据集合中多个第一预设部位的温度数据的分布特性与第二预设部位的预设温度特征值，分别将各被采集对象的第一预设部位的温度数据转换为第二预设部位的温度数据，包括：基于所述第一分布特征值、所述第二分布特征值、所述第三分布特征值和所述第四分布特征值，分别根据下述公式将各被采集对象的第一预设部位的温度数据转换为第二预设部位的温度数据：
其中，x0为所述第二预设部位的温度数据，x’0为所述第一预设部位的温度数据，μ1为所述第三分布特征值，μ2为所述第一分布特征值，σ1为所述第四分布特征值σ2为所述第二分布特征值。
2.根据权利要求1所述的方法，其特征在于，所述第一分布特征值和所述第三分布特征值包括：均值或中位值；所述第二分布特征值和所述第四分布特征值包括：方差。
3.根据权利要求1-2任一项所述的方法，其特征在于，所述温度数据集合中的多个第一预设部位的温度数据与各被采集对象的第一预设部位的温度数据是在同一预设环境下采集到的。
4.根据权利要求1-2任一项所述的方法，其特征在于，还包括：
将各被采集对象的第一预设部位的温度数据添加到所述温度数据集合中；以及
重新确定所述温度数据集合中多个第一预设部位的温度数据的分布特性。
5.根据权利要求1-2任一项所述的方法，其特征在于，获取第一红外热像图中各被采集对象的第一预设部位的温度数据，包括：
在所述第一红外热像图中分别通过经训练的语义分割神经网络识别各被采集对象的所述第一预设部位；以及
获取各被采集对象的所述第一预设部位的温度数据。
6.根据权利要求1-2任一项所述的方法，其特征在于，所述第一预设部位包括：额头或手腕；所述第二预设部位包括：腋下。
7.根据权利要求1-2任一项所述的方法，其特征在于，还包括：
获取第二红外热像图中各被采集对象的第一预设部位的温度数据；以及
将各被采集对象的第一预设部位的温度数据添加到所述温度数据集合中。
8.根据权利要求1-2任一项所述的方法，其特征在于，还包括：
基于各被采集对象第一预设部位的温度数据的采集时间，获取相应的第二预设部位的预设温度特征值。
9.根据权利要求1-2任一项所述的方法，其特征在于，所述第一预设部位的温度数据为直接由所述第一红外热像图获取且未通过外部环境参数校正过的温度数据。
10.一种红外体温测量装置，其特征在于，包括：
温度获取模块，用于获取第一红外热像图中各被采集对象的第一预设部位的温度数据；以及
温度转换模块，用于基于温度数据集合中多个第一预设部位的温度数据的分布特性与第二预设部位的预设温度特征值，分别将各被采集对象的第一预设部位的温度数据转换为第二预设部位的温度数据；其中，所述预设温度特征值是根据多个第二预设部位的温度数据的分布特性确定的，所述分布特性对应的分布特征包括差异性特征和规律性特征；所述差异性特征用于表征数据的离散程度，所述规律性特征用于表征数据的集中趋势；
其中，所述多个第一预设部位的温度数据的分布特性包括：第一分布特征值和第二分布特征值，所述第一分布特征值与所述第二分布特征值分别为所述规律性特征值和所述差异性特征值；所述预设温度特征值包括：第三分布特征值和第四分布特征值，所述第三分布特征值与所述第四分布特征值分别为所述规律性特征值和所述差异性特征值；
所述温度转换模块，具体用于基于所述第一分布特征值、所述第二分布特征值、所述第三分布特征值和所述第四分布特征值，分别根据下述公式将各被采集对象的第一预设部位的温度数据转换为第二预设部位的温度数据：
其中，x0为所述第二预设部位的温度数据，x’0为所述第一预设部位的温度数据，μ1为所述第三分布特征值，μ2为所述第一分布特征值，σ1为所述第四分布特征值σ2为所述第二分布特征值。
11.一种电子设备，其特征在于，包括：
处理器；以及
存储器，用于存储所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1-9任一项所述的方法。
12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-9任一项所述的方法。
13.一种红外体温测量系统，其特征在于，包括：
红外采集设备，用于采集被采集对象的红外辐射，并将所述被采集对象的红外辐射转换为电信号，形成红外热像图；以及
根据权利要求11所述的电子设备，与所述红外采集设备连接，用于对由所述电信号形成的红外热像图进行处理，以对所述红外热像图中各被采集对象的第一预设部位的温度数据进行转换。
14.根据权利要求13所述的系统，其特征在于，所述红外采集设备包括：红外相机。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010187559.5A CN111337138B (zh) | 2020-03-17 | 2020-03-17 | 红外体温测量方法、装置、设备、系统及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010187559.5A CN111337138B (zh) | 2020-03-17 | 2020-03-17 | 红外体温测量方法、装置、设备、系统及可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111337138A CN111337138A (zh) | 2020-06-26 |
| CN111337138B true CN111337138B (zh) | 2022-02-18 |
Family
ID=71180257
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010187559.5A Active CN111337138B (zh) | 2020-03-17 | 2020-03-17 | 红外体温测量方法、装置、设备、系统及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111337138B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111780876B (zh) * | 2020-06-30 | 2023-12-01 | 平安国际智慧城市科技股份有限公司 | 温度测量方法、装置、电子设备及计算机可读存储介质 |
| CN116583218A (zh) * | 2020-12-08 | 2023-08-11 | 深圳迈瑞生物医疗电子股份有限公司 | 用于温度测量的方法、装置和存储介质 |
| CN113432720A (zh) * | 2021-06-25 | 2021-09-24 | 深圳市迈斯泰克电子有限公司 | 基于人体识别的温度检测方法、装置以及温度检测仪器 |
| WO2023089723A1 (ja) * | 2021-11-18 | 2023-05-25 | 三菱電機株式会社 | 検温システム、検温装置、検温方法及びプログラム |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1771882A (zh) * | 2005-09-02 | 2006-05-17 | 武汉市昊博科技有限公司 | 一种从生物体表面温度分布获取内热源信息的方法与装置 |
| CN104083154A (zh) * | 2014-07-24 | 2014-10-08 | 成都市晶林科技有限公司 | 一种人群健康检测系统及方法 |
| CN106923796A (zh) * | 2016-12-19 | 2017-07-07 | 中国矿业大学 | 智能手腕体温测试仪 |
| CN107397537A (zh) * | 2017-07-25 | 2017-11-28 | 深圳市谷德科技有限公司 | 一种移动终端以及体温测量方法 |
| WO2018133080A1 (zh) * | 2017-01-22 | 2018-07-26 | 上海温尔信息科技有限公司 | 温度分析方法及装置 |
| CN108577813A (zh) * | 2017-12-11 | 2018-09-28 | 武汉久乐科技有限公司 | 基于体温测量设备的体温测量方法和体温测量设备 |
| CN110246589A (zh) * | 2019-05-07 | 2019-09-17 | 深圳市谷德科技有限公司 | 一种基于人体个体差异的体温校正方法及装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108344525B (zh) * | 2018-02-09 | 2020-06-23 | 英华达（上海）科技有限公司 | 自适应体温监控方法及系统 |
-
2020
- 2020-03-17 CN CN202010187559.5A patent/CN111337138B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1771882A (zh) * | 2005-09-02 | 2006-05-17 | 武汉市昊博科技有限公司 | 一种从生物体表面温度分布获取内热源信息的方法与装置 |
| CN104083154A (zh) * | 2014-07-24 | 2014-10-08 | 成都市晶林科技有限公司 | 一种人群健康检测系统及方法 |
| CN106923796A (zh) * | 2016-12-19 | 2017-07-07 | 中国矿业大学 | 智能手腕体温测试仪 |
| WO2018133080A1 (zh) * | 2017-01-22 | 2018-07-26 | 上海温尔信息科技有限公司 | 温度分析方法及装置 |
| CN107397537A (zh) * | 2017-07-25 | 2017-11-28 | 深圳市谷德科技有限公司 | 一种移动终端以及体温测量方法 |
| CN108577813A (zh) * | 2017-12-11 | 2018-09-28 | 武汉久乐科技有限公司 | 基于体温测量设备的体温测量方法和体温测量设备 |
| CN110246589A (zh) * | 2019-05-07 | 2019-09-17 | 深圳市谷德科技有限公司 | 一种基于人体个体差异的体温校正方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111337138A (zh) | 2020-06-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111337138B (zh) | 红外体温测量方法、装置、设备、系统及可读存储介质 | |
| CN103479339B (zh) | 一种红外体温监测自动校准方法及校准系统 | |
| US8655068B1 (en) | Color correction system | |
| Somboonkaew et al. | Mobile-platform for automatic fever screening system based on infrared forehead temperature | |
| CN111486962A (zh) | 基于红外成像的远距离人体面部测温系统及实现方法 | |
| WO2006115826A2 (en) | Method for diagnosing disease from tongue image | |
| US20170011513A1 (en) | Method and system for feature extraction and decision making from series of images | |
| EP2840557B1 (en) | Image processing system, server device, image pickup device and image evaluation method | |
| CN111798407A (zh) | 一种基于神经网络模型的带电设备故障诊断方法 | |
| US11373302B2 (en) | Thermal camera, and method thereof for early diagnosis of infectious diseases | |
| CN111256832A (zh) | 基于红外检测的群体体温筛查方法及其设备 | |
| CN106886681A (zh) | 一种红外热成像自助体检系统 | |
| WO2022056445A1 (en) | Biometric imaging and biotelemetry system | |
| CN111553266A (zh) | 识别验证方法、装置及电子设备 | |
| EP3563350A1 (en) | Method and device for a three-dimensional mapping of a patient's skin for supporting the melanoma diagnosis | |
| CN111970328A (zh) | 一种基于物联网的健康防疫管理系统 | |
| Fernandes et al. | Early skin cancer detection using computer aided diagnosis techniques | |
| CN111854964A (zh) | 一种测量体温的方法、装置、测温工具及存储介质 | |
| CN113834585B (zh) | 还原炉内硅棒检测方法及系统、装置、介质及电子设备 | |
| JP2019509798A (ja) | 乳癌検診用ソフトウェアツール | |
| CN112418251A (zh) | 红外体温检测方法及系统 | |
| CN108710901B (zh) | 一种基于深度学习的脊柱畸形筛查系统及方法 | |
| US11436881B2 (en) | System and method for automated face mask, temperature, and social distancing detection | |
| CN113029347A (zh) | 报警配置装置和报警配置方法 | |
| JP7492211B2 (ja) | 非接触体温測定装置、方法及びプログラム |
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 |