CN112033545A - 人体温度红外测量方法、装置及计算机设备 - Google Patents
人体温度红外测量方法、装置及计算机设备 Download PDFInfo
- Publication number
- CN112033545A CN112033545A CN202010826326.5A CN202010826326A CN112033545A CN 112033545 A CN112033545 A CN 112033545A CN 202010826326 A CN202010826326 A CN 202010826326A CN 112033545 A CN112033545 A CN 112033545A
- Authority
- CN
- China
- Prior art keywords
- visible light
- image
- light image
- human body
- temperature
- 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.)
- Granted
Links
- 241000282414 Homo sapiens Species 0.000 title claims abstract description 170
- 230000036760 body temperature Effects 0.000 title claims abstract description 67
- 238000000691 measurement method Methods 0.000 title claims abstract description 12
- 238000001931 thermography Methods 0.000 claims abstract description 31
- 238000004364 calculation method Methods 0.000 claims abstract description 28
- 238000000034 method Methods 0.000 claims description 20
- 238000009529 body temperature measurement Methods 0.000 claims description 14
- 210000004709 eyebrow Anatomy 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 7
- 238000005516 engineering process Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000013519 translation Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 abstract description 12
- 239000000523 sample Substances 0.000 abstract description 11
- 238000005259 measurement Methods 0.000 abstract description 10
- 241000700605 Viruses Species 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 239000002699 waste material Substances 0.000 description 3
- 206010037660 Pyrexia Diseases 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 210000005069 ears Anatomy 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 210000003128 head Anatomy 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 208000015181 infectious disease Diseases 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 208000035473 Communicable disease Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 210000001061 forehead Anatomy 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000002458 infectious effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000005180 public health Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
Images
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
- G01J5/0022—Radiation pyrometry, e.g. infrared or optical thermometry for sensing the radiation of moving bodies
- G01J5/0025—Living bodies
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/01—Measuring temperature of body parts ; Diagnostic temperature sensing, e.g. for malignant or inflamed tissue
-
- 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
-
- 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
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Multimedia (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Radiation Pyrometers (AREA)
Abstract
本申请揭示了一种人体温度红外测量方法、装置及计算机设备，通过获取人脸可见光图像与可见光视频图像的几何关系，并判断几何关系是否达到阈值比例，以确定人脸可见光图像所属的人体与热成像图像探头之间的距离；使用简单的计算规则实现了距离探测器的功用，使得装置成本降低；当人脸可见光图像与可见光视频图像的几何关系达到阈值比例后才进行信息采集，这节约了运算资源也同时保证了温度测试结果的准确性。
Description
技术领域
本发明涉及红外测温领域，特别涉及一种人体温度红外测量方法、装置及计算机设备。
背景技术
随着国家经济的快速发展，我国面向世界全面开放，出入国境的旅客越来越多，但是由于我们生活的世界有许多未知的疾病和传染性极高的病毒存在，自由出行的旅客如果在未知的地方受到病毒感染，然后携带传染性病毒出入境，会严重危害着我国和世界的公共卫生安全。
由于人类受到病毒感染后，最初的表象都是体温升高的发烧状态，现在，我国在旅客出入境时的检查手段已经广泛的利用了红外热成像技术原理制作的红外人体温度监控系统，准确、快速、非接触式的检查通关人员的体温，达到大面积快速筛选发烧人员，控制传染性疾病病毒传播的目的，但是，随着经济的不断发展，通关人流量巨大，通关口岸现场不断的扩建，红外人体温度监控系统准确、快速地判断人体超温的能力再次受到挑战。
人们对人脸识别这一问题已经研究和讨论了很久，在人脸识别领域中，研究方向大致分为两个大类：一类是基于可见光摄像机拍摄的可见光图像的人脸识别，另一类是基于红外热像仪拍摄的红外热图像的红外热像人脸识别。可见光摄像机比红外热像仪要便宜，并且可见光图像比红外热图像更容易获得，配合日益成熟的AI技术，对于可见光图像的人物识别技术已经相当成熟。红外热图像分析能屏蔽人物衣物或者饰品的干扰轻易辨别人体，但是红外热图像的细节较少，对红外热图像的分析无法准确、快速的进行。
红外测温的原理直接导致距离会影响温度测试结果的准确性。红外测温系统一般通过对探头与待测物的距离判定后，进行温度修正。对于人流量非常大的场所，使用传统的传感器来对测试距离进行判定，一方面设备成本增加，一方面也是对红外测温系统运算能力的浪费。
发明内容
本发明的主要目的为提供人体温度红外测量方法，旨在解决现有人体温度红外测量方法中人脸与温度探头之间距离测定方式复杂的问题。
为了实现上述目的，本发明提供一种人体温度红外测量方法包括：
获取第一视场区域的可见光视频图像；
通过人脸识别技术识别出所述可见光视频图像中的人脸可见光图像；
获取所述人脸可见光图像与所述可见光视频图像的几何关系，并判断所述几何关系是否达到阈值比例；
若达到，则获取所述人脸可见光图像上目标区域的第一位置信息；
获取所述第一位置信息处的热成像图像；
根据所述第一位置信息处的所述热成像图像得到所述人脸可见光图像上目标区域的表面温度；
将所述表面温度转换计算得到人体温度值。
进一步地，所述获取所述人脸可见光图像与所述可见光视频图像的几何关系，并判断所述几何关系是否达到阈值比例步骤包括：
获取所述人脸可见光图像的面积；
将所述人脸可见光图像的面积除以所述可见光视频图像的面积获得面积比例；
判断所述面积比例是否大于阈值比例。
进一步地，所述获取所述人脸可见光图像的面积步骤包括：
获取所述人脸可见光图像，并标注出所述人脸可见光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可见光视频图像的坐标，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人脸可见光图像的高度，第一侧边和第二侧边之间的距离为人脸可见光图像的宽度；所述人脸可见光图像的高度与所述人脸可见光图像的宽度的乘积为所述人脸可见光图像的面积。
进一步地，所述目标区域为眉心区域，所述获取第一视场区域中所述人脸可见光图像上目标区域的第一位置信息步骤包括：
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所述眉心区域，并获取第一视场区域中所述眉心区域的第一位置信息，其中，所述第一位置信息为所述眉心区域的四个顶点的坐标信息。
进一步地，所述判断所述面积比例是否大于阈值比例步骤之前，还包括：
到预先建立的所述人脸可见光图像高度与阈值比例的预设对应列表中查找所述阈值比例，其中，所述预设对应列表中的所述人脸可见光图像高度与阈值比例呈一一对应关系，所述阈值比例的大小与所述人脸可见光图像的高度成正比关系；其中，所述人脸可见光图像的高度为所述人脸可见光图像在所述可见光视频图像上首次出现的高度。
进一步地，所述获取所述人脸可见光图像与所述可见光视频图像的几何关系，并判断所述几何关系是否达到阈值比例的步骤包括：
从所述可见光视频图像中分出进画侧边和出画侧边；
获得所述人脸可见光图像与所述可见光视频图像的进画侧边之间的垂直距离；
将所述垂直距离除以所述进画侧边与所述出画侧边之间的距离获得位置比例，并判定所述位置比例是否大于阈值比例。
进一步地，将所述表面温度转换计算得到人体温度值步骤包括：
获取第一视场区域的环境温度；
将所述环境温度和所述表面温度输入到预设的温度计算模型中计算得到人体温度值，其中，所述温度计算模型为：
Y＝b1+b2x1 3+b3x2 3+b4x1 2+b5x2 2+b6x1 2x2+b7x2 2x1+b8x1+b9x2+b10x1x2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，所述将所述表面温度转换计算得到人体温度值步骤之后包括：
设置第一预设温度值，所述第一预设温度值为安全温度线；以及，设置第二预设温度值，所述第二预设温度值为危险温度线；
判断所述人体温度值是否低于第一预设温度值，若低于，则判定为安全状态；
若高于所述第一预设温度值，则判断所述人体温度值是否低于所述第二预设温度值；
若低于所述第二预设温度值，则判定为警告状态，否则判定为危险状态；
并将判定结果标记于所述可见光视频图像。
本申请人体温度红外测量方法，通过获取人脸可见光图像与可见光视频图像的几何关系，并判断几何关系是否达到阈值比例，以确定人脸可见光图像所属的人体与热成像图像探头之间的距离；使用简单的计算规则实现了距离探测器的功用，成本降低；当人脸可见光图像与可见光视频图像的几何关系达到阈值比例后才进行信息采集，这节约了运算资源也同时保证了温度测试结果的准确性。
一种人体温度红外测量装置包括：
可见光视频采集模块，用于获取第一视场区域的可见光视频图像；
人脸识别模块，用于识别出所述可见光视频图像中的人脸可见光图像；
几何关系判断模块，用于获取所述人脸可见光图像与所述可见光视频图像的几何关系，并判断所述几何关系是否达到阈值比例；
位置采集模块，用于获取所述人脸可见光图像上目标区域的第一位置信息；
热成像采集模块，用于获取所述第一位置信息处的热成像图像；
红外温度计算模块，用于根据所述第一位置信息处的所述热成像图像得到所述人脸可见光图像上目标区域的表面温度；
温度换算模块，用于将所述表面温度转换计算得到人体温度值。
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人体温度红外测量方法。
附图说明
图1是本发明一实施例的人体温度红外测量方法流程示意图；
图2是本发明一实施例的人体温度红外测量装置的示意框图；
图3是本发明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。
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”“上述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件、单元、模块和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、单元、模块、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样被特定定义，否则不会用理想化或过于正式的含义来解释。
参照图1，为本发明提供一种人体温度红外测量方法包括步骤：
S1、获取第一视场区域的可见光视频图像；
S2、通过人脸识别技术识别出所述可见光视频图像中的人脸可见光图像；
S3、获取所述人脸可见光图像与所述可见光视频图像的几何关系，并判断所述几何关系是否达到阈值比例；
S4、若达到，则获取第一视场区域中所述人脸可见光图像上目标区域的第一位置信息；
S5、获取所述第一位置信息处的热成像图像；
S6、根据所述第一位置信息处的所述热成像图像得到所述人脸可见光图像上目标区域的表面温度；
S7、将所述表面温度转换计算得到人体温度值。
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，上述可见光视频图像是指在可见光条件下通过摄像机之类的视频记录仪器获取的图像。
如上述步骤S2所述，本申请在可见光视频图像中通过人脸识别技术识别出人脸可见光图像，具体的人脸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所述，如果对于可见光视频图像中识别出的人脸可见光图像都进行红外测温，存在运算资源浪费和测温不准确的问题。具体的，首先红外线测温过程中，需要进行复杂的算法才能换算出温度数据，对可见光视频图像中识别出的每张人脸可见光图像都进行实时测温，这对于运算资源是很大的浪费；其次每张人脸可见光图像的所属人体距离热成像图像探头的距离都是不等的，红外测温的原理直接导致距离会影响温度测试结果的准确性，若识别出所述可见光视频图像中的人脸可见光图像就立即进行红外测温，则测试结果必然在大部分情况下都是不准确的。现有技术的红外测温系统也有通过对探头与待测物的距离判定后，进行温度修正；对于人流量非常大的场所，使用传统的距离传感器来对测试距离进行判定，一方面设备成本增加，一方面也是对红外测温系统运算能力的浪费。本申请通过获取所述人脸可见光图像与所述可见光视频图像的几何关系，并判断所述几何关系是否达到阈值比例，以确定所述人脸可见光图像所属的人体与热成像图像探头之间的距离；使用简单的计算规则实现了距离探测器的功用，成本降低，且可同时对多个所述人脸可见光图像进行计算分析。
如上述步骤S4所述，当所述人脸可见光图像与所述可见光视频图像的几何关系达到阈值比例，即判定所述人脸可见光图像所属的人体与热成像图像探头之间的距离达到预设距离，此时获取第一视场区域中所述人脸可见光图像上目标区域的第一位置信息；其中，上述几何关系为所述人脸可见光图像在可见光视频图像中的大小关系或位置关系等。在上述步骤中只有当所述人脸可见光图像与所述可见光视频图像的几何关系达到阈值比例后，才进行热成像图像与目标区域的第一位置信息的信息采集，这节约了运算资源也同时保证了温度测试结果的准确性。
如上述步骤S5所述，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。只获取第一视场区域中所述第一位置信息处的热成像图像，对于运算资源节约的同时，也避免目标区域之外的热场对红外温度测试结果的干扰。
如上述步骤S6所述，根据所述第一位置信息处的所述热成像图像得到所述人脸可见光图像上目标区域的表面温度。
如上述步骤S7所述，将所述表面温度转换得到人体温度值。
在一个实施例中，获取所述人脸可见光图像与所述可见光视频图像的几何关系，并判断所述几何关系是否达到阈值比例步骤包括：
获取所述人脸可见光图像的面积；
将所述人脸可见光图像的面积除以所述可见光视频图像面积获得面积比例；
判断所述面积比例是否大于阈值比例。
在本实施例中，阈值比例为一个普通人距离视频记录仪器为60cm时，上述普通人的人脸可见光图像的面积大小与可见光视频图像面积的比值即为阈值。当所述面积比例大于阈值比例时，判定人体与视频记录仪器的距离小于60cm。具体不同人体的人脸大小的微小差异，带来的人体与视频记录仪器的距离判定误差，不会大程度影响红外测温结果的准确性。通过所述面积比例来表征人体与视频记录仪器的距离，省去了物理传感器，且上述算法占用的计算资源小。
在一个实施例中，所述判断所述面积比例是否大于阈值比例步骤之前，还包括：
到预先建立的所述人脸可见光图像高度与阈值比例的预设对应列表中查找所述阈值比例，其中，所述预设对应列表中的所述人脸可见光图像高度与阈值比例呈一一对应关系，所述阈值比例的大小与所述人脸可见光图像在所述可见光视频图像上首次出现的高度成正比关系。即每个被识别出的所述人脸可见光图像均计算匹配一个阈值比例。与所述人脸可见光图像对应的所述阈值比例的大小与所述人脸可见光图像在所述可见光视频图像上首次出现的高度成正比关系，上述计算比例根据具体的视频记录仪器与行人通道的角度调试获得。在本实施例中，根据所述人脸可见光图像在所述可见光视频图像上首次出现的高度，匹配给出对应的阈值比例，以消除面积比例计算中由于小孩脸小造成的计算误差。
在一个实施例中，所述获取所述人脸可见光图像的面积步骤包括：
获取所述人脸可见光图像，并标注出所述人脸可见光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可见光视频图像的坐标，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人脸可见光图像的高度，第一侧边和第二侧边之间的距离为人脸可见光图像的宽度；所述人脸可见光图像的高度与所述人脸可见光图像的宽度的乘积为所述人脸可见光图像的面积。
本实施例中，第一最小矩形框的引入使得人脸可见光图像的面积计算过程简化。
在一个实施例中，所述目标区域为眉心区域，所述获取第一视场区域中所述人脸可见光图像上目标区域的第一位置信息步骤包括：
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所述眉心区域，并获取第一视场区域中所述眉心区域的第一位置信息，其中，所述第一位置信息为所述眉心区域的四个顶点的坐标信息。
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，那么其对应的第一位置的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。
在一个实施例中，所述获取所述人脸可见光图像与所述可见光视频图像的几何关系，并判断所述几何关系是否达到阈值比例步骤包括：
所述可见光视频图像包括进画侧边和出画侧边；
获得所述人脸可见光图像与所述可见光视频图像的进画侧边之间的垂直距离，将所述垂直距离值除以所述进画侧边与所述出画侧边之间的距离值获得位置比例，判定所述位置比例是否大于阈值比例。
视频记录仪器与热成像图像探头只能设置于行人通道的侧面或者上方，而不会设置在行人通道的正中间。所以所述可见光视频图像一定会包括进画侧边和出画侧边。当视频记录仪器与热成像图像探头设置于行人通道的侧面时，进画侧边与出画侧边是可见光视频图像的左右两侧；当视频记录仪器与热成像图像探头设置于行人通道上方时，进画侧边与出画侧边是可见光视频图像的上下两侧。
在本实施例中，阈值比例为一个普通人距离视频记录仪器为60cm时，获得所述人脸可见光图像与所述可见光视频图像的进画侧边之间的垂直距离，将所述垂直距离值除以所述进画侧边与所述出画侧边之间的距离值获得阈值比例，当位置比例大于阈值比例时，判定人体与视频记录仪器的距离小于60cm。通过所述位置比例来表征人体与视频记录仪器的距离，省去了物理传感器，且上述算法占用的计算资源很小。人脸大小因素对于上述算法，不会产生误差。
在一个实施例中，将所述表面温度转换计算得到人体温度值步骤包括：
获取第一视场区域的环境温度；
将所述环境温度和所述表面温度输入到预设的温度计算模型中计算得到人体温度值，其中，所述温度计算模型为：
Y＝b1+b2x1 3+b3x2 3+b4x1 2+b5x2 2+b6x1 2x2+b7x2 2x1+b8x1+b9x2+b10x1x2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。
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完全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。
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-2至2摄氏度的环境里，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matlab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，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，所述将所述表面温度转换计算得到人体温度值步骤之后包括：
设置第一预设温度值，所述第一预设温度值为安全温度线；以及，设置第二预设温度值，所述第二预设温度值为危险温度线；
判断所述人体温度值是否低于第一预设温度值，若低于，则判定为安全状态；
若高于所述第一预设温度值，则判断所述人体温度值是否低于所述第二预设温度值；
若低于所述第二预设温度值，则判定为警告状态，否则判定为危险状态；
并将判定结果标记于所述可见光视频图像。
标记方式是在可见光视频图像上的人脸可见光图像上显示不同颜色的色块或者其他方式的标记。第一预设温度值为安全温度线，第二预设温度值为危险温度线，第一预设温度值与第二预设温度值之间的温度为警告温度范围。具体标记方式可以是，人体温度值低于第一预设温度值标记绿色，人体温度值高于第二预设温度值标记为红色，人体温度值位于第一预设温度值与第二预设温度值之间标记为黄色。
参照图2，一种人体温度红外测量装置包括：
可见光视频采集模块10，用于获取第一视场区域的可见光视频图像；
人脸识别模块20，用于识别出所述可见光视频图像中的人脸可见光图像；
几何关系判断模块30，用于获取所述人脸可见光图像与所述可见光视频图像的几何关系，并判断所述几何关系是否达到阈值比例；
位置采集模块40，用于获取所述人脸可见光图像上目标区域的第一位置信息；
热成像采集模块50，用于获取所述第一位置信息处的热成像图像；
红外温度计算模块60，用于根据所述第一位置信息处的所述热成像图像得到所述人脸可见光图像上目标区域的表面温度；
温度换算模块70，用于将所述表面温度转换计算得到人体温度值。
在本实施例中，上述各个模块的具体实现请参照对应的方法实施例中所述，在此不再进行赘述。
参照图3，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3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3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。
以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明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，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种人体温度红外测量方法，其特征在于，包括：
获取第一视场区域的可见光视频图像；
通过人脸识别技术识别出所述可见光视频图像中的人脸可见光图像；
获取所述人脸可见光图像与所述可见光视频图像的几何关系，并判断所述几何关系是否达到阈值比例；
若达到，则获取所述人脸可见光图像上目标区域的第一位置信息；
获取所述第一位置信息处的热成像图像；
根据所述第一位置信息处的所述热成像图像得到所述人脸可见光图像上目标区域的表面温度；
将所述表面温度转换计算得到人体温度值。
2.根据权利要求1所述的人体温度红外测量方法，其特征在于，所述获取所述人脸可见光图像与所述可见光视频图像的几何关系，并判断所述几何关系是否达到阈值比例步骤包括：
获取所述人脸可见光图像的面积；
将所述人脸可见光图像的面积除以所述可见光视频图像的面积获得面积比例；
判断所述面积比例是否大于阈值比例。
3.根据权利要求2所述的人体温度红外测量方法，其特征在于，所述获取所述人脸可见光图像的面积步骤包括：
获取所述人脸可见光图像，并标注出所述人脸可见光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可见光视频图像的坐标，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人脸可见光图像的高度，第一侧边和第二侧边之间的距离为人脸可见光图像的宽度；所述人脸可见光图像的高度与所述人脸可见光图像的宽度的乘积为所述人脸可见光图像的面积。
4.根据权利要求3所述的人体温度红外测量方法，其特征在于，所述目标区域为眉心区域，所述获取第一视场区域中所述人脸可见光图像上目标区域的第一位置信息步骤包括：
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所述眉心区域，并获取第一视场区域中所述眉心区域的第一位置信息，其中，所述第一位置信息为所述眉心区域的四个顶点的坐标信息。
5.根据权利要求2所述的人体温度红外测量方法，其特征在于，所述判断所述面积比例是否大于阈值比例步骤之前，还包括：
到预先建立的所述人脸可见光图像高度与阈值比例的预设对应列表中查找所述阈值比例，其中，所述预设对应列表中的所述人脸可见光图像高度与阈值比例呈一一对应关系，所述阈值比例的大小与所述人脸可见光图像的高度成正比关系；其中，所述人脸可见光图像的高度为所述人脸可见光图像在所述可见光视频图像上首次出现的高度。
6.根据权利要求1所述的人体温度红外测量方法，其特征在于，所述获取所述人脸可见光图像与所述可见光视频图像的几何关系，并判断所述几何关系是否达到阈值比例的步骤包括：
从所述可见光视频图像中分出进画侧边和出画侧边；
获得所述人脸可见光图像与所述可见光视频图像的进画侧边之间的垂直距离；
将所述垂直距离除以所述进画侧边与所述出画侧边之间的距离获得位置比例，并判定所述位置比例是否大于阈值比例。
7.根据权利要求1所述的人体温度红外测量方法，其特征在于，将所述表面温度转换计算得到人体温度值步骤包括：
获取第一视场区域的环境温度；
将所述环境温度和所述表面温度输入到预设的温度计算模型中计算得到人体温度值，其中，所述温度计算模型为：
Y＝b1+b2x1 3+b3x2 3+b4x1 2+b5x2 2+b6x1 2x2+b7x2 2x1+b8x1+b9x2+b10x1x2
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。
8.根据权利要求1所述的人体温度红外测量方法，其特征在于，所述将所述表面温度转换计算得到人体温度值步骤之后包括：
设置第一预设温度值，所述第一预设温度值为安全温度线；以及，设置第二预设温度值，所述第二预设温度值为危险温度线；
判断所述人体温度值是否低于第一预设温度值，若低于，则判定为安全状态；
若高于所述第一预设温度值，则判断所述人体温度值是否低于所述第二预设温度值；
若低于所述第二预设温度值，则判定为警告状态，否则判定为危险状态；
并将判定结果标记于所述可见光视频图像。
9.一种人体温度红外测量装置，其特征在于，包括：
可见光视频采集模块，用于获取第一视场区域的可见光视频图像；
人脸识别模块，用于识别出所述可见光视频图像中的人脸可见光图像；
几何关系判断模块，用于获取所述人脸可见光图像与所述可见光视频图像的几何关系，并判断所述几何关系是否达到阈值比例；
位置采集模块，用于获取所述人脸可见光图像上目标区域的第一位置信息；
热成像采集模块，用于获取所述第一位置信息处的热成像图像；
红外温度计算模块，用于根据所述第一位置信息处的所述热成像图像得到所述人脸可见光图像上目标区域的表面温度；
温度换算模块，用于将所述表面温度转换计算得到人体温度值。
10.一种计算机设备，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。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010826326.5A CN112033545B (zh) | 2020-08-17 | 2020-08-17 | 人体温度红外测量方法、装置及计算机设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010826326.5A CN112033545B (zh) | 2020-08-17 | 2020-08-17 | 人体温度红外测量方法、装置及计算机设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112033545A true CN112033545A (zh) | 2020-12-04 |
| CN112033545B CN112033545B (zh) | 2022-04-22 |
Family
ID=73577444
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010826326.5A Active CN112033545B (zh) | 2020-08-17 | 2020-08-17 | 人体温度红外测量方法、装置及计算机设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112033545B (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112414558A (zh) * | 2021-01-25 | 2021-02-26 | 深圳市视美泰技术股份有限公司 | 基于可见光图像及热成像图像的温度检测方法和装置 |
| CN112816074A (zh) * | 2021-03-26 | 2021-05-18 | 深圳证面智联科技有限公司 | 户外适用的人脸识别测温系统 |
| CN113155292A (zh) * | 2021-03-30 | 2021-07-23 | 新疆爱华盈通信息技术有限公司 | 人脸测温方法、人脸测温仪及存储介质 |
| CN113313866A (zh) * | 2021-04-02 | 2021-08-27 | 上海安威士科技股份有限公司 | 一种远程体温检测与身份识别方法及其系统 |
| CN113701893A (zh) * | 2021-08-30 | 2021-11-26 | 杭州睿影科技有限公司 | 测温方法、装置、设备及存储介质 |
| TWI810635B (zh) * | 2020-12-17 | 2023-08-01 | 財團法人工業技術研究院 | 基於熱影像的溫度量測校正方法及熱影像裝置 |
| US11818334B2 (en) | 2020-12-17 | 2023-11-14 | Industrial Technology Research Institute | Thermal image-based temperature measurement calibration method and thermal image device |
| EP4189342A4 (en) * | 2020-12-09 | 2024-01-03 | Zhejiang Pixfra Tech Co Ltd | TEMPERATURE MEASUREMENT DEVICES AND METHODS |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005098886A (ja) * | 2003-09-25 | 2005-04-14 | Calsonic Kansei Corp | 乗員の顔面検知装置 |
| JP2010230392A (ja) * | 2009-03-26 | 2010-10-14 | Toshiba Corp | 人体温度測定装置およびその測定方法 |
| JP2014018334A (ja) * | 2012-07-17 | 2014-02-03 | Nippon Ceramic Co Ltd | 放射温度計 |
| DE102012217143A1 (de) * | 2012-09-24 | 2014-04-17 | Siemens Aktiengesellschaft | Verfahren zur Ermittlung einer Temperatur in einem Volumenbereich eines Körpers und hierfür eingerichtete Vorrichtung |
| CN104161505A (zh) * | 2014-08-13 | 2014-11-26 | 北京邮电大学 | 一种适用于可穿戴式心率监测设备的运动和噪声干扰消除方法 |
| CN106725355A (zh) * | 2016-12-13 | 2017-05-31 | 电子科技大学 | 一种佩戴式体温测量腕带及体温测量方法 |
| CN109977727A (zh) * | 2017-12-27 | 2019-07-05 | 广东欧珀移动通信有限公司 | 视力保护方法、装置、存储介质及移动终端 |
| CN111307331A (zh) * | 2020-04-02 | 2020-06-19 | 广东博智林机器人有限公司 | 一种温度校准方法、装置、设备及存储介质 |
| CN111325127A (zh) * | 2020-02-12 | 2020-06-23 | 上海云从汇临人工智能科技有限公司 | 一种异常对象判断方法、系统、机器可读介质及设备 |
| CN111337142A (zh) * | 2020-04-07 | 2020-06-26 | 北京迈格威科技有限公司 | 体温修正方法、装置及电子设备 |
| CN111401349A (zh) * | 2020-06-08 | 2020-07-10 | 广州图普网络科技有限公司 | 一种人脸测温方法、装置、电子设备及存储介质 |
-
2020
- 2020-08-17 CN CN202010826326.5A patent/CN112033545B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005098886A (ja) * | 2003-09-25 | 2005-04-14 | Calsonic Kansei Corp | 乗員の顔面検知装置 |
| JP2010230392A (ja) * | 2009-03-26 | 2010-10-14 | Toshiba Corp | 人体温度測定装置およびその測定方法 |
| JP2014018334A (ja) * | 2012-07-17 | 2014-02-03 | Nippon Ceramic Co Ltd | 放射温度計 |
| DE102012217143A1 (de) * | 2012-09-24 | 2014-04-17 | Siemens Aktiengesellschaft | Verfahren zur Ermittlung einer Temperatur in einem Volumenbereich eines Körpers und hierfür eingerichtete Vorrichtung |
| CN104161505A (zh) * | 2014-08-13 | 2014-11-26 | 北京邮电大学 | 一种适用于可穿戴式心率监测设备的运动和噪声干扰消除方法 |
| CN106725355A (zh) * | 2016-12-13 | 2017-05-31 | 电子科技大学 | 一种佩戴式体温测量腕带及体温测量方法 |
| CN109977727A (zh) * | 2017-12-27 | 2019-07-05 | 广东欧珀移动通信有限公司 | 视力保护方法、装置、存储介质及移动终端 |
| CN111325127A (zh) * | 2020-02-12 | 2020-06-23 | 上海云从汇临人工智能科技有限公司 | 一种异常对象判断方法、系统、机器可读介质及设备 |
| CN111307331A (zh) * | 2020-04-02 | 2020-06-19 | 广东博智林机器人有限公司 | 一种温度校准方法、装置、设备及存储介质 |
| CN111337142A (zh) * | 2020-04-07 | 2020-06-26 | 北京迈格威科技有限公司 | 体温修正方法、装置及电子设备 |
| CN111401349A (zh) * | 2020-06-08 | 2020-07-10 | 广州图普网络科技有限公司 | 一种人脸测温方法、装置、电子设备及存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| PO-WEI HUANG: "An Embedded Non-Contact Body Temperature Measurement System with Automatic Face Tracking and Neural Network Regression", 《INTERNATIONAL CONFERENCE ON AUTOMATIC CONTROL (CACS)》 * |
| 廖彦杰: "一种对高温人群快速检测与搜寻的智能疫情防控系统", 《电子元器件与信息技术》 * |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP4189342A4 (en) * | 2020-12-09 | 2024-01-03 | Zhejiang Pixfra Tech Co Ltd | TEMPERATURE MEASUREMENT DEVICES AND METHODS |
| TWI810635B (zh) * | 2020-12-17 | 2023-08-01 | 財團法人工業技術研究院 | 基於熱影像的溫度量測校正方法及熱影像裝置 |
| US11818334B2 (en) | 2020-12-17 | 2023-11-14 | Industrial Technology Research Institute | Thermal image-based temperature measurement calibration method and thermal image device |
| CN112414558A (zh) * | 2021-01-25 | 2021-02-26 | 深圳市视美泰技术股份有限公司 | 基于可见光图像及热成像图像的温度检测方法和装置 |
| CN112414558B (zh) * | 2021-01-25 | 2021-04-23 | 深圳市视美泰技术股份有限公司 | 基于可见光图像及热成像图像的温度检测方法和装置 |
| CN112816074A (zh) * | 2021-03-26 | 2021-05-18 | 深圳证面智联科技有限公司 | 户外适用的人脸识别测温系统 |
| CN113155292A (zh) * | 2021-03-30 | 2021-07-23 | 新疆爱华盈通信息技术有限公司 | 人脸测温方法、人脸测温仪及存储介质 |
| CN113313866A (zh) * | 2021-04-02 | 2021-08-27 | 上海安威士科技股份有限公司 | 一种远程体温检测与身份识别方法及其系统 |
| CN113701893A (zh) * | 2021-08-30 | 2021-11-26 | 杭州睿影科技有限公司 | 测温方法、装置、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112033545B (zh) | 2022-04-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112033545B (zh) | 人体温度红外测量方法、装置及计算机设备 | |
| WO2021196360A1 (zh) | 一种温度测量方法及系统 | |
| CN110110629B (zh) | 面向室内环境控制的人员信息检测方法与系统 | |
| Lin et al. | A thermal camera based continuous body temperature measurement system | |
| Budzan et al. | Face and eyes localization algorithm in thermal images for temperature measurement of the inner canthus of the eyes | |
| Chen et al. | Unobtrusive sensor-based occupancy facing direction detection and tracking using advanced machine learning algorithms | |
| CN111339951A (zh) | 体温测量方法、装置及系统 | |
| CN111579083B (zh) | 基于红外图像人脸检测的体温测量的方法和装置 | |
| Barone et al. | Assessment of chronic wounds by three-dimensional optical imaging based on integrating geometrical, chromatic, and thermal data | |
| Wang et al. | A novel facial thermal feature extraction method for non-contact healthcare system | |
| CN109508702A (zh) | 一种基于单一图像采集设备的三维人脸活体检测方法 | |
| KR20220166368A (ko) | 온도 측정 방법, 장치, 전자 기기 및 컴퓨터 판독 가능 저장 매체 | |
| CN112146761A (zh) | 一种基于机器学习的人体测温补偿方法 | |
| CN111920391B (zh) | 一种测温方法及设备 | |
| CA2922403A1 (en) | Surface simulation | |
| CN112434598A (zh) | 一种非接触式体温测量方法和系统 | |
| CN112241700A (zh) | 一种额头精准定位的多目标额温测量方法 | |
| TWM602631U (zh) | 人臉追蹤測溫系統 | |
| Song et al. | AHD: Thermal image-based adaptive hand detection for enhanced tracking system | |
| Chin et al. | An infrared thermography model enabling remote body temperature screening up to 10 meters | |
| CN112907571A (zh) | 基于多光谱图像融合识别的目标判定方法 | |
| Ruffin et al. | Non-invasive low cost fever detection systems | |
| Lazri et al. | Detecting essential landmarks directly in thermal images for remote body temperature and respiratory rate measurement with a two-phase system | |
| Wei et al. | Low-cost multi-person continuous skin temperature sensing system for fever detection | |
| Yan et al. | Dynamic Group Difference Coding Based on Thermal Infrared Face Image for Fever Screening |
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 |