CN111863274A - 一种智能体温实时监测管理系统 - Google Patents

Abstract

本发明公开一种智能体温实时监测管理系统，包括若干温度检测终端、环境温度采集模块、图像采集终端、图像特征识别模块、特征存储数据库、关联归类模块、管理云平台和目标跟踪处理模块。本发明通过温度检测终端以及管理云平台等模块组成，能够对红外温度检测仪检测的温度进行分析、处理，进以判断经过红外温度检测仪的人员的温度是否异常，对温度异常的人员进行行径轨迹确定，同时对行径轨迹过程中所接触的待检测人员进行追踪观察，能够准确判断与温度异常人员接触后的待检测人员的安全性，具有检测的准确性高的特点，达到对所在区域内的人员进行综合体温管理和监控的作用。

Description

一种智能体温实时监测管理系统

技术领域

本发明属于体温监测管理技术领域，涉及到一种智能体温实时监测管理系统。

背景技术

体温是重要的生命体征，脑皮质和下丘脑调节中枢，经过神经调节、体液调节来产热散热，维持体温恒定。对于病患，可能存在温度高过，特别对于具有传染性的疾病患者，一旦带有传染性的疾病患者行走在路上，随着空气的流通，很容易通过呼吸道传播到与疾病患者相接触的人群，进而患者或与患者接触的人员无法第一时间了解感染情况。

目前，通过人工筛选与温度异常人员的人员，采用人工排查，大大浪费医务人员的时间和工作量，追踪、筛选的准确性差且劳动量大，无法有效地根据体温异常人员的检测温度的位置以及行踪对可能与体温异常人员相接触的人员进行追踪监管，进而清楚地获取体温异常人员所接触的人员，另外，在室外对人员温度进行检测时，往往受到室外环境温度的干扰，导致检测的人员体温偏离真实的体温，存在的测温误差大的问题，无法准确获取人员的真实体温数值。

发明内容

本发明的目的在于提供的一种智能体温实时监测管理系统，解决了现有技术中存在的问题：无法对区域内人员的体温进行追踪管理，以判断体温是否异常，以及无法有效地筛选、追踪出与体温异常相接触的待检测人员；如何提高红外体温检测仪对体温检测的准确性。

本发明的目的可以通过以下技术方案实现：

一种智能体温实时监测管理系统，包括若干温度检测终端、环境温度采集模块、图像采集终端、图像特征识别模块、特征存储数据库、关联归类模块、管理云平台和目标跟踪处理模块；

所述温度检测终端由若干红外温度检测仪构成，若干红外温度检测仪分别安装在各预设位置坐标处，红外温度检测仪用于实时检测红外温度检测仪前方是否有人，若有人，红外温度检测仪对经过的人员进行温度检测，并将检测的经过人员的温度以及该红外温度检测仪对应的预设编号发送至温度分析筛选模块，同时，触发图像采集模块进行工作；

所述环境温度采集模块为温度传感器，用于实时检测环境中的温度，并将检测的环境中的温度数值发送至温度分析筛选模块；

所述图像采集模块，与温度检测终端相连，当红外温度检测仪检测到前方有人时，触发图像采集模块进行工作，图像采集模块采集经过红外温度检测仪前方的人员脸部图像，并将采集人员脸部图像发送至图像特征识别模块；

所述特征存储数据库用于存储所在区域内所有人员的标准图像特征，以及各人员图像特征对应的身份特征编号以及与身份特征编号相关联的人员基本信息，并存储关联归类模块发送的各人员身份特征编号经各预设编号下的红外温度检测仪时所对应的模拟温度；

所述图像特征识别模块用于接收图像采集模块发送的经过红外温度检测仪前方的人员脸部图像，对人员脸部图像进行特征提取，并将提取的人员脸部的图像特征与特征存储数据库中各人员的标准图像特征进行对比，筛选出各人员的标准图像特征与采集图像中的人员脸部图像特征的相似度最大的标准图像特征，提取相似度最大的标准图像特征所对应的身份特征编号并发送至关联归类模块；

所述温度分析筛选模块用于接收温度检测终端发送的经过人员的温度以及检测该温度的红外温度检测仪的预设编号，并接收环境温度采集模块发送的该预设编号所对应的红外温度检测仪周围的环境温度，对环境温度和检测的人员的温度数值进行综合抗干扰分析，以模拟分析出人员在标准环境温度下的人体温度数值，获得模拟温度，并将模拟温度以及红外温度检测仪的预设编号发送至关联归类模块；

所述关联归类模块用于接收温度分析筛选模块发送的模拟温度、红外温度检测仪的预设编号，并接收图像特征识别模块发送的身份特征编号，对同一时间点下的红外温度检测仪的预设编号、模拟温度以及图像采集模块采集的图像所对应的身份特征编号进行关联，以获得各人员身份特征编号经过各预设编号下的红外温度检测仪时的模拟温度，并将关联归类后的人员身份特征编号、模拟温度以及检测的红外温度检测仪的预设编号分别发送至管理云平台和特征存储数据库；

所述管理云平台用于接收关联归类模块发送的模拟温度，对接收的模拟温度进行处理，并分析模拟温度异常的人员所对应的行径轨迹以及体温异常等级系数，提取模拟温度异常的人员所对应的身份特征编号，通过身份特征编号筛选出与该身份特征编号相关联的人员基本信息，提取人员基本信息中的姓名以及联系方式，通过短信方式编辑人员的温度以将该人员的温度和体温异常等级系数反馈至该人员的手机终端；

同时，管理云平台提取模拟温度高于正常体温上限值的身份特征编号以及行径轨迹，并提取红外温度检测仪检测的温度经处理后高于正常体温上限值的时间点，筛选出该模拟温度高于正常体温上限值的身份特征编号在行径轨迹的过程中经温度采集点时前后各t时间段内所检测的人员的身份特征编号，将前后各t时间段人员作为待检测人员，并将各待检测人员所对应的身份特征编号、经过的红外温度检测仪的预设编号发送至目标跟踪处理模块；且接收目标追踪处理模块发送的与模拟温度高于正常温度上限值的身份特征编号相接触的人员所对应的模拟温度，根据模拟温度进行追踪分析，若在追踪检测的过程中出现模拟温度高于正常温度上限值，则将待检测人员的基本信息发送至后台接收终端，后台接收终端用于接收模拟温度高于正常温度上限值的待检测人员基本信息并进行显示，若小于正常温度上限值，则解除对待检测人员的体温追踪观察；

所述目标追踪处理模块用于接收模拟温度高于正常温度上限值的身份特征编号在模拟温度异常的情况下所接触的待检测人员基本信息，提取与该人员基本信息相关联的身份特征编号，并从特征存储数据库中依次筛选出待检测人员的模拟温度，并反馈至管理云平台。

进一步地，所述温度分析筛选模块对检测的人员温度数值以及当下检测环境中的温度进行抗干扰分析，具体分析方法如下：

步骤H1、获取环境温度，根据环境温度筛选出各环境温度数值对人员体温的干扰系数，不同环境温度对人员的体温干扰系数不同；

步骤H2、根据体温传导公式，计算人员标准环境温度下的人体温度数值，即模拟温度，当夏季温度高于人体温度时，体温干扰系数大于0，当动机温度低于人体温度时，体温干扰系数小于0。

进一步地，所述步骤H1中构建环境温度对人员温度检测的体温干扰系数的模型确定，包括以下步骤：

P1、取样本，分别提取若干人员在室外不同温度数值下的第一检测温度，并提取该人员在25℃的室温环境下的第二检测温度；

P2、分别依次将同一人员在室外检测的第一检测温度与第二检测温度进行对比，获得温度变化差Δtw_j，Δtw_j表示为第j个人员在第w个温度下的第一检测温度与在25℃的室温下的第二检测温度间的差值，j＝1,2,...,R,R表示为检测的人员数量；

P3、删除R个检测人员中的温度变化差最大数值和最小数值，对剩余的R-2个检测人员中的温度变化差进行求平均

表示为剔除温度变化差最大数值和最小数值所剩余的同一室外温度下的温度变化差累计和；

P4、不同室外温度数值下的体温干扰系数

w表示为室外温度，δ_w表示为室外温度w对人员温度的体温干扰系数。

进一步地，所述体温传导公式W_模＝W_w测(1-δ_w)，W_模表示为检测人员在标准环境温度下的真实体温数值，W_w测表示为在室外温度w下检测的人员体温数值，δ_w表示为室外温度w对人员温度的体温干扰系数

进一步地，所述管理云平台对模拟温度异常人员所对应的行径轨迹进行判断，包括以下步骤：

步骤V1、提取模拟温度，并将模拟温度与正常体温上限值进行对比，若大于正常体温上限值，则执行步骤V2；

步骤V2、获得异常温度差值

并将异常温度差值与设定的各体温异常等级系数所对应的异常温度差值范围进行对比，确定体温异常等级系数，

表示为人员对应的模拟温度与正常体温上限值间的差值，W_模表示为人员对应的模拟温度，W′_上限表示为正常体温上限值；

步骤V3、判断该人员的体温异常等级系数是否大于设定的系数阈值，若大于设定的系数阈值，则提取体温异常等级系数大于预设的系数阈值的人员的前G1次和后G2次的模拟温度，执行步骤V4，若小于设定的系数阈值，则执行步骤V5；

步骤V4、依次获取模拟温度异常人员在温度异常前G1次和温度异常后G2次经红外温度检测仪的预设编号，G1＞1，并提取各红外温度检测仪的预设编号所对应的位置坐标，其中，G1是固定的次数数值，G2等于温度异常人员在温度异常过程中经过的红外温度检测仪的次数；

步骤V5、依次获取模拟温度异常人员在温度异常后G2次经红外温度检测仪的预设编号，并提取各红外温度检测仪的预设编号所对应的位置坐标；

步骤V6、将依次经过的红外温度检测仪的预设编号所对应的位置坐标导入至地图上，并将位置坐标进行连线，构成模拟温度异常人员所经历的行径轨迹。

进一步地，所述管理云平台将与模拟温度高于正常体温上限值的身份特征编号相接触的待检测人员进行追踪分析，具体分析方法，如下：

步骤Q1、获取待检测人员经过各红外温度检测仪时的时间点；

步骤Q2、提取该时间点在前后各t时间段是否存在的模拟温度高于正常体温上限值的人员，若有，则执行步骤Q3；

步骤Q3、依次获取该检测人员在经该红外温度检测仪后所继续经过的H次红外温度检测仪时的模拟温度以及对应的时间点，提取经d次红外温度检测仪时的模拟温度；

步骤Q4、经d次红外温度检测仪时的模拟温度与正常温度上限值进行对比，若小于正常温度上限值，判断经当前红外温度检测仪的时间点所对应的前后各t时间段内是否存在模拟温度高于正常体温上限值的人员，若不存在，执行步骤Q5，若存在模拟温度高于正常体温上限值的人员，则提取当前经过的红外温度检测仪的时间点，重复执行步骤Q2-Q5；

步骤Q5、将d的数值加1，并判断d是否等于H,若不等于H，则执行步骤Q4，直至d等于H，解除待检测人员的追踪。

本发明的有益效果：

本发明提供的一种智能体温实时监测管理系统，通过温度检测终端以及管理云平台等模块组成，能够对红外温度检测仪检测的温度进行分析、处理，进以判断经过红外温度检测仪的人员的温度是否异常，对温度异常的人员进行行径轨迹确定，同时对行径轨迹过程中所接触的待检测人员进行追踪观察，能够准确判断与温度异常人员接触后的待检测人员的安全性，达到对所在区域内的所有人员进行综合体温管理和追踪监控的作用，便于追踪易传染疾病的扩散范围。

通过温度分析模块对红外温度检测仪检测的温度以及红外温度检测仪周围的环境温度进行综合分析，判断环境中的温度对红外温度检测仪检测的温度的干扰系数，并根据环境中的温度对体温检测的干扰系数统计出标准环境下的真实体温数值，减少环境温度对检测体温准确性的影响，提高了室外体温检测的准确性。

本发明管理云平台通过对异常人员的模拟温度进行异常温度差值处理，并根据异常温度差值筛选出体温异常等级系数，进而根据经体温异常等级系数确定提取的红外温度检测仪的次数，以形成行径轨迹，能够满足不同体温异常等级系数下所筛选的温度检测系数，能够有效地模拟出运动轨迹，对异常人员的运动区域和范围能够准确进行确定，为后期对于异常体温人员的相接触的待检测人员进行有效且准确地追踪，提高检测筛选的范围，且大大降低对待检测人员追踪的遗漏，另外，管理云平台通过对与模拟温度高于正常体温上限值的身份特征编号相接触的待检测人员进行追踪分析，能够有效判断与模拟温度高于正常温度上限值的人员相接触的待检测人员的感染风险程度，经追踪观察后，待检测人员的温度持续正常，表明待检测人员不存在感染的可能性，该追踪分析方法，结合待检测人员的运动轨迹以及与之接触的人员进行分析判断，提高了筛选效率。

具体实施方式

下面将结合本发明实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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它实施例，都属于本发明保护的范围。

一种智能体温实时监测管理系统，包括若干温度检测终端、环境温度采集模块、图像采集终端、图像特征识别模块、特征存储数据库、关联归类模块、管理云平台和目标跟踪处理模块。

温度检测终端由若干红外温度检测仪构成，若干红外温度检测仪分别安装在各预设位置坐标处，红外温度检测仪用于实时检测红外温度检测仪前方是否有人，若有人，红外温度检测仪对经过的人员进行温度检测，并将检测的经过人员的温度以及该红外温度检测仪对应的预设编号发送至温度分析筛选模块，同时，触发图像采集模块进行工作。

每个红外温度检测仪对应一预设编号，分别为D1,D2,...,Dk，每个预设编号均对应一预设的位置坐标。

环境温度采集模块为温度传感器，安装在红外温度检测仪上，用于实时检测环境中的温度，并将检测的环境中的温度数值发送至温度分析筛选模块，安装在红外温度检测仪上的温度传感器的编号与该红外温度检测仪上的预设编号相同。

图像采集模块，与温度检测终端相连，当红外温度检测仪检测到前方有人时，触发图像采集模块进行工作，图像采集模块采集经过红外温度检测仪前方的人员脸部图像，并将采集人员脸部图像发送至图像特征识别模块。

特征存储数据库用于存储所在区域内所有人员的标准图像特征，以及各人员图像特征对应的身份特征编号以及与身份特征编号相关联的人员基本信息，每个人员的身份特征编号均不相同，人员基本信息包括姓名、联系方式、家庭住址等，并存储关联归类模块发送的各人员身份特征编号经各预设编号下的红外温度检测仪时所对应的模拟温度。

图像特征识别模块用于接收图像采集模块发送的经过红外温度检测仪前方的人员脸部图像，对人员脸部图像进行特征提取，并将提取的人员脸部的图像特征与特征存储数据库中各人员的标准图像特征进行对比，筛选出各人员的标准图像特征与采集图像中的人员脸部图像特征的相似度最大的标准图像特征，提取相似度最大的标准图像特征所对应的身份特征编号并发送至关联归类模块。

温度分析筛选模块用于接收温度检测终端发送的经过人员的温度以及检测该温度的红外温度检测仪的预设编号，并接收环境温度采集模块发送的该预设编号所对应的红外温度检测仪周围的环境温度，对环境温度和检测的人员的温度数值进行综合抗干扰分析，以模拟分析出人员在标准环境温度下的人体温度数值，获得模拟温度，以降低环境温度对人体温度动态变化的干扰，提高了人体温度检测的准确性，并将模拟温度以及红外温度检测仪的预设编号发送至关联归类模块；

其中，温度分析筛选模块对检测的人员温度数值以及当下检测环境中的温度进行抗干扰分析，具体分析方法如下：

步骤H1、获取环境温度，根据环境温度筛选出各环境温度数值对人员体温的干扰系数，不同环境温度对人员的体温干扰系数不同，其中，构建环境温度对人员温度检测的体温干扰系数的模型确定，包括以下步骤：

P1、取样本，分别提取若干人员在室外不同温度数值下的第一检测温度，并提取该人员在25℃的室温环境下的第二检测温度；

P2、分别依次将同一人员在室外检测的第一检测温度与第二检测温度进行对比，获得温度变化差Δtw_j，Δtw_j表示为第j个人员在第w个温度下的第一检测温度与在25℃的室温下的第二检测温度间的差值，j＝1,2,...,R,R表示为检测的人员数量；

P3、删除R个检测人员中的温度变化差最大数值和最小数值，对剩余的R-2个检测人员中的温度变化差进行求平均

表示为剔除温度变化差最大数值和最小数值所剩余的同一室外温度下的温度变化差累计和；

P4、不同室外温度数值下的体温干扰系数

w表示为室外温度，δ_w表示为室外温度w对人员温度的体温干扰系数。

步骤H2、根据体温传导公式W_模＝W_w测(1-δ_w)，计算人员标准环境温度(25℃)下的人体温度数值，即模拟温度，当夏季温度高于人体温度时，体温干扰系数大于0，当动机温度低于人体温度时，体温干扰系数小于0，W_模表示为检测人员在标准环境温度下的真实体温数值，W_w测表示为在室外温度w下检测的人员体温数值，δ_w表示为室外温度w对人员温度的体温干扰系数，通过体温传导公式，在排除环境温度的干扰下，反向推到待检测人员的真实体温，减少环境温度对检测体温准确性的影响，提高了室外体温检测的准确性。

通过对检测的人员温度数值进行环境温度干扰分析，以降低环境温度对人体温度的影响，提高了人体温度检测的准确性。

关联归类模块用于接收温度分析筛选模块发送的模拟温度、红外温度检测仪的预设编号，并接收图像特征识别模块发送的身份特征编号，对同一时间点下的红外温度检测仪的预设编号、模拟温度以及图像采集模块采集的图像所对应的身份特征编号进行关联，以获得各人员身份特征编号经过各预设编号下的红外温度检测仪时的模拟温度，并将关联归类后的人员身份特征编号、模拟温度以及检测的红外温度检测仪的预设编号分别发送至管理云平台和特征存储数据库。

管理云平台用于接收关联归类模块发送的模拟温度，对接收的模拟温度进行处理，并分析模拟温度异常的人员所对应的行径轨迹以及体温异常等级系数，提取模拟温度异常的人员所对应的身份特征编号，通过身份特征编号筛选出与该身份特征编号相关联的人员基本信息，提取人员基本信息中的姓名以及联系方式，通过短信方式编辑人员的温度以将该人员的温度和体温异常等级系数反馈至该人员的手机终端，便于人员第一时间了解自身的温度情况，并提供降温指导意见；

其中，管理云平台对模拟温度异常人员所对应的行径轨迹进行判断，包括以下步骤：

步骤V1、提取模拟温度，并将模拟温度与正常体温上限值进行对比，若大于正常体温上限值，则执行步骤V2；

步骤V2、获得异常温度差值

并将异常温度差值与设定的各体温异常等级系数所对应的异常温度差值范围进行对比，确定体温异常等级系数，

表示为人员对应的模拟温度与正常体温上限值间的差值，W_模表示为人员对应的模拟温度，W′_上限表示为正常体温上限值，体温异常等级系数越大，对应的异常温度差值范围越大；

步骤V3、判断该人员的体温异常等级系数是否大于设定的系数阈值，若大于设定的系数阈值，则提取体温异常等级系数大于预设的系数阈值的人员的前G1次和后G2次的模拟温度，执行步骤V4，若小于设定的系数阈值，则执行步骤V5；

步骤V4、依次获取模拟温度异常人员在温度异常前G1次(G1＞1)和温度异常后G2次经红外温度检测仪的预设编号，并提取各红外温度检测仪的预设编号所对应的位置坐标，其中，G1是固定的次数数值，G2等于温度异常人员在温度异常过程中经过的红外温度检测仪的次数；

步骤V5、依次获取模拟温度异常人员在温度异常后G2次经红外温度检测仪的预设编号，并提取各红外温度检测仪的预设编号所对应的位置坐标；

步骤V6、将依次经过的红外温度检测仪的预设编号所对应的位置坐标导入至地图上，并将位置坐标进行连线，构成模拟温度异常人员所经历的行径轨迹。

通过对异常人员的模拟温度进行异常温度差值处理，并根据异常温度差值筛选出体温异常等级系数，进而根据经体温异常等级系数确定提取的红外温度检测仪的次数，以形成行径轨迹，能够满足不同体温异常等级系数下所筛选的温度检测系数，能够有效地模拟出运动轨迹，对异常人员的运动区域和范围能够准确进行确定，实现体温异常等级系数越高，运动轨迹的检测范围越大，为后期对于异常体温人员的相接触的待检测人员进行有效且准确地追踪，提高检测筛选的范围，且大大降低对待检测人员追踪的遗漏。

同时，管理云平台提取模拟温度高于正常体温上限值的身份特征编号以及行径轨迹，并提取红外温度检测仪检测的温度经处理后高于正常体温上限值的时间点，筛选出该模拟温度高于正常体温上限值的身份特征编号在行径轨迹的过程中经温度采集点时前后各t时间段内所检测的人员的身份特征编号，将前后各t时间段人员作为待检测人员，并将各待检测人员所对应的身份特征编号、经过的红外温度检测仪的预设编号发送至目标跟踪处理模块；且接收目标追踪处理模块发送的与模拟温度高于正常温度上限值的身份特征编号相接触的人员所对应的模拟温度，根据模拟温度进行追踪分析，若在追踪检测的过程中出现模拟温度高于正常温度上限值，则将待检测人员的基本信息发送至后台接收终端，后台接收终端用于接收模拟温度高于正常温度上限值的待检测人员基本信息并进行显示，若小于正常温度上限值，则解除对待检测人员的体温追踪观察。

其中，管理云平台将与模拟温度高于正常体温上限值的身份特征编号相接触的待检测人员进行追踪分析，具体分析方法，如下：

步骤Q1、获取待检测人员经过各红外温度检测仪时的时间点；

步骤Q2、提取该时间点在前后各t时间段是否存在的模拟温度高于正常体温上限值的人员，若有，则执行步骤Q3；

步骤Q3、依次获取该检测人员在经该红外温度检测仪后所继续经过的H次红外温度检测仪时的模拟温度以及对应的时间点，提取经d次红外温度检测仪时的模拟温度；

步骤Q4、经d次红外温度检测仪时的模拟温度与正常温度上限值进行对比，若小于正常温度上限值，判断经当前红外温度检测仪的时间点所对应的前后各t时间段内是否存在模拟温度高于正常体温上限值的人员，若不存在，执行步骤Q5，若存在模拟温度高于正常体温上限值的人员，则提取当前经过的红外温度检测仪的时间点，重复执行步骤Q2-Q5；

步骤Q5、将d的数值加1，并判断d是否等于H,若不等于H，则执行步骤Q4，直至d等于H，解除待检测人员的追踪。

通过对经模拟温度高于正常温度上限值的人员前后t时间段内的人员进行追踪，能够有效判断与模拟温度高于正常温度上限值的人员相接触的待检测人员的感染风险程度，一旦经过一系列的追踪观察，待检测人员的温度持续正常，表明待检测人员不存在感染的可能性，该追踪分析方法，结合待检测人员的运动轨迹以及与之接触的人员进行分析判断，提高了筛选效率。

目标追踪处理模块用于接收模拟温度高于正常温度上限值的身份特征编号在模拟温度异常的情况下所接触的待检测人员基本信息，提取与该人员基本信息相关联的身份特征编号，并从特征存储数据库中依次筛选出待检测人员的模拟温度，并反馈至管理云平台，实现与温度异常人员接触后的追踪观察。

以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的构思或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (6)

1.一种智能体温实时监测管理系统，其特征在于：包括若干温度检测终端、环境温度采集模块、图像采集终端、图像特征识别模块、特征存储数据库、关联归类模块、管理云平台和目标跟踪处理模块；

所述温度检测终端由若干红外温度检测仪构成，若干红外温度检测仪分别安装在各预设位置坐标处，红外温度检测仪用于实时检测红外温度检测仪前方是否有人，若有人，红外温度检测仪对经过的人员进行温度检测，并将检测的经过人员的温度以及该红外温度检测仪对应的预设编号发送至温度分析筛选模块，同时，触发图像采集模块进行工作；

所述环境温度采集模块为温度传感器，用于实时检测环境中的温度，并将检测的环境中的温度数值发送至温度分析筛选模块；

所述图像采集模块，与温度检测终端相连，当红外温度检测仪检测到前方有人时，触发图像采集模块进行工作，图像采集模块采集经过红外温度检测仪前方的人员脸部图像，并将采集人员脸部图像发送至图像特征识别模块；

所述特征存储数据库用于存储所在区域内所有人员的标准图像特征，以及各人员图像特征对应的身份特征编号以及与身份特征编号相关联的人员基本信息，并存储关联归类模块发送的各人员身份特征编号经各预设编号下的红外温度检测仪时所对应的模拟温度；

所述图像特征识别模块用于接收图像采集模块发送的经过红外温度检测仪前方的人员脸部图像，对人员脸部图像进行特征提取，并将提取的人员脸部的图像特征与特征存储数据库中各人员的标准图像特征进行对比，筛选出各人员的标准图像特征与采集图像中的人员脸部图像特征的相似度最大的标准图像特征，提取相似度最大的标准图像特征所对应的身份特征编号并发送至关联归类模块；

所述温度分析筛选模块用于接收温度检测终端发送的经过人员的温度以及检测该温度的红外温度检测仪的预设编号，并接收环境温度采集模块发送的该预设编号所对应的红外温度检测仪周围的环境温度，对环境温度和检测的人员的温度数值进行综合抗干扰分析，以模拟分析出人员在标准环境温度下的人体温度数值，获得模拟温度，并将模拟温度以及红外温度检测仪的预设编号发送至关联归类模块；

所述关联归类模块用于接收温度分析筛选模块发送的模拟温度、红外温度检测仪的预设编号，并接收图像特征识别模块发送的身份特征编号，对同一时间点下的红外温度检测仪的预设编号、模拟温度以及图像采集模块采集的图像所对应的身份特征编号进行关联，以获得各人员身份特征编号经过各预设编号下的红外温度检测仪时的模拟温度，并将关联归类后的人员身份特征编号、模拟温度以及检测的红外温度检测仪的预设编号分别发送至管理云平台和特征存储数据库；

所述管理云平台用于接收关联归类模块发送的模拟温度，对接收的模拟温度进行处理，并分析模拟温度异常的人员所对应的行径轨迹以及体温异常等级系数，提取模拟温度异常的人员所对应的身份特征编号，通过身份特征编号筛选出与该身份特征编号相关联的人员基本信息，提取人员基本信息中的姓名以及联系方式，通过短信方式编辑人员的温度以将该人员的温度和体温异常等级系数反馈至该人员的手机终端；

同时，管理云平台提取模拟温度高于正常体温上限值的身份特征编号以及行径轨迹，并提取红外温度检测仪检测的温度经处理后高于正常体温上限值的时间点，筛选出该模拟温度高于正常体温上限值的身份特征编号在行径轨迹的过程中经温度采集点时前后各t时间段内所检测的人员的身份特征编号，将前后各t时间段人员作为待检测人员，并将各待检测人员所对应的身份特征编号、经过的红外温度检测仪的预设编号发送至目标跟踪处理模块；且接收目标追踪处理模块发送的与模拟温度高于正常温度上限值的身份特征编号相接触的人员所对应的模拟温度，根据模拟温度进行追踪分析，若在追踪检测的过程中出现模拟温度高于正常温度上限值，则将待检测人员的基本信息发送至后台接收终端，后台接收终端用于接收模拟温度高于正常温度上限值的待检测人员基本信息并进行显示，若小于正常温度上限值，则解除对待检测人员的体温追踪观察；

所述目标追踪处理模块用于接收模拟温度高于正常温度上限值的身份特征编号在模拟温度异常的情况下所接触的待检测人员基本信息，提取与该人员基本信息相关联的身份特征编号，并从特征存储数据库中依次筛选出待检测人员的模拟温度，并反馈至管理云平台。

2.根据权利要求1所述的一种智能体温实时监测管理系统，其特征在于：所述温度分析筛选模块对检测的人员温度数值以及当下检测环境中的温度进行抗干扰分析，具体分析方法如下：

步骤H1、获取环境温度，根据环境温度筛选出各环境温度数值对人员体温的干扰系数，不同环境温度对人员的体温干扰系数不同；

步骤H2、根据体温传导公式，计算人员标准环境温度下的人体温度数值，即模拟温度，当夏季温度高于人体温度时，体温干扰系数大于0，当动机温度低于人体温度时，体温干扰系数小于0。

3.根据权利要求2所述的一种智能体温实时监测管理系统，其特征在于：所述步骤H1中构建环境温度对人员温度检测的体温干扰系数的模型确定，包括以下步骤：

P1、取样本，分别提取若干人员在室外不同温度数值下的第一检测温度，并提取该人员在25℃的室温环境下的第二检测温度；

P2、分别依次将同一人员在室外检测的第一检测温度与第二检测温度进行对比，获得温度变化差Δtw_j，Δtw_j表示为第j个人员在第w个温度下的第一检测温度与在25℃的室温下的第二检测温度间的差值，j＝1,2,...,R,R表示为检测的人员数量；

P3、删除R个检测人员中的温度变化差最大数值和最小数值，对剩余的R-2个检测人员中的温度变化差进行求平均

表示为剔除温度变化差最大数值和最小数值所剩余的同一室外温度下的温度变化差累计和；

P4、不同室外温度数值下的体温干扰系数

w表示为室外温度，δ_w表示为室外温度w对人员温度的体温干扰系数。

4.根据权利要求3所述的一种智能体温实时监测管理系统，其特征在于：所述体温传导公式W_模＝W_w测(1-δ_w)，W_模表示为检测人员在标准环境温度下的真实体温数值，W_w测表示为在室外温度w下检测的人员体温数值，δ_w表示为室外温度w对人员温度的体温干扰系数

5.根据权利要求1所述的一种智能体温实时监测管理系统，其特征在于：所述管理云平台对模拟温度异常人员所对应的行径轨迹进行判断，包括以下步骤：

步骤V1、提取模拟温度，并将模拟温度与正常体温上限值进行对比，若大于正常体温上限值，则执行步骤V2；

步骤V2、获得异常温度差值

并将异常温度差值与设定的各体温异常等级系数所对应的异常温度差值范围进行对比，确定体温异常等级系数，

表示为人员对应的模拟温度与正常体温上限值间的差值，W_模表示为人员对应的模拟温度，W′_上限表示为正常体温上限值；

步骤V3、判断该人员的体温异常等级系数是否大于设定的系数阈值，若大于设定的系数阈值，则提取体温异常等级系数大于预设的系数阈值的人员的前G1次和后G2次的模拟温度，执行步骤V4，若小于设定的系数阈值，则执行步骤V5；

步骤V4、依次获取模拟温度异常人员在温度异常前G1次和温度异常后G2次经红外温度检测仪的预设编号，G1＞1，并提取各红外温度检测仪的预设编号所对应的位置坐标，其中，G1是固定的次数数值，G2等于温度异常人员在温度异常过程中经过的红外温度检测仪的次数；

步骤V5、依次获取模拟温度异常人员在温度异常后G2次经红外温度检测仪的预设编号，并提取各红外温度检测仪的预设编号所对应的位置坐标；

步骤V6、将依次经过的红外温度检测仪的预设编号所对应的位置坐标导入至地图上，并将位置坐标进行连线，构成模拟温度异常人员所经历的行径轨迹。

6.根据权利要求1所述的一种智能体温实时监测管理系统，其特征在于：所述管理云平台将与模拟温度高于正常体温上限值的身份特征编号相接触的待检测人员进行追踪分析，具体分析方法，如下：

步骤Q1、获取待检测人员经过各红外温度检测仪时的时间点；

步骤Q2、提取该时间点在前后各t时间段是否存在的模拟温度高于正常体温上限值的人员，若有，则执行步骤Q3；

步骤Q3、依次获取该检测人员在经该红外温度检测仪后所继续经过的H次红外温度检测仪时的模拟温度以及对应的时间点，提取经d次红外温度检测仪时的模拟温度；

步骤Q4、经d次红外温度检测仪时的模拟温度与正常温度上限值进行对比，若小于正常温度上限值，判断经当前红外温度检测仪的时间点所对应的前后各t时间段内是否存在模拟温度高于正常体温上限值的人员，若不存在，执行步骤Q5，若存在模拟温度高于正常体温上限值的人员，则提取当前经过的红外温度检测仪的时间点，重复执行步骤Q2-Q5；

步骤Q5、将d的数值加1，并判断d是否等于H,若不等于H，则执行步骤Q4，直至d等于H，解除待检测人员的追踪。