CN111780876B - 温度测量方法、装置、电子设备及计算机可读存储介质 - Google Patents
温度测量方法、装置、电子设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN111780876B CN111780876B CN202010615940.7A CN202010615940A CN111780876B CN 111780876 B CN111780876 B CN 111780876B CN 202010615940 A CN202010615940 A CN 202010615940A CN 111780876 B CN111780876 B CN 111780876B
- Authority
- CN
- China
- Prior art keywords
- temperature
- temperature data
- time
- data set
- time sequence
- 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
- 238000009529 body temperature measurement Methods 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000005259 measurement Methods 0.000 claims abstract description 78
- 238000009499 grossing Methods 0.000 claims abstract description 36
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 28
- 238000012937 correction Methods 0.000 claims abstract description 19
- 238000012163 sequencing technique Methods 0.000 claims abstract description 19
- 230000002159 abnormal effect Effects 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 10
- 238000005516 engineering process Methods 0.000 abstract description 4
- 230000008859 change Effects 0.000 description 10
- 230000006870 function Effects 0.000 description 8
- 238000012417 linear regression Methods 0.000 description 8
- 238000009847 ladle furnace Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000004378 air conditioning Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
-
- 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
- G01J5/52—Radiation pyrometry, e.g. infrared or optical thermometry using comparison with reference sources, e.g. disappearing-filament pyrometer
- G01J5/53—Reference sources, e.g. standard lamps; Black bodies
-
- 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
- G01J5/80—Calibration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2474—Sequence data queries, e.g. querying versioned data
-
- 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
- G01J2005/0077—Imaging
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Radiation Pyrometers (AREA)
Abstract
本发明涉及数据处理技术，揭露了一种温度测量方法，包括：获取多张多张红外温度图像；根据多张红外温度图像的图像像素获取多张红外温度图像对应的多个温度数据；将多个温度数据按照采集时间进行时间排序，得到时序温度数据集；获取黑体测量温度数据集；利用差值算法计算黑体测量温度数据集中多个黑体测量温度数据与预设黑体恒温阈值的差值；基于时序差值对所述时序温度数据集进行误差调整，对误差调整后的时序温度数据集进行平滑处理，确定平滑处理后得到的多个目标平滑数据为多张红外图像的修正温度。此外，本发明还涉及区块链技术，红外温度图像集可存储于区块链节点中。本发明可以提高红外温度图像的温度测量精确度。
Description
技术领域
本发明涉及数据处理技术领域，尤其涉及一种温度测量方法、装置、电子设备及计算机可读存储介质。
背景技术
由于新冠肺炎的疫情影响，越来越多的场合需要利用红外摄像头对人体进行测温，尤其是火车站、机场、超市等人流密集的场合，更需要精准的测量出目标的温度。
但目前市场上推出的多款红外摄像头，由于对红外辐射的感知能力不高，因此导致对物体的测量温度随时间的变化而产生较大波动。因此如何对红外摄像头采集到的红外温度图像进行温度识别，提高红外温度图像的测温精度，成为亟待解决的问题。
发明内容
本发明提供一种温度测量方法、装置、电子设备及计算机可读存储介质，其主要目的在于提高红外温度图像的温度测量精度。
为实现上述目的，本发明提供的一种温度测量方法，包括：
获取红外测温摄像头采集到的红外温度图像集，其中，所述红外温度图像集包含多张红外温度图像以及所述多张红外温度图像的采集时间；
根据所述多张红外温度图像的图像像素获取所述多张红外温度图像对应的多个温度数据；
将所述多个温度数据按照所述采集时间进行时间排序，得到时序温度数据集；
获取所述红外测温摄像头在所述采集时间采集到的黑体测量温度数据集；
利用差值算法计算所述黑体测量温度数据集中多个黑体测量温度数据与预设黑体恒温阈值的差值，将所述差值按照所述采集时间进行时间排序，得到时序差值数据集；
基于所述时序差值数据集对所述时序温度数据集进行误差调整，对误差调整后的时序温度数据集进行平滑处理，确定平滑处理后得到的多个目标平滑数据为所述多张红外图像的修正温度。
可选地，所述基于所述时序差值数据集对所述时序温度数据集进行误差调整，对误差调整后的时序温度数据集进行平滑处理，包括：
将所述时序差值数据集中的时序差值数据与所述时序温度数据集中的时序温度数据按照所述采集时间分别对应相加，得到标准温度数据集；
按照所述采集时间的先后顺序依次选取所述标准温度数据集中的标准温度数据，确定获取到的多个标准温度数据为多个目标平滑数据；
分别计算所述多个目标平滑数据对应的采集时间之前预设时间邻域内所有标准温度数据的均值；
根据计算得到的多个均值修正所述多个目标平滑数据。
可选地，所述计算所述目标平滑数据对应的采集时间之前预设时间邻域内所有标准温度数据的均值，包括：
利用如下移动平均算法计算所述均值
其中，N为所述时间邻域的大小，Ci为所述时间邻域内任一标准温度数据，t为所述目标平滑数据对应的采集时间。
可选地，所述得到时序温度数据集之后，所述方法还包括：
判断所述时序温度数据集是否存在缺失值，当所述时序温度数据集存在缺失值时，对所述时序温度数据集进行数据填充；或者
判断所述时序温度数据集是否存在异常值，当所述时序温度数据集存在异常值时，修正所述时序温度数据集包含的异常值。
可选地，所述判断所述时序温度数据集是否存在异常值，包括：
利用对比算法计算所述时序温度数据集中目标温度数据与所述目标温度数据的邻近温度数据的局部可达密度比值；
判断所述局部可达密度比值是否小于或等于预设比值；
若所述局部可达密度比值小于或等于预设比值，确定所述目标温度数据为异常值。可选地，所述对比算法包括：
其中，其中，LFk(q)为所述目标温度数据与所述目标温度数据的邻近温度数据的局部可达密度比值，Nk(q)为所述目标温度数据的邻近温度数据的集合，p为所述目标温度数据，q为Nk(q)中任一温度数据，ld(q)为Nk(q)内的数据密度，ld(p)为所述目标温度数据的自身密度，k为Nk(q)中温度数据的个数，reach-distk(p,q)为用于计算p，q之间的距离的运算。
为了解决上述问题，本发明还提供一种温度测量装置，所述装置包括：
图像获取模块，用于获取红外测温摄像头采集到的红外温度图像集，其中，所述红外温度图像集包含多张红外温度图像以及所述多张红外温度图像的采集时间；
像素转化模块，用于根据所述多张红外温度图像的图像像素获取所述多张红外温度图像对应的多个温度数据；
时间排序模块，用于将所述多个温度数据按照所述采集时间进行时间排序，得到时序温度数据集；
黑体温度获取模块，用于获取所述红外测温摄像头在所述采集时间采集到的黑体测量温度数据集；
差值计算模块，用于利用差值算法计算所述黑体测量温度数据集中多个黑体测量温度数据与预设黑体恒温阈值的差值，将所述差值按照所述采集时间进行时间排序，得到时序差值数据集；
温度修正模块，用于基于所述时序差值数据集对所述时序温度数据集进行误差调整，对误差调整后的时序温度数据集进行平滑处理，确定平滑处理后得到的多个目标平滑数据为所述多张红外图像的修正温度。
可选地，所述温度修正模块具体用于：
将所述时序差值数据集中的时序差值数据与所述时序温度数据集中的时序温度数据按照所述采集时间分别对应相加，得到标准温度数据集；
按照所述采集时间的先后顺序依次选取所述标准温度数据集中的标准温度数据，确定获取到的多个标准温度数据为多个目标平滑数据；
分别计算所述多个目标平滑数据对应的采集时间之前预设时间邻域内所有标准温度数据的均值；
根据计算得到的多个均值修正所述多个目标平滑数据；
确定所述多个目标平滑数据为所述多张红外图像的修正温度。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
存储器，存储至少一个指令；及
处理器，执行所述存储器中存储的指令以实现上述中任意一项所述的温度测量方法。
为了解决上述问题，本发明还提供一种计算机可读存储介质，包括存储数据区和存储程序区，存储数据区存储创建的数据，存储程序区存储有计算机程序；其中，所述计算机程序被处理器执行时实现上述中任意一项所述的温度测量方法。
本发明实施例通过将红外温度图像集中红外温度图像按照采集时间进行排序，得到时序温度数据集，使得时序温度数据集中的时序温度数据具有可比性；获取所述红外测温摄像头在所述采集时间采集到的黑体测量温度数据集，利用差值算法计算所述黑体测量温度数据集中多个黑体测量温度数据与预设黑体恒温阈值的差值，将所述差值按照所述采集时间进行时间排序，得到时序差值数据集，通过对黑体温度的测量来计算红外摄像头随时间变化而产生的测量误差，并对测量误差进行排序，使得测量误差具有可比性，以根据所述时序温度数据和所述测量误差的可比性调整所述时序温度数据集中的时序温度数据，从而得到准确的修正温度，提高利用所述红外摄像头采集到的红外温度图像对温度进行测量的精度。因此本发明提出的温度测量方法、装置及计算机可读存储介质，可以提高利用所述红外摄像头采集到的红外温度图像对温度进行测量的精度。
附图说明
图1为本发明一实施例提供的温度测量方法的流程示意图；
图2为本发明一实施例提供的温度测量装置的模块示意图；
图3为本发明一实施例提供的实现温度测量方法的电子设备的内部结构示意图；
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。
本申请实施例提供的温度测量方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述温度测量方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。
本发明提供一种温度测量方法。参照图1所示，为本发明一实施例提供的温度测量方法的流程示意图。该方法可以由一个装置执行，该装置可以由软件和/或硬件实现。
在本实施例中，温度测量方法包括：
S1、获取红外测温摄像头采集到的红外温度图像集，其中，所述红外温度图像集包含多张红外温度图像以及所述多张红外温度图像的采集时间。
本发明实施例中，所述红外温度图像集可由任何红外摄像头运行时采集的图像组成，具体的，可利用java语句从用于存储所述红外摄像头采集到的红外图像的存储区中获取所述红外温度图像集，或从用于存储红外温度图像的区块链中获取所述红外温度图像集。
所述红外摄像头包括在火车站、机场、街道等地点的红外摄像头等。
所述红外温度图像集包括连续采集到的多帧红外温度图像和每一帧红外温度图像对应的采集时间，所述采集时间用于记录所述红外温度图像被获取到的时间。
S2、根据所述多张红外温度图像的图像像素获取所述多张红外温度图像对应的多个温度数据。
具体地，本发明实施例对所有红外温度图像中的像素点的像素值进行转化，从而得到温度数据。
详细地，本发明利用如下像素转换算法将所述红外温度图像中像素点的像素值转化为温度数据C：
其中，R，G，B为所述红外温度图像中像素的三分量，xi为所述红外温度图像中任一像素点，α为所述红外温度图像中像素点的个数。
当所述红外温度图像集中所有红外温度图像均完成上述像素值转化后，得到所述多张红外温度图像对应的多个温度数据。
S3、将所述多个温度数据按照所述采集时间进行时间排序，得到时序温度数据集。
本发明实施例中，由于采集时间记录了红外温度图像集中每一张红外温度图像被获取到的时间，因此按照采集时间可以对红外图像集转化得到的多个温度数据进行时间排序，从而得到一个具有可比性的时序温度数据集。例如，将所述多个温度数据按照采集时间的先后顺序排序。
进一步地，所述将所述多个温度数据按照所述采集时间进行时间排序，得到时序温度数据集之后，所述方法还包括：
判断所述时序温度数据集是否存在缺失值，当所述时序温度数据集存在缺失值时，对所述时序温度数据集进行数据填充；或者
判断所述时序温度数据集是否存在异常值，当所述时序温度数据集存在异常值时，修正所述时序温度数据集包含的异常值。
本发明实施例中，可利用具有缺失值检测的java程序语句来判断所述时序温度数据集是否存在缺失值。
在本发明一可选实施例中，所述对所述时序温度数据集进行数据填充，包括：
将所述缺失值的相邻值分别输入预设的线性回归方程，通过所述线性回归方程计算所述缺失值的线性预测值；
计算所述缺失值的预设邻域范围内的所有数值的第一平均值，得到所述缺失值的平均预测值；
计算所述平均预测值与所述线性预测值的第二平均值，确定所述第二平均值为所述缺失值。
较佳地，若时序温度数据集包含缺失的时间数据，根据缺失的时间顺序的前后时间顺序进行顺序填充。
本发明实施例选取缺失值临近的相邻值，基于所述相邻值对所述缺失值进行线性预测。
优选地，所述线性回归方程为：
Y＝aX+b
其中，Y为所述线性预测值，X为所述缺失值相邻值，a，b为预设回归参数。
较佳地，由于一般同一物体的温度均有较为稳定的变化，如温度开始上升或开始下降时温度平稳的变化，温度变化均会趋向于一种可观察到的稳定的线性变化，因此，本发明实施例利用线性回归方程对缺失值进行预测，可提高缺失值预测的准确性，保证数据的可用性。
本发明另一可选实施例中，所述判断所述时序温度数据集是否存在异常值，包括：
利用对比算法计算所述时序温度数据集中目标温度数据与所述目标温度数据的邻近温度数据的局部可达密度比值；
判断所述局部可达密度比值是否小于或等于预设比值；
若所述局部可达密度比值小于或等于预设比值，确定所述目标温度数据为异常值。
本实施例中，目标温度数据可以为时序温度数据集中任一时序温度数据。
具体的，本发明实施例利用如下对比算法计算所述目标温度数据与所述目标温度数据的邻近用户数据的局部可达密度比值LFk(q)：
其中，LFk(q)为所述目标温度数据与所述目标温度数据的邻近温度数据的局部可达密度比值，Nk(q)为所述目标温度数据的邻近温度数据的集合，p为所述目标温度数据，q为Nk(q)中任一温度数据，ld(q)为Nk(q)内的数据密度，ld(p)为所述目标温度数据的自身密度，k为Nk(q)中温度数据的个数，reach-distk(p,q)为用于计算p，q之间的距离的运算。
较佳地，当所述时序温度数据被判定为异常值时，本发明实施例将所述时序温度数据的相邻值求算数平均，得到算数平均值，并利用所述算数平均值替换所述时序温度数据。
本发明实施例通过对所述时序温度数据集进行数据清洗，可以修正无效数据以及错误数据，减少数据冗余，提高数据数据精确性，有利于基于清洗后的数据进行准确的分析。
S4、获取所述红外测温摄像头在所述采集时间采集到的黑体测量温度数据集。
本发明实施例获取红外测温摄像头在采集时间采集到的黑体测量温度数据集具体是指：根据所述红外温度图像集包含的采集时间的起始时间和终止时间，获取所述采集时间的起始时间和终止时间内的黑体测量温度数据集。
本发明实施例中，黑体为一种可调节温度的恒温物体。实际应用中，红外摄像头的测温误差随时间变化较大，测量获取的温度数据在一段时间内的变化范围也较大。因此本发明实施例采取相对温度值的测量方法，即在所述红外摄像头的测温环境中预先设定一个黑体，或识别该测温环境中的物体并从所识别的物体中确定，红外摄像头获取所述黑体的黑体测量温度数据，以便后续根据所述黑体测量温度数据对所述时序温度数据集进行修正。
例如，所述红外摄像头实时测量该红外摄像头范围内的黑体的温度数据得到黑体测量温度数据集，所述黑体测量温度数据集包括多个在采集时间采集到的的黑体测量温度数据。
本发明实施中，所述红外温度图像与所述黑体测量温度图像是同时获取的，比如，在某个时间点采集到红外温度图像，同时在所述时间点获取到黑体测量温度数据。
S5、利用差值算法计算所述黑体测量温度数据集中多个黑体测量温度数据与预设黑体恒温阈值的差值，将所述差值按照所述采集时间进行时间排序，得到时序差值数据集。
本发明实施例中，可将红外测温摄像头采集范围内的黑体的温度设置为黑体恒温阈值，例如，恒定的温度值c。
本发明实施例利用如下差值算法计算所述黑体测量温度数据集中黑体测量温度ci与预设黑体恒温阈值c的差值：
Δci＝c-ci i＝1…n
其中，Δci为所述差值，c为黑体恒温阈值，ci为黑体温度数据集中任一黑体温度，n为所述黑体温度数据集内黑体温度数据的个数。
进一步地，为了后续更高效的利用所述差值对所述时序温度数据集中的时序温度数据进行调整，本发明将计算得到的所述差值按照所述采集时间进行排序，得到一个具有可比性的时序差值数据集。
S6、基于所述时序差值数据集对所述时序温度数据集进行误差调整，对误差调整后的时序温度数据集进行平滑处理，确定平滑处理后得到的多个目标平滑数据为所述多张红外图像的修正温度。
具体的，所述平滑处理的方法包括但不限于去极值法、滤波法、均值调整法。
优选的，本发明一可选实施例中，所述基于所述时序差值数据集对所述时序温度数据集进行误差调整，对误差调整后的时序温度数据集进行平滑处理，包括：
将所述时序差值数据集中的时序差值数据与所述时序温度数据集中的时序温度数据按照所述采集时间分别对应相加，得到标准温度数据集；
按照所述采集时间的先后顺序依次选取所述标准温度数据集中的标准温度数据，确定获取到的多个标准温度数据为多个目标平滑数据；
分别计算所述多个目标平滑数据对应的采集时间之前预设时间邻域内所有标准温度数据的均值；
根据计算得到的多个均值修正所述多个目标平滑数据。
本发明实施例中，由于所述时序差值数据集与所述时序温度数据集均在所述采集时间内采集获得，且均按照所述采集时间进行排序，因此，可利用所述时序差值数据集与所述时序温度数据集的可比性，对所述时序温度数据集进行误差调整。
将所述时序差值数据集中的时序差值数据与所述时序温度数据集中的时序温度数据按照所述采集时间分别对应相加，以实现利用所述时序差值数据集中的时序差值数据对所述时序温度数据集中的时序温度数据进行误差调整，提高了所述时序温度数据集中时序温度数据的精确度。
详细地，所述计算所述目标平滑数据对应的采集时间之前预设时间邻域内所有标准温度数据的均值，包括：
利用如下移动平均算法计算所述均值
其中，N为所述时间邻域的大小，Ci为所述时间邻域内任一标准温度数据，t为所述目标平滑数据对应的采集时间。
本发明实施例中，当计算得到所述均值后，根据计算得到的多个均值修正所述多个目标平滑数据。具体的，利用计算得到的均值替换该均值对应的目标平滑数据，得到所述目标平滑数据对应的采集时间的修正温度。即将目标平滑数据修正为该目标平滑时间对应的采集时间之前预设时间邻域内所有标准温度数据的均值。则当标准温度数据集中的所有标准温度数据均完成平滑处理，得到多张红外图像的修正温度。
本发明实施例通过将红外温度图像集中红外温度图像按照采集时间进行排序，得到时序温度数据集，使得时序温度数据集中的时序温度数据具有可比性；获取所述红外测温摄像头在所述采集时间采集到的黑体测量温度数据集，利用差值算法计算所述黑体测量温度数据集中多个黑体测量温度数据与预设黑体恒温阈值的差值，将所述差值按照所述采集时间进行时间排序，得到时序差值数据集，通过对黑体温度的测量来计算红外摄像头随时间变化而产生的测量误差，并对测量误差进行排序，使得测量误差具有可比性，以根据所述时序温度数据和所述测量误差的可比性调整所述时序温度数据集中的时序温度数据，从而得到准确的修正温度，提高利用所述红外摄像头采集到的红外温度图像对温度进行测量的精度。因此本发明提出的温度测量方法，可以提高利用所述红外摄像头采集到的红外温度图像对温度进行测量的精度。
如图2所示，是本发明温度测量装置的模块示意图。
本发明所述温度测量装置100可以安装于电子设备中。根据实现的功能，所述温度测量装置可以包括图像获取模块101、像素转化模块102、时间排序模块103、黑体温度获取模块104、差值计算模块105和温度修正模块106。本发所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述图像获取模块101，用于获取红外测温摄像头采集到的红外温度图像集，其中，所述红外温度图像集包含多张红外温度图像以及所述多张红外温度图像的采集时间；
所述像素转化模块102，用于根据所述多张红外温度图像的图像像素获取所述多张红外温度图像对应的多个温度数据；
所述时间排序模块103，用于将所述多个温度数据按照所述采集时间进行时间排序，得到时序温度数据集；
所述黑体温度获取模块104，用于获取所述红外测温摄像头在所述采集时间采集到的黑体测量温度数据集；
所述差值计算模块105，用于利用差值算法计算所述黑体测量温度数据集中多个黑体测量温度数据与预设黑体恒温阈值的差值，将所述差值按照所述采集时间进行时间排序，得到时序差值数据集；
所述温度修正模块106，用于基于所述时序差值数据集对所述时序温度数据集进行误差调整，对误差调整后的时序温度数据集进行平滑处理，确定平滑处理后得到的多个目标平滑数据为所述多张红外图像的修正温度。
详细地，所述温度测量装置各模块的具体实施方式如下：
所述图像获取模块101，用于获取红外测温摄像头采集到的红外温度图像集，其中，所述红外温度图像集包含多张红外温度图像以及所述多张红外温度图像的采集时间。
本发明实施例中，所述红外温度图像集可由任何红外摄像头运行时采集的图像组成，具体的，可利用java语句从用于存储所述红外摄像头采集到的红外图像的存储区中获取所述红外温度图像集，或从用于存储红外温度图像的区块链中获取所述红外温度图像集。
所述红外摄像头包括在火车站、机场、街道等地点的红外摄像头等。
所述红外温度图像集包括连续采集到的多帧红外温度图像和每一帧红外温度图像对应的采集时间，所述采集时间用于记录所述红外温度图像被获取到的时间。
所述像素转化模块102，用于根据所述多张红外温度图像的图像像素获取所述多张红外温度图像对应的多个温度数据。
具体地，本发明实施例对所有红外温度图像中的像素点的像素值进行转化，从而得到温度数据。
详细地，本发明利用如下像素转换算法将所述红外温度图像中像素点的像素值转化为温度数据C：
其中，R，G，B为所述红外温度图像中像素的三分量，xi为所述红外温度图像中任一像素点，α为所述红外温度图像中像素点的个数。
当所述红外温度图像集中所有红外温度图像均完成上述像素值转化后，得到所述多张红外温度图像对应的多个温度数据。
所述时间排序模块103，用于将所述多个温度数据按照所述采集时间进行时间排序，得到时序温度数据集。
本发明实施例中，由于采集时间记录了红外温度图像集中每一张红外温度图像被获取到的时间，因此按照采集时间可以对红外图像集转化得到的多个温度数据进行时间排序，从而得到一个具有可比性的时序温度数据集。例如，将所述多个温度数据按照采集时间的先后顺序排序。
进一步地，所述装置还包括温度数据调整模块，用于：
得到时序温度数据集之后，判断所述时序温度数据集是否存在缺失值，当所述时序温度数据集存在缺失值时，对所述时序温度数据集进行数据填充；或者
得到时序温度数据集之后，判断所述时序温度数据集是否存在异常值，当所述时序温度数据集存在异常值时，修正所述时序温度数据集包含的异常值。
本发明实施例中，可利用具有缺失值检测的java程序语句来判断所述时序温度数据集是否存在缺失值。
在本发明一可选实施例中，所述对所述时序温度数据集进行数据填充，包括：
将所述缺失值的相邻值分别输入预设的线性回归方程，通过所述线性回归方程计算所述缺失值的线性预测值；
计算所述缺失值的预设邻域范围内的所有数值的第一平均值，得到所述缺失值的平均预测值；
计算所述平均预测值与所述线性预测值的第二平均值，确定所述第二平均值为所述缺失值。
较佳地，若时序温度数据集包含缺失的时间数据，根据缺失的时间顺序的前后时间顺序进行顺序填充。
本发明实施例选取缺失值临近的相邻值，基于所述相邻值对所述缺失值进行线性预测。
优选地，所述线性回归方程为：
Y＝aX+b
其中，Y为所述线性预测值，X为所述缺失值相邻值，a，b为预设回归参数。
较佳地，由于一般同一物体的温度均有较为稳定的变化，如温度开始上升或开始下降时温度平稳的变化，温度变化均会趋向于一种可观察到的稳定的线性变化，因此，本发明实施例利用线性回归方程对缺失值进行预测，可提高缺失值预测的准确性，保证数据的可用性。
本发明另一可选实施例中，所述判断所述时序温度数据集是否存在异常值，包括：
利用对比算法计算所述时序温度数据集中目标温度数据与所述目标温度数据的邻近用户数据的局部可达密度比值；
判断所述局部可达密度比值是否小于或等于预设比值；
若所述局部可达密度比值小于或等于预设比值，确定所述目标温度数据为异常值。
本实施例中，目标温度数据可以为时序温度数据集中任一时序温度数据。
具体的，本发明实施例利用如下对比算法计算所述目标温度数据与所述目标温度数据的邻近温度数据的局部可达密度比值LFk(q)：
其中，LFk(q)为所述目标温度数据与所述目标温度数据的邻近温度数据的局部可达密度比值，Nk(q)为所述目标温度数据的邻近温度数据的集合，p为所述目标温度数据，q为Nk(q)中任一温度数据，ld(q)为Nk(q)内的数据密度，ld(p)为所述目标温度数据的自身密度，k为Nk(q)中温度数据的个数，reach-distk(p,q)为用于计算p，q之间的距离的运算。较佳地，当所述时序温度数据被判定为异常值时，本发明实施例将所述时序温度数据的相邻值求算数平均，得到算数平均值，并利用所述算数平均值替换所述时序温度数据。
因此本发明实施例通过对所述时序温度数据集进行数据清洗，可以修正无效数据以及错误数据，减少数据冗余，提高数据数据精确性，有利于基于清洗后的数据进行准确的分析。
所述黑体温度获取模块104，用于获取所述红外测温摄像头在所述采集时间采集到的黑体测量温度数据集。
本发明实施例获取红外测温摄像头在采集时间采集到的黑体测量温度数据集具体是指：根据所述红外温度图像集包含的采集时间的起始时间和终止时间，获取所述采集时间的起始时间和终止时间内的黑体测量温度数据集。
本发明实施例中，黑体为一种可调节温度的恒温物体。实际应用中，红外摄像头的测温误差随时间变化较大，测量获取的温度数据在一段时间内的变化范围也较大。因此本发明实施例采取相对温度值的测量方法，即在所述红外摄像头的测温环境中预先设定一个黑体，或识别该测温环境中的物体并从所识别的物体中确定一个黑体，红外摄像头获取所述黑体的黑体测量温度数据，以便后续根据所述黑体测量温度数据对所述时序温度数据集进行修正。
例如，所述红外摄像头实时测量该红外摄像头范围内的黑体的温度数据得到黑体测量温度数据集，所述黑体测量温度数据集包括多个在采集时间采集到的的黑体测量温度数据。
本发明实施中，所述红外温度图像与所述黑体测量温度图像是同时获取的，比如，在某个时间点采集到红外温度图像，同时在所述时间点获取到黑体测量温度数据。
所述差值计算模块105，用于利用差值算法计算所述黑体测量温度数据集中多个黑体测量温度数据与预设黑体恒温阈值的差值，将所述差值按照所述采集时间进行时间排序，得到时序差值数据集。
本发明实施例中，可将红外测温摄像头采集范围内的黑体的温度设置为黑体恒温阈值，例如，恒定的温度值c。
本发明实施例利用如下差值算法计算所述黑体测量温度数据集中黑体测量温度ci与预设黑体恒温阈值c的差值：
Δci＝c-ci i＝1…n
其中，Δci为所述差值，c为黑体恒温阈值，ci为黑体温度数据集中任一黑体温度，n为所述黑体温度数据集内黑体温度数据的个数。
进一步地，为了后续更高效的利用所述差值对所述时序温度数据集中的时序温度数据进行调整，本发明将计算得到的所述差值按照所述采集时间进行排序，得到一个具有可比性的时序差值数据集。
所述温度修正模块106，用于基于所述时序差值数据集对所述时序温度数据集进行误差调整，对误差调整后的时序温度数据集进行平滑处理，确定平滑处理后得到的多个目标平滑数据为所述多张红外图像的修正温度。
具体的，所述平滑处理的方法包括但不限于去极值法、滤波法、均值调整法。
优选的，本发明实施例中，所述温度修正模块具体用于：
将所述时序差值数据集中的时序差值数据与所述时序温度数据集中的时序温度数据按照所述采集时间分别对应相加，得到标准温度数据集；
按照所述采集时间的先后顺序依次选取所述标准温度数据集中的标准温度数据，确定获取到的多个标准温度数据为多个目标平滑数据；
分别计算所述多个目标平滑数据对应的采集时间之前预设时间邻域内所有标准温度数据的均值；
根据计算得到的多个均值修正所述多个目标平滑数据；
确定所述多个目标平滑数据为所述多张红外图像的修正温度。
本发明实施例中，由于所述时序差值数据集与所述时序温度数据集均在所述采集时间内采集获得，且均按照所述采集时间进行排序，因此，可利用所述时序差值数据集与所述时序温度数据集的可比性，对所述时序温度数据集进行误差调整。
将所述时序差值数据集中的时序差值数据与所述时序温度数据集中的时序温度数据按照所述采集时间分别对应相加，以实现利用所述时序差值数据集中的时序差值数据对所述时序温度数据集中的时序温度数据进行误差调整，提高了所述时序温度数据集中时序温度数据的精确度。
详细地，所述计算所述目标平滑数据对应的采集时间之前预设时间邻域内所有标准温度数据的均值，包括：
利用如下移动平均算法计算所述均值
/>
其中，N为所述时间邻域的大小，Ci为所述时间邻域内任一标准温度数据，t为所述目标平滑数据对应的采集时间。
本发明实施例中，当计算得到所述均值后，根据计算得到的多个均值修正所述多个目标平滑数据。具体的，利用计算得到的均值替换该均值对应的目标平滑数据，得到所述目标平滑数据对应的采集时间的修正温度。即将目标平滑数据修正为该目标平滑时间对应的采集时间之前预设时间邻域内所有标准温度数据的均值。则当标准温度数据集中的所有标准温度数据均完成平滑处理，得到多张红外图像的修正温度。本发明实施例通过将红外温度图像集中红外温度图像按照采集时间进行排序，得到时序温度数据集，使得时序温度数据集中的时序温度数据具有可比性；获取所述红外测温摄像头在所述采集时间采集到的黑体测量温度数据集，利用差值算法计算所述黑体测量温度数据集中多个黑体测量温度数据与预设黑体恒温阈值的差值，将所述差值按照所述采集时间进行时间排序，得到时序差值数据集，通过对黑体温度的测量来计算红外摄像头随时间变化而产生的测量误差，并对测量误差进行排序，使得测量误差具有可比性，以根据所述时序温度数据和所述测量误差的可比性调整所述时序温度数据集中的时序温度数据，从而得到准确的修正温度，提高利用所述红外摄像头采集到的红外温度图像对温度进行测量的精度。因此本发明提出的温度测量装置，可以提高利用所述红外摄像头采集到的红外温度图像对温度进行测量的精度。
如图3所示，是本发明实现温度测量方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11和总线，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如温度测量程序12。
其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元，例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备，例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(SecureDigital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据，例如温度测量程序12的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如执行温度测量程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备1的各种功能和处理数据。
所述总线可以是外设部件互连标准(peripheral component interconnect，简称PCI)总线或扩展工业标准结构(extended industry standard architecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图3仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图3示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备1还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
进一步地，所述电子设备1还可以包括网络接口，可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备1与其他电子设备之间建立通信连接。
可选地，该电子设备1还可以包括用户接口，用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的温度测量程序12是多个指令的组合，在所述处理器10中运行时，可以实现：
获取红外测温摄像头采集到的红外温度图像集，其中，所述红外温度图像集包含多张红外温度图像以及所述多张红外温度图像的采集时间；
根据所述多张红外温度图像的图像像素获取所述多张红外温度图像对应的多个温度数据；
将所述多个温度数据按照所述采集时间进行时间排序，得到时序温度数据集；
获取所述红外测温摄像头在所述采集时间采集到的黑体测量温度数据集；
利用差值算法计算所述黑体测量温度数据集中多个黑体测量温度数据与预设黑体恒温阈值的差值，将所述差值按照所述采集时间进行时间排序，得到时序差值数据集；
基于所述时序差值数据集对所述时序温度数据集进行误差调整，对误差调整后的时序温度数据集进行平滑处理，确定平滑处理后得到的多个目标平滑数据为所述多张红外图像的修正温度。
本发明实施例通过将红外温度图像集中红外温度图像按照采集时间进行排序，得到时序温度数据集，使得时序温度数据集中的时序温度数据具有可比性；获取所述红外测温摄像头在所述采集时间采集到的黑体测量温度数据集，利用差值算法计算所述黑体测量温度数据集中多个黑体测量温度数据与预设黑体恒温阈值的差值，将所述差值按照所述采集时间进行时间排序，得到时序差值数据集，通过对黑体温度的测量来计算红外摄像头随时间变化而产生的测量误差，并对测量误差进行排序，使得测量误差具有可比性，以根据所述时序温度数据和所述测量误差的可比性调整所述时序温度数据集中的时序温度数据，从而得到准确的修正温度，提高利用所述红外摄像头采集到的红外温度图像对温度进行测量的精度。因此本发明提出的温度测量的电子设备，可以提高利用所述红外摄像头采集到的红外温度图像对温度进行测量的精度。
进一步地，所述电子设备3集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。
进一步地，所述计算机可用存储介质可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据区块链节点的使用所创建的数据等。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图表记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。
Claims (8)
1.一种温度测量方法，其特征在于，所述方法包括：
获取红外测温摄像头采集到的红外温度图像集，其中，所述红外温度图像集包含多张红外温度图像以及所述多张红外温度图像的采集时间；
根据所述多张红外温度图像的图像像素获取所述多张红外温度图像对应的多个温度数据；
将所述多个温度数据按照所述采集时间进行时间排序，得到时序温度数据集；
获取所述红外测温摄像头在所述采集时间采集到的黑体测量温度数据集；
利用差值算法计算所述黑体测量温度数据集中多个黑体测量温度数据与预设黑体恒温阈值的差值，将所述差值按照所述采集时间进行时间排序，得到时序差值数据集；
基于所述时序差值数据集对所述时序温度数据集进行误差调整，对误差调整后的时序温度数据集进行平滑处理，确定平滑处理后得到的多个目标平滑数据为所述多张红外温度图像的修正温度。
2.如权利要求1所述的温度测量方法，其特征在于，所述基于所述时序差值数据集对所述时序温度数据集进行误差调整，对误差调整后的时序温度数据集进行平滑处理，包括：
将所述时序差值数据集中的时序差值数据与所述时序温度数据集中的时序温度数据按照所述采集时间分别对应相加，得到标准温度数据集；
按照所述采集时间的先后顺序依次选取所述标准温度数据集中的标准温度数据，确定获取到的多个标准温度数据为多个目标平滑数据；
分别计算所述多个目标平滑数据对应的采集时间之前预设时间邻域内所有标准温度数据的均值；
根据计算得到的多个均值修正所述多个目标平滑数据。
3.如权利要求1所述的温度测量方法，其特征在于，所述得到时序温度数据集之后，所述方法还包括：
判断所述时序温度数据集是否存在缺失值，当所述时序温度数据集存在缺失值时，对所述时序温度数据集进行数据填充；或者
判断所述时序温度数据集是否存在异常值，当所述时序温度数据集存在异常值时，修正所述时序温度数据集包含的异常值。
4.如权利要求3所述的温度测量方法，其特征在于，所述判断所述时序温度数据集是否存在异常值，包括：
利用对比算法计算所述时序温度数据集中目标温度数据与所述目标温度数据的邻近温度数据的局部可达密度比值；
判断所述局部可达密度比值是否小于或等于预设比值；
若所述局部可达密度比值小于或等于预设比值，确定所述目标温度数据为异常值。
5.一种温度测量装置，其特征在于，所述装置包括：
图像获取模块，用于获取红外测温摄像头采集到的红外温度图像集，其中，所述红外温度图像集包含多张红外温度图像以及所述多张红外温度图像的采集时间；
像素转化模块，用于根据所述多张红外温度图像的图像像素获取所述多张红外温度图像对应的多个温度数据；
时间排序模块，用于将所述多个温度数据按照所述采集时间进行时间排序，得到时序温度数据集；
黑体温度获取模块，用于获取所述红外测温摄像头在所述采集时间采集到的黑体测量温度数据集；
差值计算模块，用于利用差值算法计算所述黑体测量温度数据集中多个黑体测量温度数据与预设黑体恒温阈值的差值，将所述差值按照所述采集时间进行时间排序，得到时序差值数据集；
温度修正模块，用于基于所述时序差值数据集对所述时序温度数据集进行误差调整，对误差调整后的时序温度数据集进行平滑处理，确定平滑处理后得到的多个目标平滑数据为所述多张红外温度图像的修正温度。
6.如权利要求5所述的温度测量装置，其特征在于，所述温度修正模块具体用于：
将所述时序差值数据集中的时序差值数据与所述时序温度数据集中的时序温度数据按照所述采集时间分别对应相加，得到标准温度数据集；
按照所述采集时间的先后顺序依次选取所述标准温度数据集中的标准温度数据，确定获取到的多个标准温度数据为多个目标平滑数据；
分别计算所述多个目标平滑数据对应的采集时间之前预设时间邻域内所有标准温度数据的均值；
根据计算得到的多个均值修正所述多个目标平滑数据；
确定所述多个目标平滑数据为多张红外图像的修正温度。
7.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至4中任一项所述的温度测量方法。
8.一种计算机可读存储介质，包括存储数据区和存储程序区，存储数据区存储创建的数据，存储程序区存储有计算机程序；其中，所述计算机程序被处理器执行时实现如权利要求1至4中任一项所述的温度测量方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010615940.7A CN111780876B (zh) | 2020-06-30 | 2020-06-30 | 温度测量方法、装置、电子设备及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010615940.7A CN111780876B (zh) | 2020-06-30 | 2020-06-30 | 温度测量方法、装置、电子设备及计算机可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111780876A CN111780876A (zh) | 2020-10-16 |
| CN111780876B true CN111780876B (zh) | 2023-12-01 |
Family
ID=72759976
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010615940.7A Active CN111780876B (zh) | 2020-06-30 | 2020-06-30 | 温度测量方法、装置、电子设备及计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111780876B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113008404A (zh) * | 2021-02-22 | 2021-06-22 | 深圳市商汤科技有限公司 | 温度测量方法及装置、电子设备和存储介质 |
| CN113029392A (zh) * | 2021-04-15 | 2021-06-25 | 高创(苏州)电子有限公司 | 一种体温测量方法、装置及电子设备 |
| CN115219062A (zh) * | 2022-04-18 | 2022-10-21 | 广州汽车集团股份有限公司 | 一种设备的温度确定方法、装置、设备及存储介质 |
| CN115541036B (zh) * | 2022-10-24 | 2024-03-26 | 南京智谱科技有限公司 | 一种红外机芯系统的实时校准方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105136308A (zh) * | 2015-05-25 | 2015-12-09 | 北京空间机电研究所 | 一种红外焦平面阵列变积分时间下的自适应校正方法 |
| CN109341864A (zh) * | 2018-10-24 | 2019-02-15 | 北京航天长征飞行器研究所 | 一种轻小型宽动态空间红外定量测量装置 |
| CN110411605A (zh) * | 2019-08-02 | 2019-11-05 | 武汉高德智感科技有限公司 | 一种红外测量人体温度修正方法 |
| CN111157123A (zh) * | 2020-02-17 | 2020-05-15 | 北京迈格威科技有限公司 | 测量温度的方法、装置、服务器和测量温度的系统 |
| CN111337138A (zh) * | 2020-03-17 | 2020-06-26 | 北京领邦智能装备股份公司 | 红外体温测量方法、装置、设备、系统及可读存储介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11200697B2 (en) * | 2018-12-20 | 2021-12-14 | Flir Systems Ab | Infrared camera ambient temperature calibration systems and methods |
-
2020
- 2020-06-30 CN CN202010615940.7A patent/CN111780876B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105136308A (zh) * | 2015-05-25 | 2015-12-09 | 北京空间机电研究所 | 一种红外焦平面阵列变积分时间下的自适应校正方法 |
| CN109341864A (zh) * | 2018-10-24 | 2019-02-15 | 北京航天长征飞行器研究所 | 一种轻小型宽动态空间红外定量测量装置 |
| CN110411605A (zh) * | 2019-08-02 | 2019-11-05 | 武汉高德智感科技有限公司 | 一种红外测量人体温度修正方法 |
| CN111157123A (zh) * | 2020-02-17 | 2020-05-15 | 北京迈格威科技有限公司 | 测量温度的方法、装置、服务器和测量温度的系统 |
| CN111337138A (zh) * | 2020-03-17 | 2020-06-26 | 北京领邦智能装备股份公司 | 红外体温测量方法、装置、设备、系统及可读存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 非制冷热像仪内部温升对测温精度的影响修正;张艳超;高策;刘建卓;王博;杨帅;;中国光学(第04期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111780876A (zh) | 2020-10-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111780876B (zh) | 温度测量方法、装置、电子设备及计算机可读存储介质 | |
| CN111932482B (zh) | 图像中目标物的检测方法、装置、电子设备及存储介质 | |
| CN111915609B (zh) | 病灶检测分析方法、装置、电子设备及计算机存储介质 | |
| CN112446839B (zh) | 图像增强方法、装置、电子设备及计算机可读存储介质 | |
| WO2017022908A1 (ko) | 심층신경망을 이용한 골 연령 산출방법 및 프로그램 | |
| CN111623881A (zh) | 基于图像处理的双光摄像机测温方法及相关设备 | |
| CN111932547B (zh) | 图像中目标物的分割方法、装置、电子设备及存储介质 | |
| CN113327136B (zh) | 归因分析方法、装置、电子设备及存储介质 | |
| CN112465060A (zh) | 图像中目标物检测方法、装置、电子设备及可读存储介质 | |
| CN113554008B (zh) | 静态物体区域内检测方法、装置、电子设备及存储介质 | |
| CN111681738B (zh) | 基于病理切片扫描和分析一体化方法、装置、设备及介质 | |
| CN116338608B (zh) | 微波雷达探测角度调整方法、装置、设备及存储介质 | |
| CN111854964A (zh) | 一种测量体温的方法、装置、测温工具及存储介质 | |
| CN111932595A (zh) | 图像配准方法、装置、电子设备及存储介质 | |
| CN112990374B (zh) | 图像分类方法、装置、电子设备及介质 | |
| CN111460293B (zh) | 信息推送方法、装置及计算机可读存储介质 | |
| CN115289991B (zh) | 地铁轨道形变监测方法、装置及电子设备 | |
| CN113766312A (zh) | 设备间的响应延迟计算方法、装置、设备及存储介质 | |
| CN115035481A (zh) | 一种图像物距融合方法、装置、设备及存储介质 | |
| CN111476760B (zh) | 医学图像的生成方法、装置、电子设备及介质 | |
| KR20170074418A (ko) | 서열의 유사도 측정을 위한 k-mer 변환 장치 및 방법 | |
| CN111414398B (zh) | 数据分析模型确定方法、装置及存储介质 | |
| CN113160144B (zh) | 目标物检测方法、装置、电子设备及存储介质 | |
| CN117745989B (zh) | 基于椎管构造的神经根阻滞靶点注入路径规划方法及系统 | |
| CN116434327A (zh) | 基于大数据的行为分析方法及装置 |
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 |