CN111968163B - 一种热电堆阵列测温方法及装置 - Google Patents

一种热电堆阵列测温方法及装置 Download PDF

Info

Publication number
CN111968163B
CN111968163B CN202010820315.6A CN202010820315A CN111968163B CN 111968163 B CN111968163 B CN 111968163B CN 202010820315 A CN202010820315 A CN 202010820315A CN 111968163 B CN111968163 B CN 111968163B
Authority
CN
China
Prior art keywords
face
temperature
visible light
area
key point
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
Application number
CN202010820315.6A
Other languages
English (en)
Other versions
CN111968163A (zh
Inventor
吕梦姣
谢会斌
李聪廷
陈航锋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jinan Boguan Intelligent Technology Co Ltd
Original Assignee
Jinan Boguan Intelligent Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jinan Boguan Intelligent Technology Co Ltd filed Critical Jinan Boguan Intelligent Technology Co Ltd
Priority to CN202010820315.6A priority Critical patent/CN111968163B/zh
Publication of CN111968163A publication Critical patent/CN111968163A/zh
Application granted granted Critical
Publication of CN111968163B publication Critical patent/CN111968163B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • 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
    • 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
    • G01J5/10—Radiation pyrometry, e.g. infrared or optical thermometry using electric radiation detectors
    • G01J5/12—Radiation pyrometry, e.g. infrared or optical thermometry using electric radiation detectors using thermoelectric elements, e.g. thermocouples
    • 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
    • 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
    • G06V40/168—Feature extraction; Face representation
    • G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
    • 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
    • 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
    • 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
    • G01J2005/0092—Temperature by averaging, e.g. by scan
    • 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
    • G01J5/10—Radiation pyrometry, e.g. infrared or optical thermometry using electric radiation detectors
    • G01J5/12—Radiation pyrometry, e.g. infrared or optical thermometry using electric radiation detectors using thermoelectric elements, e.g. thermocouples
    • G01J2005/123—Thermoelectric array
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10048—Infrared image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20021—Dividing image into blocks, subimages or windows
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G06T2207/30201—Face

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Theoretical Computer Science (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Radiation Pyrometers (AREA)

Abstract

本发明公开了一种热电堆阵列测温方法及装置，由于对可见光图像进行人脸识别得到的人脸区域通常偏大于人脸，而对可见光图像进行人脸关键点定位得到的人脸关键点外接区域小于人脸，通过将人脸关键点外接区域进行一定的放大，取放大后的人脸关键点外接区域与所述人脸区域中的较小者作为人脸框区域能够使可见光图片中的人脸框区域精确地定位到人脸所在的位置，进而能够精确地定位到红外图像中人脸所在的位置，并且使人脸框区域的大小合适，避免因人脸区域偏大导致包含其他高温物体或者其他测量人员，从而导致体温检测不准确的情况发生，提升了热电堆阵列测温方法的准确性。

Description

一种热电堆阵列测温方法及装置
技术领域
本发明涉及红外测温技术领域，特别是涉及一种热电堆阵列测温方法及装置。
背景技术
随着科技的发展，传统的接触式体温测量方式由于误差较大、效率较低、容易造成人员聚集及交叉感染等缺点已逐渐被淘汰，取而代之的是基于红外热测量技术的非接触式的热电堆阵列体温检测方式。
现有技术中，通过采集可见光图像进行人脸检测，获得可见光图像中的人脸区域，再基于坐标转换算法确定人脸区域在红外图像中对应的红外人脸区域，最后对红外人脸区域进行测温，获得红外人脸区域的温度信息。但该种方法中，对可见光图像中的人脸检测会受到光照等因素影响，导致红外图像中对应的红外人脸区域偏大，可能会使得红外人脸区域包含除了人脸之外的其他高温物体或者其他测量人员，此时基于该红外人脸区域中的温度进行人体体内温度的计算会导致体温检测不准确。
发明内容
本发明的目的是提供一种热电堆阵列测温方法及装置，能够使可见光图片中的人脸框区域精确地定位到人脸所在的位置，进而能够精确地定位到红外图像中人脸所在的位置，避免因人脸区域偏大导致包含其他高温物体或者其他测量人员，从而导致体温检测不准确的情况发生，提升了热电堆阵列测温方法的准确性。
为解决上述技术问题，本发明提供了一种热电堆阵列测温方法，包括：
获取可见光相机采集的可见光图像及热电堆红外传感器采集的红外图像，并对所述可见光图像进行人脸识别得到人脸区域；
对所述可见光图像进行人脸关键点定位，得到人脸关键点外接区域；
对所述人脸关键点外接区域进行放大处理，将所述人脸区域与放大后的人脸关键点外接区域中的较小者作为所述可见光图像上的人脸框区域；
基于映射关系将所述人脸框区域映射至所述红外图像中，得到红外人脸区域；
获取所述红外人脸区域对应的初始温度数据，并基于所述初始温度数据确定人体体内温度。
优选地，对所述可见光图像进行人脸关键点定位，得到人脸关键点外接区域，包括：
通过对所述可见光图像进行人脸关键点定位，得到人脸关键点坐标；
将所述人脸关键点坐标的外接矩形框作为所述人脸关键点外接区域；
其中，所述人脸关键点包括左右眉毛的两个角点及其中心点、左右眼睛的两个角点、鼻尖点、下嘴唇的最下点。
优选地，对所述人脸关键点外接区域进行放大处理，将所述人脸区域与放大后的人脸关键点外接区域中的较小者作为所述可见光图像上的人脸框区域之前，还包括：
判断所述人脸区域是否大于所述人脸关键点外接区域；
若是，进入对所述人脸关键点外接区域进行放大处理，将所述人脸区域与放大后的人脸关键点外接区域中的较小者作为所述可见光图像上的人脸框区域的步骤。
优选地，还包括：
若所述人脸区域不大于所述人脸关键点外接区域，将所述人脸区域与放大后的人脸关键点外接区域中的较大者作为所述可见光图像上的人脸框区域。
优选地，对所述人脸关键点外接区域进行放大处理，包括：
将所述人脸关键点外接区域的左右两边各向外扩大所述人脸关键点外接区域的宽度的1/N、将所述人脸关键点外接区域的上边向上扩大所述人脸关键点外接区域的高度的1/M，得到放大后的人脸关键点外接区域，N和M均为不小于2的整数。
优选地，基于所述映射关系将所述人脸框区域映射至所述红外图像中，得到红外人脸区域之前，还包括：
将所述可见光图像的对角线两端的一个角作为第一特征点，并获得所述第一特征点在所述可见光图像中的第一坐标；
将所述红外图像上的与所述第一特征点对应的角作为第二特征点，并获得所述第二特征点在所述红外图像中的第二坐标；
将所述可见光图像的对角线的另一个角作为第三特征点，并获得所述第三特征点在所述可见光图像中的第三坐标；
将所述红外图像上的与所述第三特征点对应的角作为第四特征点，并获得所述第四特征点在所述红外图像中的第四坐标；
根据所述第一坐标及所述第二坐标、所述第三坐标及所述第四坐标确定所述可见光图像与所述红外图像的映射关系。
优选地，基于所述映射关系将所述人脸框区域映射至所述红外图像中，得到红外人脸区域之前，还包括：
将所述可见光图像和所述红外图像均分为P*P个块，P为不小于2的整数；
将人脸分别置于所述可见光图像的每一块，并分别判断人脸是否出现在所述红外图像的对应块中；
若是，进入基于映射关系将所述人脸框区域映射至所述红外图像中，得到红外人脸区域的步骤；
若否，基于所述可见光图像和所述红外图像对所述映射关系进行修正，并进入基于映射关系将所述人脸框区域映射至所述红外图像中，得到红外人脸区域的步骤。
优选地，获取所述红外人脸区域对应的初始温度数据，并基于所述初始温度数据确定人体体内温度，包括：
将所述初始温度数据代入第一关系式，得到所述人体体表温度；
所述第一关系式为人体体表温度＝所述初始温度数据/人体辐射系数；
当所述人体体表温度在TH1～TH2之间时，将所述人体体表温度代入第二关系式，得到所述人体体内温度；
所述第二关系式为Y＝(X-TH1)/(TH2-TH1)*K+B，其中，Y为所述人体体内温度，X为所述人体体表温度，K＝温度转换系数，B＝基础体内温度；
当所述人体体表温度在TH2～TH3之间时，将所述人体体表温度代入第三关系式，得到所述人体体内温度；
所述第三关系式为Y＝aX6+bX5+cX4+dX3+eX2+fX+g，其中，a＝0.00125，b＝0.0283429488，c＝2.67004808，d＝133.762569，e＝3758.41829，f＝56155.4892，g＝348548.755；所述TH1为第一温度阈值，TH2为第二温度阈值，TH3为第三温度阈值且TH1＜TH2＜TH3。
优选地，获取可见光相机采集的可见光图像，并对所述可见光图像进行人脸区域识别得到人脸区域，对所述可见光图像进行人脸关键点定位得到人脸关键点外接区域，包括：
对所述可见光图像进行人脸特征识别得到人员身份标识ID；
基于第四关系式将同一个所述人员ID的所述人体体内温度误差范围内的多次所述人体体内温度进行指数加权平均，得到最终人体体内温度；
所述第四关系式为Tempt＝β*Tempt-1+(1-β)Yt，其中，Tempt为同一个所述人员ID的所述人体体内温度误差范围内的前t次的所述人体体内温度的平均值，Yt为同一个所述人员ID的所述人体体内温度误差范围内的第t次的所述人体体内温度，β是可调节的超参。
优选地，获取所述红外人脸区域对应的初始温度数据，并基于所述初始温度数据确定人体体内温度之后，还包括：
获取当前测温者的当前瞳距参数；
基于所述当前瞳距参数和预设地瞳距与温度补偿之间的映射关系对所述人体体内温度进行校准。
优选地，获取所述红外人脸区域对应的初始温度数据，并基于所述初始温度数据确定人体体内温度之后，还包括：
获取当前环境温度；
基于所述当前环境温度和预设地环境温度与温度补偿之间的映射关系对所述人体体内温度进行校准。
为解决上述问题，本发明还提供了一种热电堆阵列测温装置，包括：
可见光相机，用于采集可见光图像；
热电堆红外传感器，用于采集红外图像；
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如上述所述热电堆阵列测温方法的步骤。
本发明提供了一种热电堆阵列测温方法，该方案中，由于对可见光图像进行人脸识别得到的人脸区域通常偏大于人脸，而对可见光图像进行人脸关键点定位得到的人脸关键点外接区域小于人脸，通过将人脸关键点外接区域进行一定的放大，取放大后的人脸关键点外接区域与所述人脸区域中的较小者作为人脸框区域能够使可见光图片中的人脸框区域精确地定位到人脸所在的位置，进而能够精确地定位到红外图像中人脸所在的位置，并且使人脸框区域的大小合适，避免因人脸区域偏大导致包含其他高温物体或者其他测量人员，从而导致体温检测不准确的情况发生，提升了热电堆阵列测温方法的准确性。
本发明还提供了一种热电堆阵列测温装置，具有与上述热电堆阵列测温方法相同的有益效果。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对现有技术和实施例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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明提供的一种热电堆阵列测温方法的过程流程图；
图2为本发明提供的人脸关键点定位示意图；
图3a为本发明提供的人脸区域示意图；
图3b为本发明提供的人脸关键点外接区域示意图；
图3c为本发明提供的人脸框区域示意图；
图4为本发明提供的另一种热电堆阵列测温方法的过程流程图；
图5a为本发明提供的可见光图像的第一坐标到红外图像的第二坐标的横坐标映射关系拟合曲线图；
图5b为本发明提供的可见光图像的第一坐标到红外图像的第二坐标的纵坐标映射关系拟合曲线图；
图5c为本发明提供的可见光图像的第三坐标到红外图像的第四坐标的横坐标映射关系拟合曲线图；
图5d为本发明提供的可见光图像的第三坐标到红外图像的第四坐标的纵坐标映射关系拟合曲线图；
图6为本发明提供的一种热电堆阵列测温装置示意图。
具体实施方式
本发明的核心是提供一种热电堆阵列测温方法，能够使可见光图片中的人脸框区域精确地定位到人脸所在的位置，进而能够精确地定位到红外图像中人脸所在的位置，避免因人脸区域偏大导致包含其他高温物体或者其他测量人员，从而导致体温检测不准确的情况发生，提升了热电堆阵列测温方法的准确性。
为使本发明实施例的目的、技术方案和优点更加清楚，下面将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，本领域普通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。
请参照图1、图2、图3a、图3b和图3c，图1为本发明提供的一种热电堆阵列测温方法的过程流程图，图2为本发明提供的人脸关键点定位示意图，图3a为本发明提供的人脸区域示意图，图3b为本发明提供的人脸关键点外接区域示意图，图3c为本发明提供的人脸框区域示意图，其中，图3a为人脸区域，图3b为人脸关键点外接区域，图3c为人脸框区域。
该方法包括：
S11：获取可见光相机采集的可见光图像及热电堆红外传感器采集的红外图像，并对可见光图像进行人脸识别得到人脸区域；
申请人考虑到，由于红外热图像的分辨率很低(如本发明中热电堆红外传感器采集到的红外热图像分辨率为32*32)，对比度小且不含纹理信息，因此，利用红外热图像进行人脸检测有较大的难度。在本实施例中，通过可见光相机采集可见光图像，对可见光图像进行人脸识别，由于可见光图像的分辨率较高且纹理信息丰富，能够轻易地检测到人脸所在的位置，获得人脸区域。
S12：对可见光图像进行人脸关键点定位，得到人脸关键点外接区域；
S13：对人脸关键点外接区域进行放大处理，将人脸区域与放大后的人脸关键点外接区域中的较小者作为可见光图像上的人脸框区域；
申请人考虑到，在实际测温场景中，会不可避免的受到光照、遮挡、人脸测温角度等影响，导致可见光图像获得的人脸区域偏大，而人脸区域偏大可能会包含除了人脸之外的其他高温物体或者其他测量人员，若将该人脸区域直接映射至红外图像，可能会因为红外人脸位置不准确导致体温检测不准确。因此，在本实施例中，在人脸识别的基础上结合了人脸关键点定位，在可见光图像上进行人脸关键点定位得到人脸关键点外接区域，并对人脸关键点外接区域进行放大处理，将人脸区域与放大后的人脸关键点外接区域中的较小者作为可见光图像上的人脸框区域，从而能够在可见光图像上准确地检测到人脸所在的位置，从而能够精确地定位到红外图像中人脸所在的位置。
需要说明的是，对可见光图像进行人脸识别得到的人脸区域通常偏大于人脸，而对可见光图像进行人脸关键点定位得到的人脸关键点外接区域小于人脸。
此外，在人脸关键点外接区域进行一定倍数的放大处理后，一般情况下仍会小于对可见光图像进行人脸识别得到的人脸区域，本申请在此不做特别的限定。
S14：基于映射关系将人脸框区域映射至红外图像中，得到红外人脸区域；
S15：获取红外人脸区域对应的初始温度数据，并基于初始温度数据确定人体体内温度。
考虑到热电堆阵列测温装置是根据红外图像中的红外人脸区域进行温度检测的，但利用红外热图像进行人脸检测有较大的难度，并且考虑到任何高于绝对零度(-273℃)的物体都能发出红外辐射能量，热电堆红外传感器能够接收被测目标的红外辐射能量，经过计算获得被测目标的温度。在本实施例中，对可见光图像进行人脸识别以及人脸关键点定位得到人脸框区域之后，基于映射关系将人脸框区域映射至红外图像中，得到红外人脸区域，并获取红外人脸区域对应的初始温度数据，基于初始温度数据确定人体体内温度。
此外，在获取到热电堆红外传感器采集到的红外图像之后，可以对红外图像进行中值滤波，将明显不符合正常测量结果的数值排除掉，例如，测温者在测温过程中突然将点燃的香烟置于人脸区域中，会导致人脸区域中局部几个点温度异常高，我们在计算人体体表温度的时候可以将其直接过滤，这样就能够消除噪声温度，从而提升了将人脸框区域映射至红外图像中得到红外人脸区域的准确性。
综上，本发明提供的一种热电堆阵列测温方法，该方案中，由于对可见光图像进行人脸识别得到的人脸区域通常偏大于人脸，而对可见光图像进行人脸关键点定位得到的人脸关键点外接区域小于人脸，通过将人脸关键点外接区域进行一定的放大，取放大后的人脸关键点外接区域与人脸区域中的较小者作为人脸框区域能够使可见光图片中的人脸框区域精确地定位到人脸所在的位置，进而能够精确地定位到红外图像中人脸所在的位置，并且使人脸框区域的大小合适，避免因人脸区域偏大导致包含其他高温物体或者其他测量人员，从而导致体温检测不准确的情况发生，提升了热电堆阵列测温方法的准确性。
请参照图4，图4为本发明提供的另一种热电堆阵列测温方法的过程流程图。
在上述实施例的基础上：
作为一种优选地实施例，对可见光图像进行人脸关键点定位，得到人脸关键点外接区域，包括：
通过对可见光图像进行人脸关键点定位，得到人脸关键点坐标；
将人脸关键点坐标的外接矩形框作为人脸关键点外接区域；
其中，人脸关键点包括左右眉毛的两个角点及其中心点、左右眼睛的两个角点、鼻尖点、下嘴唇的最下点。
为了提高在复杂场景下对可见光图像上进行人脸检测的准确性，本实施例中，通过对可见光图像进行人脸关键点定位，得到人脸关键点坐标，并将人脸关键点坐标的外接矩形框作为人脸关键点外接区域，其中，人脸关键点包括左右眉毛的两个角点及其中心点、左右眼睛的两个角点、鼻尖点、下嘴唇的最下点。通过采用人脸关键点对可见光图像进行人脸关键点定位的方式得到人脸关键点坐标，能够提高在复杂场景下对可见光图像上进行人脸检测的准确性。
需要说明的是，人脸关键点包括但不仅限于左右眉毛的两个角点及其中心点、左右眼睛的两个角点、下嘴唇的最下点。也可以通过采用26个人脸关键点对可见光图像进行人脸关键点定位的方式得到人脸关键点坐标，其中，26个人脸关键点包括左右眉毛的两个角点及其中心点、左右眼睛的两个角点、上下眼皮中心点以及眼睛中心点、鼻尖点、鼻顶点、两个鼻翼点、鼻中隔点、嘴巴的两个角点、嘴巴中心点、上嘴唇的最上点和下嘴唇的最下点。本申请在此不做特别的限定。
作为一种优选地实施例，对人脸关键点外接区域进行放大处理，将人脸区域与放大后的人脸关键点外接区域中的较小者作为可见光图像上的人脸框区域之前，还包括：
S121：判断人脸区域是否大于人脸关键点外接区域；
若是，进入S13步骤。
考虑到对可见光图像进行人脸识别得到的人脸区域通常都大于通过对可见光图像进行人脸关键点定位得到的人脸关键点外接区域，但极特殊情况下可能会发生通过人脸识别获取的人脸区域过小且小于人脸关键点外接区域的情况。为保证体温检测的准确性，在本实施例中，首先对人脸区域是否大于人脸关键点外接区域进行判断，若是，再对人脸关键点外接区域进行放大处理，将人脸区域与放大后的人脸关键点外接区域中的较小者作为可见光图像上的人脸框区域，能够使可见光图片中的人脸框区域精确地定位到人脸所在的位置，并且使人脸框区域的大小合适，避免了因人脸区域偏大导致包含其他高温物体或者其他测量人员，从而导致体温检测不准确的情况发生，提升了热电堆阵列测温方法的准确性。
作为一种优选地实施例，还包括：
S131：若人脸区域不大于人脸关键点外接区域，将人脸区域与放大后的人脸关键点外接区域中的较大者作为可见光图像上的人脸框区域。
考虑到在极特殊情况下会发生通过人脸识别得到的人脸区域过小的情况，此时人脸关键点外接区域会大于人脸区域，为了更准确地检测到可见光图像上的人脸框区域，在本实施例中，判断人脸区域是否大于人脸关键点外接区域，若人脸区域不大于人脸关键点外接区域，将人脸区域与放大后的人脸关键点外接区域中的较大者作为可见光图像上的人脸框区域，这样避免了在极特殊情况下进行人脸检测得到的人脸区域过小，导致未包含人脸的情况发生。
作为一种优选地实施例，对人脸关键点外接区域进行放大处理，包括：
将人脸关键点外接区域的左右两边各向外扩大人脸关键点外接区域的宽度的1/N、将人脸关键点外接区域的上边向上扩大人脸关键点外接区域的高度的1/M，得到放大后的人脸关键点外接区域，N和M均为不小于2的整数。
考虑到对人脸关键点定位时，人脸关键点外接区域的上边基于左右眉毛的两个角点及其中心点得到，因此，人脸关键点外接区域几乎不包含额头部分，而红外测温主要是通过获得额头温度来计算人体体内温度，并且为了人脸框区域尽可能包含整个人脸，需要设定合适的放大倍数对人脸关键点外接区域进行放大处理。
本实施例中，具体地，将人脸关键点外接区域的左右两边各向外扩大人脸关键点外接区域的宽度的1/N、将人脸关键点外接区域的上边向上扩大人脸关键点外接区域的高度的1/M，得到放大后的人脸关键点外接区域，N和M均为不小于2的整数。例如，将人脸关键点外接区域的左右两边各向外扩大人脸关键点外接区域的宽度的1/3、将人脸关键点外接区域的上边向上扩大人脸关键点外接区域的高度的1/3，此时，放大后的人脸关键点外接区域的的宽度是原关键点外接区域的宽度的5/3倍，放大后的人脸关键点外接区域的的高度是原关键点外接区域的高度的4/3倍。
可见，通过将人脸关键点外接区域的上边向上扩大合适的放大倍数、将人脸关键点外接区域的左右两边各向外扩大合适的放大倍数得到人脸框区域，能够使人脸框区域尽可能包含整个人脸，特别是人脸的额头部分，然后进行后续的测温步骤，能够提升热电堆阵列测温方法的准确性。
需要说明的是，这里的N和M均为不小于2的整数，但在实际应用中，N和M一般选取不小于2不大于8的整数，且N和M可以取相同的数值。
此外，对人脸关键点外接区域进行放大处理的方式不仅限为将人脸关键点外接区域的左右两边各向外扩大人脸关键点外接区域的宽度的1/N、将人脸关键点外接区域的上边向上扩大人脸关键点外接区域的高度的1/M，得到放大后的人脸关键点外接区域，N和M均为不小于2的整数，也可以采用其他方式对人脸关键点外接区域进行放大处理，本申请在此不做特别的限定。
作为一种优选地实施例，基于映射关系将人脸框区域映射至红外图像中，得到红外人脸区域之前，还包括：
将可见光图像的对角线两端的一个角作为第一特征点，并获得第一特征点在可见光图像中的第一坐标；
将红外图像上的与第一特征点对应的角作为第二特征点，并获得第二特征点在红外图像中的第二坐标；
将可见光图像的对角线的另一个角作为第三特征点，并获得第三特征点在可见光图像中的第三坐标；
将红外图像上的与第三特征点对应的角作为第四特征点，并获得第四特征点在红外图像中的第四坐标；
根据第一坐标及第二坐标、第三坐标及第四坐标确定可见光图像与红外图像的映射关系。
由于可见光相机采集的可见光图像及热电堆红外传感器采集的红外图像是一一对应的，所以红外图像中的红外人脸区域与可见光图像中的人脸区域存在对应关系，为了准确地确定当前红外图像中的红外人脸区域，本实施例中，通过对可见光图像中的坐标点以及与其对应的红外图像的坐标点进行拟合，从而确定映射关系。
请参照图5a、图5b、图5c及图5d，图5a为本发明提供的可见光图像的第一坐标到红外图像的第二坐标的横坐标映射关系拟合曲线图，其中，图5a中的横坐标轴表示可见光图像中第一坐标的横坐标，纵坐标轴表示红外图像中第二坐标的横坐标；图5b为本发明提供的可见光图像的第一坐标到红外图像的第二坐标的纵坐标映射关系拟合曲线图，其中，图5b中的横坐标轴表示可见光图像中第一坐标的纵坐标，纵坐标轴表示红外图像中第二坐标的纵坐标；图5c为本发明提供的可见光图像的第三坐标到红外图像的第四坐标的横坐标映射关系拟合曲线图，其中，图5c中的横坐标轴表示可见光图像中第三坐标的横坐标，纵坐标轴表示红外图像中第四坐标的横坐标；图5d为本发明提供的可见光图像的第三坐标到红外图像的第四坐标的纵坐标映射关系拟合曲线图，其中，图5d中的横坐标轴表示可见光图像中第三坐标的纵坐标，纵坐标轴表示红外图像中第四坐标的纵坐标。
具体地，将可见光图像的对角线两端的一个角作为第一特征点，并获得第一特征点在可见光图像中的第一坐标(x0，y0)，将红外图像上的与第一特征点对应的角作为第二特征点，并获得第二特征点在红外图像中的第二坐标(x0’，y0’)；将可见光图像的对角线的另一个角作为第三特征点，并获得第三特征点在可见光图像中的第三坐标(x1，y1)，将红外图像上的与第三特征点对应的角作为第四特征点，并获得第四特征点在红外图像中的第四坐标(x1’，y1’)；然后，根据第一坐标(x0，y0)及第二坐标(x0’，y0’)、第三坐标(x1，y1)及第四坐标(x1’，y1’)确定可见光图像与红外图像的映射关系。
可见，通过对可见光图像中的坐标点以及与其对应的红外图像的坐标点进行拟合，从而确定映射关系，可以准确地确定当前红外图像中的红外人脸区域。
需要说明的是，在实际拟合过程中，会获得多个可见光图像以及与可见光图像对应的多个红外图像，基于本实施例提供的拟合方法进行特征点选取、拟合以及确定映射关系。
作为一种优选地实施例，基于映射关系将人脸框区域映射至红外图像中，得到红外人脸区域之前，还包括：
将可见光图像和红外图像均分为P*P个块，P为不小于2的整数；
将人脸分别置于可见光图像的每一块，并分别判断人脸是否出现在红外图像的对应块中；
若是，进入S14步骤；
若否，基于可见光图像和红外图像对映射关系进行修正，并进入S14步骤。
为了避免热电堆红外传感器采集的红外图像与可见光相机采集的可见光图像不是正对应的情况，例如热电堆红外传感器采集的红外图像与可见光相机采集的可见光图像是镜像或旋转了一定角度的关系，这种情况会导致基于映射关系将人脸框区域映射至红外图像中时，得到错误的红外人脸区域。
本实施例中，在获取热电堆红外传感器采集的红外图像之后，将可见光图像和红外图像均分为P*P个块，P为不小于2的整数，然后将人脸分别置于可见光图像的每一块，并分别判断人脸是否出现在红外图像的对应块中，若人脸出现在红外图像的对应块中，则表明热电堆红外传感器采集的红外图像与可见光相机采集的可见光图像呈正对应，此时，进入基于映射关系将人脸框区域映射至红外图像中，得到红外人脸区域的步骤；若人脸未出现在红外图像的对应块中，则表明热电堆红外传感器采集的红外图像与可见光相机采集的可见光图像不呈正对应，此时，基于可见光图像和红外图像对映射关系进行修正，并进入基于映射关系将人脸框区域映射至红外图像中，得到红外人脸区域的步骤。
该种方式避免了热电堆红外传感器采集的红外图像与可见光相机采集的可见光图像不是正对应的情况，能够保证基于映射关系将人脸框区域映射至红外图像中时，得到正确的红外人脸区域。
作为一种优选地实施例，获取红外人脸区域对应的初始温度数据，并基于初始温度数据确定人体体内温度，包括：
将初始温度数据代入第一关系式，得到人体体表温度；
第一关系式为人体体表温度＝初始温度数据/人体辐射系数；
当人体体表温度在TH1～TH2之间时，将人体体表温度代入第二关系式，得到人体体内温度；
第二关系式为Y＝(X-TH1)/(TH2-TH1)*K+B，其中，Y为人体体内温度，X为人体体表温度，K＝温度转换系数，B＝基础体内温度；
当人体体表温度在TH2～TH3之间时，将人体体表温度代入第三关系式，得到人体体内温度；
第三关系式为Y＝aX6+bX5+cX4+dX3+eX2+fX+g，其中，a＝0.00125，b＝0.0283429488，c＝2.67004808，d＝133.762569，e＝3758.41829，f＝56155.4892，g＝348548.755；TH1为第一温度阈值，TH2为第二温度阈值，TH3为第三温度阈值且TH1＜TH2＜TH3。
申请人考虑到，由于热电堆红外传感器接收被测目标的红外辐射能量从而获得红外图像，红外图像能够反映视场内物体的温度，但其测温准确性会受到物体辐射率的影响。并且考虑到利用热电堆红外传感器对人体体温进行测量，获得的是人体体表温度，并且通常为人体额头的人体体表温度，因人体体表温度与真实的人体体内温度有差别，所以就需要利用多项式拟合的算法对获取的人体体表温度进行计算，最终获得我们日常了解的人体体内温度。
在本实施例中，在获取红外人脸区域对应的初始温度数据之后，将初始温度数据代入第一关系式，得到人体体表温度，当人体体表温度在TH1～TH2之间时，将人体体表温度代入第二关系式，得到人体体内温度，第二关系式为Y＝(X-TH1)/(TH2-TH1)*K+B，其中，Y为人体体内温度，X为人体体表温度，K＝温度转换系数，B＝基础体内温度；当人体体表温度在TH2～TH3之间时，将人体体表温度代入第三关系式，得到人体体内温度；第三关系式为Y＝aX6+bX5+cX4+dX3+eX2+fX+g，其中，a＝0.00125，b＝0.0283429488，c＝2.67004808，d＝133.762569，e＝3758.41829，f＝56155.4892，g＝348548.755；TH1为第一温度阈值，TH2为第二温度阈值，TH3为第三温度阈值且TH1＜TH2＜TH3。通过第一关系式的计算能够避免测温准确性受到物体辐射率的影响，并且能够基于第二关系式、第三关系式以及人体体表温度计算出人体体内温度。
例如，TH1，TH2，TH3分别设为27℃、31.5℃、44.3℃，当人体体表温度为30.5℃时，选择第二关系式计算人体体内温度，当人体体表温度为33℃时，选择第三关系式计算人体体内温度。
需要说明的是，在本发明中，人体辐射系数取0.98。
作为一种优选地实施例，获取可见光相机采集的可见光图像，并对可见光图像进行人脸区域识别得到人脸区域，对可见光图像进行人脸关键点定位得到人脸关键点外接区域，包括：
对可见光图像进行人脸特征识别得到人员身份标识ID；
基于第四关系式将同一个人员ID的人体体内温度误差范围内的多次人体体内温度进行指数加权平均，得到最终人体体内温度；
第四关系式为Tempt＝β*Tempt-1+(1-β)Yt，其中，Tempt为同一个人员ID的人体体内温度误差范围内的前t次的人体体内温度的平均值，Yt为同一个人员ID的人体体内温度误差范围内的第t次的人体体内温度，β是可调节的超参。
考虑到当测量者从低温环境突然到高温测量环境下测温或者从高温环境突然到低温测量环境下测温会产生误差。本实施例中，首先对可见光图像进行人脸特征识别得到人员身份标识ID，并对同一个人员ID的人体体内温度误差范围内的多次人体体内温度进行指数加权平均，得到最终人体体内温度，具体地，第四关系式为Tempt＝β*Tempt-1+(1-β)Yt，其中，Tempt为同一个人员ID的人体体内温度误差范围内的前t次的人体体内温度的平均值，Yt为同一个人员ID的人体体内温度误差范围内的第t次的人体体内温度，β是可调节的超参。
采用了指数加权平均算法后，当测量者从低温环境突然到高温测量环境下测温或者从高温环境突然到低温测量环境下测温，可以准确地计算出其人体体内温度，不至于突然发生很大的跳变。
作为一种优选地实施例，获取红外人脸区域对应的初始温度数据，并基于初始温度数据确定人体体内温度之后，还包括：
获取当前测温者的当前瞳距参数；
基于当前瞳距参数和预设地瞳距与温度补偿之间的映射关系对人体体内温度进行校准。
考虑到本发明是基于热电堆红外传感器接收到的测量者向外辐射的能量来测量其表面温度，而测量者向外辐射的能量在大气中传播会有一定的损失，因此，测温距离对测温的精确度有很大影响。又考虑到测量者与热电堆红外传感器之间的距离和测量者的瞳距存在一定的关系，当测量者与热电堆红外传感器之间的距离近时，测量者的瞳距大；当测量者与热电堆红外传感器之间的距离远时，测量者的瞳距大。
在本实施例中，获取当前测量者的当前瞳距参数，并基于当前瞳距参数和预设地瞳距与温度补偿之间的映射关系对人体体内温度进行校准。
在实际应用中，通过水银体温计对测量者进行体温测量得到测量者的第一真实体温值，通过热电堆红外传感器得到测量者的第一人体体温测量值，然后，建立第一人体体温测量值与第一真实体温值的第一差值与瞳距参数之间的第一映射关系(即当前瞳距参数和预设地瞳距与温度补偿之间的映射关系)，最后，获取当前测量者的当前瞳距参数和通过热电堆红外传感器得到当前测量者的第一当前人体体温测量值，并基于当前瞳距参数和第一映射关系对第一当前人体体温测量值进行校准。
本实施例考虑到了测量者与热电堆红外传感器的距离对测温结果造成的影响，基于瞳距参数对当前测量者的当前人体体温测量值进行校准，精度较高。
此外，获取当前测量者的当前瞳距参数的方式为对测量者的可见光图像进行人脸关键点定位，得到人脸关键点坐标，由于人脸关键点包括左右眼睛的中心点，将左右眼睛的两个中心点之间的直线距离参数作为瞳距参数，其中，瞳距参数由左右眼睛的两个中心点之间的像素值除以1000得到。
作为一种优选地实施例，获取红外人脸区域对应的初始温度数据，并基于初始温度数据确定人体体内温度之后，还包括：
获取当前环境温度；
基于当前环境温度和预设地环境温度与温度补偿之间的映射关系对人体体内温度进行校准。
考虑到测温过程中一般是对人脸额头区域的表面进行测温，会受到人体所处环境的温度的影响，当环境温度较高/较低时，额头表面温度可能较高/较低，导致测得的温度也较高/较低，而真实体温却基本稳定。在本实施例中，获取当前环境温度，并基于当前环境温度和预设地环境温度与温度补偿之间的映射关系对人体体内温度进行校准。
在实际应用中，首先，获取不同环境温度、不同环境温度下测量者的第二真实体温值，通过热电堆红外传感器得到测量者的第二人体体温测量值，然后，建立第二人体体温测量值与第二真实体温值的第二差值与环境温度之间的第二映射关系(即当前环境温度和预设地环境温度与温度补偿之间的映射关系)，最后，获取当前测量者的当前环境温度和通过热电堆红外传感器得到当前测量者的第二当前人体体温测量值，并基于当前环境温度和第二映射关系对第二当前人体体温测量值进行校准。
本实施例考虑到了环境温度对测温结果造成的影响，基于环境温度对当前测量者的人体体内温度体温进行校准，保障了测温系统的精度和稳定性。
需要说明的是，对获得的测温者的人体体内温度进行环境温度校准和测温距离校准没有先后之分，本申请在此不做特别的限定。
请参照图6，图6为本发明提供的一种热电堆阵列测温装置示意图。
本发明还提供了一种热电堆阵列测温装置，包括：
可见光相机1，用于采集可见光图像；
热电堆红外传感器2，用于采集红外图像；
存储器3，用于存储计算机程序；
处理器4，用于执行计算机程序时实现如上述热电堆阵列测温方法的步骤。
对于本发明提供的一种热电堆阵列测温装置的介绍请参照上述发明实施例，本发明在此不再赘述。
需要说明的是，在本说明书中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、方法、物品或者设备不仅包括那些要素，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、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其他实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (12)

1.一种热电堆阵列测温方法，其特征在于，包括：
获取可见光相机采集的可见光图像及热电堆红外传感器采集的红外图像，并对所述可见光图像进行人脸识别得到人脸区域；
对所述可见光图像进行人脸关键点定位，得到人脸关键点外接区域；
对所述人脸关键点外接区域进行放大处理，将所述人脸区域与放大后的人脸关键点外接区域中的较小者作为所述可见光图像上的人脸框区域；
基于映射关系将所述人脸框区域映射至所述红外图像中，得到红外人脸区域；
获取所述红外人脸区域对应的初始温度数据，并基于所述初始温度数据确定人体体内温度。
2.如权利要求1所述的热电堆阵列测温方法，其特征在于，对所述可见光图像进行人脸关键点定位，得到人脸关键点外接区域，包括：
通过对所述可见光图像进行人脸关键点定位，得到人脸关键点坐标；
将所述人脸关键点坐标的外接矩形框作为所述人脸关键点外接区域；
其中，所述人脸关键点包括左右眉毛的两个角点及其中心点、左右眼睛的两个角点、鼻尖点、下嘴唇的最下点。
3.如权利要求1所述的热电堆阵列测温方法，其特征在于，对所述人脸关键点外接区域进行放大处理，将所述人脸区域与放大后的人脸关键点外接区域中的较小者作为所述可见光图像上的人脸框区域之前，还包括：
判断所述人脸区域是否大于所述人脸关键点外接区域；
若是，进入对所述人脸关键点外接区域进行放大处理，将所述人脸区域与放大后的人脸关键点外接区域中的较小者作为所述可见光图像上的人脸框区域的步骤。
4.如权利要求3所述的热电堆阵列测温方法，其特征在于，还包括：
若所述人脸区域不大于所述人脸关键点外接区域，将所述人脸区域与放大后的人脸关键点外接区域中的较大者作为所述可见光图像上的人脸框区域。
5.如权利要求3所述的热电堆阵列测温方法，其特征在于，对所述人脸关键点外接区域进行放大处理，包括：
将所述人脸关键点外接区域的左右两边各向外扩大所述人脸关键点外接区域的宽度的1/N、将所述人脸关键点外接区域的上边向上扩大所述人脸关键点外接区域的高度的1/M，得到放大后的人脸关键点外接区域，N和M均为不小于2的整数。
6.如权利要求1所述的热电堆阵列测温方法，其特征在于，基于所述映射关系将所述人脸框区域映射至所述红外图像中，得到红外人脸区域之前，还包括：
将所述可见光图像的对角线两端的一个角作为第一特征点，并获得所述第一特征点在所述可见光图像中的第一坐标；
将所述红外图像上的与所述第一特征点对应的角作为第二特征点，并获得所述第二特征点在所述红外图像中的第二坐标；
将所述可见光图像的对角线的另一个角作为第三特征点，并获得所述第三特征点在所述可见光图像中的第三坐标；
将所述红外图像上的与所述第三特征点对应的角作为第四特征点，并获得所述第四特征点在所述红外图像中的第四坐标；
根据所述第一坐标及所述第二坐标、所述第三坐标及所述第四坐标确定所述可见光图像与所述红外图像的映射关系。
7.如权利要求6所述的热电堆阵列测温方法，其特征在于，基于所述映射关系将所述人脸框区域映射至所述红外图像中，得到红外人脸区域之前，还包括：
将所述可见光图像和所述红外图像均分为P*P个块，P为不小于2的整数；
将人脸分别置于所述可见光图像的每一块，并分别判断人脸是否出现在所述红外图像的对应块中；
若是，进入基于映射关系将所述人脸框区域映射至所述红外图像中，得到红外人脸区域的步骤；
若否，基于所述可见光图像和所述红外图像对所述映射关系进行修正，并进入基于映射关系将所述人脸框区域映射至所述红外图像中，得到红外人脸区域的步骤。
8.如权利要求1所述的热电堆阵列测温方法，其特征在于，获取所述红外人脸区域对应的初始温度数据，并基于所述初始温度数据确定人体体内温度，包括：
将所述初始温度数据代入第一关系式，得到人体体表温度；
所述第一关系式为人体体表温度＝所述初始温度数据/人体辐射系数；
当所述人体体表温度在TH1～TH2之间时，将所述人体体表温度代入第二关系式，得到所述人体体内温度；
所述第二关系式为Y＝(X-TH1)/(TH2-TH1)*K+B，其中，Y为所述人体体内温度，X为所述人体体表温度，K＝温度转换系数，B＝基础体内温度；
当所述人体体表温度在TH2～TH3之间时，将所述人体体表温度代入第三关系式，得到所述人体体内温度；
所述第三关系式为Y＝aX6+bX5+cX4+dX3+eX2+fX+g，其中，a＝0.00125，b＝0.0283429488，c＝2.67004808，d＝133.762569，e＝3758.41829，f＝56155.4892，g＝348548.755；所述TH1为第一温度阈值，TH2为第二温度阈值，TH3为第三温度阈值且TH1＜TH2＜TH3。
9.如权利要求1所述的热电堆阵列测温方法，其特征在于，获取可见光相机采集的可见光图像，并对所述可见光图像进行人脸区域识别得到人脸区域，对所述可见光图像进行人脸关键点定位得到人脸关键点外接区域，包括：
对所述可见光图像进行人脸特征识别得到人员身份标识ID；
基于第四关系式将同一个所述人员ID的所述人体体内温度误差范围内的多次所述人体体内温度进行指数加权平均，得到最终人体体内温度；
所述第四关系式为Tempt＝β*Tempt-1+(1-β)Yt，其中，Tempt为同一个所述人员ID的所述人体体内温度误差范围内的前t次的所述人体体内温度的平均值，Yt为同一个所述人员ID的所述人体体内温度误差范围内的第t次的所述人体体内温度，β是可调节的超参。
10.如权利要求1至9任一项所述的热电堆阵列测温方法，其特征在于，获取所述红外人脸区域对应的初始温度数据，并基于所述初始温度数据确定人体体内温度之后，还包括：
获取当前测温者的当前瞳距参数；
基于所述当前瞳距参数和预设地瞳距与温度补偿之间的映射关系对所述人体体内温度进行校准。
11.如权利要求1至9任一项所述的热电堆阵列测温方法，其特征在于，获取所述红外人脸区域对应的初始温度数据，并基于所述初始温度数据确定人体体内温度之后，还包括：
获取当前环境温度；
基于所述当前环境温度和预设地环境温度与温度补偿之间的映射关系对所述人体体内温度进行校准。
12.一种热电堆阵列测温装置，其特征在于，包括：
可见光相机，用于采集可见光图像；
热电堆红外传感器，用于采集红外图像；
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如权利要求1至11任一项所述热电堆阵列测温方法的步骤。
CN202010820315.6A 2020-08-14 2020-08-14 一种热电堆阵列测温方法及装置 Active CN111968163B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010820315.6A CN111968163B (zh) 2020-08-14 2020-08-14 一种热电堆阵列测温方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010820315.6A CN111968163B (zh) 2020-08-14 2020-08-14 一种热电堆阵列测温方法及装置

Publications (2)

Publication Number Publication Date
CN111968163A CN111968163A (zh) 2020-11-20
CN111968163B true CN111968163B (zh) 2023-10-10

Family

ID=73387714

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010820315.6A Active CN111968163B (zh) 2020-08-14 2020-08-14 一种热电堆阵列测温方法及装置

Country Status (1)

Country Link
CN (1) CN111968163B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112200174A (zh) * 2020-12-09 2021-01-08 上海齐感电子信息科技有限公司 人脸框检测方法及模块和活体人脸验证方法及系统
CN113237556A (zh) * 2021-05-18 2021-08-10 深圳市沃特沃德信息有限公司 测温方法、装置和计算机设备

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105844240A (zh) * 2016-03-23 2016-08-10 深圳云天励飞技术有限公司 一种红外测温系统中的人脸检测方法及装置
CN106845377A (zh) * 2017-01-10 2017-06-13 北京小米移动软件有限公司 人脸关键点定位方法及装置
CN108932727A (zh) * 2017-12-29 2018-12-04 浙江宇视科技有限公司 人脸跟踪方法和装置
CN108985134A (zh) * 2017-06-01 2018-12-11 重庆中科云丛科技有限公司 基于双目摄像机的人脸活体检测及刷脸交易方法及系统
CN109844476A (zh) * 2016-09-21 2019-06-04 优泰机电有限公司 运动跟踪用热电堆阵列传感器及其应用
CN110060272A (zh) * 2018-01-18 2019-07-26 杭州海康威视数字技术股份有限公司 人脸区域的确定方法、装置、电子设备及存储介质
CN110276308A (zh) * 2019-06-25 2019-09-24 上海商汤智能科技有限公司 图像处理方法及装置
WO2019179441A1 (zh) * 2018-03-21 2019-09-26 北京猎户星空科技有限公司 智能设备的焦点跟随方法、装置、智能设备及存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5836333B2 (ja) * 2013-07-31 2015-12-24 京セラドキュメントソリューションズ株式会社 画像形成装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105844240A (zh) * 2016-03-23 2016-08-10 深圳云天励飞技术有限公司 一种红外测温系统中的人脸检测方法及装置
CN109844476A (zh) * 2016-09-21 2019-06-04 优泰机电有限公司 运动跟踪用热电堆阵列传感器及其应用
CN106845377A (zh) * 2017-01-10 2017-06-13 北京小米移动软件有限公司 人脸关键点定位方法及装置
CN108985134A (zh) * 2017-06-01 2018-12-11 重庆中科云丛科技有限公司 基于双目摄像机的人脸活体检测及刷脸交易方法及系统
CN108932727A (zh) * 2017-12-29 2018-12-04 浙江宇视科技有限公司 人脸跟踪方法和装置
CN110060272A (zh) * 2018-01-18 2019-07-26 杭州海康威视数字技术股份有限公司 人脸区域的确定方法、装置、电子设备及存储介质
WO2019179441A1 (zh) * 2018-03-21 2019-09-26 北京猎户星空科技有限公司 智能设备的焦点跟随方法、装置、智能设备及存储介质
CN110276308A (zh) * 2019-06-25 2019-09-24 上海商汤智能科技有限公司 图像处理方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
人脸关键特征点的自动定位;顾华, 苏光大, 杜成;光电子.激光(第08期);全文 *

Also Published As

Publication number Publication date
CN111968163A (zh) 2020-11-20

Similar Documents

Publication Publication Date Title
WO2021196360A1 (zh) 一种温度测量方法及系统
CN111339951A (zh) 体温测量方法、装置及系统
CN111968163B (zh) 一种热电堆阵列测温方法及装置
CN111626125B (zh) 人脸温度检测的方法、系统、装置和计算机设备
CN110060272A (zh) 人脸区域的确定方法、装置、电子设备及存储介质
CN111426393B (zh) 温度修正方法、装置及系统
Budzan et al. Face and eyes localization algorithm in thermal images for temperature measurement of the inner canthus of the eyes
CN111323125B (zh) 一种测温方法、装置及计算机存储介质、电子设备
CN111920391B (zh) 一种测温方法及设备
CN111964786B (zh) 温度检测方法及装置
WO2022104817A1 (zh) 一种非接触式体温测量方法和系统
CN111579083A (zh) 基于红外图像人脸检测的体温测量的方法和装置
US20230266172A1 (en) Imaging Method and Device
US20220346651A1 (en) Diseased person distinguishing device and diseased person distinguishing system
WO2021175281A1 (zh) 红外测温方法、装置、设备及存储介质
CN111521270A (zh) 一种体温筛查报警系统及其工作方法
CN111964790A (zh) 一种温度校准方法及红外测温装置
TWM602631U (zh) 人臉追蹤測溫系統
US11818334B2 (en) Thermal image-based temperature measurement calibration method and thermal image device
US20220015644A1 (en) Fever Detector by Distant Multipixel Thermal Imaging
CN111814659B (zh) 一种活体检测方法、和系统
JP2022181356A (ja) 体温検知システム、体温検知方法及びプログラム
CN112097915B (zh) 一种人脸识别测温方法及装置
CN116982942B (zh) 一种基于红外热成像的口腔测温方法及系统
JP2017205426A (ja) 心理状態評価用プログラム及び心理状態評価装置

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