CN111738215B

CN111738215B - 人体温度测量方法和计算机设备

Info

Publication number: CN111738215B
Application number: CN202010705517.6A
Authority: CN
Inventors: 曾思灵; 温巍巍; 朱伟军; 刘开富; 谢卫良
Original assignee: Shenzhen Smdt Technology Co ltd
Current assignee: Shenzhen Smdt Technology Co ltd
Priority date: 2020-07-21
Filing date: 2020-07-21
Publication date: 2020-11-24
Anticipated expiration: 2040-07-21
Also published as: CN111738215A

Abstract

本发明揭示了一种人体温度测量方法和计算机设备，其采集固定视场区域的热成像图像、视频图像和环境温度，利用视频图像中的人像确定眉心区域，在确定眉心区域的时候区别于现有技术的特征点提取的方式，而是直接获取人像的头部图像，然后基于头部图像的第一最小矩形框的四条边按照预设移动比例进行平移处理，最终得到一个由平移后的四条边围合而成的区域作为眉心区域，获取眉心区域的方法简单，四条边的平移处理所需的计算资源远小于特征提取后确定区域的计算资源。获取到眉心区域之后，使用独立开发的温度计算模型进行人体温度值的计算，得到精度在‑0.3至0.3的人体温度值，其精度高于现有的‑0.5至0.5的精度，从而可以得到更加准确的人体温度值。

Description

人体温度测量方法和计算机设备

技术领域

本发明涉及到温度测量领域，特别是涉及到一种人体温度测量方法和计算机设备。

背景技术

利用红外线测量人体体温的方法是目前常用的方法，比如利用红外体温枪测量人体温度等。在使用红外体温枪测量人体体温时，需要将红外线接收探头对准人体裸露在外的皮肤部位（额头、手背等），通常是工作人员手持对准，当需要对大量人员进行体温测量的时候，由于需要人工对准用户人体裸露在外的皮肤部位，测量体温效率低下。而如果以整个人体轮廓的热成像图像进行温度测量，可能会被人体穿戴的衣物、饰品等影响温度的测量准确性。因此，人们希望定点获取人脸上的某一位置的热成像图像，比如人体的额头等。目前获取人脸上的某一位置的方法均是进行特征提取，需要进行大量的特征提取计算，需要的计算资源多，而且在获取到热成像图像后计算得到的人体温度值的精度一把在-0.5至0.5之间，即准确度不高，所以，如何提供一种能够减少计算资源且提高温度值测量精度的人体温度测量方法是亟需解决的问题。

发明内容

本发明的主要目的为提供一种人体温度测量方法和计算机设备，旨在解决现有技术中计算指定区域位置时占用计算资源高，以及测量温度的进度低的技术问题。

为了实现上述发明目的，本发明提出一种人体温度测量方法，包括：

获取第一视场区域的热成像图像、视频图像和环境温度，其中，所述热成像图像和所述视频图像的拍摄角度、拍摄广角、拍摄距离和成像尺寸均相同；

通过人像识别技术识别出所述视频图像中的人像；

获取所述人像的头部图像，并标注出所述头部图像的第一最小矩形框，以及所述第一最小矩形框四个顶点的基于所述视频图像的坐标，其中，所述第一最小矩形框包括顶边、底边、第一侧边和第二侧边，所述顶边和底边之间的距离为头部图像的高度，第一侧边和第二侧边之间的距离为为头部图像的宽度；

将所述第一侧边和第二侧边沿所述宽度方向向相对方向平移所述宽度的五分之二；以及，

将底边沿高度方向向顶边方向平移所述高度的二分之一，将所述顶边沿高度方向向底边方向平移所述高度的四分之一；

将平移后的顶边、底边、第一侧边和第二侧边围合成的区域确定为眉心区域，并得到所述眉心区域在所述视频图像中对应的第一位置信息，其中，所述第一位置信息为眉心区域的四个顶点的坐标信息；

在所述热成像图像中确定出与所述第一位置信息对应的第二位置信息；

根据所述第二位置信息对应的局部热成像图像得到所述眉心区域的表面温度；

将所述环境温度和表面温度输入到预设的温度计算模型中计算得到所述人体温度值，其中，所述温度计算模型为：

其中，Y为人体温度值，x₁为环境温度，x₂为表面温度，b₁、b₂···b₁₀为温度计算模型的多项式系数，多项式系数分别为b₁ =332.213，b₂ = -0.000783314，b₃= 0.02047，b₄= -0.03471，b₅ = -1.56870，b₆ = 0.00321，b₇= -0.00838，b₈= -3.88225，b₉= 41.3953，b₁₀=0.32691。

进一步地，所述获取所述人像的头部图像，并标注出所述头部图像的第一最小矩形框，以及所述第一最小矩形框四个顶点的基于所述视频图像的坐标的步骤，包括：

通过人像识别技术识别出所述视频图像中的人像；

获取所述人像的头部图像；

判断所述头部图像是否为正面图像；

若是，则标注出所述头部图像的第一最小矩形框，以及所述第一最小矩形框四个顶点的基于所述视频图像的坐标。

进一步地，所述获取第一视场区域的热成像图像、视频图像和环境温度的步骤，包括：

获取关于所述第一视场区域中人体的距离数据；

若所述距离数据第一次处于预设的第一距离阈值范围内，则判定所述第一视场区域内进入人体；

通过预设的红外热成像仪拍摄所述第一视场区域的热成像得到所述热成像图像，通过预设的摄像头拍摄所述第一视场区域的图像得到所述视频图像，以及通过预设的电子温度计测量所述第一视场区域的温度得到所述环境温度。

进一步地，所述获取关于所述第一视场区域中人体的距离数据的步骤之前，包括：

判断所述第一视场区域中的人流量；

若所述人流量大于人流阈值，则停止执行“获取关于所述第一视场区域中人体的距离数据”的步骤；

按照预设的采集频率同步采集所述第一视场区域的热成像图像、视频图像和环境温度；其中，所述采集所述视频图像的摄像头的焦距为预先设定的固定焦距，用于清晰拍摄指定距离的事物的图像。

进一步地，所述通过人像识别技术识别出所述视频图像中的人像的步骤，包括：

根据所述焦距参数，在所述视频图像中截取指定区域的第一图像；

在所述第一图像中识别出所述人像。

进一步地，所述根据所述第二位置信息对应的局部热成像图像和所述环境温度，计算得到所述人像对应的人体温度值的步骤之后，包括：

将所述人体温度值叠加到所述视频图像中得到前端显示图像；

将所述前端显示图像发送到前端显示。

判断所述头部图像中是否带有口罩图像；

若是，则获取包含双眼和双眉的第二最小矩形框，以及第二最小矩形框内的特征对比图像；

通过所述第二最小矩形框和所述特征对比图像，计算得到预设种类的参考数据，其中参考数据至少包括：左眼占据所述第二最小矩形框的长度比、右眼占据所述第二最小矩形框的长度比、左眼眉占据所述第二最小矩形框的长度比和高度比、右眼眉占据所述第二最小矩形框的长度比和高度比、双眼的内眼角之间的距离占所述第二最小矩形框的长度比、双眼的外眼角之间的距离占所述第二最小矩形框的长度比、双眉的相邻侧之间的距离占所述第二最小矩形框的长度比、以及双眉的靠近耳朵的外侧之间的距离占所述第二最小矩形框的长度比；

到预设的样本数据库中查找与所述参考数据相同的目标样本数据，其中，目标样本数据是通过预先采集的人体头部图像，然后通过与获取所述参考数据相同的方式得到的数据，所述目标样本数据有标记的身份标识；

将目标样本数据对应的身份标识作为所述头部图像对应的人体的身份标识。

进一步地，所述到预设的样本数据库中查找与所述参考数据相同的目标样本数据的步骤之前，还包括：

将所述特征对比图像与所述数据库中各样本照片进行相似度计算；

将相似度大于相似度阈值的样本照片作为目标样本照片进行标记；

将所述目标样本照片对应的参考数据作为数据库中的样本数据。

进一步地，所述将目标样本数据对应的身份标识作为所述头部图像对应的人体的身份标识的步骤之后，还包括：

判断所述人体温度值是否高于第一预设温度值；

若所述人体温度值小于等于预设的第一预设温度阈值，则允许所述人体通过预设的通道；

若所述人体温度值高于第一预设温度值，判断所述人体温度值是否高于第二预设温度值；

若所述人体温度值小于等于预设的第二预设温度阈值，则引导所述人体进入第一检查区域；

若所述人体温度值高于预设的第二预设温度阈值，则引导所述人体进入第二检查区域；

当所述人体进入所述第二检查区域后，判断所述人体是否在预设时间间隔内通过所述预设的通道；

若是，则对所述人体进行标记，并将标记结果发送给所述人体所在工作环境的管理人对应的客户端；以及，连续指定天数对所述人体进行体温观察，生成观察记录并发送给所述管理人对应的客户端。

本申请还提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。

本申请的人体温度测量方法、装置、计算机设备和存储介质，其采集固定视场区域的热成像图像、视频图像和环境温度，利用视频图像中的人像确定眉心区域，在确定眉心区域的时候区别于现有技术的特征点提取的方式，而是直接获取人像的头部图像，然后基于头部图像的第一最小矩形框的四条边按照预设移动比例进行平移处理，最终得到一个由平移后的四条边围合而成的区域作为眉心区域，获取眉心区域的方法简单，四条边的平移处理所需的计算资源远小于特征提取后确定区域的计算资源。获取到眉心区域之后，使用独立开发的温度计算模型进行人体温度值的计算，得到精度在-0.3至0.3的人体温度值，其精度高于现有的-0.5至0.5的精度，从而可以得到更加准确的人体温度值。

附图说明

图1 为本申请一实施例的人体温度测量方法的流程示意图；

图2 为本申请一实施例的计算机设备的结构示意框图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

参照图1，本申请实施例提供一种人体温度测量方法，包括步骤：

S1、获取第一视场区域的热成像图像、视频图像和环境温度，其中，所述热成像图像和所述视频图像的拍摄角度、拍摄广角、拍摄距离和成像尺寸均相同；

S2、通过人像识别技术识别出所述视频图像中的人像；

S3、获取所述人像的头部图像，并标注出所述头部图像的第一最小矩形框，以及所述第一最小矩形框四个顶点的基于所述视频图像的坐标，其中，所述第一最小矩形框包括顶边、底边、第一侧边和第二侧边，所述顶边和底边之间的距离为头部图像的高度，第一侧边和第二侧边之间的距离为为头部图像的宽度；

S4、将所述第一侧边和第二侧边沿所述宽度方向向相对方向平移所述宽度的五分之二；以及，

S5、将底边沿高度方向向顶边方向平移所述高度的二分之一，将所述顶边沿高度方向向底边方向平移所述高度的四分之一；

S6、将平移后的顶边、底边、第一侧边和第二侧边围合成的区域确定为所述眉心区域，并得到所述眉心区域在所述视频图像中对应的第一位置信息，其中，所述第一位置信息为眉心区域的四个顶点的坐标信息；

S7、在所述热成像图像中确定出与所述第一位置信息对应的第二位置信息；

S8、根据所述第二位置信息对应的局部热成像图像得到所述眉心区域的表面温度；

S9、将所述环境温度和表面温度输入到预设的温度计算模型中计算得到所述人体温度值，其中，所述温度计算模型为：

其中，Y为人体温度值，x₁为环境温度，x₂为表面温度，b₁、b₂···b₁₀为温度计算模型的多项式系数，分别为b₁ =332.213，b₂ = -0.000783314，b₃= 0.02047，b₄= -0.03471，b₅= -1.56870，b₆ = 0.00321，b₇= -0.00838，b₈= -3.88225，b₉= 41.3953，b₁₀= 0.32691。

本实施例的执行主体可以具有运算能力的计算机设备，如电脑、服务器、平板电脑等。

如上述步骤S1所述，上述热成像图像是指通过热电堆等红外热成像仪采集红外线而形成的热力分布图像。上述视频图像是指在可见光下拍摄的图像。上述环境温度即为第一视场区域的空气中的温度。上述热成像图像和视频图像的拍摄角度、成像广角、成像尺寸均相同，所以热成像图像中的热力分布即为视频图像中各事物的热力分布。

如上述步骤S2所述，本申请是测量人体温度，所以先通过人像识别技术识别出视频图像中的人像，具体的人像识别技术可以使用现有技术中的任意一种，在此不在赘述。

如上述步骤S3至S6所述，通过图像识别技术识别出人像的眉心区域，并确定其在视频图像中的第一位置信息。具体地，视频图像为一个矩形图像，以其中第一顶点为原坐标构建出一个与矩形图像同平面的第一直角坐标系，并根据视频图像的尺寸得到其他三个顶点在该直角坐标系的坐标，建立完成第一直角坐标系后，既可以根据眉心区域在第一直角坐标系中的位置，计算出眉心区域的坐标信息，眉心区域的坐标信息一般是多个点坐标的集合，比如，眉心区域是一个矩形，那么其对应的第一坐标信息可以为四个顶点的坐标等。在本实施例中，应用深度卷积神经网络YoloV3进行视频图像中人像的检测，然后确定出人体的头部图像；该YoloV3网络使用经过COCO数据集预训练的网络权重(可在网上下载获得)，可检测出person、chair、couch和bed物体，并标注出它们的外接最小矩形框；其具有检测速度快，精度高等特点，在此不在赘述。本申请中，头部图像包括的高度为的头顶与下巴之间的距离，而宽度为左耳外侧与右耳外侧之间的距离。头顶对应着上述第一最小矩形框的顶边，下巴的底侧对应着第一最小矩形框的底边，而第一侧边和第二侧边分别对应左耳外侧和右耳外侧。在实施例中，计算出第一最小矩形框后通过对第一最小矩形框的各侧边进行平移指定距离后得到新的围合区域得到第一位置信息，计算量小，计算速度快，无需进行特征计算等，节约计算资源。具体地，将第一侧边和第二侧边分别向内侧（向鼻子）的方向平移宽度的五分之二，此时默认为第一侧边和第二侧边之间的区域在人体的两条眉毛之间；将底边沿高度方向向顶边方向平移所述高度的二分之一，此时默认底边被平移至眉毛和眼睛之间；而将所述顶边沿高度方向向底边方向平移所述高度的四分之一，此时默认顶边被平移至额头处。被平移后的四条边围合成的区域即认为是眉心区域。

如上述步骤S7所述，因为热成像图像和视频图像的拍摄角度、拍摄广角、拍摄距离和成像尺寸均相同，所以可以快速地在热成像图像中得到与第一坐标信息对应的第二坐标信息。具体地，以建立上述第一直角坐标系相同的方法建立第二直角坐标系（第二直角坐标系的原点与第一顶点相对应，其三个顶点也分别与视频图像的顶点分别一一对应），然后将第一位置信息直接作为第二位置信息，体现在第二直角坐标系中。

如上述步骤S8所述，上述第二位置信息对应的局部热成像图像即为眉心区域对应的热力分布图，通过该局部热成像图像既可以得到眉心区域的表面温度。

如上述步骤S9所述，因为眉心区域默认为是裸露在空气中的，所以将其对应的局部热成像图像中对应的最高温度作为眉心区域的表面温度。上述x₁为环境温度，其通过预设的电子温度计测量而得。在一个具体实施中，将在第一视场区域中设置一个电子测温计，电子测温计中设置热敏电阻，通过热敏电阻的阻值确定当前的环境温度。x₂为表面温度，即为通过局部热成像图像直接得出的温度。人体体温的测量主要要得到能够反映人体生理参数的温度值，所以表面温度在环境温度的影响下并不能真实的反映出人体的温度值，所以需要将环境温度的影响尽可能的抵消掉，而利用

则可以得到一个相对准确的反映人体温度的温度值。上述b₁、b₂···b₁₀为温度计算模型的多项式系数，其中，各多项式的系数范围：b₁ :332.213，b₂ : -0.000783314，b₃ : 0.02047，b₄ :-0.03471，b₅ : -1.56870，b₆ : 0.00321，b₇ : -0.00838，b₈ : -3.88225，b₉ : 41.3953，b₁₀ : 0.32691。在本实施例中，首先获取当量的黑体实验数据，让测试环境保持变化在-0.2至0.2的环境里，通过变化黑体（相当于人体）的温度，测得的黑体表面温度，然后对黑体表面温度做补偿，这个补偿即为是从测得的黑体表面温度补偿到黑体体温。然后在通过变化测试环境，低温、常温、高温等不同的环境测得的实验数据做一个大数据汇总筛选（将离散的数据删除），得到适合预设的曲线方程的数据，最后通过crontab得出方程的系数。本申请中，较为重要的是选择合适的曲线方程，不同的曲线方程会影响最终的精度，理论上任何曲线公式都可以作为测量温度的模型，但是需要测算出模型的各项系数，而选择不同的曲线方程会在一定范围内影响测量精度，本申请中选择二元三次方程，最终得到测量精度高于目前的测量精度的温度计算模型。具体的，如下表对比试验数据：

上述单位为摄氏度，通过上述四个实验数据可以得出，本申请的测量结果与实际温度更为接近，精度控制在正负0.3以内，而使用其他设备测量的结果则略逊于本申请的精度，所以，本申请的测量准确度更高。

在本实施例中，采集固定视场区域（第一市视场区域）的热成像图像、视频图像和环境温度，然后利用视频图像中的人像确定眉心区域，在确定眉心区域的时候区别于现有技术的特征点提取的方式，而是直接获取人像的头部图像，然后基于头部图像的第一最小矩形框的四条边按照预设移动比例进行平移处理，最终得到一个由平移后的四条边围合而成的区域（眉心区域），获取眉心区域的方法简单，四条边的平移处理的计算资源远小于特征提取后确定区域的计算资源。进一步地，获取到眉心区域之后，本申请使用独立开发的温度计算模型进行人体温度值的计算，得到精度在-0.3至0.3的人体温度值，其精度高于现有的-0.5至0.5的精度，从而可以得到更加准确的人体温度值。

在本实施例中，可以在视频图像中获取到多个人像，得到多个眉心区域的第一位置信息，进而得到多个局部热成像图像，最终测量出多个人像对应的人体温度值。测量准确性高，同时提高了测量体温的效率。

在一个实施例中，上述人体温度测量方法适用于车站闸口、关口等大量人员流动且经过固定视场区域的场景，比如，在当前的新型冠状病毒肆虐的情况下，上述方法可以在无需人员摘下口罩的情况下有效、准确、无接触地测量人体温度，可以防止病毒近距离对测量温度的工作人员进行传染等。

在一个实施例中，上述获取所述人像的头部图像，并标注出所述头部图像的第一最小矩形框，以及所述第一最小矩形框四个顶点的基于所述视频图像的坐标的步骤，包括：

通过人像识别技术识别出所述视频图像中的人像；

获取所述人像的头部图像；

判断所述头部图像是否为正面图像；

在本实施例中，在计算第一位置信息之前，先判断头部图像是否为正面图像（具有正面人脸的图像），判断方法可以时：判断头部图像中是否包含双眼的特征，以及双眼的内眼角之间的距离是否大于等于预设的距离，如果是，则判定头部图像是正面图像，否则判定头部图像不是正面图像。如果判定头部图像是正面图像，则标注出所述头部图像的第一最小矩形框，以及所述第一最小矩形框四个顶点的基于所述视频图像的坐标，从而获取所述人像的眉心区域在所述视频图像中的第一位置信息。如果判定头部图像不是正面图像，则可以有多种选择，比如使用现有方式中的任意一种红外测温方法进行测温，并对其得到的人体温度值进行标记，使工作人员可以清楚地区分使用不同的测试方式得到的体温值，然后进行针对性的核查等。

在一个实施例中，上述获取第一视场区域的热成像图像、视频图像和环境温度的步骤，包括：

获取关于所述第一视场区域中人体的距离数据；

通过预设的红外热成像仪拍摄所述第一视场区域的热成像得到所述热成像图像，通过预设的摄像头拍摄所述第一视场区域的图像得到所述视频图像，以及通过预设的电子温度计测量第一视场区域的温度得到所述环境温度。

在本实施例中，上述距离数据是指第一视场区域中人体距离某一预设位置的距离数据，比如，人体与用于拍摄视频图像的预设的视频摄像头的距离等。在本实施例中，获取上述距离数据的方法包括多种，比如第一种方法：通过预设的距离传感器获取距离数据等，上述距离传感器可以是超声波测距传感器、红外线测距传感器等。再比如第二种方法：先根据选定的视频摄像头（参数固定），验证出距离与人脸面积大小的关系，在实际中使用的实时计算外接最小人脸图像框的面积大小，然后映射计算出距离得到距离数据。再比如第三种方法，先根据选定的视频摄像头（参数固定），验证出距离与人脸大小的变换比值与距离的关系，当人体进入视频摄像头的拍摄区域，并且可以识别出人脸图像的时候，得到第一人脸图像的外接最小矩形框面积，并保存，因为摄像头的参数固定，所以可以识别出人脸图像的距离基本保持在一个范围之内；然后将后续的每一帧中的第一人脸图像的最小外接矩形框的面积除以对应该人体保存的外接最小矩形框面积，得到一个比值，这个比值即为上述距离数据。需要说明的时候，上述第三种方法中，验证出距离与人脸大小的变换比例与距离的关系包括多种，具体地，预先在不同的光强范围内验证出多组距离与人脸大小的变换比值与距离的关系（光强度不同，同一摄像头拍摄同等距离的图像的清晰度也会不同，所以能够识别出人脸图像的距离也会放生变化），并建立比值与距离的映射关系。在执行第三种方法的时候，通过光强传感器实时采集当前的环境光强值，并根据环境光强值选择对应的比值与距离的映射关系。当距离数据第一次处于第一距离阈值范围内的时候，判定所述第一视场区域内进入人体，然后控制热电堆（红外热成像仪）和视频摄像头同时拍摄第一视场区域的图像，以及测量环境温度，这样可以得到指定距离范围内的人像，提高人体温度测量的准确性。上述距离传感器设置的位置不作具体限定，根据距离传感器安装的位置，以及红外热成像仪、摄像头等安装的位置，确定第一距离阈值即可。

在另一个实施例中，应用场景是单人通过的闸机通道，闸机通道包括两个侧壁，在闸机通道的一端设置闸门，在通道上方或侧方设置有红外热成像仪和摄像头；在两个侧壁上配套设置光电开关（一个发射端，一个接收端，当发射端发射的光信号被遮挡使接收端无法接收时，输出一个开关信号），上述获取第一视场区域的热成像图像、视频图像和环境温度的步骤，包括：

实时监测光电开关的开关信号；当检测到所述开关信号时，通过所述红外热成像仪拍摄所述第一视场区域的热成像得到所述热成像图像，通过预设的摄像头拍摄所述第一视场区域的图像得到所述视频图像，以及通过预设的电子温度计测量第一视场区域的温度得到所述环境温度。如此，可以准确地获取指定位置的图像，提高识别到人像的概率，并且得到清晰的视频图像等。

在本实施例中，红外热成像仪和摄像头无需一直拍摄热成像图像和视频图像并存储，而是只有在光电开关被触发的时候才拍摄摄热成像图像和视频图像并存储，节约存储资源等。进一步地，将摄像头的焦距对焦在设置光电开关的位置上方，可以拍摄到清晰的带有清晰人像的视频图像，方便后续人脸像识别、头部图像识别等。

在一个实施例中，所上述获取关于所述第一视场区域中人体的距离数据的步骤之前，包括：

判断所述第一视场区域中的人流量；

在本实施例中，上述人流量即为在单位时间内经过指定区域的人数，如在人流不断流动且人流量大于人流阈值的情况下，停止执行“获取关于所述第一视场区域中人体的距离数据”的步骤，及其后续对应的步骤，然后按照预设的采集频率（每秒至少24次）同步采集热成像图像、视频图像和环境温度，每秒至少24次不会漏掉需要采集的图像，在其它实施例中可以设定为过其他的采集频率。又因为采集所述视频图像的摄像头的焦距为预先设定的固定焦距，用于清晰拍摄指定距离的事物的图像，所以可以通过截取视频图像中指定区域内的图像作为人像识别区域。具体地：上述通过人像识别技术识别出所述视频图像中的人像的步骤，包括：根据所述焦距参数，在所述视频图像中截取指定区域的第一图像；在所述第一图像中识别出所述人像。本实施例中，截取视频图像中指定区域内的第一图像作为人像识别区域的时候，上述采集视频图像的摄像头的焦距预先设定好，并固定不变，所以当人体距离摄像头指定距离时，其拍摄的人体图像一般落入上述人像识别区域中，且清晰度可以达到预设要求，而在指定距离之外的人体在视频图像中的清晰度相对模糊。进一步地，可以通过图像清晰度进行区分需要获取哪些人像。进一步地，本申请还会进行视频跟踪，即对已经测量完体温的人体进行跟踪，防止对多张视频图像中的同一个人进行多次温度测量等。

在一个实施例中，上述根据所述第二位置信息对应的局部热成像图像和所述环境温度，计算得到所述人像对应的人体温度值的步骤之后，还包括：

将所述前端显示图像发送到前端显示。

在本实施例中，前端显示即为将视频图像等数据发送到前端（带有显示屏的设备）进行显示。具体地，用户进入摄像头拍摄区域（拍摄区域包括上述第一视场区域）后，即会实时地将其将其拍摄的视频在前端显示，当人体进入到距离摄像头指定距离的位置后，在获取视频图像的同时获取到对应的热成像图像，从而测量得到人体温度值，之后将人体温度值以视频浮层的方式叠加到视频图像上，得到前端显示图像，使用户和/或工作人员可以在前端看到人体的人体温度值。进一步地，本申请还会进行视频跟踪，将人体温度值跟随人体的移动而在其头顶或某个指定位置浮动跟随，直到人体脱离摄像头的拍摄区域等。

判断所述头部图像中是否带有口罩图像；

在本实施例中，现有技术中通过刷脸打卡、过闸机等是比较常见的手段，但均是基于人脸没有遮挡，否者无法准确识别。当前新型冠状病毒肆虐，人人都带有口罩外出，此时刷脸打卡或者刷脸过闸机则无法实现。在本实施例中，提供一种全新的人脸识别方法，在测量完成人体温度值之后，会进一步地进行身份识别，当温度值异常的时候，会发出警报，以提醒工作人员进行人工复查等防疫工作。

在本实施例中，判断头部图像是否带有口罩的方法包括：识别头部图像是否含有眼部特征、鼻子特征和嘴部特征等，如果包含有眼部特征而没有鼻子特征和嘴部特征，则判定头部图像带有口罩（口鼻被遮挡），其中眼部特征、鼻子特征和嘴部特征并不是某一个人的特征，而是基于人类普世适用的特征，即在判断头部图像是否含有眼部特征、鼻子特征和嘴部特征的时候，只需要头部图像包含有眼部特征、鼻子特征和嘴部特征的普世特征即可。同样通过深度卷积神经网络YoloV3对头部图像进行分析，得到包含双眼和双眉的外接的第二最小矩形框，得到第二最小矩形框，则可以得到第二最小矩形框内的图像。

本申请中对第二最小矩形框内的图像进行分析的方法，需要分析的数据简单，仅为各距离相比于第二最小矩形框的长度比和高度比等，具体地包括：左眼占据所述第二最小矩形框的长度比、右眼占据所述第二最小矩形框的长度比、左眼眉占据所述第二最小矩形框的长度比和高度比、右眼眉占据所述第二最小矩形框的长度比和高度比、双眼的内眼角之间的距离占所述第二最小矩形框的长度比、双眼的外眼角之间的距离占所述第二最小矩形框的长度比、双眉的相邻侧之间的距离占所述第二最小矩形框的长度比、以及双眉的靠近耳朵的外侧之间的距离占所述第二最小矩形框的长度比。

具体的实现手段可以为：通过深度卷积神经网络YoloV3对特征对比图像进行分析，得到左眼的左眼最小矩形框、右眼的右眼最小矩形框、左眼眉的左眉最小矩形框、右眼眉的右眼最小矩形框等局部特征的最小矩矩框，然后利用各局部特征的最小矩矩框计算得到上述参考数据。比如，左眼占据所述第二最小矩形框的长度比和高度比的计算方法为：左眼最小矩形框的长度除以第二最小矩形框的长度得到左眼占据所述第二最小矩形框的长度比，左眼最小矩形框的高度除以第二最小矩形框的高度得到左眼占据所述第二最小矩形框的长度比；又比如，双眼的内眼角之间的距离占所述第二最小矩形框的长度比的计算方法为：首先计算左眼最小矩形框与右眼最小矩形框之间的距离，然后使用该距离除以第二最小矩形框的长度，从而得到双眼的内眼角之间的距离占所述第二最小矩形框的长度比等。

上述样本数据库中存储大量的样本数据，各样本数据的获取方法是，让录入样本数据的人员按照标准姿态进行拍照（脸部的正面照），得到样本照片；然后利用上述获取预设种类的参考数据的方法得到样本数据，并将人员的身份标识与样本数据一对一关联。在本实施例中，参考数据中包括八种参数，只有样本数据中的八种数据全部与样本数据中包括八种数据相同，才会将目标样本数据对应的身份标识作为所述头部图像对应的人像的身份标识。在其它实施例中，为了避免外部因素的影响，设置有误差区间，即样本数据中的八种数据与参考数据中包括八种数据并不需要完全一致，允许其存在一定的误差，该误差由工作人员预先设定，在此不做作限定。

在本实施例中，提供了在人员佩戴口罩的情况下仍然可以准确进行身份识别的方法，其仅需要眼睛和眉毛的特征数据，以及各特征数据之间的关系即可。其实现原理，人体的双眼和眉毛等之间的位置一般不会发生改变，那么其在不同角度观察，其之间的比例也会相同，所以只要拍摄到完整的双眼和双眉既可以进行各种比例的计算，从而准确地识别出每一个的相关特征。需要注意的是，不能将左眼占据所述第二最小矩形框的高度比和右眼占据所述第二最小矩形框的高度比作为参考数据，因为这两个数据是因为人的眨眼而发生变化。通过上述身份识别的方法，可以用于上班打开、闸机身份验证等，在此过程中无需将佩戴的口罩等摘下，降低摘下口罩期间的病毒交叉感染的风险。

进一步地，上述到预设的样本数据库中查找与所述参考数据相同的目标样本数据的步骤之前，还包括：

在本实施例中，先通过图片的相似度计算，得到一张或多张相似度达到预设要求的目标样本照片，然后将目标样本照片对应的参考数据作为样本数据。如此，在样本数据库中查找与所述参考数据相同的目标样本数据的时候，仅需要对比几组数据即可，减少对比计算量。

在另一个实施例中，还可以先进行参考数据的对比，获取多个达到预设要求的目标样本数据，然后将多个目标样本数据对应的样本照片分别与特征对比图像进行图像的相似度计算。此种方法，可以节约对图片的处理数量，节约计算资源。

在一个实施例中，上述将目标样本数据对应的身份标识作为所述头部图像对应的人体的身份标识的步骤之后，还包括：

判断所述人体温度值是否高于第一预设温度值；

在本实施例中，上述第一预设温度阈值和第二预设温度阈值是预先设定完成的温度值，比如第一预设温度阈值为37.3摄氏度，第二预设温度阈值为39摄氏度等。上述第一检查区域和第二检查区域均为人工检查区域，不同的是，两个区域内的人员的防御措施存在差异，如第一检查区域的工作人员佩戴N95易用口罩和一次性医用手套，而第二检查区域的工作人员在前述基础上还会佩戴护目镜和防护服等。上述引导的过程可以是通过语音（已经知道身份标识，所以引导准确性较高）进行引导等。当人体温度值检测到高于第一预设温度阈值或第二预设温度阈值，说明人体生病的概率较高（尤其是在新冠病毒等疫情期间），但是该人体温度值的测量可能发生错误，所以将其引导到第一检查区域和第二检查区域进行人工复核。当上述人体温度值高于第二预设温度阈值后，且在第二检查区域复核没有问题，则对人体进行标记，并将标记结果发送给其所在工作环境的管理人员的客户端，该客户端是指管理人使用的邮箱等客户端，方便管理人了解上述人体的情况。人体与所在工作环境的管理人员的客户端的确定，是通过人体的标识信息进行确定的，每一个人体的标识信息都映射一个其所在工作环境的管理人的客户端信息。比如可以了解到人体未正常到岗的原因是进入了第二检查区域等，以及，提高对人体的观察等，以防止第二检查区域检查失误而造成更严重的后果。进一步地，上述执行人体温度测量方法的系统还会连续指定天数对所述人体进行体温观察，生成观察记录并发送给所述管理人对应的客户端，这样可以了解到该人体的具体温情况，当观察记录表示人体一切正常，则表示该人体没有被感染病毒的风险，如果观察记录有异常，则可以要求其到医院进行具体的检查。

本申请实施例的人体温度测量方法，采集固定视场区域（第一市视场区域）的热成像图像、视频图像和环境温度，然后利用视频图像中的人像确定眉心区域，然后获取热成像图像中对应眉心区域的局部热成像图像，结合环境温度，计算得到所述人像对应的人体温度值。人体无论是日常的工作状态、居家状态或者戴口罩状态，眉心区域都会裸露在空气中，所以通过裸露在空气中的眉心区域可以准确的检测到人体的体温。本申请通过拍摄角度和成像尺寸均与热成像图像相同的视频图像自动确定出眉心区域的第一位置信息，然后再在热成像图像中获取对应的局部局部热成像图像，然后结合环境温度，就可以准确的得到人体的体温，无需工作人员手动定位裸露的皮肤，提高测量人体体温的效率。

参照图2，本申请实施例中还提供一种计算机设备，该计算机设备可以是服务器，其内部结构可以如图2所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设计的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于视频图像等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现上述任一实施例的人体温度测量方法。

本领域技术人员可以理解，图2中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定。

本申请实施例还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述任一实施例的人体温度测量方法。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储与一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM一多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双速据率SDRAM（SSRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink）DRAM（SLDRAM）、存储器总线（RambuS）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。

以上所述仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。

Claims

1.一种人体温度测量方法，其特征在于，包括：

通过人像识别技术识别出所述视频图像中的人像；

其中，Y为人体温度值，x₁为环境温度，x₂为表面温度，b₁、b₂···b₁₀为温度计算模型的多项式系数，多项式系数分别为b₁ =332.213，b₂ = -0.000783314，b₃= 0.02047，b₄= -0.03471，b₅ = -1.56870，b₆ = 0.00321，b₇= -0.00838，b₈= -3.88225，b₉= 41.3953，b₁₀=0.32691；

所述获取第一视场区域的热成像图像、视频图像和环境温度的步骤，包括：

判断所述第一视场区域中的人流量；

若所述人流量小于等于人流阈值，则获取关于所述第一视场区域中人体的距离数据；

2.根据权利要求1所述的人体温度测量方法，其特征在于，所述获取所述人像的头部图像，并标注出所述头部图像的第一最小矩形框，以及所述第一最小矩形框四个顶点的基于所述视频图像的坐标的步骤，包括：

通过人像识别技术识别出所述视频图像中的人像；

获取所述人像的头部图像；

判断所述头部图像是否为正面图像；

3.根据权利要求1所述的人体温度测量方法，其特征在于，所述根据所述第二位置信息对应的局部热成像图像和所述环境温度，计算得到所述人像对应的人体温度值的步骤之后，包括：

判断所述头部图像中是否带有口罩图像；

4.根据权利要求3所述的人体温度测量方法，其特征在于，所述到预设的样本数据库中查找与所述参考数据相同的目标样本数据的步骤之前，还包括：

5.根据权利要求3所述的人体温度测量方法，其特征在于，所述将目标样本数据对应的身份标识作为所述头部图像对应的人体的身份标识的步骤之后，还包括：

判断所述人体温度值是否高于第一预设温度值；

6.根据权利要求1所述的人体温度测量方法，其特征在于，所述判断所述第一视场区域中的人流量的步骤之后，包括：

若所述人流量大于人流阈值，则停止执行获取关于所述第一视场区域中人体的距离数据的步骤；

7.根据权利要求6所述的人体温度测量方法，其特征在于，所述通过人像识别技术识别出所述视频图像中的人像的步骤，包括：

在所述第一图像中识别出所述人像。

8.根据权利要求1-7中任一项所述的人体温度测量方法，其特征在于，所述根据所述第二位置信息对应的局部热成像图像和所述环境温度，计算得到所述人像对应的人体温度值的步骤之后，包括：

将所述前端显示图像发送到前端显示。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述方法的步骤。