CN112146764A - 一种提高基于热成像温度测量准确性的方法、热成像设备 - Google Patents
一种提高基于热成像温度测量准确性的方法、热成像设备 Download PDFInfo
- Publication number
- CN112146764A CN112146764A CN202011020189.2A CN202011020189A CN112146764A CN 112146764 A CN112146764 A CN 112146764A CN 202011020189 A CN202011020189 A CN 202011020189A CN 112146764 A CN112146764 A CN 112146764A
- Authority
- CN
- China
- Prior art keywords
- sample
- temperature
- statistical
- temperature data
- thermal imaging
- 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
- 238000001931 thermography Methods 0.000 title claims abstract description 57
- 238000009529 body temperature measurement Methods 0.000 title claims abstract description 53
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000005259 measurement Methods 0.000 claims abstract description 36
- 238000012216 screening Methods 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims abstract description 7
- 210000001061 forehead Anatomy 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 9
- 210000003128 head Anatomy 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 10
- 230000036760 body temperature Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000004861 thermometry Methods 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
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Radiation Pyrometers (AREA)
Abstract
本申请公开了一种提高基于热成像温度测量准确性的方法,该方法包括,基于热成像图像,获取温度数据;设置至少一个温度样本区间,基于温度数据,分别统计各个样本区间的温度数据,得到各个样本区间的统计样本,分别计算各个统计样本在温度数据中的概率分布,筛选出统计样本概率分布不小于概率分布阈值的第一样本集合;从第一样本集合中选取出最优样本,基于最优样本中的温度数据,确定测量结果。本申请实现了对温度数据细腻化的处理,提高了温度测量的准确性。
Description
技术领域
本发明涉及热成像技术领域,特别地,涉及一种提高基于热成像温度测量准确性的方法。
背景技术
目前的热成像测温技术,都是直接获取所检测区域的最高温作为测量结果,其会被一些因素干扰导致温度结果不准;例如,受热源、热气流等影响会导致测温结果偏高。
以基于热成像的人体温度测量为例。受疫情影响,为提高公众场合的安全,需要进行人体温度检测;基于热成像的人体温度测量以其无接触快速测温而被广泛应用。通常,选取的额头区域的最高温作为测量结果,这样的测量结果会被一些因素干扰导致温度结果不准。例如,当脸部被口罩遮挡时,额头部分区域的温度会随着呼出的气流变高,导致最终的测温结果偏高;由于测温环境、测温对象个体差异,该方法的测温结果显现出波动较大、温度不准的情况常有发生。
发明内容
本发明提供了一种提高基于热成像温度测量准确性的方法,以减少温度测量结果中的干扰。
本发明提供的一种提高基于热成像温度测量准确性的方法,该方法包括,
基于热成像图像,获取温度数据;
设置至少一个温度样本区间,基于温度数据,分别统计各个样本区间的温度数据,得到各个样本区间的统计样本,
分别计算各个统计样本在温度数据中概率分布,筛选出统计样本概率分布不小于概率分布阈值的第一样本集合;
从第一样本集合中选取出最优样本,
基于最优样本中的温度数据,确定测量结果。
较佳地,所述基于热成像图像,获取温度数据,进一步包括,
基于所获取的温度数据,选取一定温度范围作为有效范围,保留有效范围内的温度数据;
其中,有效范围根据所获取温度数据的分布确定。
较佳地,所述样本区间由滑动窗口组成,其中,滑动窗口包括用于确定样本区间所包括的连续温度值的范围的窗口宽度,以及用于确定相邻样本区间之间的间距的滑动步长,
所述设置至少一个温度样本区间,基于温度数据,分别统计各个样本区间的温度数据,得到各个样本区间的统计样本,包括,
确定有效范围内滑动窗口的总数,
分别统计各个滑动窗口的样本,得到各个滑动窗口的统计样本。
较佳地,所述窗口宽度为固定宽度,所述滑动步长为固定步长,
所述确定有效范围内滑动窗口的数量包括,将有效范围的上限与下限之差除以滑动窗口步长,得到滑动窗口的总数,
所述分别统计各个滑动窗口的样本,得到各个滑动窗口的统计样本,包括,
对于任一滑动窗口n:
按照窗口大小和步长,确定该滑动窗口对应的样本区间满足T1+n×S和T1+n×S+L之间,其中,n为0~N,N为滑动窗口总数,T1为有效范围中的下限,S为滑动步长,L为窗口宽度;
统计温度数据中满足该滑动窗口的样本区间的温度数据,得到该窗口的统计样本。
较佳地,所述分别计算各个统计样本在温度数据中分布概率,筛选出统计样本分布概率不小于分布概率阈值的第一样本集合,包括,
分别计算各个统计样本与有效范围内的温度数据总量的比值,得到统计样本占比,,筛选出统计样本占比不小于占比阈值的第一样本集合,
较佳地,所述分别计算各个统计样本与有效范围内的温度数据总量的比值,得到统计样本占比,筛选出统计样本占比不小于占比阈值的第一样本集合,包括,
对于每个滑动窗口中的统计样本,计算该统计样本数量与有效范围内的温度数据总数的比值,得到该统计样本的占比;
将统计样本中占比不小于占比阈值的统计样本作为第一样本集合。
较佳地,所述热成像图像至少包括人体额头部区域的热成像图像,
所述温度数据为人体额头部区域数据,
所述有效范围为人体额头温度范围。
所述窗口宽度根据用于热成像温度测量的设备精度误差、温度波动范围至少之一确定;
所述滑动步长根据所需样本的数量、有效范围、热成像设备的数据处理能力至少之一确定;
所述占比阈值根据温度测量的应用场景、背景温度、测温区域至少之一设定。
较佳地,所述从第一样本集合中选取出最优样本包括,从第一集合中选取具有最高温度范围的统计样本作为最优样本;
所述基于最优样本中的温度数据,确定测量结果,包括,选取最优样本中的最大温度值作为测量结果。
本发明提供的一种热成像设备,包括热成像图像获取组件、存储器和处理器,其特征在于,所述存储器存储有计算机程序,所述计算机程序被处理器执行时实现上述提高基于热成像温度测量准确性的方法步骤。
本发明还提供一种计算机可读存储介质,所述存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述提高基于热成像温度测量准确性的方法步骤。
本发明提供的提高基于热成像温度测量准确性的方法,通过统计各样本区间在温度数据中的概率分布,选择概率分布不小于概率分布阈值的统计样本集合,并从中选取出最优样本,基于最优样本中温度数据,确定测量结果,从而实现了对温度数据细腻化的处理,相比于现有技术中采用直接最高温度作为测量结果,使得温度的测量受测温区域的影响小,提高了温度测量的抗干扰性和稳定性,特别是应用于人体温度测量时,解决了由于人体温度变化的粒度小所需要的精准测量,避免了受外部影响而导致温度波动。
附图说明
图1为提高基于热成像温度测量准确性的方法的一种流程示意图。
图2为由滑动窗口组成的样本区间的示意图。
图3为各样本区间的样本占比分布的一种示意图。
图4为未戴口罩时热成像数据各个样本区间对应的占比的一种示意图。
图5为戴口罩时热成像数据各个样本区间对应的占比的一种示意图。
图6为现有技术中直接选取最高温作为测量结果的一种示意图。
图7为热成像设备的一种示意图。
具体实施方式
为了使本申请的目的、技术手段和优点更加清楚明白,以下结合附图对本申请做进一步详细说明。
申请人基于人体的温度测量数据的研究发现,在以额头区域为测温区域的人体温度测量数据中,影响额头测温结果的因素有以下部分:
1)热成像本身的测温误差。该误差通过采用黑体矫正可以使得测温结果误差在一定范围。
2)测温区域的选择。由于热成像图像比较复杂,无法直接定位到额头位置,通常需要将可见光镜头与热成像镜头进行标定,通过可见光得到额头位置后反算热成像图像中的额头位置,这导致基于可见光所定位的额头位置与反算所定位的热成像图像中的额头位置并不完全对应。
3)测温区域存在高温干扰。当脸部被部分遮挡,例如戴医用口罩或围巾,呼出的气流会随着鼻梁往额头区域流动,导致测温偏高。
4)测温区域存在低温干扰。由于测温区域选取过大会引入高温干扰,减小测温区域后,额头被部分遮挡时,例如,额头被刘海或者帽沿遮挡,可能测到的是遮挡物的温度,导致测温结果偏低。
在上述因素中,因素1带来的误差通常为热成像仪器标注的精度,此误差通常是固定不变的,能够通过矫正降低该误差;因素2会导致测温区域与实际额头位置存在一定的偏差,为此,可以减少测温区域的大小,但会导致受到因素3和/或4的影响,从而使得温度偏低或偏高的情况较多地出现。
尽管上述影响测温结果的因素是基于人体温度测量而发现,但对于其他基于热成像的温度测量也有类似。
有鉴于此,本申请在不缩小测温区域的情形下,基于温度测量数据的温度分布,选取一定温度范围作为有效范围,在有效范围内按照至少一个样本区间进行统计,得到统计样本,选取统计样本中具有可信范围内的最优样本,将该最优样本中温度值作为测量结果。
参见图1所示,图1为提高基于热成像温度测量准确性的方法的一种流程示意图。该方法包括,
步骤101,基于热成像图像,获取测量区域中的温度数据;
步骤102,基于所获取的温度数据分布,选取一定温度范围作为有效范围,以滤除干扰的温度值,从而有利于提高温度测量的准确性。
例如,人体的温度通常在35~45摄氏度之间,那么低于35摄氏度、或者高于45摄氏度的温度就可以认为是不可靠的温度数据。
又例如,对于温度范围尚不明确地情形,可以按照温度数据的平均值或者方差,将偏离平均值或方差超过设定阈值的温度数据去除,保留剩余的温度数据,将剩余的温度数据中所对应的温度值范围作为有效范围。
步骤103,在有效范围内,设定至少一个温度样本区间,并分别统计各个样本区域的样本,得到各个样本区间的统计样本。
其中,每个样本区间是由一定连续温度值组成的集合,相邻样本区间之间可以有部分重合的温度值。
较佳地,样本区间可以是滑动窗口的方式,其中,窗口宽度为L,其决定了样本区间所包括的连续温度值的范围,可根据用于热成像温度测量的测量设备的精度误差、温度波动范围至少之一确定;滑动步长为S,其决定了相邻样本区间之间的间距,可根据所需样本的数量、有效范围、热成像设备的数据处理能力至少之一确定,步长越小,所得到的统计样本越优,所占用的处理资源例如算力也越高。
如果有效范围为T1~T2,按照滑动窗口的步长,则可以得到滑动窗口的数量N为:
N=(T2-T1)/S
这样,每个滑动窗口对应一样本区间,N个滑动窗口至少可对应N个样本区间,得到至少N个统计样本,各样本区间为:T1+n×S~T1+n×S+L,n为0~N。其中,
当n=0时,得到样本区间为T1~T1+L的统计样本Y0,
当n=1时,得到样本区间为T1+S~T1+S+L的统计样本Y1,
....
当n=N时,得到样本区间为T1+N×S~T1+N×S+L的统计样本YN。
参见图2所示,图2为由滑动窗口组成的样本区间的示意图。图中,相邻窗口之间的相差步长S。第0窗口对应于第0样本区间,得到样本Y0,第1窗口对应于第1样本区间,得到样本Y1,依次类推,第N窗口对应于第N样本区间,得到样本YN。
所应理解的是,窗口与窗口之间的步长可以是变步长,每个窗口的宽度也可以是变宽度,具体可以结合温度数据的情况调整。
步骤104,基于各个统计样本,分别统计各个统计样本在有效范围内温度数据的中的概率分布,例如,将统计样本数量除以有效范围内温度数据数量得到的占比;
例如,对于样本Y0,统计该样本(温度为T1~T1+L的温度数据)在有效范围内的所有温度数据的占比。
对于样本Y1,统计该样本(温度为T1+S~T1+S+L的温度数据)在有效范围内的所有温度数据的占比;
…
依此类推,从而得到热成像数据各个温度区间对应的占比分布。
步骤105,按照设定的概率分布阈值,从所有统计样本中筛选出统计样本中概率分布不小于概率分布阈值的第一样本集合
例如,按照设定的占比阈值,从所有统计样本中筛选出统计样本中占比不小于占比阈值的第一样本集合,
其中,占比阈值根据温度测量的应用场景、背景温度、测温区域至少之一设定。例如,是室内还是室外,当前环境是炎热还是寒冷,测温区域是否受到其他影响等。
步骤106,从第一样本集合中选取出最优样本,
以人体额头部区域的温度测量为例,由于人体测量时关注与体温的最高温,因此,选取第一样本集合中样本所对应的样本区间里具有温度值最大的样本集合,作为最优样本集合,该样本集合也是可信范围内最优温度样本集合。
参见图3所示,图3为各样本区间的样本占比分布的一种示意图。图中,大于设定占比阈值的第一样本集合为虚线框所示,其中,所对应的样本区间里具有温度值最大的样本集合为最优样本集合。
步骤107,从最优样本集合中选取温度值作为测量结果,并记录该温度值作对应的热成像位置。
以人体额头部区域的温度测量为例,由于人体测量时关注与体温的最高温,因此,选取最大温度值作为测量结果,
所应理解的是,还可以根据应用场景,按照一定策略,例如,将最优样本集合中的样本进行加权所得到的温度值,作为测量结果。
本申请的提高热成像温度测量的方法,通过将温度数据按照划分的温度区间进行统计,并计算统计样本在有效范围内温度数据中的整体占比,按照占比选择出最优样本集合,从最优样本集合中选取最优温度作为测量结果,降低了测量结果受测量区域的影响因素,有效去除了温度数据中的干扰数据,减少了外界因素的影响,从而提高了温度测量的准确性和稳定性。
以下以人体的温度测量为例来说明。
鉴于人体的温度特点,不妨假设有效温度范围为35~45摄氏度,即T1为35,T2为45,窗口宽度L为0.3摄氏度,步长S为0.08摄氏度,占比阈值P为0.2,则样本区间总数N为:(45-35)/0.08=125。
按照各样本区域对有效范围内的温度数据进行样本统计,分别得到如下统计样本:
当n=0时,得到样本区间为35~35.3的统计样本Y0,
当n=1时,得到样本区间为35.08~35.38的统计样本Y1,
当n=2时,得到样本区间为35.16~35.46的统计样本Y2,
....
当n=125时,得到样本区间为45~45.3的统计样本YN。
计算各个统计样本在有效范围内的温度数据的占比,得到各个样本的占比分布。
参见图4所示,图4为未戴口罩时热成像数据各个样本区间对应的占比的一种示意图。将占比达于占比阈值的样本筛选出来,得到第一样本集合,如图4中,第一样本集合包括样本A、B、C、D、E、F、G、H。在上述第一样本集合中,具有温度值最大的样本为样本H,该样本的温度分布为36.52~36.82,将该样本集合作为最优样本集合。基于最优样本集合,选取该集合中最高温度值作为测量结果,记录该温度值在热成像中的坐标。
参见图5所示,图5为戴口罩时热成像数据各个样本区间对应的占比的一种示意图。将占比达于占比阈值的样本筛选出来,得到第一样本集合,如图5中,第一样本集合包括样本I、J、K、L、M。其中,样本M具有温度值最大,该样本的温度分布为36.76~37.06,将该样本集合作为最优样本集合。基于最优样本集合,选取该集合中最高温度值作为测量结果,记录该温度值在热成像中的坐标。
对比图5和图4可见,在图4中,额头温度为36.5℃,窗口区间概率为0.2638;在图5中,额头温度为36.74℃,窗口概率为0.3824;而如果采用现有的直接选取最高温度作为测量结果,参见图6所示,图6为现有技术中直接选取最高温作为测量结果的一种示意图,左图为未佩戴口罩时额头的测量温度为38℃,右图为佩戴口罩时额头的测量温度为37.28℃。由此可见,采用本发明的测温方法,能够避免因为佩戴口罩而带来的热气流对额头温度测量的影响,大大提高了测量的准确度。
参见图7所示,图7为热成像设备的一种示意图。该热成像设备包括热成像图像获取组件,用于获取热成像图像,还包括,
温度数据获取模块,基于热成像图像,获取温度数据;
数据处理模块,设置至少一个温度样本区间,基于温度数据,分别统计各个样本区间的温度数据,得到各个样本区间的统计样本,
分别计算各个统计样本在温度数据中的占比,筛选出统计样本占比不小于占比阈值的第一样本集合;
从第一样本集合中选取出最优样本,
基于最优样本中的温度数据,确定测量结果。
所述热成像设备还可以包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被处理器执行时实现本申请所述提高基于热成像温度测量准确性的方法步骤。
存储器可以包括随机存取存储器(Random Access Memory,RAM),也可以包括非易失性存储器(Non-Volatile Memory,NVM),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessing,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
本发明实施例还提供了一种计算机可读存储介质,所述存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现如下步骤:
基于热成像图像,获取温度数据;
设置至少一个温度样本区间,基于温度数据,分别统计各个样本区间的温度数据,得到各个样本区间的统计样本,
分别计算各个统计样本在温度数据中的占比,筛选出统计样本占比不小于占比阈值的第一样本集合;
从第一样本集合中选取出最优样本,
基于最优样本中的温度数据,确定测量结果。
对于装置/网络侧设备/存储介质实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
在本文中,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。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。
Claims (10)
1.一种提高基于热成像温度测量准确性的方法,其特征在于,该方法包括,
基于热成像图像,获取温度数据;
设置至少一个温度样本区间,基于温度数据,分别统计各个样本区间的温度数据,得到各个样本区间的统计样本,
分别计算各个统计样本在温度数据中概率分布,筛选出统计样本概率分布不小于概率分布阈值的第一样本集合;
从第一样本集合中选取出最优样本,
基于最优样本中的温度数据,确定测量结果。
2.如权利要求1所述的方法,其特征在于,所述基于热成像图像,获取温度数据,进一步包括,
基于所获取的温度数据,选取一定温度范围作为有效范围,保留有效范围内的温度数据;
其中,有效范围根据所获取温度数据的分布确定。
3.如权利要求2所述的方法,其特征在于,所述样本区间由滑动窗口组成,其中,滑动窗口包括用于确定样本区间所包括的连续温度值的范围的窗口宽度,以及用于确定相邻样本区间之间的间距的滑动步长,
所述设置至少一个温度样本区间,基于温度数据,分别统计各个样本区间的温度数据,得到各个样本区间的统计样本,包括,
确定有效范围内滑动窗口的总数,
分别统计各个滑动窗口的样本,得到各个滑动窗口的统计样本。
4.如权利要求3所述的方法,其特征在于,所述窗口宽度为固定宽度,所述滑动步长为固定步长,
所述确定有效范围内滑动窗口的数量包括,将有效范围的上限与下限之差除以滑动窗口步长,得到滑动窗口的总数,
所述分别统计各个滑动窗口的样本,得到各个滑动窗口的统计样本,包括,
对于任一滑动窗口n:
按照窗口大小和步长,确定该滑动窗口对应的样本区间满足T1+n×S和T1+n×S+L之间,其中,n为0~N,N为滑动窗口总数,T1为有效范围中的下限,S为滑动步长,L为窗口宽度;
统计温度数据中满足该滑动窗口的样本区间的温度数据,得到该窗口的统计样本。
5.如权利要求1所述的方法,其特征在于,所述分别计算各个统计样本在温度数据中分布概率,筛选出统计样本分布概率不小于分布概率阈值的第一样本集合,包括,
分别计算各个统计样本与有效范围内的温度数据总量的比值,得到统计样本占比,筛选出统计样本占比不小于占比阈值的第一样本集合。
6.如权利要求5所述的方法,其特征在于,所述分别计算各个统计样本与有效范围内的温度数据总量的比值,得到统计样本占比,筛选出统计样本占比不小于占比阈值的第一样本集合,包括,
对于每个滑动窗口中的统计样本,计算该统计样本数量与有效范围内的温度数据总数的比值,得到该统计样本的占比;
将统计样本中占比不小于占比阈值的统计样本作为第一样本集合。
7.如权利要求1至5任一所述的方法,其特征在于,所述热成像图像至少包括人体额头部区域的热成像图像,
所述温度数据为人体额头部区域数据,
所述有效范围为人体额头温度范围;
所述窗口宽度根据用于热成像温度测量的设备精度误差、温度波动范围至少之一确定;
所述滑动步长根据所需样本的数量、有效范围、热成像设备的数据处理能力至少之一确定;
所述占比阈值根据温度测量的应用场景、背景温度、测温区域至少之一设定。
8.如权利要求7所述的方法,其特征在于,所述从第一样本集合中选取出最优样本包括,从第一集合中选取具有最高温度范围的统计样本作为最优样本;
所述基于最优样本中的温度数据,确定测量结果,包括,选取最优样本中的最大温度值作为测量结果。
9.一种热成像设备,包括热成像图像获取组件、存储器和处理器,其特征在于,所述存储器存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至8任一所述提高基于热成像温度测量准确性的方法步骤。
10.一种计算机可读存储介质,其特征在于,所述存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至8任一所述提高基于热成像温度测量准确性的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011020189.2A CN112146764B (zh) | 2020-09-25 | 2020-09-25 | 一种提高基于热成像温度测量准确性的方法、热成像设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011020189.2A CN112146764B (zh) | 2020-09-25 | 2020-09-25 | 一种提高基于热成像温度测量准确性的方法、热成像设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112146764A true CN112146764A (zh) | 2020-12-29 |
CN112146764B CN112146764B (zh) | 2022-05-24 |
Family
ID=73896876
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011020189.2A Active CN112146764B (zh) | 2020-09-25 | 2020-09-25 | 一种提高基于热成像温度测量准确性的方法、热成像设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112146764B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115560878A (zh) * | 2022-12-05 | 2023-01-03 | 中科声龙科技发展(北京)有限公司 | 设备温度检测方法、装置、设备及存储介质 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2173297A (en) * | 1985-04-03 | 1986-10-08 | Weinert E Messgeraetewerk | Constant light pyrometer |
JP2002107229A (ja) * | 2000-09-28 | 2002-04-10 | Anritsu Corp | 赤外線放射器及びそれを用いた赤外線放射装置 |
JP2005208850A (ja) * | 2004-01-21 | 2005-08-04 | Nippon Hoso Kyokai <Nhk> | 顔画像認識装置及び顔画像認識プログラム |
CN101833838A (zh) * | 2010-05-27 | 2010-09-15 | 王巍 | 一种大范围火灾分析预警系统 |
CN102393877A (zh) * | 2011-07-13 | 2012-03-28 | 东南大学 | 一种桥梁结构钢箱梁随机温度场的模拟方法 |
WO2013078471A1 (en) * | 2011-11-25 | 2013-05-30 | The Government Of The United States Of America, As Represented By The Secretary Of The Navy | Chemical mapping using thermal microscopy at the micro and nano scales |
CN103257000A (zh) * | 2013-04-09 | 2013-08-21 | 东南大学 | 一种桥梁结构日照作用分析的极值温度预测方法 |
CN103984980A (zh) * | 2014-01-28 | 2014-08-13 | 中国农业大学 | 一种温室内温度极值的预测方法 |
CN105675140A (zh) * | 2016-02-01 | 2016-06-15 | 青岛海尔空调器有限总公司 | 人体衣着量的检测方法与装置 |
CN105973474A (zh) * | 2016-04-28 | 2016-09-28 | 国网山东省电力公司电力科学研究院 | 一种基于温度直方图的输变电设备红外图像温宽调整方法 |
CN107271044A (zh) * | 2017-05-03 | 2017-10-20 | 北京海顿中科技术有限公司 | 一种热成像温度监测装置及方法 |
CN107978035A (zh) * | 2016-10-25 | 2018-05-01 | 杭州海康威视数字技术股份有限公司 | 门禁控制方法及系统 |
CN108775964A (zh) * | 2018-08-09 | 2018-11-09 | 深圳陆纳信息技术有限公司 | 一种医用温度采集系统 |
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 |
CN111325701A (zh) * | 2018-12-14 | 2020-06-23 | 杭州海康威视数字技术股份有限公司 | 图像处理方法、装置及存储介质 |
CN111486956A (zh) * | 2020-03-23 | 2020-08-04 | 黄维学 | 异常体温筛查方法、装置、计算机设备和存储介质 |
-
2020
- 2020-09-25 CN CN202011020189.2A patent/CN112146764B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2173297A (en) * | 1985-04-03 | 1986-10-08 | Weinert E Messgeraetewerk | Constant light pyrometer |
JP2002107229A (ja) * | 2000-09-28 | 2002-04-10 | Anritsu Corp | 赤外線放射器及びそれを用いた赤外線放射装置 |
JP2005208850A (ja) * | 2004-01-21 | 2005-08-04 | Nippon Hoso Kyokai <Nhk> | 顔画像認識装置及び顔画像認識プログラム |
CN101833838A (zh) * | 2010-05-27 | 2010-09-15 | 王巍 | 一种大范围火灾分析预警系统 |
CN102393877A (zh) * | 2011-07-13 | 2012-03-28 | 东南大学 | 一种桥梁结构钢箱梁随机温度场的模拟方法 |
WO2013078471A1 (en) * | 2011-11-25 | 2013-05-30 | The Government Of The United States Of America, As Represented By The Secretary Of The Navy | Chemical mapping using thermal microscopy at the micro and nano scales |
CN103257000A (zh) * | 2013-04-09 | 2013-08-21 | 东南大学 | 一种桥梁结构日照作用分析的极值温度预测方法 |
CN103984980A (zh) * | 2014-01-28 | 2014-08-13 | 中国农业大学 | 一种温室内温度极值的预测方法 |
CN105675140A (zh) * | 2016-02-01 | 2016-06-15 | 青岛海尔空调器有限总公司 | 人体衣着量的检测方法与装置 |
CN105973474A (zh) * | 2016-04-28 | 2016-09-28 | 国网山东省电力公司电力科学研究院 | 一种基于温度直方图的输变电设备红外图像温宽调整方法 |
CN107978035A (zh) * | 2016-10-25 | 2018-05-01 | 杭州海康威视数字技术股份有限公司 | 门禁控制方法及系统 |
CN107271044A (zh) * | 2017-05-03 | 2017-10-20 | 北京海顿中科技术有限公司 | 一种热成像温度监测装置及方法 |
CN108775964A (zh) * | 2018-08-09 | 2018-11-09 | 深圳陆纳信息技术有限公司 | 一种医用温度采集系统 |
CN111325701A (zh) * | 2018-12-14 | 2020-06-23 | 杭州海康威视数字技术股份有限公司 | 图像处理方法、装置及存储介质 |
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 |
CN111486956A (zh) * | 2020-03-23 | 2020-08-04 | 黄维学 | 异常体温筛查方法、装置、计算机设备和存储介质 |
Non-Patent Citations (2)
Title |
---|
NAN LI 等: "Probability of occupant operation of windows during transition seasons in office buildings", 《RENEWABLE ENERGY》 * |
熊伟丽 等: "一种基于多工况识别的过程在线监测方法", 《控制于决策》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115560878A (zh) * | 2022-12-05 | 2023-01-03 | 中科声龙科技发展(北京)有限公司 | 设备温度检测方法、装置、设备及存储介质 |
CN115560878B (zh) * | 2022-12-05 | 2023-03-10 | 中科声龙科技发展(北京)有限公司 | 设备温度检测方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112146764B (zh) | 2022-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021196360A1 (zh) | 一种温度测量方法及系统 | |
CN109813434B (zh) | 一种基于温度检测的人体识别方法、装置及终端设备 | |
CN111579083B (zh) | 基于红外图像人脸检测的体温测量的方法和装置 | |
Vardasca et al. | Classification and decision making of medical infrared thermal images | |
CN110398291B (zh) | 一种运动目标最高温检测方法及系统 | |
CN112146764B (zh) | 一种提高基于热成像温度测量准确性的方法、热成像设备 | |
CN106415223A (zh) | 确定在温度测量中改变的速率 | |
CN112432709B (zh) | 人体测温的方法和系统 | |
Yoon et al. | An experimental study on the evaluation of temperature uniformity on the surface of a blackbody using infrared cameras | |
CN104240264A (zh) | 一种运动物体的高度检测方法和装置 | |
Marais et al. | An optimal image transform for threshold-based cloud detection using heteroscedastic discriminant analysis | |
US20220155149A1 (en) | Object Recognition Device and Object Recognition Method | |
CN111275765B (zh) | 一种确定目标gps的方法、装置及摄像机 | |
CN111609939A (zh) | 一种个体体温异常筛查方法、装置、设备 | |
WO2023050858A1 (zh) | 热成像温度测量方法、装置及电子设备 | |
CN112541403A (zh) | 一种利用红外摄像头的室内人员跌倒检测方法 | |
WO2015120355A1 (en) | Multi resolution, hierarchical radiance field estimation | |
US11561135B2 (en) | Artificial intelligence (AI) procedure for normalizing thermal skin temperature to body temperature | |
CN111968163B (zh) | 一种热电堆阵列测温方法及装置 | |
CN113256493B (zh) | 一种热红外遥感图像重建方法和装置 | |
US20220011165A1 (en) | Elevated temperature screening using pattern recognition in thermal images | |
CN105551042A (zh) | 一种扫描床标记点位置的确定方法和装置 | |
US11610432B2 (en) | Infrared temperature measurement fused with facial identification in an access control system | |
Kaushik et al. | Characterization of PIR detector for monitoring occupancy patterns and functional health status of elderly people living alone at home | |
CN113566981B (zh) | 红外探测器的自适应调整方法及装置 |
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 |