CN111524608B - 智能检测与防疫系统和方法 - Google Patents
智能检测与防疫系统和方法 Download PDFInfo
- Publication number
- CN111524608B CN111524608B CN202010284308.9A CN202010284308A CN111524608B CN 111524608 B CN111524608 B CN 111524608B CN 202010284308 A CN202010284308 A CN 202010284308A CN 111524608 B CN111524608 B CN 111524608B
- Authority
- CN
- China
- Prior art keywords
- information
- person
- preset
- epidemic prevention
- sign
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 260
- 230000002265 prevention Effects 0.000 title claims abstract description 191
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000002159 abnormal effect Effects 0.000 claims abstract description 38
- 239000013598 vector Substances 0.000 claims description 40
- 238000013527 convolutional neural network Methods 0.000 claims description 37
- 230000036760 body temperature Effects 0.000 claims description 33
- 239000000463 material Substances 0.000 claims description 28
- 238000012545 processing Methods 0.000 claims description 14
- 238000011176 pooling Methods 0.000 claims description 13
- 238000000605 extraction Methods 0.000 claims description 11
- 230000009467 reduction Effects 0.000 claims description 11
- 230000004913 activation Effects 0.000 claims description 8
- 238000005507 spraying Methods 0.000 claims description 8
- 230000001954 sterilising effect Effects 0.000 claims description 8
- 230000036772 blood pressure Effects 0.000 claims description 7
- 210000001061 forehead Anatomy 0.000 claims description 7
- 210000003128 head Anatomy 0.000 claims description 7
- 238000003709 image segmentation Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000010187 selection method Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 5
- 230000011218 segmentation Effects 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000000546 chi-square test Methods 0.000 claims description 4
- 230000001815 facial effect Effects 0.000 claims description 4
- 210000003739 neck Anatomy 0.000 claims description 4
- 238000011524 similarity measure Methods 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims description 4
- 210000000707 wrist Anatomy 0.000 claims description 4
- 239000000645 desinfectant Substances 0.000 claims description 3
- 231100000252 nontoxic Toxicity 0.000 claims description 3
- 230000003000 nontoxic effect Effects 0.000 claims description 3
- 238000012847 principal component analysis method Methods 0.000 claims description 3
- 239000007921 spray Substances 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 2
- 238000012886 linear function Methods 0.000 claims description 2
- 230000009286 beneficial effect Effects 0.000 abstract description 19
- 230000006870 function Effects 0.000 description 43
- 238000004590 computer program Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 7
- 230000036541 health Effects 0.000 description 5
- 230000005764 inhibitory process Effects 0.000 description 5
- 210000004709 eyebrow Anatomy 0.000 description 4
- 230000002349 favourable effect Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000004659 sterilization and disinfection Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000009532 heart rate measurement Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 206010005908 Body temperature conditions Diseases 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000009530 blood pressure measurement Methods 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000035487 diastolic blood pressure Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000002631 hypothermal effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 230000035488 systolic blood pressure Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/80—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for detecting, monitoring or modelling epidemics or pandemics, e.g. flu
-
- 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
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- 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
- G06V40/12—Fingerprints or palmprints
- G06V40/13—Sensors therefor
-
- 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
- G06V40/12—Fingerprints or palmprints
- G06V40/1347—Preprocessing; Feature extraction
-
- 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
- G06V40/12—Fingerprints or palmprints
- G06V40/1365—Matching; Classification
-
- 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
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
-
- 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
- G06V40/168—Feature extraction; Face representation
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C9/00—Individual registration on entry or exit
- G07C9/30—Individual registration on entry or exit not involving the use of a pass
- G07C9/32—Individual registration on entry or exit not involving the use of a pass in combination with an identity check
- G07C9/37—Individual registration on entry or exit not involving the use of a pass in combination with an identity check using biometric data, e.g. fingerprints, iris scans or voice recognition
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B7/00—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00
- G08B7/06—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00 using electric transmission, e.g. involving audible and visible signalling through the use of sound and light sources
Abstract
本申请实施例公开了一种智能检测与防疫系统和方法,该系统包括:采集与检测装置、智能警示装置、智能门禁装置、防疫通道装置和队列检测装置;其中,采集与检测装置用于采集第一人员的身份信息和体征信息,并检测身份信息和体征信息;智能警示装置用于确定针对第一人员的警示操作;智能门禁装置用于确定针对第一人员的门禁操作;防疫通道装置用于确定针对第一人员的防疫操作;队列检测装置用于确定针对所述第一人员中包括的人员数量的检测与防疫操作。可见,本申请实施例有利于实现整个检测与防疫工作的自动化,及时发现和防止身份不明和生命体征异常人员,以及提高整个检测与防疫工作的安全性和效率。
Description
技术领域
本申请涉及电子技术领域,具体涉及一种智能检测与防疫系统和方法。
背景技术
随着人类社会的发展以及全球生态环境的变化,导致新型疫情在人类社会快速传播。为了防止疫情的进一步扩散,需要对人们的出入情况进行检疫和防疫工作。
目前,针对人们出入情况较多的密集场所,如住宅小区、办公楼、酒店、施工工地、商场、市场、工厂等,主要通过人工方式检测身份信息是否匹配和体征信息是否正常,以及发送相关防疫物资,而人工进行检疫和防疫工作导致效率低下。此外,在高峰时段人流量较大的情况下,人工方式导致工作量较大、检疫和防疫不精准、效率低下和排查出错与遗漏等现象,不便于进一步控制和防疫疫情的传播。
发明内容
本申请实施例提供了一种智能检测与防疫系统和方法,以期望实现整个检测与防疫工作的自动化,及时发现和防止身份不明和生命体征异常人员,以及提高整个检测与防疫工作的安全性和效率。
第一方面,本申请实施例提供一种智能检测与防疫系统,包括采集与检测装置、智能警示装置、智能门禁装置、防疫通道装置和队列检测装置;其中,
所述采集与检测装置,用于采集第一人员的身份信息和所述第一人员的体征信息,并检测所述身份信息与预设身份信息是否匹配以及所述体征信息与预设体征值范围是否满足,所述身份信息用于表示当前所述第一人员的身份状况,所述体征信息用于表示当前所述第一人员的生命体征状况;
所述智能警示装置,用于根据所述身份信息与所述预设身份信息的检测结果以及所述体征信息与所述预设体征值范围的检测结果确定针对所述第一人员的警示操作,所述警示操作包括以下至少一种:开启所述智能警示装置中的警示灯以使得所述警示灯闪烁提示、开启所述智能警示装置中的扬声器以使得所述扬声器语音提示、开启所述智能警示装置中的显示屏以使得所述显示屏显示提示;
所述智能门禁装置,用于根据所述身份信息与所述预设身份信息的检测结果以及所述体征信息与所述预设体征值范围的检测结果确定针对所述第一人员的门禁操作,所述门禁操作包括允许所述第一人员通过、禁止所述第一人员通过和记录第一信息,所述第一信息包括以下至少一种:所述身份信息、所述体征信息、当前时间信息;
所述防疫通道装置,用于在所述门禁操作为允许所述第一人员通过后确定针对所述第一人员的防疫操作,所述防疫操作包括以下至少一种:向所述第一人员自动全身消毒、向所述第一人员自动发放防疫物资,所述防疫物资包括以下至少一种:口罩、手套、护目镜、鞋套;
所述队列检测装置,用于检测当前队列中的排队人数,并根据所述排队人数和预设人数阈值确定针对所述第一人员中包括的人员数量的检测与防疫操作,所述第一人员处于所述当前队列,所述针对所述第一人员中包括的人员数量的检测与防疫操作包括以下至少一种:所述采集与检测装置执行针对所述第一人员中包括的人员数量的采集与检测操作、所述智能警示装置执行针对所述第一人员中包括的人员数量的警示操作、所述智能门禁装置执行针对所述第一人员中包括的人员数量的门禁操作、所述防疫通道装置执行针对所述第一人员中包括的人员数量的防疫操作。
第二方面,本申请实施例提供一种智能检测与防疫方法,包括:
采集第一人员的身份信息和所述第一人员的体征信息,所述身份信息用于表示当前所述第一人员的身份状况,所述体征信息用于表示当前所述第一人员的生命特征状况;
检测所述身份信息与预设身份信息是否匹配以及所述体征信息与预设体征值范围是否满足;
根据所述身份信息与所述预设身份信息的检测结果以及所述体征信息与所述预设数值范围的检测结果确定针对所述第一人员的警示操作,所述警示操作包括以下至少一种:开启警示灯以使得所述警示灯闪烁提示、开启扬声器以使得所述扬声器语音提示、开启显示屏以使得所述显示屏显示提示;
根据所述身份信息与所述预设身份信息的检测结果以及所述体征信息与所述预设体征值范围的检测结果确定针对所述第一人员的门禁操作,所述门禁操作包括允许所述第一人员通过、禁止所述第一人员通过、记录第一信息,所述第一信息包括以下至少一种:所述身份信息、所述体征信息、当前时间信息;
在所述门禁操作为允许所述第一人员通过后确定针对所述第一人员的防疫操作,所述防疫操作包括以下至少一种:向所述第一人员自动全身消毒、向所述第一人员自动发放防疫物资,所述防疫物资包括以下至少一种:口罩、手套、护目镜、鞋套;
检测当前队列中的排队人数,所述第一人员处于所述当前队列,并根据所述排队人数和预设人数阈值确定针对第一人员中包括的人员数量的检测与防疫操作,所述针对所述第一人员中包括的人员数量的检测与防疫操作包括以下至少一种:针对所述第一人员中包括的人员数量的采集与检测操作、针对所述第一人员中包括的人员数量的警示操作、针对所述第一人员中包括的人员数量的门禁操作、针对所述第一人员中包括的人员数量的防疫操作。
第三方面,本申请实施例提供一种计算机可读存储介质,其中,所述计算机可读存储介质存储用于电子数据交换的计算机程序,所述计算机程序可操作来使得计算机执行本申请实施例第二方面中所描述的部分或全部步骤。
第四方面,本申请实施例提供一种计算机程序产品,其中,所述计算机程序产品包括计算机程序,所述计算机程序可操作来使得计算机执行本申请实施例第二方面中所描述的部分或全部步骤。所述计算机程序产品可以为一个软件安装包。
可以看出,本申请实施例中,智能检测与防疫系统包括采集与检测装置、智能警示装置、智能门禁装置、防疫通道装置和队列检测装置。其中,采集与检测装置对身份信息和体征信息进行采集与检测,有利于实现出行安检、员工考勤、卫生检疫与防疫、个人体检、生命体征监测等功能。智能警示装置根据采集与检测装置的检测结果来相应的执行语音、显示、红色警报等警示功能,有利于及时发现身份不明人员和生命体征异常人员,以及提高整个检测与防疫工作的安全性。智能门禁装置根据采集与检测装置的检测结果来相应的执行门禁功能,有利于及时防止身份不明人员和生命体征异常人员的出入情况,以及提高整个检测与防疫工作的安全性。防疫通道装置能够对身份认证通过和生命体征正常的人员进行自动消毒和自发放防疫物资,有利于实现对人员通行的防疫工作,以及通过自动功能来提高整个防疫工作的效率。队列检测装置能够检测当前队列的排队人数,有利于实现根据当前排队人数智能执行检测与防疫操作,缓解在排队人数较多时的检测与防疫工作,并提高检测与防疫工作的效率。可见,本申请实施例有利于实现整个检测与防疫工作的自动化,及时发现和防止身份不明和生命体征异常人员,以及提高整个检测与防疫工作的安全性和效率。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。显而易见地,下面描述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是本申请实施例提供的一种智能检测与防疫系统的架构示意图;
图2是本申请实施例提供的一种预先训练的卷积神经网络模型的结构示意图;
图3是本申请实施例提供的一种图像分割模型提取指纹特征信息的示意图;
图4是本申请实施例提供的一种采集与检测装置的结构示意图;
图5是本申请实施例提供的一种智能门禁装置的结构示意图;
图6是本申请实施例提供的又一种智能门禁装置的结构示意图;
图7是本申请实施例提供的一种智能检测与防疫系统的结构示意图;
图8是本申请实施例提供的又一种智能检测与防疫系统的结构示意图;
图9是本申请实施例提供的一种智能检测与防疫方法的流程示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,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,显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
请参阅图1,图1是本申请实施例提供的一种智能检测与防疫系统的架构示意图。其中,智能检测与防疫系统100可以包括采集与检测装置110、智能警示装置120、智能门禁装置130、防疫通道装置140和队列检测装置150,并且智能检测与防疫系统100中的各个装置通过总线方式相互连接。
具体的,采集与检测装置110可以用于采集第一人员的身份信息和第一人员的体征信息,并检测身份信息与预设身份信息是否匹配以及体征信息与预设体征值范围是否满足。其中,身份信息用于表示当前第一人员的身份状况,体征信息用于表示当前第一人员的生命体征状况。
进一步的,第一人员中包括的人员数量为大于或等于1。也就是说,采集与检测装置110不仅可以采集一个人员的身份信息和体征信息,也可以同时采集多个人员的身份信息和体征信息,并对这些信息进行检测。此外,采集与检测装置110具体同时采集多少个人员信息还可以根据当前队列的排队人数来决定其操作。
进一步的,身份信息可以包括以下至少一种:人脸图像信息、指纹信息、身高信息、体重信息、服饰信息。可以理解的是,采集与检测装置110对人脸、指纹的检测来用于出行安检、员工考勤、卫生检疫与防疫等,可以用于对特定服饰具有严格要求的场所,例如医院、工厂、生物医疗场所、无尘无菌场所、学校等,也可以对身高、体重的检测来用于个人体检等。
进一步的,体征信息可以包括以下至少一种:体温信息、脉搏信息、血压信息、心率信息。可以理解的是,采集与检测装置110对体温的检测功能来用于出行安检、卫生检疫与防疫等,也可以对脉搏、血压、心率的检测功能来用于个人体检、生命体征监测等。需要说明的是,对于体温信息,预设体征值范围为36~37℃,即人的正常体温范围,而体温异常情况包括体温升高和体温低于正常。其中,体温身高表现有37.4~38℃为低热,38~39℃为中度发热,39~41℃为高热,41℃以上为超高热。对于脉搏信息,预设体征值范围根据人群来确定。其中,婴幼儿为130~150bpm,儿童为110~120bpm,正常成人为60~100bpm,老年人可慢至55~75bpm。对于血压信息,预设体征值范围根据人群来确定。其中,正常成人的收缩压为90~140mmH,舒张压为60~90mmH。对于心率信息,预设体征值范围根据人群来确定。其中,正常成人为60~100bpm。
综上,采集与检测装置110可以集成以下至少以一种:摄像模组、人脸检测装置、指纹模组、指纹检测装置、身高测量装置、体重测量装置、服饰检测装置、体温测量装置、脉搏测量装置、血压测量装置、心率测量装置。此外,采集与检测装置集成有处理器来统一对上述装置或模组进行控制和调用等操作。该处理器可以包括中央处理器(centralprocessing unit,CPU)、数字信号处理器(digital signal processor,DSP)、专用集成电路(application-specific integrated circuit,ASIC)和现场可编程门阵列(fieldprogrammable gate array,FPGA)等。
针对采集与检测装置110采集与检测的身份信息和体征信息的不同,采集与检测装置110具体执行的操作也将不同,下面进行具体介绍。
在一个可能的示例中,在身份信息包括人脸图像信息的情况下,采集与检测装置110具有用于执行以下操作:采集人脸图像信息和体征信息;根据人脸图像信息确定第一人员的三庭五眼比例信息;根据三庭五眼比例信息从预设图像信息库中确定预设身份信息对应的第一特征向量,预设图像信息库包括预设身份信息;根据特征提取模型和所述人脸图像信息确定所述人脸图像信息对应的第二特征向量,其中,特征提取模型包括第一卷积神经网络模型和第二卷积神经网络模型,第一卷积神经网络模型用于提取人脸图像信息的特征向量,第二卷积神经网络模型用于检测由第一网络模型提取的人脸图像信息的特征向量;根据第一特征向量和第二特征向量的相似度度量确定对比系数值;根据对比系数值与预设系数值范围得到第一检测结果;其中,在对比系数值处于预设系数值范围内的情况下,第一检测结果为人脸图像信息与预设身份信息匹配;和/或,在对比系数值不处于预设系数值范围内的情况下,第一检测结果为人脸图像信息与预设身份信息不匹配;根据体征信息与预设体征值范围得到第二检测结果;其中,在体征信息处于预设体征值范围内的情况下,第二检测结果为第一人员的生命体征正常;和/或,在体征信息不处于预设体征值范围内的情况下,第二检测结果为第一人员的生命体征不正常。
可以理解的是,人脸图像信息可以为当前由摄像模组拍摄的第一人员的多张人脸图像。预设图像信息库可以为预先拍摄的人脸图像数据库,例如企业为员工预先拍摄并存储的人脸数据库。预设身份信息可以为从预设图像信息库中提取的多张人脸图像。
具体的,根据人脸图像信息确定第一人员的三庭五眼比例信息可以包括以下操作:从人脸图像信息中获取第一人员的眼部左侧发际点信息、眼部右侧发际点信息、前额发际线信息、眉骨信息、鼻底信息、下颚信息;根据眼部左侧发际点信息、眼部右侧发际点信息和预设五眼分割点确定第一人员的五眼比例信息;根据第一人员的前额发际线信息、眉骨信息、鼻底信息和下颚信息确定第一人员的三庭比例信息。可以理解的是,五眼比例信息用于指示人脸的宽度比例,并以眼形长度为单位,将人脸的宽度分成五个等分。也就是说,从眼部左侧发际至眼部右侧发际为五只眼形,两只眼睛之间有一只眼睛的间距,而两眼外侧至侧发际各为一只眼睛的间距,各占比例的1/5。三庭比例信息用于指示人脸的长度比例。也就是说,将人脸的长度分为三个等分,从前额发际线至眉骨,从眉骨至鼻底,从鼻底至下颏,各占比例的1/3。
具体的,特征提取模型可以包括预先训练的卷积神经网络(ConvolutionalNeural Network,CNN)模型、局部二值模式(Local Binary Pattern,LBP)、方向梯度直方图(Histogram of Oriented Gradient,HOG)、尺度不变特征变换(Scale-invariant featuretransform,SIFT)等。其中,卷积神经网络可以由预设图像信息库训练得到,并通过训练完成的深度神经网络模型来提取人脸图像信息对应的特征向量。LBP是通过预设阈值来标记中心点像素与其相邻域像素之间的差别;HOG是一种用来进行物体检测的特征描述子,其通过计算和统计图像局部区域的梯度方向直方图来构成特征;SIFT通过求图像中的特征点及其有关尺寸和方向的描述子得到特征并进行图像特征点匹配。
进一步的,本申请实施例的特征提取模型为预先训练的卷积神经网络模型。其中,该预先训练的卷积神经网络包括第一卷积神经网络模型和第二卷积神经网络模型。第一卷积神经网络模型用于提取人脸特性信息的特征向量,第二卷积神经网络模型用于检测由第一网络模型提取的特征向量。可见,通过第一卷积神经网络模型来提取特征向量,并通过第二卷积神经网络模型来检测特征向量,有利于保证提取的特征向量更加精确,提高人脸检测的准确性。其中,
第一卷积神经网络模型包括第一输入层、L层第一隐藏层和第一输出层,L层可以为多个隐藏层,L层第一隐藏层中每层卷积层的卷积核尺寸为k1*k1个像素,L层第一隐藏层中每层卷积层的步长为s1,L层第一隐藏层中每层卷积层的激活函数包括ReUL函数,L层第一隐藏层中每层池化层的滤波器尺寸为f1*f1,L层第一隐藏层中每层池化层的步长为s2,L层第一隐藏层中每层反卷积层的卷积核尺寸为k1*k1个像素,L层第一隐藏层中每层反卷积层的步长为1/s1,其中,k1取值为[3,9]的整数,s1取值为[1,4]的整数,f1取值为[2,4]的整数,s2取值为1或2,L为大于1的整数。
第二卷积神经网络模型包括第二输入层、K层第二隐藏层和第二输出层,K层第二隐藏层中每层卷积层的卷积核尺寸为k2*k2个像素,K层第二隐藏层中每层卷积层的步长为s3,K层第二隐藏层中每层卷积层的激活函数包括LeakyReUL函数,其中,k2取值为3或4,s3取值为1或2,K为大于1的整数。
L层第一隐藏层可以包括依次相连的第一卷积层、第二卷积层、第一池化层、第三卷积层、第四卷积层、第二池化层、第一反卷积层、第二反卷积层、第三反卷积层、第四反卷积层、第五反卷积层和第六反卷积层;K层第二隐藏层可以包括依次相连的第五卷积层、第六卷积层、第七卷积层、第八卷积层、第九卷积层、第十卷积层。
举例中,请参阅图2,图2是本申请实施例提供的一种预先训练的卷积神经网络模型的结构示意图。首先,将大小为128*128*1的人脸图像信息输入第一网络模型。其中,第一网络模型的隐藏层可以包括依次相连的第一卷积层、第二卷积层、第一池化层、第三卷积层、第四卷积层、第二池化层、第一反卷积层、第二反卷积层、第三反卷积层、第四反卷积层、第五反卷积层和第六反卷积层。隐藏层中卷积层的卷积核尺寸为4*4个像素,卷积层的步长为2,卷积层的激活函数包括ReUL函数。池化层的滤波器尺寸为4*4个像素,池化层的步长为2。反卷积层的滤波器尺寸为4*4个像素,反卷积层的步长为1/2。特征映射图的数目分别为1、32、64、128、256、512、1024、512、256、128、64、32、1。然后,将第一网络模型的输出的特征向量输入第二网络模型,并通过分类器输出概率值。其中,第二网络模型的隐藏层可以包括依次相连的第五卷积层、第六卷积层、第七卷积层、第八卷积层、第九卷积层、第十卷积层。隐藏层中卷积层的卷积核尺寸为5*5个像素,卷积层的步长为1,卷积层的激活函数包括LeakyReUL函数。最后,根据分类器输出的概率值确定是否将第一网络模型输出的特征向量作为人脸图像信息对应的特征向量。如果分类器输出的概率值满足预设阈值,则将将第一网络模型输出的特征向量作为人脸图像信息对应的特征向量。否则,第一网络模型重新提取特征向量。
具体的,第一特征向量和第二特征向量的相似度度量可以通过预设对比系数公式来确定对比系数值。
进一步的,预设对比系数公式可以为:
B1=min(D(Va,Vb))
其中,B1表示对比系数值,函数D为欧式距离计算公式,Va表示第一特征向量,Vb示第二特征向量。可以理解的是,通过计算预设身份信息对应的第一特征向量与第一人员的人脸图像信息对应的第二特征向量的欧氏距离,选择计算得到的最小的欧氏距离。然后,通过判断最小的欧氏距离是否处于预设系数值范围内来确定第一检测结果。
进一步的,预设对比系数公式还可以为:
B2=(VcVd)/(||Vc||2+||Vd||2-VcVd)
其中,B2表示对比系数值,Vc表示第一特征向量,Vd表示第二特征向量。可以理解的是,通过计算预设身份信息对应的第一特征向量与第一人员的人脸图像信息对应的第二特征向量的对比系数。然后,通过判断对比系数值是否处于预设系数值范围内来确定第一检测结果。
上述示例主要考虑身份信息包括人脸图像信息下采集与检测装置110的具体执行操作,下面将介绍体征信息包括体温信息的情况。
在一个可能的示例中,在体征信息包括体温信息的情况下,采集与检测装置110具体用于执行以下操作:采集身份信息、第一人员的第一部位的第一温度信息、第一人员当前所处环境的第二温度信息和第一部位距离采集与检测装置110的第一距离信息,第一部位包括以下一种:额头、手腕和脖颈;将第一距离信息和第二温度信息输入预设温度补偿公式,得到第一部位的补偿温度,预设温度补偿公式为:
其中,ΔT表示补偿温度,λ表示第一部位的预设常数,T表示第二温度信息,d1用于表示第一距离信息;根据补偿温度和第一温度信息确定体温信息;根据身份信息与预设身份信息得到第三检测结果;其中,第三检测结果包括身份信息与预设身份信息匹配、身份信息与预设身份信息不匹配;根据体温信息与预设体征值范围得到第四检测结果;其中,在体温信息处于预设体征值范围内的情况下,第四检测结果为第一人员的生命体征正常;和/或,在体温信息不处于预设体征值范围内的情况下,第四检测结果为第一人员的生命体征不正常。
上述示例主要考虑身份信息包括人脸图像信息和体征信息包括温度信息的情况下,采集与检测装置110的具体执行操作,下面将介绍身份信息包括指纹信息的情况。
在一个可能的示例中,在身份信息包括指纹信息的情况下,采集与检测装置110具有用于执行以下操作:采集指纹信息和体征信息;对指纹信息进行指纹预处理和特征降维处理,指纹预处理包括以下至少一种:指纹分割、指纹增强、二值化、细化,特征降维包括以下至少一种:方差选择法、相关系数法、卡方检验、主成分分析法、线性判别分析法;通过预先训练的图像分割模型提取指纹预处理和特征降维处理后的指纹信息中的指纹特征信息,指纹特征信息包括指纹脊线的端点和分叉点;检测指纹特征信息与预设指纹信息库中的预设指纹特征信息以得到第五检测结果;其中,第五检测结果可以包括指纹特征信息与预设指纹特征信息匹配、指纹特征信息与预设指纹特征信息不匹配;根据体征信息与预设体征值范围得到第六检测结果;其中,在体征信息处于预设体征值范围内的情况下,第六检测结果为第一人员的生命体征正常;和/或,在体征信息不处于预设体征值范围内的情况下,第六检测结果为第一人员的生命体征不正常。
具体的,由于各种原因的影响,采集与检测装置110采集的指纹信息是一幅含有噪声的灰度图像。指纹预处理的目的是改善指纹信息的质量,增强脊和谷的对比度,以便于进行特征提取。其中,指纹分割是把指纹的背景区域从图像中分离出来,减少对指纹信息进行处理时的计算量;指纹增强是对输入的噪音较多的灰度图进行滤波,去除指纹信息中的叉连、断点及模糊不清的部分,得到较清晰的灰度图像;二值化是把灰度图像变成0-1取值的二值图像,从而减少需要存储和处理的数据量;细化是指删除指纹纹线的边缘像素,使之只有一个像素宽带,进一步减少需要存储和处理的数据量,有利于提高指纹信息的检测。
具体的,指纹信息通过具有多维,而算法的时间复杂度与维数成指数级的增加。特征降维处理能够保证指纹信息更容易使用、降低算法的计算开销、去除噪声、减小训练模型过拟合等等。其中,特征降维处理可以包括特征选择处理和特征抽取处理。特征选择处理包括方差选择法、相关系数法、卡方检验、互信息法、递归特征消除法、基于惩罚项的特征选择法、基于树模型的特征选择法;特征抽取处理包括主成分分析法(principal componentanalysis,PCA)、线性判别分析法(linear discriminant analysis,LDA)。其中,PCA通过线性投影处理,将高维的图像数据映射到低维空间以进行表示,并保证在所投影的低维空间上的图像数据的方差最大,以减小图像数据的维度,并保留较多图像数据的原始数据;LDA是一种有监督的线性降维算法,并能够使得降维后的图像数据可以容易区分出来。
具体的,图像分割模型包括卷积神经网络、全卷积网络(FullyConvolutionalNetworks,FCN)、U-net卷积网络、循环卷积网络(Recurrent Neural Networks,RNN)、DeepLab网络等等,而DeepLab网络是一种结合了深度卷积神经网络(DCNNs)和概率图模型(DenseCRFs)的模型,其中,DeepLab网络包括DeepLabv1、DeepLabv2、DeepLabv3、DeepLabv3+等等。
请参阅图3,图3是本申请实施例提供的一种图像分割模型提取指纹特征信息的示意图。其中,编码模块将指纹信息进行不同卷积速率处理和图像池化处理以提取指纹信息中特征的分辨率;译码模块将扩张卷积处理得到与编码模块中对应相同的分辨率的特征层经过1乘1卷积降通道,将编码模块输出的特征与1乘1卷积降通道后得到的特征经过连接,并将连接后的特征经过一个3乘3卷积以进一步细化特征,最后经过双线性上采样4倍以得到指纹信息中的指纹特征信息。
下面对采集与检测装置110可能的结构示例进行介绍,请参阅图4,图4是本申请实施例提供的一种采集与检测装置的结构示意图。采集与检测装置110可以包括第一摄像头410、红外测温仪420、距离测量仪430、第二摄像头440、键盘模组450、指纹模组460、外接口470、第一显示屏480、第二显示屏490。其中,第一摄像头410可以用于采集人脸图像信息或服饰信息,红外测温仪420可以用于采集体温信息,距离测量仪430可以测量人员的第一部位距离采集与检测装置110的距离信息,第二摄像头440可以用于采集人脸图像信息或服饰信息,键盘模组450可以用于人工输入操作,指纹模组460可以用于采集指纹信息、检测指纹信息或显示指纹处理的相关结果,外接口470可以用于外接身高测量装置、体重测量装置、脉搏测量装置、血压测量装置、心率检测装置等,第一显示屏480可以用于显示体温信息、身高信息、体重信息、脉搏信息、血压信息、心率信息等。此外,指纹模组460可以包括第三显示屏4601和指纹触摸板4602,第三显示屏4601可以用于显示指纹处理的相关结果,指纹触摸板4602用于采集指纹信息。需要说明是的,采集与检测装置110中的采集功能可以由一个摄像头或多个摄像头完成,采集与检测装置110中的显示功能也可以由一个显示屏完成,外接口470用于外接的上述各个装置也可以集成在采集与检测装置110中,本示例不做具体限制。
进一步的,上述采集与检测装置110包括的各个部分可以通过处理器来统一控制或调度等,并通过各种接口和线路连接采集与检测装置110包括的各个部分。此外,处理器可以通过运行或执行存储器内的软体程序和/或模块,调用存储器内的存储数据,以执行采集与检测装置110的各种功能和处理数据,并监控采集与检测装置110的整体运行。可选的,处理器可以包括CPU、DSP、ASIC和FPGA等。可选的,存储器可以包括随机存储记忆体(randomaccess memory,RAM)、只读存储器(read-only memory,ROM)、可擦除可编程只读存储器(erasable programmable read only memory,EPROM)或便携式只读存储器(compact discread-only memory,CD-ROM)。
本申请实施例中的智能警示装置120可以用于根据身份信息与预设身份信息的检测结果以及体征信息与预设体征值范围的检测结果确定针对第一人员的警示操作,其中,警示操作可以包括以下至少一种:开启智能警示装置中的警示灯以使得警示灯闪烁提示、开启智能警示装置中的扬声器以使得扬声器语音提示、开启智能警示装置中的显示屏以使得显示屏显示提示。可以理解的是,智能警示装置120根据采集与检测装置110对第一人员的检测结果来相应的执行警示功能,并且智能警示装置120可以包括警示灯、扬声器和显示屏。下面对智能警示装置120的具体执行操作进行介绍。
在一个可能的示例中,智能警示装置120具体可以用于执行以下操作:在身份信息与预设身份信息不匹配的情况下,开启智能警示装置中的警示灯以使得警示灯闪烁提示;和/或,在身份信息与预设身份信息不匹配的情况下,开启智能警示装置中的扬声器以使得扬声器语音提示;和/或,在身份信息与预设身份信息不匹配的情况下,开启智能警示装置中的显示屏以使得显示屏显示提示;和/或,在第一人员的生命体征不正常的情况下,开启智能警示装置中的警示灯以使得警示灯闪烁提示;和/或,在第一人员的生命体征不正常的情况下,开启智能警示装置中的扬声器以使得扬声器语音提示;和/或,在第一人员的生命体征不正常的情况下,开启智能警示装置中的显示屏以使得显示屏显示提示。
可以理解的是,如果采集与检测装置110检测到第一人员的人脸、体温、指纹、服饰、心率等信息不匹配或不满足,则智能警示装置120可以通过语音、显示、红色警报等功能进行警示。通过智能警示装置120的警示功能能够及时发现身份不明人员和生命体征异常人员,有利于提高整个检测与防疫工作的安全性。
进一步的,智能警示装置120可以通过处理器来执行上述操作。此外,处理器可以通过运行或执行存储器内的软体程序和/或模块,调用存储器内的存储数据,以执行智能警示装置120的各种功能和处理数据,并监控智能警示装置120的整体运行。可选的,处理器可以包括CPU、DSP、ASIC和FPGA等。可选的,存储器可以包括RAM、ROM、EPROM或CD-ROM。
本申请实施例中的智能门禁装置130可以用于根据身份信息与预设身份信息的检测结果以及体征信息与预设体征值范围的检测结果确定针对第一人员的门禁操作,其中,门禁操作可以包括允许第一人员通过、禁止第一人员通过和记录第一信息,第一信息可以包括以下至少一种:身份信息、体征信息、当前时间信息。可以理解的是,智能门禁装置130根据采集与检测装置110对第一人员的检测结果来相应的执行门禁功能。下面对智能门禁装置130的具体执行操作进行介绍。
在一个可能的示例中,智能门禁装置130具体可以用于执行以下操作:在身份信息与预设身份信息匹配的情况下,自动打开智能门禁装置上的门禁闸机以允许第一人员通过,并记录身份信息和当前时间信息;和/或,在身份信息与预设身份信息不匹配的情况下,自动关闭智能门禁装置上的门禁闸机以禁止所述第一人员通过;和/或,在第一人员的生命体征正常的情况下,自动打开智能门禁装置上的门禁闸机以允许第一人员通过,并记录体征信息和当前时间信息;和/或,在第一人员的生命体征不正常的情况下,自动关闭智能门禁装置上的门禁闸机以禁止第一人员通过。
可以理解的是,如果采集与检测装置110检测到第一人员的人脸、体温、指纹、服饰、心率等信息匹配或满足,则智能门禁装置130可以通过打开门禁闸机、记录信息等功能进行放行操作;如果采集与检测装置110检测到第一人员的人脸、体温、指纹、服饰、心率等信息不匹配或不满足,则智能门禁装置130可以通过关闭门禁闸机等功能进行组织操作。通过智能门禁装置130的门禁功能能够及时防止身份不明人员和生命体征异常人员的出入情况,有利于提高整个检测与防疫工作的安全性。
进一步的,智能门禁装置130的数量可以有一个或者多个,并可以根据第一人员中包括的人员数量进行相应门禁操作。例如,在第一人员中包括的人员数量为两个的情况下,可以通过一次打开门禁闸机让上述两人通过,而无需一人一人的开启和关闭,有利于提高闸机通道的通行效率,以及减小闸机通道的通行时间。
进一步的,智能门禁装置130可以通过处理器来执行上述操作。此外,处理器可以通过运行或执行存储器内的软体程序和/或模块,调用存储器内的存储数据,以执行智能门禁装置130的各种功能和处理数据,并监控智能门禁装置130的整体运行。可选的,处理器可以包括CPU、DSP、ASIC和FPGA等。可选的,存储器可以包括RAM、ROM、EPROM或CD-ROM。
下面对智能门禁装置130可能的结构示例进行介绍,请参阅图5和图6。在图5中,智能门禁装置130可以包括门禁箱体510和门禁闸机520。其中,门禁闸机520的侧端面连接于门禁箱体510上,门禁闸机520可以包括左门禁闸机和右门禁闸机。两个相邻的门禁箱体510之间形成闸机通道,智能门禁装置130可以控制门禁闸机520的开关状态以允许或禁止在闸机通道内通行。此外,门禁箱体510内集成有信息记录装置,该信息记录装置可以用于记录身份信息、体征信息、当前时间信息等。同样,在图6中,智能门禁装置130可以包括门禁箱体610、前门禁闸机620和后门禁闸机630。其中,前门禁闸机620和后门禁闸机630的侧端面连接于门禁箱体610上,前门禁闸机620可以包括左前门禁闸机和右前门禁闸机,后门禁闸机630可以包括后前门禁闸机和后前门禁闸机。两个相邻的门禁箱体610之间形成闸机通道,智能门禁装置130可以控制前门禁闸机620和后门禁闸机630的开关状态以允许或禁止在闸机通道内通行。需要说明的是,图5和图6仅是智能门禁装置130的结构示意,并且智能门禁装置130也可以由多个如图5或图6中的装置并排组成,不做具体限制。
本申请实施例中的防疫通道装置140可以用于在门禁操作为允许第一人员通过后确认第一人员的防疫操作,其中,防疫操作包括以下至少一种:向第一人员自动全身消毒、向第一人员自动发放防疫物资,防疫物资包括以下至少一种:口罩、手套、护目镜、鞋套。可以理解的是,防疫通道装置140可以在第一人员通过智能门禁装置130之后对第一人员进行消毒、发放防疫物资等操作。下面对防疫通道装置140可能的结构进行介绍。
在一个可能的示例中,防疫通道装置140可以包括自动喷淋装置、防疫物资装置。其中,自动喷淋装置可以用于在门禁操作为允许第一人员通过后感应第一人员处于防疫通道装置140内的位置信息,并在位置信息为预设位置信息时向第一人员自动喷淋无毒无害消毒液以全身消毒;防疫物质装置可以用于将存储的防疫物资自动发放给第一人员。
可以理解的是,防疫通道装置140能够对身份确认人员和生命体征正常人员进行自动消毒和自发放防疫物资,有利于实现对人员通行的防疫工作,以及有利于通过自动功能来提高整个防疫工作的效率。
进一步的,自动喷淋装置可以通过感应第一人员处于防疫通道装置140内的位置信息进行自动移动和自动伸缩,并且也可以感应第一人员的身高进行自动移动和自动伸缩,以便能够自动对第一人员进行全身消毒。需要说明说明的是,自动喷淋装置的数量可以有一个或者多个,并且可以根据第一人员中包括的人员数量进行相应消毒操作。同样,防疫物资装置也可以根据第一人员中包括的人员数量相应的分发防疫物资。
进一步的,防疫通道装置140可以通过处理器来执行上述操作。此外,处理器可以通过运行或执行存储器内的软体程序和/或模块,调用存储器内的存储数据,以执行防疫通道装置140的各种功能和处理数据,并监控防疫通道装置140的整体运行。可选的,处理器可以包括CPU、DSP、ASIC和FPGA等。可选的,存储器可以包括RAM、ROM、EPROM或CD-ROM。
本申请实施例中的队列检测装置150可以用于检测当前队列中的排队人数,并根据排队人数和预设人数阈值确定针对第一人员中包括的人员数量的检测与防疫操作。其中,第一人员处于当前队列中,针对第一人员中包括的人员数量的检测与防疫操作包括以下至少一种:采集与检测装置执行针对第一人员中包括的人员数量的采集与检测操作、智能警示装置执行针对第一人员中包括的人员数量的警示操作、智能门禁装置执行针对第一人员中包括的人员数量的门禁操作、防疫通道装置执行针对第一人员中包括的人员数量的防疫操作。
可以理解的是,通过队列检测装置150对当前队列的排队人数进行检测,有利于实现根据当前排队人数智能执行检测与防疫操作,缓解在排队人数较多时的检测与防疫工作,并提高检测与防疫工作的效率。下面对队列检测装置可能的执行操作进行介绍。
在一个可能的示例中,队列检测装置150具体可以用于执行以下操作:采集针对当前队列的第一队列图像,第一队列图像包括第一像素点;获取第一像素点在像素坐标系中对应的第一坐标信息;根据预设坐标转换矩阵和第一坐标信息确定第一像素点在世界坐标系中对应的第二坐标信息;根据第一像素点的像素值和第二坐标信息确定第一像素点的深度值以得到第一队列图形对应的深度图像;通过预设人员头部模型与深度图像对比检测以得到当前队列中的排队人数;根据排队人数和预设人数阈值确定采集与检测装置执行针对第一人员中包括的人员数量的采集与检测操作;和/或,根据排队人数和预设人数阈值确定智能警示装置执行针对第一人员中包括的人员数量的警示操作;和/或,根据排队人数和预设人数阈值确定智能门禁装置执行针对第一人员中包括的人员数量的门禁操作;和/或,根据排队人数和预设人数阈值确定防疫通道装置执行针对第一人员中包括的人员数量的防疫操作。
需要说明的是,当前队列的第一队列图像可以由摄像模组拍摄得到,该摄像模组可以包括单目摄像模组、双目摄像模组和深度摄像模组等。此外,计算机视觉领域中常见的四个坐标系包括像素坐标系(u,v)、图像坐标系(x,y)、相机坐标系(Xc,Yc,Zc)和世界坐标系(Xw,Yw,Zw)。其中,像素坐标系(u,v)和图像坐标系(x,y)都在像平面上,像素坐标系(u,v)中的横坐标u用于表示图像数组中的列数,像素坐标系(u,v)中纵坐标v用于表示图像数组中的行数,像素坐标系(u,v)中的单位为像素。图像坐标系(x,y)中的横轴x与上述横坐标u平行,图像坐标系(x,y)中的纵轴x与上述纵坐标v平行,图像坐标系(x,y)中的单位为毫米。相机坐标系(Xc,Yc,Zc)中的Xc轴与上述横轴x平行,相机坐标系(Xc,Yc,Zc)中的Yc轴与上述纵轴y平行,相机坐标系(Xc,Yc,Zc)中的Zc轴为摄像模组的光轴,并垂直于图像平面。世界坐标系(Xw,Yw,Zw)用于描述摄像模组的位置,并通过平移向量和旋转矩阵来表示世界坐标系(Xw,Yw,Zw)和相机坐标系(Xc,Yc,Zc)的关系。
具体的,第一坐标信息表示第一像素点在像素坐标系(u,v)中的坐标信息,第二坐标信息表示第一像素点在世界坐标系(Xw,Yw,Zw)中的坐标信息。此外,像素坐标系(u,v)到世界坐标系(Xw,Yw,Zw)的关系由下列公式表示:
其中,R表示为3*3旋转矩阵,t表示为3*1平移向量,(u0,v0)表示图像坐标系中的原点,dx表示每个像素点在横轴x上的尺寸,dy表示每个像素点在纵轴y上的尺寸,f表示图像坐标系(x,y)到相机坐标系(Xc,Yc,Zc)中摄像模组的焦距,M表示预设坐标转换矩阵。
具体的,根据第一像素点的像素值和第二坐标信息确定第一像素点的深度值以得到第一队列图形对应的深度图像可以包括以下操作:将第一像素点的像素值替换到第二坐标信息中的Zw轴上;将第二坐标信息中的Zw轴上的坐标信息作为第一像素点的深度值;依次获取第一队列图形中的每个像素点的深度值以得到第一队列图形对应的深度图像。
在本申请实施例中,由于从第一队列图像中可以看到排队人员的头部高度比其他部位的高度高,因此在深度图像中头部区域中的各个像素点的深度值大于其他区域中的各个像素点的深度值,然后在深度图像中提取深度值较大的区域,该区域即为第一队列图形中的排队人员的头部在像素坐标系中的区域。此时,通过预设人员头部模型与该区域进行对比,可以得到当前队列中的排队人数。
对于队列检测模型检测到当前队列中的排队人数后,如何根据排队人数和预设人数阈值确定采集与检测装置110执行针对第一人员中包括的人员数量的检测与防疫操作,下面进行具体介绍。
具体的,在排队人数小于或等于预设人数阈值的情况下,确定第一人员中包括的人员数量等于1,采集与检测装置110采集第一人员的身份信息和体征信息;在排队人数大于预设人数阈值的情况下,确定第一人员中包括的人员数量大于1,采集与检测装置110同时采集第一人员中的每个人员的身份信息和体征信息。可以理解的是,第一人员中包括的人员数量为大于或等于1,采集与检测装置110不仅可以采集一个人员的身份信息和体征信息,也可以同时采集多个人员的身份信息和体征信息,并对这些信息进行检测,而采集与检测装置110具体同时采集多少个人员信息可以根据排队人数和预设人数阈值确定。可见,有利于提高采集与检测信息时的效率,减小采集与检测信息时的时间,并缓解排队人数较多时的拥堵
举例中,请参阅图7,智能门禁装置130上集成或分离连接于采集与检测装置110,采集与检测装置110包括采集与检测装置710A和采集与检测装置710B。在排队人数小于或等于预设人数阈值的情况下,第一人员中包括的人员数量等于1,即第一人员为人员A。采集与检测装置710A或采集与检测装置710B采集人员A的身份信息和体征信息,并在采集人员A之后再决定采集人员B的信息。此外,在排队人数大于预设人数阈值的情况下,第一人员中包括的人员数量大于1,即第一人员包括人员A和人员B。采集与检测装置710A采集人员A的身份信息和体征信息,同时采集与检测装置710B采集人员B的身份信息和体征信息,并在采集人员A和人员B之后再决定同时采集人员C和人员D的信息。
具体的,在排队人数小于或等于预设人数阈值的情况下,确定第一人员中包括的人员数量等于1,智能警示装置120针对第一人员的身份和体征检测结果来执行警示操作;在排队人数大于预设人数阈值的情况下,智能警示装置120同时针对第一人员中的每个人的身份和体征检测结果来执行警示操作。根据排队人数和预设人数阈值确定智能警示装置120执行对第一人员中包括的人员数量的警示操作。可以理解的是,第一人员中包括的人员数量为大于或等于1,智能警示装置120不仅可以针对一个人员的身份和体征检测结果来执行警示操作,也可以同时针对多个人员的身份和体征检测结果来执行警示操作,而智能警示装置120具体同时警示多少个人员可以根据排队人数和预设人数阈值确定。
举例中,请参阅图7,智能门禁装置130上集成或分离连接于智能警示装置120,智能警示装置110包括智能警示装置720A和智能警示装置720B。在排队人数小于或等于预设人数阈值的情况下,第一人员中包括的人员数量等于1,即第一人员为人员A。如果人员A的身份信息不匹配或生命体征不正常,则智能警示装置710A或智能警示装置720A闪烁或发出警报。此外,在排队人数大于预设人数阈值的情况下,第一人员包括人员A和人员B。如果人员A和人员B的身份信息与预设身份信息不匹配,则智能警示装置710A和智能警示装置720A同时闪烁或发出警报。如果人员A和人员B的生命体征不正常,则智能警示装置710A和智能警示装置720A同时闪烁或发出警报。
具体的,在排队人数小于或等于预设人数阈值的情况下,确定第一人员中包括的人员数量等于1,智能门禁装置130针对第一人员的身份和体征检测结果来执行门禁操作;在排队人数大于预设人数阈值的情况下,智能门禁装置130同时针对第一人员中的每个人的身份和体征检测结果来执行门禁操作。可以理解的是,第一人员中包括的人员数量为大于或等于1,智能门禁装置130不仅可以对一个人员的身份和体征检测结果来执行门禁功能,也可以同时对多个人员的身份和体征检测结果来执行门禁功能,而智能门禁装置130具体同时放行多少个人员可以根据排队人数和预设人数阈值确定。可见,有利于提高闸机通道的通行效率,减小闸机通道的通行时间,并且缓解排队人数较多时的拥堵。
举例中,请参阅图7。在排队人数小于或等于预设人数阈值的情况下,第一人员中包括的人员数量等于1,即第一人员为人员A。如果人员A的身份信息匹配和生命体征正常,则智能门禁装置130自动开启门禁闸机以允许人员A通过,并在人员A通过后自动关闭门禁闸机。此外,在排队人数大于预设人数阈值的情况下,第一人员包括人员A和人员B。如果人员A和人员B的身份信息匹配,并且人员A和人员B的生命体征正常,则智能门禁装置130自动开启门禁闸机以允许人员A和人员B同时通过,并在人员A和人员B通过后自动关闭门禁闸机。否则,智能门禁装置130无法同时允许人员A和人员B通过。
具体的,在排队人数小于或等于预设人数阈值的情况下,确定第一人员中包括的人员数量等于1,防疫通道装置140针对第一人员的身份和体征检测结果来执行防疫操作;在排队人数大于预设人数阈值的情况下,防疫通道装置140同时针对第一人员中的每个人的身份和体征检测结果来执行防疫操作。可以理解的是,第一人员中包括的人员数量为大于或等于1,防疫通道装置140不仅可以对一个人员的进行消毒和发放防疫物资,也可以同时对多个人员进行消毒和发放防疫物资,而防疫通道装置140具体同时防疫多少个人员可以根据排队人数和预设人数阈值确定。可见,有利于提高消毒和防疫时的效率,减小消毒和防疫时的时间,并且缓解排队人数较多时的拥堵。
进一步的,自动喷淋装置的数量可以有一个或者多个,并且可以根据第一人员中包括的人员数量进行相应消毒操作。同样,防疫物资装置也可以根据第一人员中包括的人员数量相应的分发防疫物资。
综上所述,下面介绍又一种智能检测与防疫系统的结构示意图,请参阅图8。智能检测与防疫系统800可以包括采集与检测装置810、智能警示装置820、智能门禁装置830、防疫通道装置840、队列检测装置850。其中,采集与检测装置810可以包括采集与检测装置810A和采集与检测装置810B,智能警示装置820可以包括智能警示装置820A和智能警示装置820B,防疫通道装置840可以包括自动喷淋装置8401和防疫物资装置8402。
进一步的,智能检测与防疫系统800包括的各个装置可以通过处理器来统一控制或调度等,并通过各种接口和线路连接智能检测与防疫系统800包括的各个装置。此外,处理器可以通过运行或执行存储器内的软体程序和/或模块,调用存储器内的存储数据,以执行智能检测与防疫系统800的各种功能和处理数据,并监控智能检测与防疫系统800的整体运行。可选的,处理器可以包括CPU、DSP、ASIC和FPGA等。可选的,存储器可以包括RAM、ROM、EPROM或CD-ROM。
可以看出,本申请实施例中,智能检测与防疫系统包括采集与检测装置、智能警示装置、智能门禁装置和防疫通道装置。其中,采集与检测装置对身份信息和体征信息进行采集与检测,有利于实现出行安检、员工考勤、卫生检疫与防疫、个人体检、生命体征监测等功能。智能警示装置根据采集与检测装置的检测结果来相应的执行语音、显示、红色警报等警示功能,有利于及时发现身份不明人员和生命体征异常人员,以及提高整个检测与防疫工作的安全性。智能门禁装置根据采集与检测装置的检测结果来相应的执行门禁功能,有利于及时防止身份不明人员和生命体征异常人员的出入情况,以及提高整个检测与防疫工作的安全性。防疫通道装置能够对身份认证通过和生命体征正常的人员进行自动消毒和自发放防疫物资,有利于实现对人员通行的防疫工作,以及通过自动功能来提高整个防疫工作的效率。队列检测装置能够检测当前队列的排队人数,有利于实现根据当前排队人数智能执行检测与防疫操作,缓解在排队人数较多时的检测与防疫工作,并提高检测与防疫工作的效率。可见,本申请实施例有利于实现整个检测与防疫工作的自动化,及时发现和防止身份不明和生命体征异常人员,以及提高整个检测与防疫工作的安全性和效率。
下面将从方法示例的角度介绍智能检测与防疫方法的执行步骤,请参阅图9。图9是本申请实施例提供的一种智能检测与防疫方法的流程示意图,该方法包括:
步骤910、采集第一人员的身份信息和第一人员的体征信息。
其中,身份信息用于表示当前第一人员的身份状况,体征信息用于表示当前第一人员的生命特征状况。
步骤920、检测身份信息与预设身份信息是否匹配以及体征信息与预设体征值范围是否满足。
在一个可能的示例中,在身份信息包括人脸图像信息的情况下,检测身份信息与预设身份信息是否匹配以及体征信息与预设体征值范围是否满足可以包括以下操作:根据人脸图像信息确定第一人员的三庭五眼比例信息;根据三庭五眼比例信息从预设图像信息库中确定预设身份信息对应的第一特征向量,预设图像信息库包括所述预设身份信息;根据特征提取模型和人脸图像信息确定人脸图像信息对应的第二特征向量,其中,特征提取模型包括第一卷积神经网络模型和第二卷积神经网络模型,第一卷积神经网络模型用于提取人脸图像信息的特征向量,第二卷积神经网络模型用于检测由第一网络模型提取的人脸图像信息的特征向量;根据第一特征向量和第二特征向量的相似度度量确定对比系数值;根据对比系数值与预设系数值范围得到第一检测结果;其中,在对比系数值处于预设系数值范围内的情况下,第一检测结果为人脸图像信息与预设身份信息匹配;和/或,在对比系数值不处于预设系数值范围内的情况下,第一检测结果为人脸图像信息与预设身份信息不匹配;根据体征信息与预设体征值范围得到第二检测结果;其中,在第一人员的生命体征正常的情况下,第二检测结果为第一人员的生命体征正常;和/或,在第一人员的生命体征不正常的情况下,第二检测结果为第一人员的生命体征不正常。
在一个可能的示例中,第一卷积神经网络模型包括第一输入层、L层第一隐藏层和第一输出层,L层第一隐藏层中每层卷积层的卷积核尺寸为k1*k1个像素,L层第一隐藏层中每层卷积层的步长为s1,L层第一隐藏层中每层卷积层的激活函数包括ReUL函数,L层第一隐藏层中每层池化层的滤波器尺寸为f1*f1,L层第一隐藏层中每层池化层的步长为s2,L层第一隐藏层中每层反卷积层的卷积核尺寸为k1*k1个像素,L层第一隐藏层中每层反卷积层的步长为1/s1,其中,k1取值为[3,9]的整数,s1取值为[1,4]的整数,f1取值为[2,4]的整数,s2取值为1或2,L为大于1的整数;第二卷积神经网络模型包括第二输入层、K层第二隐藏层和第二输出层,K层第二隐藏层中每层卷积层的卷积核尺寸为k2*k2个像素,K层第二隐藏层中每层卷积层的步长为s3,K层第二隐藏层中每层卷积层的激活函数包括渗漏修正线性函数单元LeakyReUL函数,其中,k2取值为3或4,s3取值为1或2,K为大于1的整数。
在一个可能的示例中,在体征信息包括体温信息的情况下,检测身份信息与预设身份信息是否匹配以及体征信息与预设体征值范围是否满足可以包括以下操作:采集身份信息、第一人员的第一部位的第一温度信息、第一人员当前所处环境的第二温度信息和第一部位的第一距离信息,第一部位包括以下一种:额头、手腕和脖颈;将第一距离信息和第二温度信息输入预设温度补偿公式,得到第一部位的补偿温度,预设温度补偿公式为:
其中,ΔT表示补偿温度,λ表示第一部位的预设常数,T表示第二温度信息,d1用于表示所述第一距离信息;根据补偿温度和第一温度信息确定体温信息;根据身份信息与预设身份信息得到第三检测结果;其中,第三检测结果包括身份信息与预设身份信息匹配、身份信息与预设身份信息不匹配;根据体温信息与预设体征值范围得到第四检测结果;其中,在体温信息处于预设体征值范围内的情况下,第四检测结果为第一人员的生命体征正常;和/或,在体温信息不处于预设体征值范围内的情况下,第四检测结果为第一人员的生命体征不正常。
在一个可能的示例中,在身份信息包括指纹信息的情况下,检测身份信息与预设身份信息是否匹配以及体征信息与预设体征值范围是否满足可以包括以下操作:采集指纹信息和体征信息;对指纹信息进行指纹预处理和特征降维处理,指纹预处理包括以下至少一种:指纹分割、指纹增强、二值化、细化,特征降维包括以下至少一种:方差选择法、相关系数法、卡方检验、主成分分析法、线性判别分析法;通过预先训练的图像分割模型提取指纹预处理和特征降维处理后的指纹信息中的指纹特征信息,指纹特征信息包括指纹脊线的端点和分叉点;检测指纹特征信息与预设指纹信息库中的预设指纹特征信息以得到第五检测结果;其中,第五检测结果可以包括指纹特征信息与预设指纹特征信息匹配、指纹特征信息与预设指纹特征信息不匹配;根据体征信息与预设体征值范围得到第六检测结果;其中,在第一人员的生命体征正常的情况下,第六检测结果为第一人员的生命体征正常;和/或,在第一人员的生命体征不正常的情况下,第六检测结果为第一人员的生命体征不正常。
步骤930、根据身份信息与预设身份信息的检测结果以及体征信息与预设数值范围的检测结果确定针对第一人员的警示操作。
其中,警示操作包括以下至少一种:开启警示灯以使得警示灯闪烁提示、开启扬声器以使得扬声器语音提示、开启显示屏以使得显示屏显示提示。
在一个可能的示例中,根据身份信息与预设身份信息的检测结果以及体征信息与预设数值范围的检测结果确定针对第一人员的警示操作可以包括以下操作:在身份信息与预设身份信息不匹配的情况下,开启警示灯以使得警示灯闪烁提示;和/或,在身份信息与预设身份信息不匹配的情况下,开启扬声器以使得扬声器语音提示;和/或,在身份信息与预设身份信息不匹配的情况下,开启显示屏以使得所述显示屏显示提示;和/或,在第一人员的生命体征不正常的情况下,开启警示灯以使得警示灯闪烁提示;和/或,在第一人员的生命体征不正常的情况下,开启扬声器以使得扬声器语音提示;和/或,在第一人员的生命体征不正常的情况下,开启显示屏以使得显示屏显示提示。
步骤940、根据身份信息与预设身份信息的检测结果以及体征信息与预设体征值范围的检测结果确定针对第一人员的门禁操作。
其中,门禁操作包括允许第一人员通过、禁止第一人员通过、记录第一信息,第一信息包括以下至少一种:身份信息、体征信息、当前时间信息。
在一个可能的示例中,根据身份信息与预设身份信息的检测结果以及体征信息与预设体征值范围的检测结果确定针对第一人员的门禁操作可以包括以下操作:在身份信息与预设身份信息匹配的情况下,允许所述第一人员通过,并记录身份信息和当前时间信息;和/或,在身份信息与预设身份信息不匹配的情况下,禁止第一人员通过;和/或,在第一人员的生命体征正常的情况下,允许所述第一人员通过,并记录体征信息和当前时间信息;和/或,在第一人员的生命体征不正常的情况下,禁止第一人员通过。
步骤950、在门禁操作为允许第一人员通过后确定第一人员的防疫操作。
其中,防疫操作包括以下至少一种:向第一人员自动全身消毒、向第一人员自动发放防疫物资,防疫物资包括以下至少一种:口罩、手套、护目镜、鞋套。
在一个可能的示例中,在门禁操作为允许第一人员通过后确定第一人员的防疫操作可以包括以下操作:在门禁操作为允许第一人员通过后感应第一人员位置信息,并在位置信息为预设位置信息时向第一人员自动喷淋无毒无害消毒液以全身消毒;将存储的防疫物资自动发放给第一人员。
步骤960、检测当前队列中的排队人数,并根据排队人数和预设人数阈值确定针对第一人员中包括的人员数量的检测与防疫操作。
其中,第一人员处于当前队列,针对第一人员中包括的人员数量的检测与防疫操作包括以下至少一种:针对第一人员中包括的人员数量的采集与检测操作、针对所述第一人员中包括的人员数量的警示操作、针对所述第一人员中包括的人员数量的门禁操作、针对所述第一人员中包括的人员数量的防疫操作。
在一个可能的示例中,检测当前队列中的排队人数可以包括以下操作:采集针对当前队列的第一队列图像,第一队列图像包括第一像素点;获取第一像素点在像素坐标系中对应的第一坐标信息;根据预设坐标转换矩阵和第一坐标信息确定第一像素点在世界坐标系中对应的第二坐标信息;根据第一像素点和第二坐标信息确定第一像素点的深度值以得到第一队列图形对应的深度图像;通过预设人员头部模型与深度图像对比检测以得到当前队列中的排队人数。
在一个可能的示例中,根据第一像素点和第二坐标信息确定第一像素点的深度值以得到第一队列图形对应的深度图像,可以包括以下操作:将第一像素点的像素值替换到第二坐标信息中的Z轴上;将第二坐标信息中的Z轴上的坐标信息作为第一像素点的深度值;依次获取第一队列图形中的每个像素点的深度值以得到第一队列图形对应的深度图像。
在一个可能的示例中,身份信息还可以包括以下至少一种:身高信息、体重信息、服饰信息;体征信息可以包括以下至少一种:体温信息、脉搏信息、血压信息、心率信息。
需要说明的是,在智能检测与防疫方法中涉及的具体操作步骤和相关详细介绍可通过上述智能检测与防疫系统中的描述一致,不再具体赘述。
可以看出,本申请实施例所描绘的智能检测与防疫方法,首先,通过对身份信息和体征信息进行采集与检测,有利于实现出行安检、员工考勤、卫生检疫与防疫、个人体检、生命体征监测等功能。其次,通过身份信息和体征信息的检测结果来相应的执行语音、显示、红色警报等警示功能,有利于及时发现身份不明人员和生命体征异常人员,以及提高整个检测与防疫工作的安全性。然后,根据身份信息和体征信息的检测结果来相应的执行门禁功能,有利于及时防止身份不明人员和生命体征异常人员的出入情况,以及提高整个检测与防疫工作的安全性。再次,通过对身份认证通过和生命体征正常的人员进行自动消毒和自发放防疫物资,有利于实现对人员通行的防疫工作,以及通过自动功能来提高整个防疫工作的效率。最后,通过检测当前队列的排队人数,有利于实现根据当前排队人数智能执行检测与防疫操作,缓解在排队人数较多时的检测与防疫工作,并提高检测与防疫工作的效率。可见,本申请实施例有利于实现整个检测与防疫工作的自动化,及时发现和防止身份不明和生命体征异常人员,以及提高整个检测与防疫工作的安全性和效率。
本申请实施例还提供一种计算机可读存储介质,其中,该计算机可读存储介质存储用于电子数据交换的计算机程序,该计算机程序可操作来使得计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤。
本申请实施例还提供一种计算机程序产品,其中,该计算机程序产品包括计算机程序,该计算机程序可操作来使计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤。该计算机程序产品可以为一个软件安装包。
需要说明的是,对于上述的各方法实施例,为了简单描述,将其都表述为一系列的动作组合。本领域技术人员应该知悉,本申请不受所描述的动作顺序的限制,因为本申请实施例中的某些步骤可以采用其他顺序或者同时进行。此外,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请实施例所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
本申请的技术方案(该技术方案对现有技术做出贡献的部分或者该技术方案的全部或部分)可以通过计算机程序产品的形式体现。该计算机程序产品存储在存储器中,并包括若干指令以使得计算机设备(个人计算机、服务器或者网络设备等)执行本申请实施例的全部或部分步骤。此外,上述存储器包括U盘、ROM、RAM、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上对本申请实施例进行了详细介绍,本申请实施例中的说明只是用于帮助理解本申请的方法及其核心思想。本领域技术人员应该知悉,本申请实施例在具体实施方式和应用范围上均会有改变之处,至此,本说明书内容不应理解为对本申请的限制。
Claims (13)
1.一种智能检测与防疫系统,其特征在于,包括采集与检测装置、智能警示装置、智能门禁装置、防疫通道装置和队列检测装置;其中,
所述采集与检测装置,用于采集第一人员的身份信息和所述第一人员的体征信息,并检测所述身份信息与预设身份信息是否匹配以及所述体征信息与预设体征值范围是否满足,所述身份信息用于表示当前所述第一人员的身份状况,所述体征信息用于表示当前所述第一人员的生命体征状况;其中,所述体征信息包括体温信息,所述体温信息的确定步骤如下:采集所述第一人员的第一部位的第一温度信息、所述第一人员当前所处环境的第二温度信息和所述第一部位距离所述采集与检测装置的第一距离信息,所述第一部位包括以下一种:额头、手腕和脖颈;将所述第一距离信息和所述第二温度信息输入预设温度补偿公式,得到所述第一部位的补偿温度,所述预设温度补偿公式为:
,
所述表示所述补偿温度,所述表示所述第一部位的预设常数,所述表示所述第二温度信息,所述用于表示所述第一距离信息,所述表示积分变量;根据所述补偿温度和所述第一温度信息确定所述体温信息;
所述智能警示装置,用于根据所述身份信息与所述预设身份信息的检测结果以及所述体征信息与所述预设体征值范围的检测结果确定针对所述第一人员的警示操作,所述警示操作包括以下至少一种:开启所述智能警示装置中的警示灯以使得所述警示灯闪烁提示、开启所述智能警示装置中的扬声器以使得所述扬声器语音提示、开启所述智能警示装置中的显示屏以使得所述显示屏显示提示;
所述智能门禁装置,用于根据所述身份信息与所述预设身份信息的检测结果以及所述体征信息与所述预设体征值范围的检测结果确定针对所述第一人员的门禁操作,所述门禁操作包括允许所述第一人员通过、禁止所述第一人员通过和记录第一信息,所述第一信息包括以下至少一种:所述身份信息、所述体征信息、当前时间信息;
所述防疫通道装置,用于在所述门禁操作为允许所述第一人员通过后确定针对所述第一人员的防疫操作,所述防疫操作包括以下至少一种:向所述第一人员自动全身消毒、向所述第一人员自动发放防疫物资,所述防疫物资包括以下至少一种:口罩、手套、护目镜、鞋套;
所述队列检测装置,用于检测当前队列中的排队人数,并根据所述排队人数和预设人数阈值确定针对所述第一人员中包括的人员数量的检测与防疫操作,所述第一人员处于所述当前队列,所述针对所述第一人员中包括的人员数量的检测与防疫操作包括以下至少一种:所述采集与检测装置执行针对所述第一人员中包括的人员数量的采集与检测操作、所述智能警示装置执行针对所述第一人员中包括的人员数量的警示操作、所述智能门禁装置执行针对所述第一人员中包括的人员数量的门禁操作、所述防疫通道装置执行针对所述第一人员中包括的人员数量的防疫操作。
2.根据权利要求1所述的智能检测与防疫系统,其特征在于,在所述身份信息包括人脸图像信息的情况下,所述采集与检测装置具体用于执行以下操作:
采集所述人脸图像信息和所述体征信息;
根据所述人脸图像信息确定所述第一人员的三庭五眼比例信息;
根据所述三庭五眼比例信息从预设图像信息库中确定所述预设身份信息对应的第一特征向量,所述预设图像信息库包括所述预设身份信息;
根据特征提取模型和所述人脸图像信息确定所述人脸图像信息对应的第二特征向量,所述特征提取模型包括第一卷积神经网络模型和第二卷积神经网络模型,所述第一卷积神经网络模型用于提取所述人脸图像信息的特征向量,所述第二卷积神经网络模型用于检测由所述第一卷积神经网络模型提取的所述人脸图像信息的特征向量;
根据所述第一特征向量和所述第二特征向量的相似度度量确定对比系数值;
根据所述对比系数值与预设系数值范围得到第一检测结果;其中,在所述对比系数值处于所述预设系数值范围内的情况下,所述第一检测结果为所述人脸图像信息与所述预设身份信息匹配;和/或,在所述对比系数值不处于所述预设系数值范围内的情况下,所述第一检测结果为所述人脸图像信息与所述预设身份信息不匹配;
根据所述体征信息与所述预设体征值范围得到第二检测结果;其中,在所述体征信息处于所述预设体征值范围内的情况下,所述第二检测结果为所述第一人员的生命体征正常;和/或,在所述体征信息不处于所述预设体征值范围内的情况下,所述第二检测结果为所述第一人员的生命体征不正常。
3.根据权利要求2所述的智能检测与防疫系统,其特征在于,
所述第一卷积神经网络模型包括第一输入层、L层第一隐藏层和第一输出层,所述L层第一隐藏层中每层卷积层的卷积核尺寸为k1*k1个像素,所述L层第一隐藏层中每层卷积层的步长为s1,所述L层第一隐藏层中每层卷积层的激活函数包括ReUL函数,所述L层第一隐藏层中每层池化层的滤波器尺寸为f1*f1,所述L层第一隐藏层中每层池化层的步长为s2,所述L层第一隐藏层中每层反卷积层的卷积核尺寸为k1*k1个像素,所述L层第一隐藏层中每层反卷积层的步长为1/s1,其中,所述k1取值为[3,9]的整数,所述s1取值为[1,4]的整数,所述f1取值为[2,4]的整数,所述s2取值为1或2,所述L为大于1的整数;
所述第二卷积神经网络模型包括第二输入层、K层第二隐藏层和第二输出层,所述K层第二隐藏层中每层卷积层的卷积核尺寸为k2*k2个像素,所述K层第二隐藏层中每层卷积层的步长为s3,所述K层第二隐藏层中每层卷积层的激活函数包括渗漏修正线性函数单元LeakyReUL函数,其中,所述k2取值为3或4,所述s3取值为1或2,所述K为大于1的整数。
4.根据权利要求3所述的智能检测与防疫系统,其特征在于,所述L层第一隐藏层包括依次相连的第一卷积层、第二卷积层、第一池化层、第三卷积层、第四卷积层、第二池化层、第一反卷积层、第二反卷积层、第三反卷积层、第四反卷积层、第五反卷积层和第六反卷积层;所述K层第二隐藏层包括依次相连的第五卷积层、第六卷积层、第七卷积层、第八卷积层、第九卷积层、第十卷积层。
5.根据权利要求1所述的智能检测与防疫系统,其特征在于,在所述体征信息包括体温信息的情况下,所述采集与检测装置还用于执行以下操作:
根据所述身份信息与所述预设身份信息得到第三检测结果;其中,所述第三检测结果包括所述身份信息与所述预设身份信息匹配、所述身份信息与所述预设身份信息不匹配;
根据所述体温信息与所述预设体征值范围得到第四检测结果;其中,在所述体温信息处于所述预设体征值范围内的情况下,所述第四检测结果为所述第一人员的生命体征正常;和/或,在所述体温信息不处于所述预设体征值范围内的情况下,所述第四检测结果为所述第一人员的生命体征不正常。
6.根据权利要求1所述的智能检测与防疫系统,其特征在于,在所述身份信息包括指纹信息的情况下,所述采集与检测装置具有用于执行以下操作:
采集所述指纹信息和所述体征信息;
对所述指纹信息进行指纹预处理和特征降维处理,所述指纹预处理包括以下至少一种:指纹分割、指纹增强、二值化、细化,所述特征降维包括以下至少一种:方差选择法、相关系数法、卡方检验、主成分分析法、线性判别分析法;
通过预先训练的图像分割模型提取所述指纹预处理和所述特征降维处理后的指纹信息中的指纹特征信息,所述指纹特征信息包括指纹脊线的端点和分叉点;
检测所述指纹特征信息与预设指纹信息库中的所述预设身份信息以得到第五检测结果;其中,所述第五检测结果包括所述指纹特征信息与所述预设身份信息匹配、所述指纹特征信息与所述预设身份信息不匹配;
根据所述体征信息与所述预设体征值范围得到第六检测结果;其中,在所述体征信息处于所述预设体征值范围内的情况下,所述第六检测结果为所述第一人员的生命体征正常;和/或,在所述体征信息不处于所述预设体征值范围内的情况下,所述第六检测结果为所述第一人员的生命体征不正常。
7.根据权利要求1所述的智能检测与防疫系统,其特征在于,所述智能警示装置具体用于执行以下操作:
在所述身份信息与所述预设身份信息不匹配的情况下,开启所述智能警示装置中的警示灯以使得所述警示灯闪烁提示;和/或,
在所述身份信息与所述预设身份信息不匹配的情况下,开启所述智能警示装置中的扬声器以使得所述扬声器语音提示;和/或,
在所述身份信息与所述预设身份信息不匹配的情况下,开启所述智能警示装置中的显示屏以使得所述显示屏显示提示;和/或,
在所述第一人员的生命体征不正常的情况下,开启所述智能警示装置中的警示灯以使得所述警示灯闪烁提示;和/或,
在所述第一人员的生命体征不正常的情况下,开启所述智能警示装置中的扬声器以使得所述扬声器语音提示;和/或,
在所述第一人员的生命体征不正常的情况下,开启所述智能警示装置中的显示屏以使得所述显示屏显示提示。
8.根据权利要求1所述的智能检测与防疫系统,其特征在于,所述智能门禁装置具体用于执行以下操作:
在所述身份信息与所述预设身份信息匹配的情况下,自动打开所述智能门禁装置上的门禁闸机以允许所述第一人员通过,并记录所述身份信息和所述当前时间信息;和/或,
在所述身份信息与所述预设身份信息不匹配的情况下,自动关闭所述智能门禁装置上的门禁闸机以禁止所述第一人员通过;和/或,
在所述第一人员的生命体征正常的情况下,自动打开所述智能门禁装置上的门禁闸机以允许所述第一人员通过,并记录所述体征信息和所述当前时间信息;和/或,
在所述第一人员的生命体征不正常的情况下,自动关闭所述智能门禁装置上的门禁闸机以禁止所述第一人员通过。
9.根据权利要求1所述的智能检测与防疫系统,其特征在于,所述防疫通道装置包括自动喷淋装置、防疫物资装置:
自动喷淋装置,用于在所述门禁操作为允许所述第一人员通过后感应所述第一人员处于所述防疫通道装置内的位置信息,并在所述位置信息为预设位置信息时向所述第一人员自动喷淋无毒无害消毒液以全身消毒;
防疫物质装置,用于将存储的所述防疫物资自动发放给所述第一人员。
10.根据权利要求1所述的智能检测与防疫系统,其特征在于,所述队列检测装置具体用于执行以下操作:
采集针对所述当前队列的第一队列图像,所述第一队列图像包括第一像素点;
获取所述第一像素点在像素坐标系中对应的第一坐标信息;
根据预设坐标转换矩阵和所述第一坐标信息确定所述第一像素点在世界坐标系中对应的第二坐标信息;
根据所述第一像素点和所述第二坐标信息确定所述第一像素点的深度值以得到所述第一队列图像 对应的深度图像;
通过预设人员头部模型与所述深度图像对比检测以得到所述当前队列中的排队人数;
根据所述排队人数和所述预设人数阈值确定所述采集与检测装置执行针对所述第一人员中包括的人员数量的采集与检测操作;和/或,
根据所述排队人数和所述预设人数阈值确定所述智能警示装置执行针对所述第一人员中包括的人员数量的警示操作;和/或,
根据所述排队人数和所述预设人数阈值确定所述智能门禁装置执行针对所述第一人员中包括的人员数量的门禁操作;和/或,
根据所述排队人数和所述预设人数阈值确定所述防疫通道装置执行针对所述第一人员中包括的人员数量的防疫操作。
11.根据权利要求10所述的智能检测与防疫系统,其特征在于,所述根据所述第一像素点和所述第二坐标信息确定所述第一像素点的深度值以得到所述第一队列图像 对应的深度图像,所述队列检测装置具体用于执行以下操作:
将所述第一像素点的像素值替换到所述第二坐标信息中的Z轴上;
将所述第二坐标信息中的Z轴上的坐标信息作为所述第一像素点的深度值;
依次获取所述第一队列图像 中的每个像素点的深度值以得到所述第一队列图像 对应的所述深度图像。
12.根据权利要求1-11任一项所述的智能检测与防疫系统,其特征在于,所述身份信息包括以下至少一种:人脸图像信息、指纹信息、身高信息、体重信息、服饰信息;所述体征信息还包括以下至少一种:脉搏信息、血压信息、心率信息。
13.一种智能检测与防疫方法,其特征在于,包括:
采集第一人员的身份信息和所述第一人员的体征信息,所述身份信息用于表示当前所述第一人员的身份状况,所述体征信息用于表示当前所述第一人员的生命特征状况;其中,所述体征信息包括体温信息,所述体温信息的确定步骤如下:采集所述第一人员的第一部位的第一温度信息、所述第一人员当前所处环境的第二温度信息和所述第一部位距离采集与检测装置的第一距离信息,所述第一部位包括以下一种:额头、手腕和脖颈;将所述第一距离信息和所述第二温度信息输入预设温度补偿公式,得到所述第一部位的补偿温度,所述预设温度补偿公式为:
,
所述表示所述补偿温度,所述表示所述第一部位的预设常数,所述表示所述第二温度信息,所述用于表示所述第一距离信息,所述表示积分变量;根据所述补偿温度和所述第一温度信息确定所述体温信息;
检测所述身份信息与预设身份信息是否匹配以及所述体征信息与预设体征值范围是否满足;
根据所述身份信息与所述预设身份信息的检测结果以及所述体征信息与所述预设体征值范围的检测结果确定针对所述第一人员的警示操作,所述警示操作包括以下至少一种:开启警示灯以使得所述警示灯闪烁提示、开启扬声器以使得所述扬声器语音提示、开启显示屏以使得所述显示屏显示提示;
根据所述身份信息与所述预设身份信息的检测结果以及所述体征信息与所述预设体征值范围的检测结果确定针对所述第一人员的门禁操作,所述门禁操作包括允许所述第一人员通过、禁止所述第一人员通过、记录第一信息,所述第一信息包括以下至少一种:所述身份信息、所述体征信息、当前时间信息;
在所述门禁操作为允许所述第一人员通过后确定针对所述第一人员的防疫操作,所述防疫操作包括以下至少一种:向所述第一人员自动全身消毒、向所述第一人员自动发放防疫物资,所述防疫物资包括以下至少一种:口罩、手套、护目镜、鞋套;
检测当前队列中的排队人数,所述第一人员处于所述当前队列,并根据所述排队人数和预设人数阈值确定针对所述第一人员中包括的人员数量的检测与防疫操作,所述针对所述第一人员中包括的人员数量的检测与防疫操作包括以下至少一种:针对所述第一人员中包括的人员数量的采集与检测操作、针对所述第一人员中包括的人员数量的警示操作、针对所述第一人员中包括的人员数量的门禁操作、针对所述第一人员中包括的人员数量的防疫操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010284308.9A CN111524608B (zh) | 2020-04-10 | 2020-04-10 | 智能检测与防疫系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010284308.9A CN111524608B (zh) | 2020-04-10 | 2020-04-10 | 智能检测与防疫系统和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111524608A CN111524608A (zh) | 2020-08-11 |
CN111524608B true CN111524608B (zh) | 2023-04-25 |
Family
ID=71911730
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010284308.9A Active CN111524608B (zh) | 2020-04-10 | 2020-04-10 | 智能检测与防疫系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111524608B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102020210490A1 (de) | 2020-06-16 | 2021-12-16 | HealthVision GmbH | Verfahren und System zum Infektionsschutz in einem zugangsbeschränkten Bereich |
CN112037928A (zh) * | 2020-08-25 | 2020-12-04 | 陕西科技大学 | 一种多功能防疫检测仪及其运行方法 |
CN114120810A (zh) * | 2020-08-26 | 2022-03-01 | 江苏实信智能科技有限公司 | 一种具有乘客信息采集功能的公交站牌 |
KR102415458B1 (ko) * | 2020-08-28 | 2022-06-30 | 한남대학교 산학협력단 | 마스크 배급 출입통제장치 및 그 출입통제방법 |
CN112288931A (zh) * | 2020-09-14 | 2021-01-29 | 福建省君安生物科技有限公司 | 一种基于人脸识别的智慧科技园区门禁系统 |
CN112184925B (zh) * | 2020-09-29 | 2022-03-11 | 中铁建电气化局集团南方工程有限公司 | 一种基于人脸识别的无感支付闸机 |
CN113516803A (zh) * | 2021-03-29 | 2021-10-19 | 广东省安心加科技有限公司 | 一种防尾随门禁开启控制方法、装置及系统 |
CN113160465A (zh) * | 2021-04-25 | 2021-07-23 | 安徽科大擎天科技有限公司 | 一种完全免接触式安全闸机系统及其管理方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109708777A (zh) * | 2018-11-27 | 2019-05-03 | 武汉高德智感科技有限公司 | 一种人体检验检疫系统基础人群温度补偿方法 |
CN109767144A (zh) * | 2019-03-21 | 2019-05-17 | 孔祥明 | 一种建筑施工现场人员效能管理系统及方法 |
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 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110168658B (zh) * | 2016-10-05 | 2024-04-02 | 皇家飞利浦有限公司 | 患者监测系统和方法 |
-
2020
- 2020-04-10 CN CN202010284308.9A patent/CN111524608B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109708777A (zh) * | 2018-11-27 | 2019-05-03 | 武汉高德智感科技有限公司 | 一种人体检验检疫系统基础人群温度补偿方法 |
CN109767144A (zh) * | 2019-03-21 | 2019-05-17 | 孔祥明 | 一种建筑施工现场人员效能管理系统及方法 |
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 |
Also Published As
Publication number | Publication date |
---|---|
CN111524608A (zh) | 2020-08-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111524608B (zh) | 智能检测与防疫系统和方法 | |
Zhao et al. | Real-time detection of fall from bed using a single depth camera | |
KR101683712B1 (ko) | 트레이스 변환을 이용한 홍채 및 눈 인식 시스템 | |
JP2023171650A (ja) | プライバシーの保護を伴う人物の識別しおよび/または痛み、疲労、気分、および意図の識別および定量化のためのシステムおよび方法 | |
JP4860749B2 (ja) | 画像中の人物における位置決め指示との適合性を判定する機器、システム、及び方法 | |
Bhadani et al. | A facemask detector using machine learning and image processing techniques | |
JP6906717B2 (ja) | 状態判定装置、状態判定方法、及び状態判定プログラム | |
Avola et al. | LieToMe: Preliminary study on hand gestures for deception detection via Fisher-LSTM | |
WO2011016782A1 (en) | Condition detection methods and condition detection devices | |
Bhogal et al. | Corona virus disinfectant tunnel using face mask detection and temperature monitoring | |
Naing et al. | Advances in automatic tuberculosis detection in chest x-ray images | |
Anderson et al. | Robust real-time face tracker for cluttered environments | |
Rakshita | Communication through real-time video oculography using face landmark detection | |
Fotiadou et al. | Video-based facial discomfort analysis for infants | |
Liang et al. | Real time hand movement trajectory tracking for enhancing dementia screening in ageing deaf signers of British sign language | |
Gatea et al. | Deep learning neural network for driver drowsiness detection using eyes recognition | |
CN112716468A (zh) | 基于三维卷积网络的非接触心率测量方法及装置 | |
Ge et al. | Multiple face mask wearer detection based on YOLOv3 approach | |
Forczmański et al. | Driver drowsiness estimation by means of face depth map analysis | |
Wang et al. | Video-based inpatient fall risk assessment: A case study | |
Constantin et al. | Driver Monitoring Using Face Detection and Facial Landmarks | |
Siedel et al. | Contactless interactive fall detection and sleep quality estimation for supporting elderly with incipient dementia | |
Hsu et al. | Extraction of visual facial features for health management | |
CN113380383A (zh) | 一种医疗监护方法、装置和终端 | |
JP2017205426A (ja) | 心理状態評価用プログラム及び心理状態評価装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |