CN111339854A - 一种测温方法、测温装置、机器人以及计算机存储介质 - Google Patents
一种测温方法、测温装置、机器人以及计算机存储介质 Download PDFInfo
- Publication number
- CN111339854A CN111339854A CN202010093479.3A CN202010093479A CN111339854A CN 111339854 A CN111339854 A CN 111339854A CN 202010093479 A CN202010093479 A CN 202010093479A CN 111339854 A CN111339854 A CN 111339854A
- Authority
- CN
- China
- Prior art keywords
- target object
- temperature
- distance
- value
- thermal image
- 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
Links
- 238000009529 body temperature measurement Methods 0.000 title claims abstract description 181
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000003860 storage Methods 0.000 title claims abstract description 18
- 238000001514 detection method Methods 0.000 claims abstract description 82
- 230000036760 body temperature Effects 0.000 claims abstract description 39
- 238000004861 thermometry Methods 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 3
- 238000004904 shortening Methods 0.000 abstract description 2
- 238000004590 computer program Methods 0.000 description 15
- 238000013136 deep learning model Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 15
- 230000006870 function Effects 0.000 description 9
- 230000001960 triggered effect Effects 0.000 description 8
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 208000015181 infectious disease Diseases 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000002405 diagnostic procedure Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- QSHDDOUJBYECFT-UHFFFAOYSA-N mercury Chemical compound [Hg] QSHDDOUJBYECFT-UHFFFAOYSA-N 0.000 description 1
- 229910052753 mercury Inorganic materials 0.000 description 1
- 210000000214 mouth Anatomy 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000005180 public health Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
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
- G06V40/161—Detection; Localisation; Normalisation
-
- 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
-
- 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
- G01J5/80—Calibration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Biophysics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Radiation Pyrometers (AREA)
- Image Processing (AREA)
Abstract
本申请提供一种测温方法、测温装置、机器人以及计算机存储介质,用以缩短测温周期,提高测温效率。本申请实施例通过热感图像采集设备采集测温环境中目标对象的热感图像,并检测热感图像中目标对象的人脸区域;根据热感图像的像素特征,确定目标对象的初始人脸温度值;获取温度误差值,温度误差值根据当前的测温环境中参考对象的温度检测值和/或目标对象与热感图像采集设备之间的距离确定;根据温度误差值对初始人脸温度值进行校正,得到目标对象的实际人脸温度值。本申请实施例提供的测温方法,通过采集热感图像的方式检测目标对象的体温,测温周期较短,测温效率较高,且通过温度误差值对测得的初始人脸温度值进行校正,测温准确度较高。
Description
技术领域
本申请涉及人工智能技术领域,尤其涉及一种测温方法、测温装置、机器人以及计算机存储介质。
背景技术
在爆发快速传播的紧急疫情时,医疗资源紧缺,无法及时对普通患者和潜在感染患者进行筛查,导致疫情传播更为严重。
由于潜在感染患者体温通常较高,在暴发紧急疫情时,往往需要在人流量较大的场所对来往人员逐个进行测温。目前常用的测温手段有采用水银体温计或电子体温计进行腋下或口腔测温,但是这种传统的测温手段进行一次测温需要较长时间,(例如一次测温一般在5分钟以上),因此,目前传统的测温方式测量周期较长,测温效率较低,无法满足在人员较多的场景下实现快速且准确测温。
发明内容
本申请实施例提供一种测温方法、测温装置、机器人以及计算机存储介质,用以缩短测温周期,提高测温效率。
第一方面,本申请实施例提供一种测温方法,所述方法包括:
通过热感图像采集设备采集测温环境中目标对象的热感图像,并检测所述热感图像中所述目标对象的人脸区域;
根据所述热感图像中所述目标对象的人脸区域的像素特征,确定所述目标对象的初始人脸温度值;
获取用于对所述目标对象的初始人脸温度值进行校正的温度误差值,所述温度误差值根据当前的测温环境中参考对象的温度检测值和/或所述目标对象与所述热感图像采集设备之间的距离确定;
根据确定出的温度误差值对所述初始人脸温度值进行校正,得到所述目标对象的实际人脸温度值。
在一种可能的实现方式中,根据下列方式确定所述温度误差值:
根据当前的测温环境中参考对象的温度检测值确定当前测温环境下的环境温度误差值,将确定出的环境温度误差值作为所述温度误差值;或
根据对象与热感图像采集设备之间的距离与距离温度误差值之间的对应关系,确定所述目标对象与所述热感图像采集设备之间的距离对应的距离温度误差值;将所述目标对象与所述热感图像采集设备之间的距离对应的距离温度误差值作为所述温度误差值;或
根据当前的测温环境中参考对象的温度检测值确定当前测温环境下的环境温度误差值,以及根据对象与热感图像采集设备之间的距离与距离温度误差值之间的对应关系,确定所述目标对象与所述热感图像采集设备之间的距离对应的距离温度误差值;将确定出的环境温度误差值与所述目标对象与所述热感图像采集设备之间的距离对应的距离温度误差值之和作为所述温度误差值。
在一种可能的实现方式中,根据下列方式确定所述目标对象与所述热感图像采集设备之间的距离:
在通过热感图像采集设备采集测温环境中目标对象的热感图像时,通过深度图像采集设备采集目标对象的深度图像;
根据所述目标对象的人脸区域在所述热感图像中的位置,确定所述深度图像中所述目标对象的人脸区域;
根据所述深度图像中所述目标对象的人脸区域的像素特征确定所述目标对象到所述热感图像采集设备的距离。
在一种可能的实现方式中,所述根据所述目标对象的人脸区域在所述热感图像中的位置,确定所述深度图像中所述目标对象的人脸区域,包括:
将所述目标对象的人脸区域在所述热感图像中的位置,作为所述目标对象的人脸区域在所述深度图像中的位置;或
根据所述热感图像采集设备与所述深度图像采集设备的相对位置关系,以及所述目标对象的人脸区域在所述热感图像中的位置,确定所述深度图像中所述目标对象的人脸区域。
在一种可能的实现方式中,根据所述深度图像中所述目标对象的人脸区域的像素特征确定所述目标对象到所述热感图像采集设备的距离,包括:
根据所述深度图像中所述目标对象的人脸区域的像素特征,确定所述目标对象到所述深度图像采集设备的距离;将所述目标对象到所述深度图像采集设备的距离作为所述目标对象到所述热感图像采集设备的距离;或
根据所述深度图像中所述目标对象的人脸区域的像素特征,确定所述目标对象到所述深度图像采集设备的距离;根据所述热感图像采集设备与所述深度图像采集设备的相对位置关系,以及所述目标对象到所述深度图像采集设备的距离,确定所述目标对象到所述热感图像采集设备的距离。
在一种可能的实现方式中,所述参考对象为在当前测温环境中预先放置的黑体;
根据下列方式确定当前测温环境下的环境温度误差值:
确定对当前测温环境中预先放置的黑体的温度检测值,将所述黑体的温度检测值与所述黑体的温度标准值之间的差值作为当前测温环境下的环境温度误差值。
在一种可能的实现方式中,所述参考对象为当前测温环境中的测温对象;
根据下列方式确定当前测温环境下的环境温度误差值:
确定当前测温环境中多个测温对象的体温检测值,将得到的多个测温对象的体温检测值的平均值与预设的体温标准值之间的差值作为所述当前测温环境下的环境温度误差值。
在一种可能的实现方式中,该方法还包括:
在通过热感图像采集设备采集测温环境中目标对象的热感图像时,通过RGB图像采集设备采集目标对象的RGB图像,并对采集到的所述RGB图像中所述目标对象的人脸区域进行人脸识别,生成所述目标对象对应的身份标识;
在根据确定出的温度误差值对所述初始人脸温度值进行校正,得到所述目标对象的实际人脸温度值之后,还包括:
将所述目标对象的实际人脸温度值和/或所述目标对象输入的个人信息,与所述目标对象的身份标识绑定后进行存储。
在一种可能的实现方式中,所述检测所述热感图像中所述目标对象的人脸区域,包括:
将所述热感图像输入已训练的人脸检测深度学习模型,通过所述人脸检测深度学习模型检测所述热感图像中所述目标对象的人脸区域;或
检测所述RGB图像中所述目标对象的人脸区域,并根据所述目标对象的人脸区域在所述RGB图像中的位置确定所述热感图像中所述目标对象的人脸区域。
在一种可能的实现方式中,所述根据所述目标对象的人脸区域在所述RGB图像中的位置确定所述热感图像中所述目标对象的人脸区域,包括:
将所述目标对象的人脸区域在所述RGB图像中的位置,作为所述目标对象的人脸区域在所述热感图像中的位置;或
根据所述热感图像采集设备与所述RGB图像采集设备的相对位置关系,以及所述目标对象的人脸区域在所述RGB图像中的位置,确定所述热感图像中所述目标对象的人脸区域。
在一种可能的实现方式中,在通过热感图像采集设备采集测温环境中目标对象的热感图像之前,还包括:
确定设备标识集合中包含热感图像采集设备的设备标识。
在一种可能的实现方式中,在通过热感图像采集设备采集测温环境中目标对象的热感图像之前,还包括:
接收到触发测温的语音指令;或
接收到触发测温的远程控制指令;或
接收到对象通过显示界面触发的进行测温的操作指令;或
检测到测温环境中包含人脸的对象。
第二方面,本申请实施例提供一种测温装置,所述装置包括:
检测模块,用于通过热感图像采集设备采集测温环境中目标对象的热感图像,并检测所述热感图像中所述目标对象的人脸区域;
确定模块,用于根据所述热感图像中所述目标对象的人脸区域的像素特征,确定所述目标对象的初始人脸温度值;
获取模块,用于获取用于对所述目标对象的初始人脸温度值进行校正的温度误差值,所述温度误差值根据当前的测温环境中参考对象的温度检测值和/或所述目标对象与所述热感图像采集设备之间的距离确定;
校正模块,用于根据确定出的温度误差值对所述初始人脸温度值进行校正,得到所述目标对象的实际人脸温度值。
在一种可能的实现方式中,所述获取模块具体用于根据下列方式确定所述温度误差值:
根据当前的测温环境中参考对象的温度检测值确定当前测温环境下的环境温度误差值,将确定出的环境温度误差值作为所述温度误差值;或
根据对象与热感图像采集设备之间的距离与距离温度误差值之间的对应关系,确定所述目标对象与所述热感图像采集设备之间的距离对应的距离温度误差值;将所述目标对象与所述热感图像采集设备之间的距离对应的距离温度误差值作为所述温度误差值;或
根据当前的测温环境中参考对象的温度检测值确定当前测温环境下的环境温度误差值,以及根据对象与热感图像采集设备之间的距离与距离温度误差值之间的对应关系,确定所述目标对象与所述热感图像采集设备之间的距离对应的距离温度误差值;将确定出的环境温度误差值与所述目标对象与所述热感图像采集设备之间的距离对应的距离温度误差值之和作为所述温度误差值。
在一种可能的实现方式中,所述获取模块具体用于根据下列方式确定所述目标对象与所述热感图像采集设备之间的距离:
在通过热感图像采集设备采集测温环境中目标对象的热感图像时,通过深度图像采集设备采集目标对象的深度图像;
根据所述目标对象的人脸区域在所述热感图像中的位置,确定所述深度图像中所述目标对象的人脸区域;
根据所述深度图像中所述目标对象的人脸区域的像素特征确定所述目标对象到所述热感图像采集设备的距离。
在一种可能的实现方式中,所述获取模块具体用于:
将所述目标对象的人脸区域在所述热感图像中的位置,作为所述目标对象的人脸区域在所述深度图像中的位置;或
根据所述热感图像采集设备与所述深度图像采集设备的相对位置关系,以及所述目标对象的人脸区域在所述热感图像中的位置,确定所述深度图像中所述目标对象的人脸区域。
在一种可能的实现方式中,所述获取模块具体用于:
根据所述深度图像中所述目标对象的人脸区域的像素特征,确定所述目标对象到所述深度图像采集设备的距离;将所述目标对象到所述深度图像采集设备的距离作为所述目标对象到所述热感图像采集设备的距离;或
根据所述深度图像中所述目标对象的人脸区域的像素特征,确定所述目标对象到所述深度图像采集设备的距离;根据所述热感图像采集设备与所述深度图像采集设备的相对位置关系,以及所述目标对象到所述深度图像采集设备的距离,确定所述目标对象到所述热感图像采集设备的距离。
在一种可能的实现方式中,所述参考对象为在当前测温环境中预先放置的黑体;
所述获取模块具体用于:
确定对当前测温环境中预先放置的黑体的温度检测值,将所述黑体的温度检测值与所述黑体的温度标准值之间的差值作为当前测温环境下的环境温度误差值。
在一种可能的实现方式中,所述参考对象为当前测温环境中的测温对象;
所述获取模块具体用于:
确定当前测温环境中多个测温对象的体温检测值,将得到的多个测温对象的体温检测值的平均值与预设的体温标准值之间的差值作为所述当前测温环境下的环境温度误差值。
在一种可能的实现方式中,该装置还包括:
识别模块,用于在通过热感图像采集设备采集测温环境中目标对象的热感图像时,通过RGB图像采集设备采集目标对象的RGB图像,并对采集到的所述RGB图像中所述目标对象的人脸区域进行人脸识别,生成所述目标对象对应的身份标识;
在根据确定出的温度误差值对所述初始人脸温度值进行校正,得到所述目标对象的实际人脸温度值之后,所述识别模块还用于:
将所述目标对象的实际人脸温度值和/或所述目标对象输入的个人信息,与所述目标对象的身份标识绑定后进行存储。
在一种可能的实现方式中,所述检测模块具体用于:
将所述热感图像输入已训练的人脸检测深度学习模型,通过所述人脸检测深度学习模型检测所述热感图像中所述目标对象的人脸区域;或
检测所述RGB图像中所述目标对象的人脸区域,并根据所述目标对象的人脸区域在所述RGB图像中的位置确定所述热感图像中所述目标对象的人脸区域。
在一种可能的实现方式中,所述检测模块具体用于:
将所述目标对象的人脸区域在所述RGB图像中的位置,作为所述目标对象的人脸区域在所述热感图像中的位置;或
根据所述热感图像采集设备与所述RGB图像采集设备的相对位置关系,以及所述目标对象的人脸区域在所述RGB图像中的位置,确定所述热感图像中所述目标对象的人脸区域。
在一种可能的实现方式中,所述检测模块在通过热感图像采集设备采集测温环境中目标对象的热感图像之前,还用于:
确定设备标识集合中包含热感图像采集设备的设备标识。
在一种可能的实现方式中,所述检测模块在通过热感图像采集设备采集测温环境中目标对象的热感图像之前,还用于:
接收到触发测温的语音指令;或
接收到触发测温的远程控制指令;或
接收到对象通过显示界面触发的进行测温的操作指令;或
检测到测温环境中包含人脸的对象。
第三方面,本申请实施例提供一种机器人,包括:
存储器以及处理器;
存储器,用于存储程序指令;
处理器,用于调用所述存储器中存储的程序指令,按照获得的程序指令执行第一方面任一项所述的测温方法。
第四方面,本申请实施例还提供一种计算机存储介质,存储有计算机可执行指令,所述计算机可执行指令用于实现第一方面任一项所述的测温方法。
本申请实施例提供的技术方案至少带来以下有益效果:
在本申请实施例中,根据热感图像采集设备采集目标对象的热感图像,通过热感图像中目标对象的人脸区域确定目标对象的初始人脸温度值,并对目标对象的初始人脸温度值进行校正,得到准确度较高的目标对象的实际人脸温度值。与传统的测温方法相比,通过采集热感图像的方式检测目标对象的体温,测温周期较短,测温效率较高,且通过温度误差值对测得的初始人脸温度值进行校正,测温准确度较高。
此外,本申请实施例将目标对象的人脸温度值作为目标对象的体温,可以减少衣物服饰等对体温造成的影响,测得的体温值更为准确。以及本申请实施例中对目标对象的进行测温,热感图像采集设备可以安装在可移动的机器人上,减少工作人员或者医护人员与测温对象的接触,根据测得的实际人脸温度值对目标对象进行诊断,降低工作人员或者医护人员的感染率。
本申请的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请而了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,显而易见地,下面所介绍的附图仅仅是本申请的一些实施例,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为本申请实施例提供的一种应用场景的示意图;
图2为本申请实施例提供的一种测温方法的流程图;
图3为本申请实施例提供的一种处于唤醒状态的机器人的示意图;
图4为本申请实施例提供的一种机器人的显示界面示意图;
图5为本申请实施例提供的一种标注出目标对象的人脸区域的热感图像示意图;
图6为本申请实施例提供的采集的多个测温对象在不同距离下距离温度误差的变化示意图;
图7为本申请实施例提供的一种测温装置的结构示意图;
图8为本申请实施例提供的另一种测温装置的结构示意图;
图9为本申请实施例提供的一种机器人的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述。
在本文中提及的“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
为了解决现有技术中传统的测温方式测量周期较长、测温效率较低的问题,本申请实施例给出了解决方案。
一种可选的应用场景如图1所示的示意图,本申请实施例可以通过机器人进行测温;其中,机器人10外接安装有热感图像采集设备11。机器人10通过热感图像采集设备11采集测温环境中目标对象12的热感图像,机器人10对热感图像采集设备11采集到的热感图像中目标对象12的人脸区域进行检测,根据热感图像中目标对象12的人脸区域的像素特征,确定目标对象12的初始人脸温度值;机器人10根据当前测温环境中参考对象的温度检测值和/或目标对象12与热感图像采集设备11之间的距离,确定用于对目标对象12的初始人脸温度值进行校正的温度误差值;根据确定出的温度误差值对初始人脸温度值进行校正,得到目标对象12的实际人脸温度值,将目标对象12的实际人脸温度值作为目标对象12的体温值。
需要说明的是,热感图像采集设备11可以外接安装在机器人10外,也可以集成安装在机器人10内,本申请不做具体限定。
其中,热感图像采集设备11可以为红外测温设备,可以通过红外测温设备采集热感图像。
由上可见,在本申请实施例中,根据热感图像采集设备采集目标对象的热感图像,通过热感图像中目标对象的人脸区域确定目标对象的初始人脸温度值,并对目标对象的初始人脸温度值进行校正,得到准确度较高的目标对象的实际人脸温度值。与传统的测温方法相比,通过采集热感图像的方式检测目标对象的体温,测温周期较短,测温效率较高,且通过温度误差值对测得的初始人脸温度值进行校正,测温准确度较高。
此外,本申请实施例将目标对象的人脸温度值作为目标对象的体温,可以减少衣物服饰等对体温造成的影响,测得的体温值更为准确。以及本申请实施例中对目标对象的进行测温,热感图像采集设备可以安装在可移动的机器人上,减少工作人员或者医护人员与测温对象的接触,根据测得的实际人脸温度值对目标对象进行诊断,降低工作人员或者医护人员的感染率。
下面对本申请实施例作进一步详细描述。
图2是根据一示例性实施例示出的一种测温方法的流程图,如图2所示,包括以下步骤:
在步骤S201中、通过热感图像采集设备采集测温环境中目标对象的热感图像,并检测热感图像中目标对象的人脸区域;
在步骤S202中、根据热感图像中目标对象的人脸区域的像素特征,确定目标对象的初始人脸温度值;
在步骤S203中、获取用于对所述目标对象的初始人脸温度值进行校正的温度误差值,所述温度误差值根据当前的测温环境中参考对象的温度检测值和/或所述目标对象与所述热感图像采集设备之间的距离确定;
在步骤S204中、根据确定出的温度误差值对初始人脸温度值进行校正,得到目标对象的实际人脸温度值。
通过将本申请实施例中涉及的用于测温的热感图像采集设备、深度图像采集设备、RGB图像采集设备安装于机器人上为例,对本申请实施例提供的测温方法进行阐述,需要说明的是,将上述设备安装于机器人上仅是示例的,并不构成对本申请保护范围的限定,实质上,本申请实施例中涉及的用于测温的热感图像采集设备、深度图像采集设备以及RGB图像采集设备可安装于任何电子设备上。
一种可选的实施方式为,在通过热感图像采集设备采集测温环境中目标对象的热感图像之前,可以通过下列方式触发机器人进行测温:
1、接收到触发测温的语音指令;
具体的,机器人在接收到用于触发测温的语音指令后进行测温;例如,用于触发测温的语音指令为“快速测温”,当机器人接收到触发测温的语音指令后,若机器人处于休眠状态,则唤醒机器人进行测温,若机器人处于唤醒状态,则立即进行测温,并在机器人的显示界面上展示测温界面。
实施中,在机器人处于休眠状态时,若接收到测温对象触发的“快速测温的语音指令后”,机器人进入唤醒状态,并在如图3所示的显示界面中展示测温界面。
2、接收到触发测温的远程控制指令;
具体的,在接收到用于触发测温的远程控制指令后进行测温;实施中,技术人员或工作人员可以通过控制设备远程控制机器人,在接收到控制设备触发的远程控制指令后,立即进行测温。
3、接收到对象通过显示界面触发的进行测温的操作指令;
具体的,在机器人的显示界面上设置相关按钮,对象可以通过点击测温功能的相关按钮触发进行测温的操作指令,机器人在接收到进行测温的操作指令后进行测温。
例如,如图4所示的机器人的显示界面中包含有体温测量的选项,测温对象可以通过点击显示界面中体温测量的选项触发进行测温的操作指令。
4、检测到测温环境中包含人脸的对象;
具体的,机器人实时对测温环境进行人脸检测,在检测到包含人脸的对象时,机器人开始测温;或者机器人检测到对象靠近时进行人脸检测,若检测到包含人脸的对象,则进行测温。
在触发测温后,需要判断机器人是否安装有热感图像采集设备,在确定安装有热感图像采集设备后,通过安装的热感图像采集设备对目标对象进行测温。
一种可选的实施方式为,机器人可以根据下列方式判断是否安装有热感图像采集设备:
判断设备标识集合中是否包含热感图像采集设备的设备标识;若是,确定机器人安装有热感图像采集设备。
需要说明的是,若对设备标识集合进行检测时,若设备标识集合中不包含热感图像采集设备的设备标识,则可以通过向目标对象展示测温信息界面的方式,引导目标对象输入包含目标对象体温的个人信息;例如,通过显示界面向目标对象展示用于填写个人信息的二维码,在目标对象扫描二维码后,通过显示界面向目标对象展示测温信息的填写界面,目标对象可以在测温信息的填写界面输入个人信息,可以包括姓名、联系方式、症状、体温、接触情况等,以根据目标对象的个人信息对目标对象进行诊断。本申请实施例中对未安装热感图像采集设备的诊断过程不作具体限定,上述诊断过程仅是示例的。
本申请实施例针对机器人上安装的设备,可以是每种类型的设备对应一个设备标识集合;例如,热感图像采集设备、深度图像采集设备、RGB图像采集设备分别对应不同的设备标识集合。或者,还可以是所有类型的设备对应同一个设备标识集合;例如,热感图像采集设备、深度图像采集设备、RGB图像采集设备均对应同一个设备标识集合。
在检测到安装有热感图像采集设备后,通过热感图像采集设备采集测温环境中目标对象的热感图像,并检测热感图像中目标对象的人脸区域。
需要说明的是,热感图像采集设备一般并不具备检测人脸区域的功能,因此热感图像采集设备采集的热感图像中一般未标注目标对象的人脸区域,本申请实施例中可以根据下列方式确定热感图像中目标对象的人脸区域:
方法一:将热感图像输入已训练的人脸检测深度学习模型,通过人脸检测深度学习模型检测热感图像中目标对象的人脸区域。
具体的,已训练的人脸检测深度学习模型可以检测热感图像中目标对象的人脸区域,将采集到的目标对象的热感图像输入已训练的人脸检测深度学习模型中,人脸检测深度学习模型对热感图像进行检测,标注出热感图像中目标对象的人脸区域。
如图5所示,为标注目标对象的人脸区域的热感图像。
实施中,可以通过大量标注人脸区域的热感图像样本输入人脸检测深度学习模型,对人脸检测深度学习模型进行训练,通过对深度学习模型的模型参数进行调整,使得训练好的深度学习模型具备检测热感图像中人脸区域的能力。
方法二:检测RGB图像中目标对象的人脸区域,并根据目标对象的人脸区域在RGB图像中的位置确定热感图像中目标对象的人脸区域。
其中,RGB即是代表红、绿、蓝三个通道的颜色,通过红(R)、绿(G)、蓝(B)三个颜色通道的变化以及对三个颜色通道的叠加可得到各式各样的颜色,RGB图像即普通彩色图像。
具体的,通过RGB图像采集设备采集目标对象的RGB图像,检测RGB图像中目标对象的人脸区域,并根据目标对象的人脸区域在RGB图像中的位置确定热感图像中目标对象的位置。
需要说明的是,热感图像采集设备与RGB图像采集设备的拍摄场景相同,并且,热感图像与RGB图像同时拍摄,以保证热感图像和RGB图像中包含同一目标对象。
在确定RGB图像中目标对象的人脸区域后,根据目标对象的人脸区域在RGB图像中的位置确定目标对象的人脸区域在热感图像中的位置。
一种可选的实施方式为,将目标对象的人脸区域在RGB图像中的位置,作为目标对象的人脸区域在热感图像中的位置;
具体的,若热感图像采集设备与RGB图像采集设备集成于同一图像采集设备或者热感图像采集设备与RGB图像采集设备的距离较近时,采集到的热感图像与RGB图像中所包含的目标对象的人脸区域位置相同或者相近,可以将目标对象的人脸区域在RGB图像中的位置,作为目标对象的人脸区域在热感图像中的位置。
另一种可选的实施方式为,根据热感图像采集设备与RGB图像采集设备的相对位置关系,以及目标对象的人脸区域在RGB图像中的位置,确定热感图像中目标对象的人脸区域。
具体的,若热感图像采集设备与RGB图像采集设备的距离较远,造成热感图像与RGB图像中所包含的目标对象的人脸区域位置差别较大,或者为提高确定热感图像中人脸区域的准确度,可以根据热感图像采集设备与RGB采集设备的相对位置关系,以及目标对象的人脸区域在RGB图像中的位置,确定热感图像中目标对象的人脸区域。
例如,热感图像采集设备与RGB图像采集设备的相对位置关系为:热感图像采集设备设置在RGB图像采集设备的左侧预设距离,假设为5cm(厘米),则将目标对象的人脸区域在RGB图像中位置的左侧5cm的位置,作为目标对象的人脸区域在热感图像中的位置。
在确定热感图像中目标对象的人脸区域后,根据热感图像中目标对象的人脸区域的像素特征,确定目标对象的初始人脸温度值。
实施中,热感图像可以为灰度图像,根据灰度图像的色阶与温度的对应关系,以及热感图像中目标对象的人脸区域的色阶,确定目标对象的初始人脸温度值;或者,热感图像可以为彩色图像,根据彩色图像的颜色与温度的对应关系,以及热感图像中目标对象的人脸区域的颜色,确定目标对象的初始人脸温度。其中,色阶与颜色均为热感图像的像素特征,通过对热感图像的像素分析可以确定热感图像的色阶或者灰度。
在通过热感图像确定初始人脸温度值之后,为进一步提高温度检测的准确定,对初始人脸温度进行误差校正,获得准确度较高的实际人脸温度值。
本申请实施例提供的测温方法中,造成检测温度误差的因素有两种,一种是由于当前测温环境的环境温度造成的温度误差,当前测温环境中空气的温度、湿度、以及通风情况等都可能造成温度误差,不同的环境因素造成的温度误差可能不同;另一种是由于目标对象与热感图像采集设备之间的距离造成的温度误差,一般情况下,目标对象与热感图像采集设备之间的距离越远,则可能导致初始人脸温度值相较于实际人脸温度值越低。
因此,在确定用于对目标对象的初始人脸温度值进行校正的温度误差值时,本申请实施例提供下列确定温度误差值的方法:
一、根据当前的测温环境中参考对象的温度检测值,确定温度误差值。
一种可选的实施方式为,根据当前的测温环境中参考对象的温度检测值确定当前测温环境下的环境温度误差值,将确定出的环境温度误差值作为温度误差值。
具体的,在当前测温环境中选取参考对象,对参考对象进行温度检测得到参考对象的温度检测值,根据参考对象在当前测温环境中的温度检测值确定当前测温环境下的环境温度误差值,将环境温度误差值作为用于对初始人脸温度值进行校正的温度误差值,也就是说,可以校正由于环境因素造成的检测温度误差。
本申请实施例提供两种参考对象,分别对应不同的确定环境温度误差值的方式,下面依次对此进行介绍。
方式1、选取当前测温环境中预先放置的黑体作为参考对象,根据下列方式确定环境温度误差值:
确定对当前测温环境中预先放置的黑体的温度检测值,将黑体的温度检测值与黑体的温度标准值之间的差值作为当前测温环境下的环境温度误差值。
具体的,黑体是能够在任何温度下将辐射到它表面上的任何波长的能量全部吸收的物体,并将这些辐射转化为热辐射,黑体的光谱特征仅与黑体的温度有关,与黑体的材质无关,因此,可以通过检测当前测温环境对黑体的温度的影响确定当前测温环境下的环境温度误差值。
实施中,实时检测预先放置的黑体的温度检测值,或者每隔预设时长检测预先放置的黑体的温度检测值,或者在每次确定目标对象的初始人脸温度值后检测预先放置的黑体的温度检测值,或者在机器人的所在的测温环境发生变化后检测预先在测温环境中放置的黑体的温度检测值;将黑体的温度检测值与黑体的温度标准值之间的差值作为当前测温环境下的环境温度误差值。
例如,在当前测温环境中预先放置温度标准值为41℃的黑体,在确定目标对象的初始人脸温度值之后,对当前测温环境中预先放置的黑体进行检测,假设测得黑体的温度检测值为38℃,则确定当前测温环境下的环境温度误差值为-3℃。
方式2、选取当前测温环境中的测温对象作为参考对象,根据下列方式确定环境温度误差值:
具体的,确定当前测温环境中多个测温对象的体温检测值,将得到的多个测温对象的体温检测值的平均值与预设的体温标准值之间的差值作为当前测温环境下的环境温度误差值。
由于人体的体温值在大部分正常状态下为恒定值,采用数据统计的方法确定当前测温环境中多个测温对象的体温检测值,由于多数测温对象的体温正常,环境对多数测温对象体温的影响相同,取多个测温对象在当前测温环境下的体温检测值的平均值,与预设的体温标准值之间的差值作为当前测温环境下的环境温度误差值。
假设,预设的体温标准值为36.6℃,对前测温环境下多个测温对象的体温检测值为37.2℃,则确定当前测温环境下的环境温度误差值为0.6℃。
需要说明的是,统计的当前测温环境下测温对象的体温检测值越多,确定的环境温度误差值越准确。
实施中,在确定环境温度误差值时,实时根据多个测温对象的体温检测值的平均值与预设的体温标准值之间的差值确定当前测温环境下的温度误差值;或者,在确定当前测温环境发生变化后,例如,由机器人的移动引起的测温环境的变化,统计变化后的测温环境中的测温对象的体温检测值,根据多个测温对象的体温检测值的平均值与预设的体温标准值之间的差值确定变化后的测温环境下的温度误差值。
二、根据目标对象与热感图像采集设备之间的距离,确定温度误差值。
一种可选的实施方式为,根据对象与热感图像采集设备之间的距离与距离温度误差值之间的对应关系,确定目标对象与热感图像采集设备之间的距离对应的距离温度误差值;将目标对象与热感图像采集设备之间的距离对应的距离温度误差值作为温度误差值。
具体的,对象与热感图像采集设备之间的距离与距离温度误差值之间有对应关系,如图6所示,获取多个测温对象在不同距离下真实温度值与检测温度值之间的由于距离造成的距离温度误差值,通过数据分析,拟合出距离与距离温度误差值之间的对应关系,实施中,可以通过使用MATLAB工具进行上述关系的拟合。
确定目标对象与热感图像采集设备之间的距离后,根据上述对应关系确定目标对象与热感图像采集设备之间的距离对应的距离温度误差值,将确定的距离温度误差值作为用于对目标对象的初始人脸温度值进行校正的温度误差值,也就是说,可以校正由于距离因素造成的检测温度误差。
需要说明的是,在测温时,目标对象与热感图像采集设备之间的距离可以是预设的固定距离;例如,在进行测温时,规定目标对象与热感图像采集设备之间的距离为1米。那么,可以针对预设的固定距离,确定该固定距离对应的距离温度误差值,在每次对目标对象进行测温时,直接使用该固定距离对应的距离温度误差值;或者,还可以在每次对目标对象进行测温时,实时获取目标对象与热感图像采集设备之间的距离,再根据每次测得的距离确定距离温度误差值。
一种可选的实施方式为,根据下列方式确定目标对象与热感图像采集设备之间的距离:
在通过热感图像采集设备采集测温环境中目标对象的热感图像时,通过深度图像采集设备采集目标对象的深度图像;根据目标对象的人脸区域在热感图像中的位置,确定深度图像中目标对象的人脸区域;根据深度图像中目标对象的人脸区域的像素特征确定目标对象到热感图像采集设备的距离。
需要说明的是,热感图像采集设备与深度图像采集设备的拍摄场景相同,并且,热感图像与深度图像同时拍摄,以保证热感图像和深度图像中包含同一目标对象。
具体的,在确定热感图像中目标对象的人脸区域后,根据目标对象的人脸区域在热感图像中的位置确定目标对象的人脸区域在深度图像中的位置。
一种可选的实施方式为,将目标对象的人脸区域在热感图像中的位置,作为目标对象的人脸区域在深度图像中的位置;
具体的,若热感图像采集设备与深度图像采集设备集成于同一图像采集设备或者热感图像采集设备与深度图像采集设备的距离较近时,采集到的热感图像与深度图像中所包含的目标对象的人脸区域位置相同或者相近,可以将目标对象的人脸区域在热感图像中的位置,作为目标对象的人脸区域在深度图像中的位置。
另一种可选的实施方式为,根据热感图像采集设备与深度图像采集设备的相对位置关系,以及目标对象的人脸区域在热感图像中的位置,确定深度图像中目标对象的人脸区域。
具体的,若热感图像采集设备与深度图像采集设备的距离较远,造成热感图像与深度图像中所包含的目标对象的人脸区域位置差别较大,或者为提高确定深度图像中人脸区域的准确度,可以根据热感图像采集设备与深度采集设备的相对位置关系,以及目标对象的人脸区域在深度图像中的位置,确定深度图像中目标对象的人脸区域。
例如,热感图像采集设备与深度图像采集设备的相对位置关系为:热感图像采集设备设置在深度图像采集设备的下侧预设距离,假设为5cm,则将目标对象的人脸区域在热感图像中位置的上侧5cm的位置,作为目标对象的人脸区域在深度图像中的位置。
在确定深度图像中目标对象的人脸区域后,根据深度图像中目标对象人脸区域的像素特征确定目标对象到热感图像采集设备的距离。
具体的,深度图像也被称为距离影像,是指深度图像采集设备到场景中个点的距离作为像素值的图像。因此,可以通过深度图像的像素特征确定目标对象到热感图像采集设备的距离。
一种可选的实施方式为,根据深度图像中目标对象的人脸区域的像素特征,确定目标对象到深度图像采集设备的距离;将目标对象到深度图像采集设备的距离作为目标对象到热感图像采集设备的距离。
具体的,若热感图像采集设备与深度图像采集设备集成于同一图像采集设备或者热感图像采集设备与深度图像采集设备的距离较近时,目标对象到热感图像采集设备的距离与目标对象到深度图像采集设备的距离相同或者相近,可以将目标对象到深度图像采集设备的距离,作为目标对象到热感图像采集设备的距离。
另一种可选的实施方式为,根据深度图像中目标对象的人脸区域的像素特征,确定目标对象到深度图像采集设备的距离;根据热感图像采集设备与深度图像采集设备的相对位置关系,以及目标对象到深度图像采集设备的距离,确定目标对象到热感图像采集设备的距离。
具体的,若热感图像采集设备与深度图像采集设备的距离较远,造成目标对象到热感图像采集设备的距离与目标对象到深度图像采集设备的距离差别较大,或者为提高确定目标对象到热感图像采集设备距离的准确度,可以根据热感图像采集设备与深度采集设备的相对位置关系,以及目标对象到深度图像采集设备的距离,确定目标对象到热感图像采集设备的距离。
例如,热感图像采集设备与深度图像采集设备的相对位置关系为:热感图像采集设备设置在深度图像采集设备的后侧预设距离,假设为5cm,则将目标对象到深度图像采集设备的距离加上5cm,作为目标对象到热感图像采集设备的距离。
通过上述方式确定目标对象到热感图像采集设备的距离之后,根据距离与距离温度误差之间的对应关系,确定目标对象到热感图像采集设备的距离对应的温度误差,将上述距离温度误差作为对目标对象的初始人脸温度值进行校正的温度误差值。
三、根据当前的测温环境中参考对象的温度检测值和目标对象与热感图像采集设备之间的距离,确定温度误差值。
一种可选的实施方式为,根据当前的测温环境中参考对象的温度检测值确定当前测温环境下的环境温度误差值,以及根据对象与热感图像采集设备之间的距离与距离温度误差之间的对应关系,确定目标对象与热感图像采集设备之间的距离对应的距离温度误差;将确定出的环境温度误差与目标对象与热感图像采集设备之间的距离对应的距离温度误差之和作为温度误差值。
具体的,确定由于环境因素造成的环境温度误差,以及由于目标对象到热感图像采集设备之间的距离因素造成的距离温度误差,将环境温度误差与距离温度误差之和,作为对目标对象的初始人脸温度进行校正的温度误差值,也就是说,对由于环境因素造成的检测温度误差以及由于距离因素造成的检测温度误差都进行矫正。
具体的,对于确定环境温度误差的方式以及确定距离温度误差的方式参见上述内容,再次不再重复赘述。
实施中,假设确定的环境温度误差为0.6℃,距离温度误差为-1.5℃,则对目标对象的初始人脸温度值进行校正的温度误差值确定为-0.9℃。
在确定出用于对目标对象的初始人脸温度值进行校正的温度误差值之后,根据确定出的温度误差值对初始人脸温度值进行校正,得到目标对象的实际人脸温度值。
具体的,将目标对象的初始人脸温度值与温度误差值之差作为目标对象的实际人脸温度。
例如,目标对象的初始人脸温度为37.8℃,温度误差值为-0.9℃,则目标对象的实际人脸温度为38.7℃。
需要说明的是,本申请实施例提供的测温方法,在测温时对于目标对象到热感图像采集设备之间的距离并没有特别的限定,在能够获取到目标对象的人脸区域时,就可以测量人脸温度。实施中,目标对象到热感图像采集设备之间的距离一般在0.5-2.5米之间,如果距离过远,超过2.5米,在实际情况中目标对象可以忽略不计,此时对象只是经过,并不与机器人互动,不能构成测温场景;如果距离过近,测温设备可能失效,也不认为是测温场景。
此外,本申请实施例提供的测温方法中,还可以对目标对象进行人脸识别,用于在根据本申请实施例提供的方法确定目标对象的实际人脸温度值后,对目标对象的身体数据进行存储以及对目标对象的身体状况进行诊断。
一种可选的实施方式为,在通过热感图像采集设备采集测温环境中目标对象的热感图像时,通过RGB图像采集设备采集目标对象的RGB图像,并对采集到的RGB图像中目标对象的人脸区域进行人脸识别,生成目标对象对应的身份标识。
需要说明的是,热感图像采集设备与RGB图像采集设备的拍摄场景相同,并且,热感图像与RGB图像同时拍摄,以保证热感图像和RGB图像中包含同一目标对象。
通过对RGB图像中目标对象的人脸区域进行人脸识别,针对每个目标对象生成唯一的身份标识(ID)。
将目标对象的实际人脸温度值和/或目标对象输入的个人信息,与目标对象的身份标识绑定后进行存储。
具体的,若在确定目标对象的实际人脸温度值之前,存储有目标对象通过扫码等方式输入的个人信息,则将目标对象的实际人脸温度值以及目标对象的个人信息与目标对象的身份标识进行绑定并存储;或者只将确定的目标对象的实际人脸温度值与目标对象的身份标识进行绑定并存储;或者,只将目标对象输入的个人信息与目标对象的身份标识进行绑定并存储。
实施中,根据与目标对象的身份ID绑定的信息,调用已有的在线诊断工具,或者其他诊断测量方式,共同辅助给出诊断结果和建议,后续可对该目标对象的身体状况进行持续追踪、进行数据统计和疫情分析等。特殊的,如果有危险疫情,可以发出警报、立即通知管理员、医生或者公共卫生部门等。
基于同一发明构思,本申请实施例中还提供了一种测温装置,由于该测温装置解决问题的原理与本申请实施例提供的一种测温方法相似,因此该测温装置的实施可以参见方法的实施,重复之处不再赘述。
如图7所示,本申请实施例提供的一种测温装置,包括:
检测模块700,用于通过热感图像采集设备采集测温环境中目标对象的热感图像,并检测所述热感图像中所述目标对象的人脸区域;
确定模块701,用于根据所述热感图像中所述目标对象的人脸区域的像素特征,确定所述目标对象的初始人脸温度值;
获取模块702,用于获取用于对所述目标对象的初始人脸温度值进行校正的温度误差值,所述温度误差值根据当前的测温环境中参考对象的温度检测值和/或所述目标对象与所述热感图像采集设备之间的距离确定;
校正模块703,用于根据确定出的温度误差值对所述初始人脸温度值进行校正,得到所述目标对象的实际人脸温度值。
在一种可能的实现方式中,所述获取模块702具体用于根据下列方式确定所述温度误差值:
根据当前的测温环境中参考对象的温度检测值确定当前测温环境下的环境温度误差值,将确定出的环境温度误差值作为所述温度误差值;或
根据对象与热感图像采集设备之间的距离与距离温度误差值之间的对应关系,确定所述目标对象与所述热感图像采集设备之间的距离对应的距离温度误差值;将所述目标对象与所述热感图像采集设备之间的距离对应的距离温度误差值作为所述温度误差值;或
根据当前的测温环境中参考对象的温度检测值确定当前测温环境下的环境温度误差值,以及根据对象与热感图像采集设备之间的距离与距离温度误差值之间的对应关系,确定所述目标对象与所述热感图像采集设备之间的距离对应的距离温度误差值;将确定出的环境温度误差值与所述目标对象与所述热感图像采集设备之间的距离对应的距离温度误差值之和作为温度误差值。
在一种可能的实现方式中,所述获取模块702具体用于根据下列方式确定所述目标对象与所述热感图像采集设备之间的距离:
在通过热感图像采集设备采集测温环境中目标对象的热感图像时,通过深度图像采集设备采集目标对象的深度图像;
根据所述目标对象的人脸区域在所述热感图像中的位置,确定所述深度图像中所述目标对象的人脸区域;
根据所述深度图像中所述目标对象的人脸区域的像素特征确定所述目标对象到所述热感图像采集设备的距离。
在一种可能的实现方式中,所述获取模块702具体用于:
将所述目标对象的人脸区域在所述热感图像中的位置,作为所述目标对象的人脸区域在所述深度图像中的位置;或
根据所述热感图像采集设备与所述深度图像采集设备的相对位置关系,以及所述目标对象的人脸区域在所述热感图像中的位置,确定所述深度图像中所述目标对象的人脸区域。
在一种可能的实现方式中,所述获取模块702具体用于:
根据所述深度图像中所述目标对象的人脸区域的像素特征,确定所述目标对象到所述深度图像采集设备的距离;将所述目标对象到所述深度图像采集设备的距离作为所述目标对象到所述热感图像采集设备的距离;或
根据所述深度图像中所述目标对象的人脸区域的像素特征,确定所述目标对象到所述深度图像采集设备的距离;根据所述热感图像采集设备与所述深度图像采集设备的相对位置关系,以及所述目标对象到所述深度图像采集设备的距离,确定所述目标对象到所述热感图像采集设备的距离。
在一种可能的实现方式中,所述参考对象为在当前测温环境中预先放置的黑体;
所述获取模块702具体用于:
确定对当前测温环境中预先放置的黑体的温度检测值,将所述黑体的温度检测值与所述黑体的温度标准值之间的差值作为当前测温环境下的环境温度误差值。
在一种可能的实现方式中,所述参考对象为当前测温环境中的测温对象;
所述获取模块702具体用于:
确定当前测温环境中多个测温对象的体温检测值,将得到的多个测温对象的体温检测值的平均值与预设的体温标准值之间的差值作为所述当前测温环境下的环境温度误差值。
如图8所示,在一种可能的实现方式中,该装置还包括:
识别模块704,用于在通过热感图像采集设备采集测温环境中目标对象的热感图像时,通过RGB图像采集设备采集目标对象的RGB图像,并对采集到的所述RGB图像中所述目标对象的人脸区域进行人脸识别,生成所述目标对象对应的身份标识;
在根据确定出的温度误差值对所述初始人脸温度值进行校正,得到所述目标对象的实际人脸温度值之后,所述识别模块704还用于:
将所述目标对象的实际人脸温度值和/或所述目标对象输入的个人信息,与所述目标对象的身份标识绑定后进行存储。
在一种可能的实现方式中,所述检测模块700具体用于:
将所述热感图像输入已训练的人脸检测深度学习模型,通过所述人脸检测深度学习模型检测所述热感图像中所述目标对象的人脸区域;或
检测所述RGB图像中所述目标对象的人脸区域,并根据所述目标对象的人脸区域在所述RGB图像中的位置确定所述热感图像中所述目标对象的人脸区域。
在一种可能的实现方式中,所述检测模块700具体用于:
将所述目标对象的人脸区域在所述RGB图像中的位置,作为所述目标对象的人脸区域在所述热感图像中的位置;或
根据所述热感图像采集设备与所述RGB图像采集设备的相对位置关系,以及所述目标对象的人脸区域在所述RGB图像中的位置,确定所述热感图像中所述目标对象的人脸区域。
在一种可能的实现方式中,所述检测模块700在通过热感图像采集设备采集测温环境中目标对象的热感图像之前,还用于:
确定设备标识集合中包含热感图像采集设备的设备标识。
在一种可能的实现方式中,所述检测模块700在通过热感图像采集设备采集测温环境中目标对象的热感图像之前,还用于:
接收到触发测温的语音指令;或
接收到触发测温的远程控制指令;或
接收到对象通过显示界面触发的进行测温的操作指令;或
检测到测温环境中包含人脸的对象。
在介绍了本申请示例性实施方式中的测温方法和装置之后,接下来,介绍本申请的另一示例性实施方式的机器人。
所属技术领域的技术人员能够理解,本申请的各个方面可以实现为系统、方法或程序产品。因此,本申请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”。
在一些可能的实施方式中,根据本申请的机器人可以至少包括至少一个处理器、以及至少一个存储器。其中,存储器存储有计算机程序,当计算机程序被处理器执行时,使得处理器执行本说明书上述描述的根据本申请各种示例性实施方式的测温方法中的步骤。例如,处理器可以执行如图2中所示的步骤S201-步骤S204。
下面参照图9来描述根据本申请的这种实施方式的机器人90。图9显示的机器人90仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图9所示,机器人90以通用计算装置的形式表现。机器人90的组件可以包括但不限于:上述至少一个处理器91、上述至少一个存储器92、连接不同系统组件(包括存储器92和处理器91)的总线93。
总线93表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器、外围总线、处理器或者使用多种总线结构中的任意总线结构的局域总线。
存储器92可以包括易失性存储器形式的可读介质,例如随机存取存储器(RAM)921和/或高速缓存存储器922,还可以进一步包括只读存储器(ROM)923。
存储器92还可以包括具有一组(至少一个)程序模块924的程序/实用工具925,这样的程序模块924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。
机器人90也可以与一个或多个外部设备94(例如键盘、指向设备等)通信,和/或与使得该机器人90能与一个或多个其它计算装置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95进行。并且,机器人90还可以通过网络适配器96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96通过总线93与用于机器人90的其它模块通信。应当理解,尽管图中未示出,可以结合机器人90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、冗余处理器、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。
在一些可能的实施方式中,本申请提供的测温方法的各个方面还可以实现为一种程序产品的形式,其包括计算机程序,当程序产品在计算机设备上运行时,计算机程序用于使计算机设备执行本说明书上述描述的根据本申请各种示例性实施方式的测温方法中的步骤,例如,机器人可以执行如图2中所示的步骤201-步骤204。
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是但不限于电、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。
本申请的实施方式的用于测温的程序产品可以采用便携式紧凑盘只读存储器(CD-ROM)并包括计算机程序,并可以在计算装置上运行。然而,本申请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。
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,其中承载了可读计算机程序。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。
可读介质上包含的计算机程序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申请操作的计算机程序,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。计算机程序可以完全地在目标对象计算装置上执行、部分地在目标对象设备上执行、作为一个独立的软件包执行、部分在目标对象计算装置上部分在远程计算装置上执行、或者完全在远程计算装置或服务器上执行。在涉及远程计算装置的情形中,远程计算装置可以通过任意种类的网络包括局域网(LAN)或广域网(WAN)连接到目标对象计算装置,或者,可以连接到外部计算装置(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装置的若干单元或子单元,但是这种划分仅仅是示例性的并非强制性的。实际上,根据本申请的实施方式,上文描述的两个或更多单元的特征和功能可以在一个单元中具体化。反之,上文描述的一个单元的特征和功能可以进一步划分为由多个单元来具体化。
此外,尽管在附图中以特定顺序描述了本申请方法的操作,但是,这并非要求或者暗示必须按照该特定顺序来执行这些操作,或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地,可以省略某些步骤,将多个步骤合并为一个步骤执行,和/或将一个步骤分解为多个步骤执行。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用计算机程序的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种测温方法,其特征在于,所述方法包括:
通过热感图像采集设备采集测温环境中目标对象的热感图像,并检测所述热感图像中所述目标对象的人脸区域;
根据所述热感图像中所述目标对象的人脸区域的像素特征,确定所述目标对象的初始人脸温度值;
获取用于对所述目标对象的初始人脸温度值进行校正的温度误差值,所述温度误差值根据当前的测温环境中参考对象的温度检测值和/或所述目标对象与所述热感图像采集设备之间的距离确定;
根据确定出的温度误差值对所述初始人脸温度值进行校正,得到所述目标对象的实际人脸温度值。
2.如权利要求1所述的方法,其特征在于,根据下列方式确定所述温度误差值:
根据当前的测温环境中参考对象的温度检测值确定当前测温环境下的环境温度误差值,将确定出的环境温度误差值作为所述温度误差值;或
根据对象与热感图像采集设备之间的距离与距离温度误差值之间的对应关系,确定所述目标对象与所述热感图像采集设备之间的距离对应的距离温度误差值;将所述目标对象与所述热感图像采集设备之间的距离对应的距离温度误差值作为所述温度误差值;或
根据当前的测温环境中参考对象的温度检测值确定当前测温环境下的环境温度误差值,以及根据对象与热感图像采集设备之间的距离与距离温度误差值之间的对应关系,确定所述目标对象与所述热感图像采集设备之间的距离对应的距离温度误差值;将确定出的环境温度误差值与所述目标对象与所述热感图像采集设备之间的距离对应的距离温度误差值之和作为所述温度误差值。
3.如权利要求2所述的方法,其特征在于,根据下列方式确定所述目标对象与所述热感图像采集设备之间的距离:
在通过热感图像采集设备采集测温环境中目标对象的热感图像时,通过深度图像采集设备采集目标对象的深度图像;
根据所述目标对象的人脸区域在所述热感图像中的位置,确定所述深度图像中所述目标对象的人脸区域;
根据所述深度图像中所述目标对象的人脸区域的像素特征确定所述目标对象到所述热感图像采集设备的距离。
4.根据权利要求3所述的方法,其特征在于,所述根据所述目标对象的人脸区域在所述热感图像中的位置,确定所述深度图像中所述目标对象的人脸区域,包括:
将所述目标对象的人脸区域在所述热感图像中的位置,作为所述目标对象的人脸区域在所述深度图像中的位置;或
根据所述热感图像采集设备与所述深度图像采集设备的相对位置关系,以及所述目标对象的人脸区域在所述热感图像中的位置,确定所述深度图像中所述目标对象的人脸区域。
5.根据权利要求3所述的方法,其特征在于,根据所述深度图像中所述目标对象的人脸区域的像素特征确定所述目标对象到所述热感图像采集设备的距离,包括:
根据所述深度图像中所述目标对象的人脸区域的像素特征,确定所述目标对象到所述深度图像采集设备的距离;将所述目标对象到所述深度图像采集设备的距离作为所述目标对象到所述热感图像采集设备的距离;或
根据所述深度图像中所述目标对象的人脸区域的像素特征,确定所述目标对象到所述深度图像采集设备的距离;根据所述热感图像采集设备与所述深度图像采集设备的相对位置关系,以及所述目标对象到所述深度图像采集设备的距离,确定所述目标对象到所述热感图像采集设备的距离。
6.根据权利要求2所述的方法,其特征在于,所述参考对象为在当前测温环境中预先放置的黑体;
根据下列方式确定当前测温环境下的环境温度误差值:
确定对当前测温环境中预先放置的黑体的温度检测值,将所述黑体的温度检测值与所述黑体的温度标准值之间的差值作为当前测温环境下的环境温度误差值。
7.根据权利要求2所述的方法,其特征在于,所述参考对象为当前测温环境中的测温对象;
根据下列方式确定当前测温环境下的环境温度误差值:
确定当前测温环境中多个测温对象的体温检测值,将得到的多个测温对象的体温检测值的平均值与预设的体温标准值之间的差值作为所述当前测温环境下的环境温度误差值。
8.一种测温装置,其特征在于,所述装置包括:
检测模块,用于通过热感图像采集设备采集测温环境中目标对象的热感图像,并检测所述热感图像中所述目标对象的人脸区域;
确定模块,用于根据所述热感图像中所述目标对象的人脸区域的像素特征,确定所述目标对象的初始人脸温度值;
获取模块,用于获取用于对所述目标对象的初始人脸温度值进行校正的温度误差值,所述温度误差值根据当前的测温环境中参考对象的温度检测值和/或所述目标对象与所述热感图像采集设备之间的距离确定;
校正模块,用于根据确定出的温度误差值对所述初始人脸温度值进行校正,得到所述目标对象的实际人脸温度值。
9.一种机器人,其特征在于,包括:存储器以及处理器;
存储器,用于存储程序指令;
处理器,用于调用所述存储器中存储的程序指令,按照获得的程序指令执行权利要求1~7中任一项所述的方法。
10.一种计算机存储介质,存储有计算机可执行指令,其特征在于,所述计算机可执行指令用于实现如权利要求1~7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010093479.3A CN111339854B (zh) | 2020-02-14 | 2020-02-14 | 一种测温方法、测温装置、机器人以及计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010093479.3A CN111339854B (zh) | 2020-02-14 | 2020-02-14 | 一种测温方法、测温装置、机器人以及计算机存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111339854A true CN111339854A (zh) | 2020-06-26 |
CN111339854B CN111339854B (zh) | 2023-06-30 |
Family
ID=71185803
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010093479.3A Active CN111339854B (zh) | 2020-02-14 | 2020-02-14 | 一种测温方法、测温装置、机器人以及计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111339854B (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111351579A (zh) * | 2020-03-06 | 2020-06-30 | 北京市商汤科技开发有限公司 | 温度处理方法及装置、系统、电子设备和存储介质 |
CN111854964A (zh) * | 2020-06-30 | 2020-10-30 | 深圳英飞拓智能技术有限公司 | 一种测量体温的方法、装置、测温工具及存储介质 |
CN111896117A (zh) * | 2020-08-06 | 2020-11-06 | 智慧眼科技股份有限公司 | 基于温差和距离的温度补偿方法、装置及相关设备 |
CN111967428A (zh) * | 2020-08-27 | 2020-11-20 | 杭州魔点科技有限公司 | 人脸测温方法、装置及存储介质 |
CN111964790A (zh) * | 2020-08-14 | 2020-11-20 | 济南博观智能科技有限公司 | 一种温度校准方法及红外测温装置 |
CN111998959A (zh) * | 2020-07-20 | 2020-11-27 | 北京百度网讯科技有限公司 | 基于实时测温系统的温度校准方法、装置及存储介质 |
CN112254821A (zh) * | 2020-10-16 | 2021-01-22 | 盈合(深圳)机器人与自动化科技有限公司 | 通过视觉测距补偿体温检测精度的方法及装置 |
CN112819754A (zh) * | 2021-01-13 | 2021-05-18 | 浙江大华技术股份有限公司 | 一种人体测温方法、终端设备以及计算机可读存储介质 |
CN112880838A (zh) * | 2021-02-08 | 2021-06-01 | 深圳市宇通联发科技有限公司 | 红外体温检测方法、存储介质以及红外体温检测设备 |
CN113361337A (zh) * | 2021-05-19 | 2021-09-07 | 中新智擎科技有限公司 | 一种人脸测温补偿方法、装置及电子设备 |
CN113375811A (zh) * | 2021-06-17 | 2021-09-10 | 广东天波信息技术股份有限公司 | 热成像伪彩色添加方法、测温设备和计算机存储介质 |
CN113701893A (zh) * | 2021-08-30 | 2021-11-26 | 杭州睿影科技有限公司 | 测温方法、装置、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 |
CN117373073A (zh) * | 2022-06-30 | 2024-01-09 | 千里眼(广州)人工智能科技有限公司 | 基于机器人的测控方法、系统、设备及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9693695B1 (en) * | 2016-09-23 | 2017-07-04 | International Business Machines Corporation | Detecting oral temperature using thermal camera |
CN108924426A (zh) * | 2018-08-01 | 2018-11-30 | Oppo广东移动通信有限公司 | 图像处理方法和装置、电子设备、计算机可读存储介质 |
WO2019061293A1 (zh) * | 2017-09-29 | 2019-04-04 | 深圳市大疆创新科技有限公司 | 对象检测方法、对象检测终端及计算机可读介质 |
CN110378736A (zh) * | 2019-07-23 | 2019-10-25 | 中国科学院东北地理与农业生态研究所 | 通过人脸表情识别评价游客对自然资源体验满意度的方法 |
-
2020
- 2020-02-14 CN CN202010093479.3A patent/CN111339854B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9693695B1 (en) * | 2016-09-23 | 2017-07-04 | International Business Machines Corporation | Detecting oral temperature using thermal camera |
WO2019061293A1 (zh) * | 2017-09-29 | 2019-04-04 | 深圳市大疆创新科技有限公司 | 对象检测方法、对象检测终端及计算机可读介质 |
CN108924426A (zh) * | 2018-08-01 | 2018-11-30 | Oppo广东移动通信有限公司 | 图像处理方法和装置、电子设备、计算机可读存储介质 |
CN110378736A (zh) * | 2019-07-23 | 2019-10-25 | 中国科学院东北地理与农业生态研究所 | 通过人脸表情识别评价游客对自然资源体验满意度的方法 |
Non-Patent Citations (2)
Title |
---|
伍世虔;卢宇;方志军;谢志华;: "一种加权的红外图像线性归一化方法" * |
董硕;罗述谦;: "基于活动形状模型的人脸识别" * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111351579A (zh) * | 2020-03-06 | 2020-06-30 | 北京市商汤科技开发有限公司 | 温度处理方法及装置、系统、电子设备和存储介质 |
CN111854964A (zh) * | 2020-06-30 | 2020-10-30 | 深圳英飞拓智能技术有限公司 | 一种测量体温的方法、装置、测温工具及存储介质 |
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 |
CN111998959A (zh) * | 2020-07-20 | 2020-11-27 | 北京百度网讯科技有限公司 | 基于实时测温系统的温度校准方法、装置及存储介质 |
CN111998959B (zh) * | 2020-07-20 | 2022-07-22 | 北京百度网讯科技有限公司 | 基于实时测温系统的温度校准方法、装置及存储介质 |
CN111896117A (zh) * | 2020-08-06 | 2020-11-06 | 智慧眼科技股份有限公司 | 基于温差和距离的温度补偿方法、装置及相关设备 |
CN111964790A (zh) * | 2020-08-14 | 2020-11-20 | 济南博观智能科技有限公司 | 一种温度校准方法及红外测温装置 |
CN111967428A (zh) * | 2020-08-27 | 2020-11-20 | 杭州魔点科技有限公司 | 人脸测温方法、装置及存储介质 |
CN111967428B (zh) * | 2020-08-27 | 2021-09-14 | 杭州魔点科技有限公司 | 人脸测温方法、装置及存储介质 |
CN112254821A (zh) * | 2020-10-16 | 2021-01-22 | 盈合(深圳)机器人与自动化科技有限公司 | 通过视觉测距补偿体温检测精度的方法及装置 |
CN112819754A (zh) * | 2021-01-13 | 2021-05-18 | 浙江大华技术股份有限公司 | 一种人体测温方法、终端设备以及计算机可读存储介质 |
WO2022151742A1 (en) * | 2021-01-13 | 2022-07-21 | Zhejiang Dahua Technology Co., Ltd. | Systems and methods for temperature determination |
CN112880838A (zh) * | 2021-02-08 | 2021-06-01 | 深圳市宇通联发科技有限公司 | 红外体温检测方法、存储介质以及红外体温检测设备 |
CN113361337A (zh) * | 2021-05-19 | 2021-09-07 | 中新智擎科技有限公司 | 一种人脸测温补偿方法、装置及电子设备 |
CN113375811A (zh) * | 2021-06-17 | 2021-09-10 | 广东天波信息技术股份有限公司 | 热成像伪彩色添加方法、测温设备和计算机存储介质 |
CN113701893A (zh) * | 2021-08-30 | 2021-11-26 | 杭州睿影科技有限公司 | 测温方法、装置、设备及存储介质 |
CN117373073A (zh) * | 2022-06-30 | 2024-01-09 | 千里眼(广州)人工智能科技有限公司 | 基于机器人的测控方法、系统、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111339854B (zh) | 2023-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111339854B (zh) | 一种测温方法、测温装置、机器人以及计算机存储介质 | |
CN111242946A (zh) | 一种基于红外热成像的人体体温异常检测方法及装置 | |
CN111557672B (zh) | 一种烟酸皮肤反应图像分析方法和设备 | |
CN112432709B (zh) | 人体测温的方法和系统 | |
CN111626125A (zh) | 人脸温度检测的方法、系统、装置和计算机设备 | |
CN111751002A (zh) | 一种基于红外热成像的带电设备故障智能诊断方法 | |
CN110231642B (zh) | 一种构建辐射场地图的方法、装置以及机器人 | |
WO2023093693A1 (zh) | 医疗工具检测方法、系统、计算机设备和存储介质 | |
CN111609939B (zh) | 一种个体体温异常筛查方法、装置、设备 | |
CN112862778A (zh) | 扫描影像检测方法、电子设备和计算机可读介质 | |
JP2012104032A (ja) | アナログ式メータの読取装置および読取方法 | |
CN111854964A (zh) | 一种测量体温的方法、装置、测温工具及存储介质 | |
WO2020016569A1 (en) | System and method for obtaining thermal image data of a body part and thermal imager | |
CN114124071A (zh) | 开路检测方法、电路、装置、电子设备及存储介质 | |
KR20200054741A (ko) | 스마트 고독사 방지 시스템 및 그 방법 | |
CN116298907A (zh) | 电池短路检测方法、装置、设备及存储介质 | |
CN111554366A (zh) | 人体健康信息生成方法、装置、计算机设备及存储介质 | |
CN112635042B (zh) | 监护仪校准方法、装置、设备和存储介质 | |
CN212721763U (zh) | 一种基于人脸识别红外热场测温系统 | |
CN113671408A (zh) | 锂电池的漏电流检测方法及检测装置 | |
CN106790900B (zh) | 一种手机温度检测方法及系统 | |
CN111896119A (zh) | 红外测温方法及电子设备 | |
CN112097915B (zh) | 一种人脸识别测温方法及装置 | |
CN112633237A (zh) | 一种口罩佩戴状态检测方法、设备及介质 | |
KR20230019645A (ko) | 체온 예측 장치 및 방법, 그리고 체온 예측 장치를 학습시키는 방법 |
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 |