CN111681758A - 一种家庭健康的监测方法、监测系统以及监测装置 - Google Patents
一种家庭健康的监测方法、监测系统以及监测装置 Download PDFInfo
- Publication number
- CN111681758A CN111681758A CN202010412417.4A CN202010412417A CN111681758A CN 111681758 A CN111681758 A CN 111681758A CN 202010412417 A CN202010412417 A CN 202010412417A CN 111681758 A CN111681758 A CN 111681758A
- Authority
- CN
- China
- Prior art keywords
- face
- image
- camera
- monitoring
- health
- 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.)
- Pending
Links
- 230000036541 health Effects 0.000 title claims abstract description 56
- 238000012544 monitoring process Methods 0.000 title claims abstract description 32
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000012806 monitoring device Methods 0.000 title claims description 12
- 230000036760 body temperature Effects 0.000 claims abstract description 45
- 238000009529 body temperature measurement Methods 0.000 claims abstract description 39
- 238000012549 training Methods 0.000 claims description 26
- 238000001514 detection method Methods 0.000 claims description 23
- 238000012545 processing Methods 0.000 claims description 17
- 238000000926 separation method Methods 0.000 claims description 15
- 230000005855 radiation Effects 0.000 claims description 10
- 238000010606 normalization Methods 0.000 claims description 7
- 230000005457 Black-body radiation Effects 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 3
- 239000000523 sample Substances 0.000 description 22
- 201000010099 disease Diseases 0.000 description 6
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 206010037660 Pyrexia Diseases 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000003862 health status Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012856 packing Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000001931 thermography Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009432 framing Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003211 malignant effect Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000011159 matrix 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
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 241000712461 unidentified influenza virus Species 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
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
- G06V40/172—Classification, e.g. identification
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Evolutionary Computation (AREA)
- Multimedia (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明公开了一种家庭健康的监测方法、监测系统以及监测装置，其中涉及的一种家庭健康的监测方法，包括：S1.采集录入的各个家庭成员的身份信息，将所述采集的身份信息生成人脸样本数据集，并建立与所述人脸样本数据集相对应的人脸模型；S2.获取人体识别摄像头拍摄到的人脸图像，并通过建立的人脸模型对获取到的人脸图像进行身份识别，得到与当前人脸图像相对应的身份信息；S3.获取红外测温摄像头测量的当前人脸图像的体温信息，并判断所述获取到的体温信息与当前身份信息的历史体温数据的差值是否超过预设范围，若是，则发送健康预警。
Description
技术领域
本发明涉及图像处理技术领域，尤其涉及一种家庭健康的监测方法、监测系统以及监测装置。
背景技术
近些年来，由各种流感病毒引起的恶性疾病层出不穷，如何控制这些疾病的传播成为全世界共同探讨的问题。这些疾病都有一个共同的特点，就是发病期间会伴有发烧发热现象。因此，人体体温实时测量和监控显得日益重要。
体温是表征身体健康与否的重要指标，很多疾病发病会导致体温不同程度的上升，日常生活中的体温检测，研判体温的持续变化，如持续缓慢小幅升高，就成为疾病初期筛查以及疾病判断的重要的手段。不同人群之间、不同时间段内体温也存在差异，如女性的体温要比男性平均高0.3℃，老年人的体温偏低等。而现在广泛采用的通过水银温度计、耳温枪或红外温度计进行体温测量的方式，均只可一次测温、并以统一标准判断，主观性强，缺乏一定合理性。
如公开号为CN104825139A的专利公开了一种婴儿耳温计，包括本体，本体前端设有探头，探头上设有滤镜，探头上还设有活动连接的挡环，探头底部附近设有滤镜红外发射器和滤镜红外探测器；本体中部正面设有显示屏和开关按钮，本体中部侧面设有温度传感器，滤镜红外探测器依次连接主控IC、模拟信号放大电路、滤波电路和A/D电路，A/D电路和温度传感器连接微处理器，微处理器设有校正模块，用于校正温度传感器测得的温度与耳温计设定的标准温度值有偏差时，对滤镜红外探测器测得的温度进行校准。本发明的耳温计可以方便的进行婴儿的体温测量，测量结果准确。上述专利虽然测得人体体温，但是用户手动测量体温，且需要人工判断体温是否正常，主观性强，缺乏一定合理性。
发明内容
本发明的目的是针对现有技术的缺陷，提供了一种家庭健康的监测方法、监测系统以及监测装置。
为了实现以上目的，本发明采用以下技术方案：
一种家庭健康的监测方法，包括：
S1.采集录入的各个家庭成员的身份信息，将所述采集的身份信息生成人脸样本数据集，并建立与所述人脸样本数据集相对应的人脸模型；
S2.获取人体识别摄像头拍摄到的人脸图像，并通过建立的人脸模型对获取到的人脸图像进行身份识别，得到与当前人脸图像相对应的身份信息；
S3.获取红外测温摄像头测量的当前人脸图像的体温信息，并判断所述获取到的体温信息与当前身份信息的历史体温数据的差值是否超过预设范围，若是，则发送健康预警。
进一步的，所述步骤S1具体包括：
S11.通过人体识别摄像头拍摄各个家庭成员的图像，对拍摄到的图像进行直方图均衡化以及归一化处理，得到相同大小的图像，并对得到的图像进行人脸检测和分离；
S12.对进行人脸检测和分离后的图像，通过图像数组和标签数组来训练人脸模型，并构建人脸样本数据集和人脸模型。
进一步的，所述步骤S2中获取人体识别摄像头拍摄到的人脸信息后还包括：对获取到的人脸图像进行错误检查，得到人脸图像的向量和标签向量。
进一步的，所述步骤S3中红外测温摄像头测量的当前人脸图像的体温信息具体为计算所述红外测温摄像头测量时的黑体辐射出射度，根据所述辐射出射度通过斯蒂芬-波尔兹曼定律得出与人脸信息相对应的温度信息。
进一步的，所述步骤S12之前还包括：
对进行人脸检测和分离后的图像进行图像分类精度处理。
一种家庭健康的监测系统，包括：
训练模块，用于采集录入的各个家庭成员的身份信息，将所述采集的身份信息生成人脸样本数据集，并建立与所述人脸样本数据集相对应的人脸模型；
获取模块，用于获取人体识别摄像头拍摄到的人脸图像，并通过建立的人脸模型对获取到的人脸图像进行身份识别，得到与当前人脸图像相对应的身份信息；
判断模块，用于获取红外测温摄像头测量的当前人脸图像的体温信息，并判断所述获取到的体温信息与当前身份信息的历史体温数据的差值是否超过预设范围，若是，则发送健康预警。
进一步的，所述训练模块包括：
处理模块，用于通过人体识别摄像头拍摄各个家庭成员的图像，对拍摄到的图像进行直方图均衡化以及归一化处理，得到相同大小的图像，并对得到的图像进行人脸检测和分离；
构建模块，用于对进行人脸检测和分离后的图像，通过图像数组和标签数组来训练人脸模型，并构建人脸样本数据集和人脸模型。
进一步的，所述获取模块中获取人体识别摄像头拍摄到的人脸信息后还包括：对获取到的人脸图像进行错误检查，得到人脸图像的向量和标签向量。
进一步的，所述判断模块中红外测温摄像头测量的当前人脸图像的体温信息具体为计算所述红外测温摄像头测量时的黑体辐射出射度，根据所述辐射出射度通过斯蒂芬-波尔兹曼定律得出与人脸信息相对应的温度信息。
一种家庭健康的监测装置，包括人脸识别摄像头、红外测温摄像头、显示屏以及单片机；所述单片机电性连接人脸识别摄像头、红外测温摄像头以及显示屏；所述人脸识别摄像头、红外测温摄像头处于同一水平面，所述显示屏位于人脸识别摄像头、红外测温摄像头的下方。
与现有技术相比，本发明采用双摄像头检测家庭成员的健康状况，对红外摄像头测得的温度值进行分成员存储，得到各个家庭成员独自的健康数据库，将当前测得数据与历史数据相比较，进行健康判断，全程只需要用户站在仪器前即可，且只需几秒就可得到结果，全程无接触检测，效果良好。
附图说明
图1是实施例一提供的一种家庭健康的监测方法流程图；
图2是实施例一提供的一种家庭健康的监测方法示意图；
图3是实施例二提供的一种家庭健康的监测系统结构图。
图4是实施例三提供的一种家庭健康的监测装置结构图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
本发明的目的是针对现有技术的缺陷，提供了一种家庭健康的监测方法、监测系统以及监测装置。
实施例一
本实施例提供一种家庭健康的监测方法，如图1-2所示，包括步骤：
S1.采集录入的各个家庭成员的身份信息，将所述采集的身份信息生成人脸样本数据集，并建立与所述人脸样本数据集相对应的人脸模型；
S2.获取人体识别摄像头拍摄到的人脸图像，并通过建立的人脸模型对获取到的人脸图像进行身份识别，得到与当前人脸图像相对应的身份信息；
S3.获取红外测温摄像头测量的当前人脸图像的体温信息，并判断所述获取到的体温信息与当前身份信息的历史体温数据的差值是否超过预设范围，若是，则发送健康预警。
在本实施例中，家庭健康的监测设备包括人脸识别摄像头、红外测温摄像头、显示屏以及单片机；单片机电性连接人脸识别摄像头、红外测温摄像头以及显示屏；人脸识别摄像头、红外测温摄像头处于同一水平面，显示屏位于人脸识别摄像头、红外测温摄像头的下方。
在步骤S1中，采集录入的各个家庭成员的身份信息，将所述采集的身份信息生成人脸样本数据集，并建立与所述人脸样本数据集相对应的人脸模型。
具体包括：
S11.通过人体识别摄像头拍摄各个家庭成员的图像，对拍摄到的图像进行直方图均衡化以及归一化处理，得到相同大小的图像，并对得到的图像进行人脸检测和分离；
辨识图像中的人脸。在已有训练数据的基础上，将RGB三通道模式的图像转化为灰度图，调用OpenCV的Haar分类器，确定是否有人脸目标，若有则确定人脸的准确位置，并将检测到的人脸目标从背景图像中分离出来，即roi区域。openCV安装路径opencv\opencv\sources\data\haarcascades中存在预先训练好的物体检测器，包括正脸、侧脸、眼睛、微笑、上半身、下半身、全身等。
加载harr级联分类器：
face_cascade＝cv2.CascadeClassifier(‘haarcascade_frontalface_default.xml')
首先对图像进行直方图均衡化并归一化到同样大小，然后标记里面是否包含要监测的物体(图像)。分类器在级联中的每个节点中使用AdaBoost来学习一个高检测率低拒绝率的多层树分类器。利用face_cascade.detectMultiScale()函数分类出人脸区域，标记出期望区域(人脸位置)。
S12.对进行人脸检测和分离后的图像进行图像分类精度处理。
可以调用openCV源码库中的haarcascade_frontalface_alt2.xml训练文件达到更好的对正面脸的辨识效果。当然，如果要达到更高的分类精度，可以收集更多的数据进行训练。
S13.对进行人脸检测和分离后的图像，通过图像数组和标签数组来训练人脸模型，并构建人脸样本数据集和人脸模型。
提取输入Haar分类器分类出的人脸图像，调用np.asarray()等函数，对所得图像进行数组标准化处理，形成矩阵。如果保存的图像格式是*.jpg的，而不是跟原数据集一样是*.pgm的，那么会因大小不一致而报错，所以最好将检测到的人脸调整为指定的大小：92*112。将人脸样本进行打包(打包格式：user[id])，对人脸样本进行人为的筛选，样本集合命名为家庭成员名，如：son[儿子人脸集]；调用csv.writerow()函数写入CSV文件，输出得到包含图像文件的CSV文件夹。
训练模型，需要调用Facerecognizer类，opencv中所有的人脸识别模型都是来源于这个类，这个类为所有人脸识别算法提供了一种通用的接口。其中人脸识别算法有：基于PCA的特征脸(Eigenfaces)识别方法，基于Fisher鉴别准则的Fisherfaces人脸识别方法和局部二值模式直方图(LBPH)等，本系统选用LBPH算法。人脸模型的训练，需要读取人脸和人脸对应的标签。直接在数据库中读取显然是低效的。所以我们用CSV文件读取。CSV文件中包含两方面的内容，一是每一张图片的位置所在，二是每一个人脸对应的标签。
model＝cv2.createLBPHFaceRecognizer()#建立LBPH模型
model.load(config.TRAINING_FILE)#训练数据载入模型
model.train(np.asarray(faces),np.asarray(labels))#开始训练模型
model.save(TRAINING_FILE)#保存训练结果
输出更新完的训练模型training.xml文件。
设定预测的格式，定义预测函数，包括用矩形框框出人脸并标出其名字，建立标签与真实姓名直接的映射表等。调用face_recognizer.predict()实现人脸预测。
真实情况下，获取的图像可能受光照因素、角度因素等影响，使采集到的图像产生一定的畸变，为了消除畸变得到人脸质量的一致性的检测效果，通常会采用归一化、图像增强等滤波技术。
在步骤S2中，获取人体识别摄像头拍摄到的人脸图像，并通过建立的人脸模型对获取到的人脸图像进行身份识别，得到与当前人脸图像相对应的身份信息。
当获取人体识别摄像头拍摄到的人脸图像，首先进行必要的错误检查，得到人脸图像向量和标签向量；然后计算LBP图像，根据LBP图像得到空间直方图，将空间直方图矩阵纳入到私有变量向量中，最后进行预测。
其中LBP特征提取算法，表示为：
LBP特征提取公式代表3×3邻域的中心元素，它的像素值为ic，ip代表邻域内其他像素的值。s(x)是符号函数，定义如下：
LBP算子对LBP图像分成m个块，每个块提取直方图。通过连接局部特直方图，然后就能得到空间增强的特征向量。这些直方图被称为局部二值模式直方图。将一副人脸图像分为m个子区域，并在子区域内根据LBP值统计其直方图，以直方图作为其判别特征。这样做的好处是在一定范围内避免图像没完全对准的情况，同时也对LBP特征做了降维处理。
假设已知人脸直方图为Mi，待匹配人脸直方图为Si，那么可以通过直方图交叉核方法为：
检测和识别的精度大部分取决于训练数据的质量，对于预测，有两种调用，其中的参数有测试图像、返回的标签值和测试样本和标签样本的相似性。返回的标签值为-1，说明测试样本在训练集中无对应或距离较远。因此，为了得到满意的结果，需要确保向算法提供高质量的人脸数据库。
在步骤S3中，获取红外测温摄像头测量的当前人脸图像的体温信息，并判断所述获取到的体温信息与当前身份信息的历史体温数据的差值是否超过预设范围，若是，则发送健康预警。具体为：
S31.利用扇区，对单片机内部FLASH进行地址规划；
S32.将家庭成员的编号定义为指针，用指针来索引存储区域，存储区域的单位从大到小为成员号，数据号；
S33.根据数据包中的家庭成员编号来索引家庭成员的数据存储区域，调用data＝*(vu32*)addr语句来读取相应地址addr中的值；
S34.红外摄像头开始测温，并显示结果。具体为：
红外测温摄像头测量的当前人脸图像的体温信息具体为计算所述红外测温摄像头测量时的黑体辐射出射度，根据所述辐射出射度通过斯蒂芬-波尔兹曼定律得出与人脸信息相对应的温度信息。
根据普朗克定律，计算黑体辐射出射度，根据辐射出射度通过斯蒂芬-波尔兹曼定律得出相应的温度值。
由辐射波长与温度的关系，将红外传感器接收到人体辐射出来的红外线，转换为电信号，产生电荷，经过信号电路的处理转换为温度值，形成热成像区域。
先对数据做一个限幅滤波处理，避免传感器自身坏点带来的噪声干扰。对获得的图像RL迭代算法做一个去模糊处理，以便得到更精准的热成像图，更好的实现监测预警。
本实施例具体为人体识别摄像头采集人脸图像，并将采集到的人脸图像发送至人脸识别控制系统中进行识别，若识别失败，则人类体识别摄像头重新修识别；若识别成功，则开启红外测温摄像头，红外测温摄像头获取到人体的温度后，系统对得到的温度进行数据处理和分析，且与存储的历体温数据进行比较，然后将结果通过显示屏显示出来，其中显示屏中显示的内容包括当前体温、对比出来的温差等信息。其中人脸识别控制系统中进行识别时，通过预先建立的家庭成员人脸模型对采集带的人脸图像进行预测，得到预测结果；系统通过预测结果判断识别是否成功。
与现有技术相比，本实施例采用双摄像头检测家庭成员的健康状况，对红外摄像头测得的温度值进行分成员存储，得到各个家庭成员独自的健康数据库，将当前测得数据与历史数据相比较，进行健康判断，全程只需要用户站在仪器前即可，且只需几秒就可得到结果，全程无接触检测，效果良好。
实施例二
本实施例提供一种家庭健康的监测系统，如图3所述，包括：
训练模块11，用于采集录入的各个家庭成员的身份信息，将所述采集的身份信息生成人脸样本数据集，并建立与所述人脸样本数据集相对应的人脸模型；
获取模块12，用于获取人体识别摄像头拍摄到的人脸图像，并通过建立的人脸模型对获取到的人脸图像进行身份识别，得到与当前人脸图像相对应的身份信息；
判断模块13，用于获取红外测温摄像头测量的当前人脸图像的体温信息，并判断所述获取到的体温信息与当前身份信息的历史体温数据的差值是否超过预设范围，若是，则发送健康预警。
进一步的，所述训练模块包括：
处理模块，用于通过人体识别摄像头拍摄各个家庭成员的图像，对拍摄到的图像进行直方图均衡化以及归一化处理，得到相同大小的图像，并对得到的图像进行人脸检测和分离；
构建模块，用于对进行人脸检测和分离后的图像，通过图像数组和标签数组来训练人脸模型，并构建人脸样本数据集和人脸模型。
进一步的，所述获取模块中获取人体识别摄像头拍摄到的人脸信息后还包括：对获取到的人脸图像进行错误检查，得到人脸图像的向量和标签向量。
进一步的，所述判断模块中红外测温摄像头测量的当前人脸图像的体温信息具体为计算所述红外测温摄像头测量时的黑体辐射出射度，根据所述辐射出射度通过斯蒂芬-波尔兹曼定律得出与人脸信息相对应的温度信息。
需要说明的是，本实施例提供的一种家庭健康的监测系统与实施例一类似，在此不多做赘述。
与现有技术相比，本实施例采用双摄像头检测家庭成员的健康状况，对红外摄像头测得的温度值进行分成员存储，得到各个家庭成员独自的健康数据库，将当前测得数据与历史数据相比较，进行健康判断，全程只需要用户站在仪器前即可，且只需几秒就可得到结果，全程无接触检测，效果良好。
实施例三
本实施例提供一种家庭健康的监测装置，如图4所示，包括人脸识别摄像头10、红外测温摄像头20、显示屏30以及单片机；单片机电性连接人脸识别摄像头、红外测温摄像头以及显示屏；人脸识别摄像头、红外测温摄像头设于呈长方体状的设备顶部，且人脸识别摄像头、红外测温摄像头处于同一水平面，两者之间相隔有一定间距；显示屏位于人脸识别摄像头、红外测温摄像头的下方；单片机置于设备内部；显示屏用于用户查看数据与分析结果；单片机采集并处理传输人脸识别的数据，并控制红外测温摄像头的开启，输出识别与测温结果至所述显示屏。
需要说明的是，本实施例提供的一种家庭健康的监测装置与实施例一、实施例二类似，在此不多做赘述。
与现有技术相比，本发明采用双摄像头检测家庭成员的健康状况，对红外摄像头测得的温度值进行分成员存储，得到各个家庭成员独自的健康数据库，将当前测得数据与历史数据相比较，进行健康判断，全程只需要用户站在仪器前即可，且只需几秒就可得到结果，全程无接触检测，效果良好。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种家庭健康的监测方法，其特征在于，包括：
S1.采集录入的各个家庭成员的身份信息，将所述采集的身份信息生成人脸样本数据集，并建立与所述人脸样本数据集相对应的人脸模型；
S2.获取人体识别摄像头拍摄到的人脸图像，并通过建立的人脸模型对获取到的人脸图像进行身份识别，得到与当前人脸图像相对应的身份信息；
S3.获取红外测温摄像头测量的当前人脸图像的体温信息，并判断所述获取到的体温信息与当前身份信息的历史体温数据的差值是否超过预设范围，若是，则发送健康预警。
2.根据权利要求1所述的一种家庭健康的监测方法，其特征在于，所述步骤S1具体包括：
S11.通过人体识别摄像头拍摄各个家庭成员的图像，对拍摄到的图像进行直方图均衡化以及归一化处理，得到相同大小的图像，并对得到的图像进行人脸检测和分离；
S12.对进行人脸检测和分离后的图像，通过图像数组和标签数组来训练人脸模型，并构建人脸样本数据集和人脸模型。
3.根据权利要求1所述的一种家庭健康的监测方法，其特征在于，所述步骤S2中获取人体识别摄像头拍摄到的人脸信息后还包括：对获取到的人脸图像进行错误检查，得到人脸图像的向量和标签向量。
4.根据权利要求1所述的一种家庭健康的监测方法，其特征在于，所述步骤S3中红外测温摄像头测量的当前人脸图像的体温信息具体为计算所述红外测温摄像头测量时的黑体辐射出射度，根据所述辐射出射度通过斯蒂芬-波尔兹曼定律得出与人脸信息相对应的温度信息。
5.根据权利要求2所述的一种家庭健康的监测方法，其特征在于，所述步骤S12之前还包括：
对进行人脸检测和分离后的图像进行图像分类精度处理。
6.一种家庭健康的监测系统，其特征在于，包括：
训练模块，用于采集录入的各个家庭成员的身份信息，将所述采集的身份信息生成人脸样本数据集，并建立与所述人脸样本数据集相对应的人脸模型；
获取模块，用于获取人体识别摄像头拍摄到的人脸图像，并通过建立的人脸模型对获取到的人脸图像进行身份识别，得到与当前人脸图像相对应的身份信息；
判断模块，用于获取红外测温摄像头测量的当前人脸图像的体温信息，并判断所述获取到的体温信息与当前身份信息的历史体温数据的差值是否超过预设范围，若是，则发送健康预警。
7.根据权利要求6所述的一种家庭健康的监测系统，其特征在于，所述训练模块包括：
处理模块，用于通过人体识别摄像头拍摄各个家庭成员的图像，对拍摄到的图像进行直方图均衡化以及归一化处理，得到相同大小的图像，并对得到的图像进行人脸检测和分离；
构建模块，用于对进行人脸检测和分离后的图像，通过图像数组和标签数组来训练人脸模型，并构建人脸样本数据集和人脸模型。
8.根据权利要求6所述的一种家庭健康的监测系统，其特征在于，所述获取模块中获取人体识别摄像头拍摄到的人脸信息后还包括：对获取到的人脸图像进行错误检查，得到人脸图像的向量和标签向量。
9.根据权利要求6所述的一种家庭健康的监测系统，其特征在于，所述判断模块中红外测温摄像头测量的当前人脸图像的体温信息具体为计算所述红外测温摄像头测量时的黑体辐射出射度，根据所述辐射出射度通过斯蒂芬-波尔兹曼定律得出与人脸信息相对应的温度信息。
10.一种家庭健康的监测装置，其特征在于，所述监测装置基于权利要求6-9任一项所述的一种家庭健康的监测系统，包括人脸识别摄像头、红外测温摄像头、显示屏以及单片机；所述单片机电性连接人脸识别摄像头、红外测温摄像头以及显示屏；所述人脸识别摄像头、红外测温摄像头处于同一水平面，所述显示屏位于人脸识别摄像头、红外测温摄像头的下方。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010412417.4A CN111681758A (zh) | 2020-05-15 | 2020-05-15 | 一种家庭健康的监测方法、监测系统以及监测装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010412417.4A CN111681758A (zh) | 2020-05-15 | 2020-05-15 | 一种家庭健康的监测方法、监测系统以及监测装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111681758A true CN111681758A (zh) | 2020-09-18 |
Family
ID=72433996
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010412417.4A Pending CN111681758A (zh) | 2020-05-15 | 2020-05-15 | 一种家庭健康的监测方法、监测系统以及监测装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111681758A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112304435A (zh) * | 2020-10-10 | 2021-02-02 | 广州中大数字家庭工程技术研究中心有限公司 | 一种结合人脸识别的人体热成像测温方法 |
| CN112461374A (zh) * | 2020-11-13 | 2021-03-09 | 上海优加利健康管理有限公司 | 一种红外测温设备 |
| CN114693158A (zh) * | 2022-04-19 | 2022-07-01 | 深圳市深安企业有限公司 | 一种基于bim技术的智慧工地管理方法、系统及存储介质 |
| CN116487050A (zh) * | 2023-06-21 | 2023-07-25 | 深圳市万佳安智能科技有限公司 | 人体健康监测方法、装置和计算机设备 |
| EP4059658A4 (en) * | 2020-10-08 | 2023-12-06 | Kitamura Machinery Co., Ltd. | CONTROL DESK FOR DIGITAL MACHINING CENTER CONTROL WITH BODY TEMPERATURE MANAGEMENT FUNCTION |
| CN117473116A (zh) * | 2023-10-09 | 2024-01-30 | 深圳市金大智能创新科技有限公司 | 一种基于虚拟人的主动提醒功能的控制方法 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102620836A (zh) * | 2012-03-31 | 2012-08-01 | 中冶南方(武汉)威仕工业炉有限公司 | 金属平板表面温度标定方法 |
| CN103592033A (zh) * | 2013-11-25 | 2014-02-19 | 国家电网公司 | 一种用于在线监测gis罐体内部隔离开关触头温升的方法 |
| CN104121993A (zh) * | 2014-07-24 | 2014-10-29 | 中国航空工业集团公司北京长城计量测试技术研究所 | 一种绝对法辐射热流计校准方法 |
| CN105496357A (zh) * | 2015-11-19 | 2016-04-20 | 小红象医疗科技有限公司 | 基于中医全息面诊的红外医学影像自动分析系统和方法 |
| CN105893756A (zh) * | 2016-03-31 | 2016-08-24 | 北京奇虎科技有限公司 | 健康状态的监控方法和装置 |
| CN206672107U (zh) * | 2017-05-05 | 2017-11-24 | 李大旭 | 全方位健康管理设备 |
| CN206790630U (zh) * | 2017-04-27 | 2017-12-22 | 刘斌 | 一种人体监测装置以及系统 |
| CN108777166A (zh) * | 2018-07-13 | 2018-11-09 | 冯文化 | 一种家用智能健康监测系统 |
| CN109215806A (zh) * | 2018-10-31 | 2019-01-15 | 绍兴文理学院 | 一种基于人脸识别的公共场所健康监测系统及方法 |
| CN110797125A (zh) * | 2018-08-01 | 2020-02-14 | 深圳云天励飞技术有限公司 | 人体健康检测系统 |
-
2020
- 2020-05-15 CN CN202010412417.4A patent/CN111681758A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102620836A (zh) * | 2012-03-31 | 2012-08-01 | 中冶南方(武汉)威仕工业炉有限公司 | 金属平板表面温度标定方法 |
| CN103592033A (zh) * | 2013-11-25 | 2014-02-19 | 国家电网公司 | 一种用于在线监测gis罐体内部隔离开关触头温升的方法 |
| CN104121993A (zh) * | 2014-07-24 | 2014-10-29 | 中国航空工业集团公司北京长城计量测试技术研究所 | 一种绝对法辐射热流计校准方法 |
| CN105496357A (zh) * | 2015-11-19 | 2016-04-20 | 小红象医疗科技有限公司 | 基于中医全息面诊的红外医学影像自动分析系统和方法 |
| CN105893756A (zh) * | 2016-03-31 | 2016-08-24 | 北京奇虎科技有限公司 | 健康状态的监控方法和装置 |
| CN206790630U (zh) * | 2017-04-27 | 2017-12-22 | 刘斌 | 一种人体监测装置以及系统 |
| CN206672107U (zh) * | 2017-05-05 | 2017-11-24 | 李大旭 | 全方位健康管理设备 |
| CN108777166A (zh) * | 2018-07-13 | 2018-11-09 | 冯文化 | 一种家用智能健康监测系统 |
| CN110797125A (zh) * | 2018-08-01 | 2020-02-14 | 深圳云天励飞技术有限公司 | 人体健康检测系统 |
| CN109215806A (zh) * | 2018-10-31 | 2019-01-15 | 绍兴文理学院 | 一种基于人脸识别的公共场所健康监测系统及方法 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP4059658A4 (en) * | 2020-10-08 | 2023-12-06 | Kitamura Machinery Co., Ltd. | CONTROL DESK FOR DIGITAL MACHINING CENTER CONTROL WITH BODY TEMPERATURE MANAGEMENT FUNCTION |
| CN112304435A (zh) * | 2020-10-10 | 2021-02-02 | 广州中大数字家庭工程技术研究中心有限公司 | 一种结合人脸识别的人体热成像测温方法 |
| CN112461374A (zh) * | 2020-11-13 | 2021-03-09 | 上海优加利健康管理有限公司 | 一种红外测温设备 |
| CN114693158A (zh) * | 2022-04-19 | 2022-07-01 | 深圳市深安企业有限公司 | 一种基于bim技术的智慧工地管理方法、系统及存储介质 |
| CN116487050A (zh) * | 2023-06-21 | 2023-07-25 | 深圳市万佳安智能科技有限公司 | 人体健康监测方法、装置和计算机设备 |
| CN116487050B (zh) * | 2023-06-21 | 2023-12-22 | 深圳市万佳安智能科技有限公司 | 人体健康监测方法、装置和计算机设备 |
| CN117473116A (zh) * | 2023-10-09 | 2024-01-30 | 深圳市金大智能创新科技有限公司 | 一种基于虚拟人的主动提醒功能的控制方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111681758A (zh) | 一种家庭健康的监测方法、监测系统以及监测装置 | |
| WO2021000524A1 (zh) | 孔位保护门检测方法、装置、计算机设备和存储介质 | |
| CN108010008B (zh) | 目标的追踪方法、装置及电子设备 | |
| CN107615334B (zh) | 物体识别装置以及物体识别系统 | |
| CN110008822B (zh) | 一种基于红外传感器的姿态识别方法及系统 | |
| JP6592613B2 (ja) | コンピュータシステム、植物の診断方法及びプログラム | |
| CN110390229B (zh) | 一种人脸图片筛选方法、装置、电子设备及存储介质 | |
| CN111047568A (zh) | 一种漏汽缺陷检测识别方法及系统 | |
| GB2343945A (en) | Photographing or recognising a face | |
| CN112525352A (zh) | 一种基于人脸识别的红外测温补偿方法及终端 | |
| WO2021259365A1 (zh) | 一种目标测温方法、装置及测温系统 | |
| JP6618631B2 (ja) | コンピュータシステム、動物の診断方法及びプログラム | |
| CN112418251A (zh) | 红外体温检测方法及系统 | |
| CN113008380A (zh) | 一种智慧ai体温预警方法、系统及存储介质 | |
| CN117373110A (zh) | 可见光-热红外成像的婴幼儿行为识别方法、装置及设备 | |
| CN111583333A (zh) | 基于视觉引导的测温方法、装置、电子设备及存储介质 | |
| CN117268559A (zh) | 多模态婴幼儿异常体温检测方法、装置、设备及介质 | |
| CN113947796A (zh) | 一种基于身份识别的人体温度趋势检测方法及装置 | |
| CN111814659B (zh) | 一种活体检测方法、和系统 | |
| KR102595429B1 (ko) | 장 정결도의 자동화 계산 장치 및 방법 | |
| US10984536B2 (en) | Motion detection in digital images and a communication method of the results thereof | |
| CN111428577B (zh) | 一种基于深度学习与视频放大技术的人脸活体判断方法 | |
| JP7337541B2 (ja) | 情報処理装置、情報処理方法及びプログラム | |
| JP7040627B2 (ja) | 算出装置、情報処理方法およびプログラム | |
| CN113029347A (zh) | 报警配置装置和报警配置方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200918 |
|
| RJ01 | Rejection of invention patent application after publication |