CN111653058B - 一种监测方法及其系统 - Google Patents
一种监测方法及其系统 Download PDFInfo
- Publication number
- CN111653058B CN111653058B CN202010484622.1A CN202010484622A CN111653058B CN 111653058 B CN111653058 B CN 111653058B CN 202010484622 A CN202010484622 A CN 202010484622A CN 111653058 B CN111653058 B CN 111653058B
- Authority
- CN
- China
- Prior art keywords
- data
- initial
- feature
- image
- mask
- 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
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/0202—Child monitoring systems using a transmitter-receiver system carried by the parent and the child
- G08B21/0205—Specific application combined with child monitoring using a transmitter-receiver system
- G08B21/0211—Combination with medical sensor, e.g. for measuring heart rate, temperature
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/01—Measuring temperature of body parts ; Diagnostic temperature sensing, e.g. for malignant or inflamed tissue
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Medical Informatics (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Child & Adolescent Psychology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Cardiology (AREA)
- Emergency Management (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Physiology (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本申请公开了一种监测方法及其系统,其中,监测方法包括如下步骤:获取初始数据并存储;间隔预定时间间隔,实时获取当前数据,根据预先设置的阀值和初始数据对当前数据进行判断,并生成警报指令;根据警报指令下发警报信息。本申请具有能够实时监测低龄儿童体温变化和口罩佩戴状况,并及时对异常情况进行警报,有效的防止了低龄孩童之间的病毒交叉感染的技术效果。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及一种监测方法及其系统。
背景技术
幼儿园对于幼儿的身体健康检测十分重视,一般的幼儿园每天需进行一日三检,入园前需进行体温检测及相关传染病病症的检查,从而做到提早发现,及时预防,保证传染疾病不会在校园中传播。但是,传统的幼儿园测温是通过园医用手触摸孩子的额头,如果感觉到发烧的症状,就采用水银温度计进行测量,确定发烧了就手工记录下,然后通知家长。该方式的体温筛查,很多情况下是凭借园医的经验,存在测温误差,同时也无法实现对每个孩子的体温进行实时检测以及对出现异常体温情况的实时警报。
此外,当前疫情严峻,公共场合中人们均需要佩戴口罩,但低龄孩童容易出现口罩佩戴不规范和随意交换口罩的情况,现有的园内监测无法对该情况进行及时处理。
发明内容
本申请的目的在于提供一种监测方法及其系统,具有能够实时监测低龄儿童体温变化和口罩佩戴状况,并及时对异常情况进行警报,有效的防止了低龄孩童之间的病毒交叉感染的技术效果。
为达到上述目的,本申请提供一种监测方法,包括如下步骤:获取初始数据并存储;间隔预定时间间隔,实时获取当前数据,根据预先设置的阀值和初始数据对当前数据进行判断,并生成警报指令;根据警报指令下发警报信息。
如上的,其中,获取初始数据并存储的子步骤如下:获取初始温度数据;获取初始图像数据;将获取到的初始温度值和初始图像数据作为初始数据并存储。
如上的,其中,获取初始温度数据的子步骤如下:获取第一初始温度值和第二初始温度值;对第一初始温度值和第二初始温度值进行处理,获得初始温度数据,并存储。
如上的,其中,获取初始图像数据的子步骤如下:获取初始采集图像;对初始采集图像进行区域划分,获得初始特征区域,其中,初始特征区域至少包括非口罩特征区域和口罩特征区域;对非口罩特征区域进行特征提取,获得初始特征数据,其中,初始特征数据至少包括眼部特征;对初始特征数据进行分析,并生成分析结果,其中,分析结果包括符合规范或不符合规范;当分析结果为符合规范时,对口罩特征区域进行分析,确定口罩样式,并将确定的口罩样式作为初始口罩式样;将眼部特征和初始口罩式样作为初始图像数据。
如上的,其中,初始采集图像进行区域划分,获得初始特征区域的子步骤如下:利用卷积神经网络对初始采集图像进行人脸检测,并截取出脸框区域;对脸框区域进行分析,并提取出脸框区域中的人脸部分作为非口罩特征区域,脸框区域中剩余的部分为口罩特征区域。
如上的,其中,对非口罩特征区域进行特征提取,获得初始特征数据的子步骤如下:对非口罩区域中的人脸器官进行划分,获得多个器官块;将多个器官块输入至特征提取通道进行特征提取,从而获得多个器官特征值;根据器官特征值输出相应的特征直方图,并将特征直方图作为初始特征数据。
本申请还提供一种监测系统,包括:监控中心、多个数据获取装置、多个第一客户端以及多个第二客户端;监控中心分别与多个数据获取装置、多个第一客户端以及多个第二客户端连接;其中,监控中心用于执行上述的监测方法;多个数据获取装置:用于采集被监测对象的初始数据和当前数据,并将采集的初始数据和当前数据上传至监控中心进行处理;多个第一客户端:用于接收监控中心下发的警报信息并反馈;多个第二客户端:用于接收监控中心下发的警报信息并反馈。
如上的,其中,监控中心包括:数据接收单元、图像处理单元、温度处理单元、分析单元、警报单元、存储单元以及供电单元;其中,数据接收单元:用于接收数据获取装置上传的采集图像和温度值,并将采集图像发送至图像处理单元;将温度值发送至温度分析单元;其中,图像处理单元:用于接收采集图像并处理,获得初始图像数据或当前初始图像数据;温度处理单元:用于接收温度值并处理,获得初始温度数据或当前温度数据;分析单元:用于接收当前数据,并根据预先设置的阀值和初始数据对当前数据进行判断,生成警报指令,并将警报指令发送至警报单元;警报单元:接收警报指令,并根据警报指令下发警报信息;存储单元:用于存储初始数据、当前数据和预先建立的身份库;供电单元:用于为各单元供电。
如上的,其中,数据获取装置包括:图像采集器和温度采集器。
本申请具有能够实时监测低龄儿童体温变化和口罩佩戴状况,并及时对异常情况进行警报,有效的防止了低龄孩童之间的病毒交叉感染的技术效果。
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,下面描述中的附图仅仅是本申请中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1为监测系统一种实施例的结构示意图;
图2为监测方法一种实施例的流程图。
具体实施方式
下面结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本申请提供一个监测方法及其系统,具有能够实时监测低龄儿童体温变化和口罩佩戴状况,并及时对异常情况进行警报,有效的防止了低龄孩童之间的病毒交叉感染的技术效果。
如图1所示,本申请提供一种监测系统,包括:监控中心110、多个数据获取装置120、多个第一客户端130以及多个第二客户端140;监控中心110分别与多个数据获取装置120、多个第一客户端130以及多个第二客户端连接140。
其中,监控中心110用于执行下述的监测方法。
多个数据获取装置120:用于采集被监测对象的初始数据和当前数据,并将采集的初始数据和当前数据上传至监控中心进行处理。
多个第一客户端130:用于接收监控中心下发的警报信息并反馈。具体的,作为一个实施例,第一客户端为老师客户端。
多个第二客户端140:用于接收监控中心下发的警报信息并反馈。具体的,作为一个实施例,第二客户端为家长客户端。
进一步的,监控中心110包括:数据接收单元、图像处理单元、温度处理单元、分析单元、警报单元、存储单元以及供电单元。
其中,数据接收单元:用于接收数据获取装置上传的采集图像和温度值,并将采集图像发送至图像处理单元;将温度值发送至温度分析单元。
其中,图像处理单元:用于接收采集图像并处理,获得初始图像数据或当前初始图像数据。
温度处理单元:用于接收温度值并处理,获得初始温度数据或当前温度数据。
分析单元:用于接收当前数据,并根据预先设置的阀值和初始数据对当前数据进行判断,生成警报指令,并将警报指令发送至警报单元。
警报单元:接收警报指令,并根据警报指令下发警报信息。
存储单元:用于存储初始数据、当前数据和预先建立的身份库。
供电单元:用于为各单元供电。
进一步的,图像处理单元包括:区域划分模块、特征提取模块和特征分析模块。
其中,区域划分模块:用于对初始采集图像进行区域划定,获得初始特征区域,并将初始特征区域发送至特征提取模块。
特征提取模块:用于接收并对初始特征区域中的非口罩特征区域进行特征提取,从而获取初始特征数据,并将初始特征数据发送至特征分析模块。
特征分析模块:用于接收到初始特征数据后,对初始特征数据进行分析,并生成分析结果。
进一步的,数据获取装置120包括:图像采集器和温度采集器。
如图2所示,本申请提供一种监测方法,包括如下步骤:
S210:获取初始数据并存储。
具体的,初始数据为被监测对象当日第一次进入到监测区域所采集的数据。其中,初始数据包括:初始温度数据和初始图像数据。
进一步的,获取初始数据并存储的子步骤如下:
A1:获取初始温度数据。
进一步的,作为一个实施例,获取初始温度数据的子步骤如下:
A110:获取第一初始温度值和第二初始温度值。
具体的,通过两个数据获取装置分别采集被监测对象的温度值作为第一初始温度值和第二初始温度值,并将第一初始温度值和第二初始温度值上传至监控中心的数据接收单元。数据接收单元获取到第一初始温度值和第二初始温度值后,将第一初始温度值和第二初始温度值发送至温度处理单元,执行A2。
A120:对第一初始温度值和第二初始温度值进行处理,获得初始温度数据,并存储。
进一步的,获得初始温度数据的表达式如下:
其中,T为初始温度数据;t1为第一初始温度值;t2为第二初始温度值;e为幂指数的底;Δt为第一初始温度值与第二初始温度值之间的采集时间差,Δt≥0;N为预设的热变化系数。
具体的,利用两个不同的数据获取装置对同一个被监测对象进行采集,从而获得两个初始温度值,对两个初始温度值进行处理后获得初始温度数据的方法,有利于避免数据获取装置故障,而造成采集数据错误。
具体的,作为另一个实施例,通过一个数据获取装置采集被监测对象的温度值作为初始温度值,并将初始温度值上传至监控中心进行处理,获得初始温度数据。
进一步的,若初始温度数据位于预先设置的阀值的范围外,则提示被监测对象,体温异常。
A2:获取初始图像数据。
进一步的,获取初始图像数据的子步骤如下:
具体的,初始图像数据包括:眼部特征和初始口罩式样。
A210:获取初始采集图像。
具体的,通过数据获取装置采集被监测对象的图像数据作为初始采集图像,并将该初始采集图像上传至监控中心的数据接收单元。数据接收单元获取到初始采集图像后,将该初始采集图像发送至图像处理单元,执行A220。
A220:对初始采集图像进行区域划分,获得初始特征区域,其中,初始特征区域至少包括非口罩特征区域和口罩特征区域。
具体的,图像处理单元接收到初始采集图像后,通过区域划分模块对初始采集图像进行区域划分,划分为口罩特征区域和非口罩特征区域,并将口罩特征区域和非口罩特征区域作为初始特征区域发送至特征提取模块,执行A230。
进一步的,初始采集图像进行区域划分,获得初始特征区域的子步骤如下:
W1:利用卷积神经网络对初始采集图像进行人脸检测,并截取出脸框区域。
具体的,利用区域划分模块中的卷积神经网络对初始采集图像进行人脸分类器判断,并生成判断结果,若判断结果为人脸,则把脸框区域自动截取出来,执行W2。
进一步的,利用交叉熵损失函数表示判断结果,表达式如下:
F=(1-2Det)×log(P)+Det-1;
其中,F表示用于人脸分类的交叉熵损失函数,当0.8≤F≤1时,表示判断结果为人脸;Det表示真实的背景标签,Det∈{0,1};P表示人脸概率大小。
W2:对脸框区域进行分析,并提取出脸框区域中的人脸部分作为非口罩特征区域,脸框区域中剩余的部分为口罩特征区域。
A230:对非口罩特征区域进行特征提取,获得初始特征数据。
具体的,特征提取模块接收到初始特征区域后,对初始特征区域中的非口罩特征区域进行特征提取,从而获取初始特征数据,并将初始特征数据发送至特征分析模块,执行A240。其中,初始特征数据至少包括眼部特征。初始特征数据还可以包括鼻子特征和嘴巴特征等人体特征。
进一步的,对非口罩特征区域进行特征提取,获得初始特征数据的子步骤如下:
D1:对非口罩区域中的人脸器官进行划分,获得多个器官块。
具体的,多个器官块至少包括左眼块、鼻梁块和右眼块。多个器官块还可以包括鼻头块和嘴巴块。
D2:将多个器官块输入至特征提取通道进行特征提取,从而获得多个器官特征值。
进一步的,器官特征值的表达式如下:
x=yn-yo;
其中,Lbp为器官特征值;yo为器官块的中间位置像素亮度值;yn为中间位置像素周围的八近邻像素的像素亮度值;n为自然数,n∈[0,7]。
D3:根据器官特征值输出相应的特征直方图,并将特征直方图作为初始特征数据。
其中,按照器官生成相应的特征直方图,例如左眼块特征直方图、右眼块特征直方图等等。如果没有检测到器官,例如鼻子块特征值均为0,则不为其生成特征直方图。
A240:对初始特征数据进行分析,并生成分析结果,其中,分析结果包括符合规范或不符合规范。
具体的,特征分析模块接收到初始特征数据后,对初始特征数据进行分析,判断初始特征数据中包含的特征直方图是否仅包括左眼块特征直方图和右眼块特征直方图,若仅包括左眼块特征直方图和右眼块特征直方图,则表示初始特征数据仅包括眼部特征;若除了包括左眼块特征直方图和右眼块特征直方图,还包括鼻子块特征直方图和嘴巴块特征直方图中的至少一个,则表示初始特征数据除了眼部特征,还包括鼻子特征或嘴巴特征中的至少一个。完成判断后,生成分析结果。
其中,分析结果包括符合规范和不符合规范。
若分析结果为符合规范,表示初始特征数据仅包括眼部特征,佩戴口罩状态为符合规范,执行A250。
若分析结果为不符合规定,表示初始特征数据除了眼部特征,还包括鼻子特征或嘴巴特征中的至少一个,佩戴口罩状态为不符合规范,则通过警报单元发送警报信息,提示被监测对象矫正口罩佩戴状态,并重新采集矫正后的图像作为新的初始采集图像,执行A220。
A250:当分析结果为符合规范时,对口罩特征区域进行分析,确定口罩样式,并将确定的口罩样式作为初始口罩式样。
A260:将初始特征数据中的眼部特征和初始口罩式样作为初始图像数据。
具体的,眼部特征包括:左眼块特征直方图和右眼块特征直方图。
A3:将获取到的初始温度值和初始图像数据作为初始数据并存储。
进一步的,存储初始数据的子步骤如下:
A310:接收遍历指令,其中,遍历指令包括初始图像数据中的眼部特征。
具体的,监控中心获得初始温度值和初始图像数据后,通过分析单元向存储单元下发遍历指令,执行A320。
A320:根据遍历指令对预先建立的身份库进行进行遍历,并确定存储身份文件。
具体的,存储单元接收到遍历指令后,根据遍历指令中的眼部特征对预先存储于存储单元中的身份库进行遍历,确定被监测对象眼部特征与遍历指令中的眼部特征相同的身份文件为存储身份文件,执行A330。
其中,预先建立的身份库存储于存储单元。预先建立的身份库包括多个身份文件。每个身份文件均至少包括:被监测对象名称、被监测对象眼部特征、与被监测对象相对应的第一客户端以及与被监测对象相对应的第二客户端。
A330:将初始数据存储于存储身份文件中。
具体的,存储身份文件包括多个时间文件,同一天的初始数据和当前数据存储于同一个时间文件内。
S220:间隔预定时间间隔,实时获取当前数据,根据预先设置的阀值和初始数据对当前数据进行判断,并生成警报指令。
具体的,当前数据为被监测对象进入到监测区域内后被实时采集的数据。其中,当前数据包括:当前温度数据和当前图像数据。
进一步的,实时获取当前数据,根据预先设置的阀值和初始数据对当前数据进行判断,并生成警报指令的子步骤如下:
F1:每隔预定时间间隔实时获取当前数据。
其中预定时间间隔由系统自动设置,或者用户初始指定。
进一步的,获取当前数据的子步骤如下:
B1:获取当前温度数据。
具体的,作为一个实施例,获取当前温度数据的子步骤如下:
B110:获取第一当前温度值和第二当前温度值。
具体的,通过两个数据获取装置分别采集被监测对象的温度值作为第一当前温度值和第二当前温度值,并将第一当前温度值和第二当前温度值上传至监控中心的数据接收单元。数据接收单元获取到第一当前温度值和第二当前温度值后,将第一当前温度值和第二当前温度值发送至温度处理单元,执行B2。
B120:对第一当前温度值和第二当前温度值进行处理,获得当前温度数据,并存储。
进一步的,获得当前温度数据的表达式如下:
其中,C为当前温度数据;c1为第一当前温度值;c2为第二当前温度值;e为幂指数的底;Δt为第一当前温度值与第二当前温度值之间的采集时间差,Δt≥0;N为预设的热变化系数。
B2:获取当前图像数据。
进一步的,获取当前图像数据的子步骤如下:
具体的,当前图像数据包括:当前特征数据和当前口罩式样。
B210:获取当前采集图像。
具体的,通过数据获取装置实时采集被监测对象的图像数据作为当前采集图像,并将当前采集图像上传至监控中心的数据接收单元。数据接收单元获取到当前采集图像后,将该当前采集图像发送至图像处理单元,执行B220。
B220:对当前采集图像进行区域划分,获得当前特征区域,其中,当前特征区域至少包括非口罩特征区域和口罩特征区域。
具体的,图像处理单元接收到当前采集图像后,通过区域划分模块对当前采集图像进行区域划分,区域划分模块获得当前特征区域后,将当前特征区域发送至特征提取模块,执行B230。
B230:对非口罩特征区域进行特征提取,获得当前特征数据。
具体的,特征提取模块接收到当前特征区域后,对当前特征区域中的非口罩特征区域进行特征提取,从而获取当前特征数据,执行B240。其中,当前特征数据至少包括眼部特征。当前特征数据还可以包括鼻子特征和嘴巴特征等人体特征。
B240:对口罩特征区域进行分析,确定口罩样式,并将确定的口罩样式作为当前口罩式样。
B250:将当前特征数据和当前口罩式样作为当前图像数据。
具体的,监控中心获得当前图像数据后,将当前图像数据发送至分析单元,执行B3。
B3:将当前温度数据和当前图像数据作为当前数据上传。
具体的,获取到当前数据后,将当前数据上传至分析单元,执行F2。
F2:根据预先设置的阀值和初始数据对当前数据进行判断。
进一步的,根据预先设置的阀值和初始数据对当前数据进行判断的子步骤如下:
F110:根据预先设置的阀值对当前数据中的当前温度数据进行判断,生成第一判断结果。
具体的,预先设置的阀值的范围为正常体温范围值。分析单元接收到当前数据后,对根据预先设置的阀值对当前数据中的当前温度数据进行判断,并生成第一判断结果,其中,第一判断结果包括异常和正常。
其中,第一判断结果为正常,则表示当前温度的值位于阀值的范围内。第一判断结果为异常,则表示当前温度的值位于阀值的范围外。
F120:根据初始数据对当前数据中的当前特征数据进行判断,生成第二判断结果。
具体的,分析单元接收到当前特征数据后,对当前特征数据进行判断,并生成第二判断结果,其中,第二判断结果包括异常和正常。
其中,第二判断结果为正常,则表示当前特征数据仅包括眼部特征。第二判断结果为异常,则表示当前特征数据除了眼部特征,还包括鼻子特征或嘴巴特征中的至少一个。
F130:根据初始数据对当前数据中的当前口罩式样进行判断,生成第三判断结果。
具体的,分析单元根据初始数据对当前数据中的当前口罩式样进行判断,生成第三判断结果,其中第三判断结果包括异常和正常。
其中,第三判断结果为正常,则表示当前口罩式样与初始口罩式样相同。第三判断结果为异常,则表示当前口罩式样与初始口罩式样不同。
F140:对第一判断结果、第二判断结果和第三判断结果进行分析,生成警报指令。
具体的,获得第一判断结果、第二判断结果和第三判断结果后,对第一判断结果、第二判断结果和第三判断结果进行分析,生成警报指令。其中,警报指令的类型包括警报指令E和警报指令O。
若存在至少一个异常,则生成警报指令E;警报指令E包括异常原因和异常对象。
其中,异常原因包括:温度异常、口罩佩戴状态异常和口罩式样异常中的一个或多个。其中,异常对象根据眼部特征确定。
若不存在异常,则下发警报指令O;警报指令O表示无需下发警报信息。其中,警报指令O包括存储对象,存储对象根据眼部特征确定。
S230:根据警报指令下发警报信息。
具体的,根据警报指令下发警报信息的子步骤如下;
K1:接收警报指令。
具体的,警报单元接收分析单元下发的警报指令,执行K2。
K2:分析警报指令的类型。
具体的,分析警报指令的类型,若类型为警报指令O,则无需下发警报信息,直接将当前数据存储至相应的身份文件内;若类型为警报指令E,则执行K3。
K3:若警报指令的类型为警报指令E,则根据警报指令E确定待接收警报对象,并向该接收警报对象发送警报信息。
具体的,警报单元分析警报指令的类型为警报指令E后,根据警报指令E中的异常对象,查找相应的身份文件,确定该身份文件中的第一客户端和第二客户端为待接收警报对象,确定待接收警报对象后,向该待接收警报对象发送警报信息,警报信息包括:异常原因和异常对象。
本申请具有能够实时监测低龄儿童体温变化和口罩佩戴状况,并及时对异常情况进行警报,有效的防止了低龄孩童之间的病毒交叉感染的技术效果。
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,则可对这些实施例作出另外的变更和修改。所以,本申请的保护范围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保护范围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 (8)
1.一种监测方法,其特征在于,包括如下步骤:
获取初始数据并存储;
间隔预定时间间隔,实时获取当前数据,根据预先设置的阀值和初始数据对当前数据进行判断,并生成警报指令;
根据警报指令下发警报信息;
其中,获取初始数据并存储的子步骤如下:
获取初始温度数据;
获取初始图像数据;
将获取到的初始温度值和初始图像数据作为初始数据并存储;
其中,获取初始图像数据的子步骤如下:
获取初始采集图像;
对初始采集图像进行区域划分,获得初始特征区域,其中,初始特征区域至少包括非口罩特征区域和口罩特征区域;
对非口罩特征区域进行特征提取,获得初始特征数据,其中,初始特征数据至少包括眼部特征;
对初始特征数据进行分析,并生成分析结果,其中,分析结果包括符合规范或不符合规范;
当分析结果为符合规范时,对口罩特征区域进行分析,确定口罩样式,并将确定的口罩样式作为初始口罩式样;
将眼部特征和初始口罩式样作为初始图像数据。
2.根据权利要求1所述的监测方法,其特征在于,获取初始温度数据的子步骤如下:
获取第一初始温度值和第二初始温度值;
对第一初始温度值和第二初始温度值进行处理,获得初始温度数据,并存储。
3.根据权利要求1所述的监测方法,其特征在于,初始采集图像进行区域划分,获得初始特征区域的子步骤如下:
利用卷积神经网络对初始采集图像进行人脸检测,并截取出脸框区域;
对脸框区域进行分析,并提取出脸框区域中的人脸部分作为非口罩特征区域,脸框区域中剩余的部分为口罩特征区域。
4.根据权利要求3所述的监测方法,其特征在于,对非口罩特征区域进行特征提取,获得初始特征数据的子步骤如下:
对非口罩区域中的人脸器官进行划分,获得多个器官块;
将多个器官块输入至特征提取通道进行特征提取,从而获得多个器官特征值;
根据器官特征值输出相应的特征直方图,并将特征直方图作为初始特征数据。
6.一种监测系统,其特征在于,包括:监控中心、多个数据获取装置、多个第一客户端以及多个第二客户端;所述监控中心分别与多个数据获取装置、多个第一客户端以及多个第二客户端连接;
其中,所述监控中心用于执行权利要求1-5中任意一项所述的监测方法;
多个数据获取装置:用于采集被监测对象的初始数据和当前数据,并将采集的初始数据和当前数据上传至监控中心进行处理;
多个第一客户端:用于接收监控中心下发的警报信息并反馈;
多个第二客户端:用于接收监控中心下发的警报信息并反馈。
7.根据权利要求6所述的监测系统,其特征在于,监控中心包括:数据接收单元、图像处理单元、温度处理单元、分析单元、警报单元、存储单元以及供电单元;
其中,数据接收单元:用于接收数据获取装置上传的采集图像和温度值,并将采集图像发送至图像处理单元;将温度值发送至温度分析单元;
其中,图像处理单元:用于接收采集图像并处理,获得初始图像数据或当前初始图像数据;
温度处理单元:用于接收温度值并处理,获得初始温度数据或当前温度数据;
分析单元:用于接收当前数据,并根据预先设置的阀值和初始数据对当前数据进行判断,生成警报指令,并将警报指令发送至警报单元;
警报单元:接收警报指令,并根据警报指令下发警报信息;
存储单元:用于存储初始数据、当前数据和预先建立的身份库;
供电单元:用于为各单元供电。
8.根据权利要求6所述的监测系统,其特征在于,所述数据获取装置包括:图像采集器和温度采集器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010484622.1A CN111653058B (zh) | 2020-06-01 | 2020-06-01 | 一种监测方法及其系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010484622.1A CN111653058B (zh) | 2020-06-01 | 2020-06-01 | 一种监测方法及其系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111653058A CN111653058A (zh) | 2020-09-11 |
CN111653058B true CN111653058B (zh) | 2021-11-05 |
Family
ID=72349736
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010484622.1A Active CN111653058B (zh) | 2020-06-01 | 2020-06-01 | 一种监测方法及其系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111653058B (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN206039565U (zh) * | 2016-08-12 | 2017-03-22 | 信利光电股份有限公司 | 一种基于虹膜识别的防止疲劳系统 |
US20190216333A1 (en) * | 2018-01-12 | 2019-07-18 | Futurewei Technologies, Inc. | Thermal face image use for health estimation |
CN110702240A (zh) * | 2018-07-09 | 2020-01-17 | 北京蜂盒科技有限公司 | 基于身份识别的体温预警方法及装置 |
CN108695003A (zh) * | 2018-08-07 | 2018-10-23 | 中山市徕康医疗信息软件技术有限公司 | 一种发热疫情监控与溯源的云管理系统及方法 |
CN111035370A (zh) * | 2020-03-16 | 2020-04-21 | 广州市安路宝电子科技有限公司 | 一种体温与视频图像监控系统 |
-
2020
- 2020-06-01 CN CN202010484622.1A patent/CN111653058B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111653058A (zh) | 2020-09-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111899878B (zh) | 老年人健康检测系统、方法、计算机设备及可读存储介质 | |
CN111082966B (zh) | 基于批量告警事件的定位方法、装置、电子设备及介质 | |
US10438052B2 (en) | Systems and methods for facial property identification | |
US9646073B2 (en) | Event detection algorithms | |
CN107506755A (zh) | 监控录像识别方法及装置 | |
CN114732391B (zh) | 基于微波雷达的睡眠状态下的心率监测方法、装置及系统 | |
CN111524608A (zh) | 智能检测与防疫系统和方法 | |
CN107887032A (zh) | 一种数据处理方法及装置 | |
CN111919242B (zh) | 用于处理多个信号的系统和方法 | |
CN114937242A (zh) | 睡眠检测预警方法及装置 | |
CN114241270A (zh) | 一种家庭护理智能监督方法、系统及装置 | |
CN108710820A (zh) | 基于人脸识别的婴儿状态识别方法、装置和服务器 | |
CN116725553A (zh) | 基于时频域关联特征的睡眠循环交替模式检测方法及装置 | |
CN113762163B (zh) | 一种gmp车间智能化监控管理方法及系统 | |
CN112992372B (zh) | 疫情风险监测方法、装置、设备、存储介质及程序产品 | |
CN111653058B (zh) | 一种监测方法及其系统 | |
CN117831701A (zh) | 一种基于规则引擎的电子病例质控方法 | |
CN117173784B (zh) | 婴幼儿翻身动作检测方法、装置、设备及存储介质 | |
CN109583396A (zh) | 一种基于cnn两阶段人体检测的区域防范方法、系统以及终端 | |
CN113014881A (zh) | 一种神经外科患者日常监护方法及系统 | |
KR20140104558A (ko) | 혀의 색상분석에 의한 설진 모델 시스템 및 방법 | |
Luca et al. | Anomaly detection using the Poisson process limit for extremes | |
CN108564016A (zh) | 一种基于计算机视觉的au分类系统及方法 | |
Weda et al. | Automatic children detection in digital images | |
Chen et al. | Anomaly Detection of Sensor Data Based on 1D Depth Separable Dilated Convolution Neural Network |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20211020 Address after: Unit pt-06, 3rd floor, No.3, Chengyi North Street, phase III, software park, Xiamen City, Fujian Province, 361000 Applicant after: XIAMEN TONGJING INTELLIGENT TECHNOLOGY Co.,Ltd. Address before: 101300 Beijing Shunyi District Airport Street, No. 1 Anhua Street, 1st Building, 1st Floor, No. 2159 Applicant before: BEIJING LONGPU INTELLIGENT TECHNOLOGY Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |