CN111486961B - 基于宽光谱人体额头成像与距离感知的高效额温估计方法 - Google Patents

Abstract

本发明公开了基于宽光谱人体额头成像与距离感知的高效额温估计方法，针对现有技术中额温测量计算复杂的问题提出本方案。包括神经网络训练的步骤、计算测温模型中系数最优值的步骤、利用神经网络进行额头区域图像截取及能值计算的步骤、获取对象人体距离的步骤、利用测温模型计算对象人体温度步骤。优点在于，适用于整个中红外光谱范围，且计算高效、硬件成本低。人体额头区域的中红外成像与人脸其他区域相比不仅包含较稳定的温度信息，而且能够有效规避人脸可能佩戴的眼镜与口罩的遮挡引起的热感应干扰。本发明可用于多人的额温估计，即场景中存在多人时，获取不同人的人脸区域中红外成像以及成像距离以后，可分别快速计算每人的额温值。

Description

基于宽光谱人体额头成像与距离感知的高效额温估计方法

技术领域

本发明涉及无接触人体测温技术，尤其涉及基于宽光谱人体额头成像与距离感知的高效额温估计方法。

背景技术

基于中红外宽光谱的人体额头成像技术上容易实现。与其他身体测温技术相比，基于中红外成像的温度估计具有硬件成本低和适用范围广的优势，其显著应用价值体现为：可广泛应用于机场、铁路、医院等公共场合入口处的多人快速体温监测与发热人员筛选。特别地，在新型冠状病毒肺炎等具有发热特点的疫情下，该项技术具有很好的应用性。现有技术中的红外测温方法计算复杂，成本高，不能很好满足防疫要求。

发明内容

为了解决所述现有技术存在的问题，本发明目的在于提供基于宽光谱人体额头成像与距离感知的高效额温估计方法。

本发明所述的基于宽光谱人体额头成像与距离感知的高效额温估计方法，包括神经网络训练的步骤、计算测温模型中系数最优值的步骤、利用所述神经网络进行额头区域图像截取及能值计算的步骤、获取对象人体距离的步骤、利用所述测温模型计算对象人体温度步骤；所述测温模型为z＝ax+by+c，其中z＝ln T，x＝ln f，y＝ln d；a、b、c分别为系数，T为对象人体温度、f为额头区域图像的能值、d为对象人体距离。

所述神经网络训练的步骤具体为：收集较大量不同人体所对应的人脸部区域的中红外成像图像；对收集的人脸部区域的中红外成像图像进行额头区域图像的标注，并设所述额头区域图像为正样本；收集较大量的非额头区域的中红外成像图像设为负样本；设计一个神经网络，利用所述的正样本和负样本对所述神经网络进行训练，再利用训练好的神经网络检测出红外成像中的额头区域图像。

所述额头区域图像限定为人脸部区域中红外成像图像的上三分之一部位内；确定出人脸部区域矩形框的上三分之一后，仅利用训练好的神经网络在所述人脸部区域矩形框内进行额头区域图像的检测。

所述能值为额头区域图像所有像素的均值。

所述计算测温模型中系数最优值的步骤具体为：预先获取m个预定对象人体的额头温度及距离，组建m个方程求解出系数a、b、c对应的最优值

本发明所述的基于宽光谱人体额头成像与距离感知的高效额温估计方法，其优点在于，适用于整个中红外光谱范围即波长2.5～25μm的范围，且计算高效、硬件成本低。人体额头区域的中红外成像与人脸其他区域相比不仅包含较稳定的温度信息，而且能够有效规避人脸可能佩戴的眼镜与口罩的遮挡引起的热感应干扰。本发明可用于多人的额温估计，即场景中存在多人时，获取不同人的人脸区域中红外成像以及成像距离以后，可分别快速计算每人的额温值。

附图说明

图1是本发明所述方法中计算测温模型中系数最优值步骤的流程示意图。

图2是本发明所述方法的工作流程示意图。

图3是本发明额头区域图像截取的流程示意图

具体实施方式

如图1、2、3所示，本发明所述的基于宽光谱人体额头成像与距离感知的高效额温估计方法工作在人的脸部区域的中红外成像以及成像距离已经获得的情况。

基本原理：

中红外光波段的额头区域图像能值f与额温T、红外成像仪与人体额头之间距离d存在如下关系：ln f＝αlnT-βlnd+γ(α,β,γ为系数)。因此，可得测温模型z＝ax+by+c(a,b,c为系数)，其中z＝ln T，x＝ln f，y＝ln d。额头区域图像的能值f可由人体额头中红外光图像中所有像素的均值表示。

只要事先测量得出m个人员的额温、额头区域图像能值及红外成像仪与人体额头之间距离，计算出相应的z,x,y值，依据测温模型z＝ax+by+c就可得出m个关于a,b,c的方程。利用代数的方法和这m个方程求解出a,b,c的最优值

之后，就得出了可以实际应用的测温模型

即

其实际应用过程为：测量出与人体额头之间距离、额头区域图像能值后，计算出相应的x,y,c值，然后利用

计算出人体额温T。

a,b,c的最优值

的计算方法如下：在建模过程中从m个人员获得的m组数据分别为(z₁,x₁,y₁),…(z_m,x_m,y_m)，则m个关于a,b,c的方程为：

令

则有Z＝XA。由于Z＝XA等效于X^TZ＝X^TXA，因此，利用

得出A在数值上比较稳定的解，其中μ,I分别为一个小的正数和单位矩阵，μ比较适合的取值范围为0.0001≤μ≤0.01。显然，

为一个三维向量。

令

则a,b,c的最优值

分别为

本发明所述方法应用过程描述如下：

从包含人的脸部区域的中红外成像中，利用训练好的神经网络检测出人体额头区域的图像。

利用人体额头区域的图像计算出相应的x值。

利用成像距离计算出相应的y值。

将

作为当前人员的额温。

该技术方案建立在人的脸部区域的中红外成像已经获得的条件下。根据经验，额头位于脸部区域的最上部，所以本发明所述方法限定额头区域图像在脸部区域上三分之一的范围内。当检测出人体额头区域后，对其进行去噪处理，以剔除其中的噪点，去噪后的额头区域即为结果，其所有像素的均值即为额头区域图像能值f。

神经网络获取的步骤如下：

收集较大量的各式各样的人脸部区域的中红外成像图像，其中包括男女两个性别的不同年龄段的人的图像。且其中不仅包含自然脸(脸部没有眼镜、口罩等遮挡物)的图像，也包括佩戴了眼镜、口罩等遮挡物的人脸部区域的图像。

对收集的人脸部区域的中红外成像图像进行额头区域的标注。由于额头区域为一个矩形区域，标示出每幅图像中额头区域的左上、左下、右上、右下四个坐标值。称这些额头区域图像为正样本。

收集较大量的非额头区域的中红外成像图像，并称其为负样本。只要不是额头区域的中红外成像图像都可以收集，例如帽子、眼镜、口罩等等的中红外图像。

设计一个神经网络，利用上述的正样本和负样本对网络进行训练。

实际应用中，当获得人脸部区域的中红外成像后，将训练好的网络用于人体额头区域的检测，并将检测出的区域截取出来当做额头区域的图像。

人体额头区域图像去噪步骤如下：

将人体额头区域图像按照从左至右、从上至下的方式划分为等大的小矩形块。令每个小矩形块的大小为p×q(即包含p×q个像素)，3≤p,q≤7。计算当前小矩形块内所有像素值的均值

与标准差σ。将像素值小于

与像素值大于

的点均作为噪声点，且将所有像素值小于

的点的像素值设为

将所有像素值大于

的点的像素值设为

对每个小矩形块均进行上述操作后，就完成了额头区域图像的去噪步骤。

本发明尤其适用于疫情期间对多人体的快速检测，且检测精度满足疫情要求。

对于本领域的技术人员来说，可根据以上描述的技术方案以及构思，做出其它各种相应的改变以及形变，而所有的这些改变以及形变都应该属于本发明权利要求的保护范围之内。

Claims (5)

1.基于宽光谱人体额头成像与距离感知的高效额温估计方法，其特征在于，包括神经网络训练的步骤、计算测温模型中系数最优值的步骤、利用所述神经网络进行额头区域图像截取及能值计算的步骤、获取对象人体距离的步骤、利用所述测温模型计算对象人体温度步骤；

所述测温模型为z＝ax+by+c，其中z＝lnT，x＝lnf，y＝lnd；a、b、c分别为系数，T为对象人体温度、f为额头区域图像的能值、d为对象人体距离。

2.根据权利要求1所述基于宽光谱人体额头成像与距离感知的高效额温估计方法，其特征在于，所述神经网络训练的步骤具体为：收集较大量不同人体所对应的人脸部区域的中红外成像图像；

对收集的人脸部区域的中红外成像图像进行额头区域图像的标注，并设所述额头区域图像为正样本；收集较大量的非额头区域的中红外成像图像设为负样本；设计一个神经网络，利用所述的正样本和负样本对所述神经网络进行训练，再利用训练好的神经网络检测出红外成像中的额头区域图像。

3.根据权利要求2所述基于宽光谱人体额头成像与距离感知的高效额温估计方法，其特征在于，所述额头区域图像限定在人脸部区域红外成像图像的上三分之一部位内；确定出人脸部区域矩形框的上三分之一后，仅利用训练好的神经网络在所述人脸部区域矩形框内进行额头区域图像的检测。

4.根据权利要求1所述基于宽光谱人体额头成像与距离感知的高效额温估计方法，其特征在于，所述能值为额头区域图像所有像素的均值。

5.根据权利要求1所述基于宽光谱人体额头成像与距离感知的高效额温估计方法，其特征在于，所述计算测温模型中系数最优值的步骤具体为：预先获取m个预定对象人体的额头温度及距离，组建m个方程求解出系数a、b、c对应的最优值

Images