CN112414559B - 一种活体非接触式测温系统及方法 - Google Patents
一种活体非接触式测温系统及方法 Download PDFInfo
- Publication number
- CN112414559B CN112414559B CN202110094462.4A CN202110094462A CN112414559B CN 112414559 B CN112414559 B CN 112414559B CN 202110094462 A CN202110094462 A CN 202110094462A CN 112414559 B CN112414559 B CN 112414559B
- Authority
- CN
- China
- Prior art keywords
- temperature
- module
- temperature measurement
- processor module
- value
- 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 182
- 238000000034 method Methods 0.000 title claims abstract description 25
- 230000036760 body temperature Effects 0.000 claims abstract description 45
- 238000010438 heat treatment Methods 0.000 claims abstract description 40
- 238000004891 communication Methods 0.000 claims abstract description 27
- 238000001514 detection method Methods 0.000 claims abstract description 21
- 238000012790 confirmation Methods 0.000 claims abstract description 11
- 239000000284 extract Substances 0.000 claims description 16
- 238000001727 in vivo Methods 0.000 claims description 11
- 108700041286 delta Proteins 0.000 claims description 8
- 210000001061 forehead Anatomy 0.000 claims description 8
- 238000010606 normalization Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 7
- 230000001960 triggered effect Effects 0.000 claims description 3
- 241000700605 Viruses Species 0.000 abstract description 2
- 208000015181 infectious disease Diseases 0.000 abstract 1
- 230000002458 infectious effect Effects 0.000 abstract 1
- 238000013102 re-test Methods 0.000 abstract 1
- 239000000523 sample Substances 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000001931 thermography Methods 0.000 description 3
- 206010011409 Cross infection Diseases 0.000 description 1
- 206010029803 Nosocomial infection Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification 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
-
- 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
- G01J5/02—Constructional details
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K1/00—Details of thermometers not specially adapted for particular types of thermometer
- G01K1/02—Means for indicating or recording specially adapted for thermometers
- G01K1/024—Means for indicating or recording specially adapted for thermometers for remote indication
-
- 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
- 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
- G06V40/40—Spoof detection, e.g. liveness detection
- G06V40/45—Detection of the body part being alive
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明公开了一种活体非接触式测温系统及方法，包含以下步骤：S1：处理器模块对视频图像进行活体检测；S2：处理器模块发送温度采集指令到测温模块，温度采集模块依据视频图像关键点采集人体温度；S3：处理器模块将测温模块采集的人体温度与预设温度值进行比对，输出温度值，触发发热预警；S4：测温模块进行复测，确认后触发发热报警；S5：处理器模块将温测结果发送至显示模块，发热报警发送至报警模块及通信模块，结束本次测温。本发明在不接触人体的情况下通过对人体测温点的定位提高测温准确率，提高了检测效率，同时降低了接触传染病毒风险。
Description
技术领域
本发明涉及非接触式测温领域，尤其涉及一种活体非接触式测温系统及方法。
背景技术
目前用于测量人体温度的仪器大致分为两种类型，分别是接触式的和非接触式的。接触式的测温仪器简单方便便携易操作，不过在用于公共场所人体检测时测温速度慢，需要人为干预，逐一进行单体测温，而且测量时需要和被测对象接触。非接触式测温为在不接触物体的情况下对物体的温度进行直接测量，检测速度快，有效降低测温接触时病毒交叉感染风险。
但在目前的测温过程中，存在人为故意瞒报或隐藏自身发热情况的发生，导致自动测温的准确度存在一定的偏差，因此需要一种能够检测活体及能准确识别体温的活体非接触式测温系统及方法。
发明内容
本发明所要解决的技术问题之一是：克服现有技术存在的上述缺陷，提供一种活体非接触式测温系统，包含测温模块、图像采集模块、处理器模块、报警模块、显示模块、存储模块、温控模块及通信模块，其中：
所述处理器模块分别与测温模块、图像采集模块、报警模块、显示模块、存储模块、温控模块及通信模块相连；
所述图像采集模块将采集的视频图像数据发送至处理器模块，所述处理器模块接收视频图像数据，再将处理后的视频图像数据发送至显示模块，同时将温度采集指令数据发送至测温模块；
所述测温模块接收处理器模块发送的温度采集指令，并发送采集的人体温度数据至处理器模块；
所述处理器模块接收测温模块发送的人体温度数据，并将该人体温度数据发送至显示模块；在检测到的人体温度高于预设值时，处理器模块发送报警数据至报警模块，报警模块接收该报警数据后输出报警信号至外部报警设备，同时处理器模块将报警数据及视频图像数据发送至通信模块和存储模块，通信模块将接收的报警数据及视频图像数据发送至远端监控中心，存储模块将接收的报警数据及视频图像数据进行存储；
所述报警模块还接收外部手动触发的报警信号，并将该报警信号发送至处理器模块；
所述温控模块采集所述非接触式测温系统的环境温度及运行温度，将采集的温度数据发送至处理器模块，处理器模块对接收的温度数据进行处理，并发送温度调节指令到温控模块；
所述处理器模块还用于活体检测及测温，首先，处理器模块对视频图像进行活体检测，其中，图像采集模块实时采集视频图像数据，并将采集的视频图像数据发送至处理器模块，处理器模块对视频图像数据进行活体检测，若检测到活体，则处理器模块发送温度采集指令到测温模块，测温模块接收温度采集指令后启动测温，处理器模块根据接收的图像采集模块采集的视频图像数据，获取活体人脸图像在视频图像中的位置，对活体人脸图像中关键点的位置与预设准确测温人脸图像关键点的位置进行比对，关键点位置在预设规定范围内，则测温模块对被测活体进行人体温度测量，依据预设次数采集人体温度，计算人体温度有效平均值，得到本次测温的温度值，若关键点超出预设规定值，则发送提示信息到显示模块，处理器模块继续根据接收的图像采集模块采集的视频图像数据，获取活体人脸图像在视频图像中的位置，直至关键点位置达到预设规定范围，再由测温模块对被测活体进行人体温度测量，依据预设次数采集人体温度，计算人体温度有效平均值，得到本次测温的温度值，接着，测温模块将该温度值发送给处理器模块，处理器模块接收该温度值，将其发送至显示模块，同时处理器模块将该温度值发送至存储模块进行记录，若未检测到活体则处理器模块继续对视频图像进行活体检测，随后，处理器模块将测温模块采集的人体温度与预设温度值进行比对，输出采集的人体温度值，触发发热报警或结束本次测温，最后，测温模块进行复测，确认后触发发热报警或结束本次测温，处理器模块将测温结果发送至显示模块，发热报警发送至报警模块及通信模块，结束本次测温。
本发明还提供一种活体非接触式测温方法，包含以下步骤：
S1：处理器模块对视频图像进行活体检测，其中，图像采集模块实时采集视频图像数据，并将采集的视频图像数据发送至处理器模块，处理器模块对视频图像数据进行活体检测，若检测到活体则执行步骤S2，未检测到活体则继续执行步骤S1；
S2：处理器模块发送温度采集指令到测温模块，测温模块依据视频图像关键点采集人体温度，包含以下具体步骤：
S21：处理器模块发送温度采集指令到测温模块；
S22：测温模块接收温度采集指令后启动测温；
S23：处理器模块根据接收的图像采集模块采集的视频图像数据，获取活体人脸图像在视频图像中的位置，对活体人脸图像中关键点的位置与预设准确测温人脸图像关键点的位置进行比对，关键点位置在预设规定范围内，则执行步骤S24，若关键点超出预设规定值，则发送提示信息到显示模块，继续执行步骤S23，直至关键点位置达到预设规定范围；
S24：测温模块对被测活体进行人体温度测量，依据预设次数采集人体温度，计算人体温度有效平均值，得到本次测温的温度值；
S25：测温模块将该温度值发送给处理器模块；
S26：处理器模块接收该温度值，将其发送至显示模块，同时处理器模块将该温度值发送至存储模块进行记录。
S3：处理器模块将测温模块采集的人体温度与预设温度值进行比对，输出采集的人体温度值，触发发热报警或结束本次测温；
S4：测温模块进行复测，确认后触发发热报警或结束本次测温；
S5：处理器模块将测温结果发送至显示模块，发热报警发送至报警模块及通信模块，结束本次测温。
进一步的，所述步骤S23包含以下具体步骤：
S231：处理器模块根据接收的图像采集模块采集的视频图像数据，对视频图像数据进行关键帧提取，提取出预设采集时间区间内的若干张视频图像关键帧，该关键帧提取的依据为该视频帧数据是否包含人脸数据；
S232：处理器模块对提取的若干张视频图像关键帧再次进行人脸数据提取和整合，将若干张视频图像关键帧整合为单帧视频图像数据，该单帧视频图像数据包含完整的人脸数据；
S233：处理器模块依据该单帧视频图像数据，提取人脸关键点在视频图像中的位置坐标数据；
S234：处理器模块将人脸关键点的位置坐标与预设的人脸关键点边界值坐标进行比对，判断该人脸关键点的位置坐标是否在预设的人脸关键点边界值坐标范围内；
S235：若人脸关键点的位置坐标在预设的人脸关键点边界值坐标范围内，则执行步骤S24，若人脸关键点的位置坐标超出预设的人脸关键点边界值坐标范围，则发送提示信息到显示模块，继续执行步骤S231，直至关键点位置达到预设规定范围。
进一步的，所述步骤S233包含以下具体步骤：
S2331：在视频图像数据上设置人脸关键点初始位置，该人脸关键点初始位置为经验值预设；
S2332：选定一个关键点，第一次提取该关键点周围两个点的灰度值，计算该两个点的灰度差值，并对该灰度差值进行归一化处理；
S2333：将归一化处理后的灰度差值与预设的初始灰度值h1进行比较，若该灰度差值大于h1，则生成标识数串001，若该灰度差值小于h1，则在该关键点周围再次提取另外两个点的灰度值，计算该两个点的灰度差值，并对该灰度差值进行归一化处理；
S2334：再将步骤S2333得到的归一化处理后的灰度差值与预设的初始灰度值h2进行比较，大于h2，则生成标识数串010，若小于h2，则生成标识数串100；
S2335：对每个关键点重复执行S2332-S2334四次，每个关键点生成4个长度为3位的标识数串，其中每次提取的点的位置不同，且预设的初始灰度值h1、h2根据不同的提取点，赋予不同的初始值；
S2336：完成所有关键点的取点计算后，生成个数为关键点数量乘4的标识数串，该标识数串向量长度为关键点数量乘12；
S2337：依据预设的向量x1，常数b1,将步骤S2336生成的向量与预设的向量x1做点积，点积结果再与常数b1相加，得到值delta_1，将该delta_1与关键点目前位置的x轴坐标相加，得到该关键点新的x轴坐标位置；
S2338：依据预设的向量x2，常数b2,将步骤S2336生成的向量与预设的向量x2做点积，点积结果再与常数b2相加，得到值delta_2，将该delta_2与关键点目前位置的y轴坐标相加，得到该关键点新的y轴坐标位置；
S2339：对所有的关键点执行步骤S2337及S2338，完成所有关键点坐标位置移动；
S23310：重复执行步骤S2332-S2339四次，得到视频图像的实际关键点位置。
进一步的，所述步骤S24包含以下具体步骤：
S241：处理器模块依据视频图像人脸关键点识别出活体面部额头在图像中的位置；
S242：测温模块采集视频图像中全部被测点的温度数据，将该温度数据发送至处理器模块，该温度数据包含温度值及该被温度值对应的被测点在视频图像中的坐标位置信息；
S243：处理器模块接收测温模块发送的温度数据并对该数据进行解析，获取温度值及该温度对应的坐标位置信息；
S245：处理器模块将解析的温度坐标位置信息与步骤S241的活体面部额头在图像中的位置信息进行比对，去除非该区域内的温度数据；
S246：重复执行S241-S245至预设次数；
S247：处理器模块对多次测温的数据进行有效平均值计算，得到本次测温的温度值。
进一步的，所述步骤S3包含以下步骤：
S31：处理器模块将接收的温度值与预设的温度值进行比对；
S32：采集的温度值大于预设的温度值，处理器模块触发发热预警，同时处理器模块再次发送测温指令到测温模块，执行步骤S4；
S33：采集的温度值小于或等于预设的温度值，处理器模块将温度值发送至存储模块进行记录，结束本次测温。
进一步的，所述步骤S4包含以下步骤：
S41：测温模块对被测活体再次进行温度测量，进行多次温度采集，并将采集的温度数据发送至处理器模块；
S42：处理器模块接收温度数据，分别将接收的多个温度数据与预设的温度值进行比对，若40%及以上的温度值高于预设的温度值，则触发发热报警，若40%及以上的温度值等于或低于预设的温度值，则取消发热预警，结束本次测温；
S43：处理器模块将发热报警数据及视频图像数据发送至存储模块。
进一步的，所述步骤S5包含以下步骤：
S51：处理器模块发送报警数据至报警模块和显示模块；
S52：报警模块接收报警数据，发送报警信号至外部报警设备，通知值班人员进行人工干预，人工确认后，结束本次测温；
S53：处理器模块将报警数据及视频图像数据发送至通信模块，由通信模块发送至远端监控中心；
S54：处理器模块将报警数据及视频图像数据发送至存储模块，存储本次发热报警的温度数据及视频图像数据。
进一步的，所述人脸图像关键点为68个关键点、49个关键点、5个关键点及21个关键点中的一种。
本发明产生的有益效果是：本发明自主研发了一种活体非接触式测温方法，通过双目活体人脸识别，有效过滤非活体的测温数据，减少人为故意瞒报或隐藏自身发热情况的发生，同时，通过对测温位置的判断，测得人体的额头温度，有效提高了测温的准确性。
附图说明
图1为本发明提供的一种活体非接触式测温系统整体框图；
图2为本发明提供的一种活体非接触式测温方法流程图。
具体实施方式
为使本领域技术人员更加清楚和明确本发明的技术方案，下面结合实施例及附图对本发明作进一步详细的描述，需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互结合。
参考图1，为本发明提供一种活体非接触式测温系统，包含测温模块101、图像采集模块107、处理器模块103、报警模块104、显示模块100、存储模块102、温控模块105及通信模块106，其中：
所述处理器模块103分别与测温模块101、图像采集模块107、报警模块104、显示模块100、存储模块102、温控模块105及通信模块106相连；
所述图像采集模块107将采集的视频图像数据发送至处理器模块103，所述处理器模块103接收视频图像数据，再将处理后的视频图像数据发送至显示模块100，同时将温度采集指令数据发送至测温模块101；
所述测温模块101接收处理器模块103发送的温度采集指令，并发送采集的人体温度数据至处理器模块103；
所述处理器模块103接收测温模块101发送的人体温度数据，将该温度数据发送至显示模块100；在检测到的人体温度高于预设值时，处理器模块103发送报警数据至报警模块104，报警模块104接收该报警数据后输出报警信号至外部报警设备，同时处理器模块103将报警数据及视频图像数据发送至通信模块106和存储模块102，通信模块106将接收报警数据及视频图像数据发送至远端监控中心，存储模块102将接收的报警数据及视频图像数据进行存储；
所述报警模块104还接收外部手动触发的报警信号，将该报警信号发送至处理器模块103；
所述温控模块105采集所述非接触式测温系统的环境温度及运行温度，将采集的温度数据发送至处理器模块103，处理器模块103对接收的温度数据进行处理，并发送温度调节指令到温控模块105；
所述处理器模块103还用于活体检测及测温，首先，处理器模块103对视频图像进行活体检测，其中，图像采集模块107实时采集视频图像数据，并将采集的视频图像数据发送至处理器模块103，处理器模块103对视频图像数据进行活体检测，若检测到活体，则处理器模块103发送温度采集指令到测温模块101，测温模块101接收温度采集指令后启动测温，处理器模块103根据接收的图像采集模块107采集的视频图像数据，获取活体人脸图像在视频图像中的位置，对活体人脸图像中关键点的位置与预设准确测温人脸图像关键点的位置进行比对，关键点位置在预设规定范围内，则测温模块101对被测活体进行人体温度测量，依据预设次数采集人体温度，计算人体温度有效平均值，得到本次测温的温度值，若关键点超出预设规定值，则发送提示信息到显示模块100，处理器模块103继续根据接收的图像采集模块107采集的视频图像数据，获取活体人脸图像在视频图像中的位置，直至关键点位置达到预设规定范围，再由测温模块101对被测活体进行人体温度测量，依据预设次数采集人体温度，计算人体温度有效平均值，得到本次测温的温度值，接着，测温模块101将该温度值发送给处理器模块103，处理器模块103接收该温度值，将其发送至显示模块100，同时处理器模块103将该温度值发送至存储模块102进行记录，若未检测到活体则处理器模块103继续对视频图像进行活体检测，随后，处理器模块103将测温模块101采集的人体温度与预设温度值进行比对，输出采集的人体温度值，触发发热报警或结束本次测温，最后，测温模块101进行复测，确认后触发发热报警或结束本次测温，处理器模块103将测温结果发送至显示模块100，发热报警发送至报警模块104及通信模块106，结束本次测温。
优选的，所述通信模块106采用网络接口、5G数传模组及WIFI模组，分别通过网线、5G传输网络及WIFI传输网络收发数据。
优选的，所述图像采集模块107为双目红外摄像头，摄像头分辨率支持1080P，双目红外摄像头通过USB接口及板载数据通道与处理器模块103相连。
优选的，所述测温模块101包含非接触式测温仪，非接触式测温仪通过USB接口与处理器模块103相连：
优选的，所述报警模块104包含报警触发按钮、报警输出接口，报警触发按钮通过板载数据通道与处理器模块103相连，发送手动报警信号至处理器模块103，报警输出接口通过板载数据通道与处理器模块103相连。
优选的，所述处理器模块103采用高通处理器，操作系统采用Andriod7.1及以上，
优选的，所述处理器模块103嵌入AI分析模组。
本发明还提供一种活体非接触式测温方法，包含以下步骤：
S1：处理器模块103对视频图像进行活体检测，其中，图像采集模块107实时采集视频图像数据，并将采集的视频图像数据发送至处理器模块103，处理器模块103对视频图像数据进行活体检测，若检测到活体则执行步骤S2，未检测到活体则继续执行步骤S1；
S2：处理器模块103发送温度采集指令到测温模块101，测温模块101依据视频图像关键点采集人体温度，具体步骤为：
S21：处理器模块103发送温度采集指令到测温模块101；
S22：测温模块101接收温度采集指令后启动测温；
S23：处理器模块103接收图像采集模块107采集的视频图像，获取活体人脸图像在视频图像中的位置，对活体人脸图像中关键点的位置与预设准确测温人脸图像关键点的位置进行比对，关键点位置在预设规定范围内，则执行步骤S24，若关键点超出预设规定值，则发送提示信息到显示模块100，继续执行步骤S23，直至关键点位置达到预设规定范围。
进一步的，所述步骤S23包含以下步骤：
S231：处理器模块103根据接收的图像采集模块107采集的视频图像数据，对视频图像数据进行关键帧提取，提取出预设采集时间区间内的若干张视频图像关键帧，该关键帧提取的依据为该视频帧数据是否包含人脸数据；
S232：处理器模块103对提取的若干张视频图像关键帧再次进行人脸数据提取和整合，将若干张视频图像关键帧整合为单帧视频图像数据，该视频图像数据包含完整的人脸数据；
S233：处理器模块103依据该单帧视频图像数据，提取人脸关键点在视频图像中的位置坐标数据；
S234：处理器模块103将人脸关键点的位置坐标与预设的人脸关键点边界值坐标进行比对，判断该人脸关键点的位置坐标是否在预设的人脸关键点边界值坐标范围内；
S235：若人脸关键点的位置坐标在预设的人脸关键点边界值坐标范围内，则执行步骤S24，若人脸关键点的位置坐标超出预设的人脸关键点边界值坐标范围，则发送提示信息到显示模块，继续执行步骤S231，直至关键点位置达到预设规定范围；
进一步的，所述步骤S233包含以下具体步骤：
S2331：在视频图像数据上设置人脸关键点初始位置，该人脸关键点初始位置为经验值预设；
S2332：选定一个关键点，第一次提取该关键点周围两个点的灰度值，计算该两个点的灰度差值，并对该灰度差值进行归一化处理；
S2333：将归一化处理后的灰度差值与预设的初始灰度值h1进行比较，若该灰度差值大于h1，则生成标识数串001，若该灰度差值小于h1，则在该关键点周围再次提取另外两个点的灰度值，计算该两个点的灰度差值，并对该灰度差值进行归一化处理；
S2334：再将步骤S2333得到的归一化处理后的灰度差值与预设的初始灰度值h2进行比较，大于h2，则生成标识数串010，若小于h2，则生成标识数串100；
S2335：对每个关键点重复执行S2332-S2334四次，每个关键点生成4个长度为3位的标识数串，其中，每次提取的点的位置不同，且预设的初始灰度值h1、h2根据不同的提取点，赋予不同的初始值，预设灰度值h1、h2的取值范围为0-511；
S2336：完成所有关键点的取点计算后，生成个数为关键点数量乘4的标识数串，该标识数串向量长度为关键点数量乘12；
S2337：依据预设的向量x1，常数b1,将步骤S2336生成的向量与预设的向量x1做点积，点积结果再与常数b1相加，得到值delta_1，将该delta_1与关键点目前位置的x轴坐标相加，得到该关键点新的x轴坐标位置，其中，向量x1为通过线性预测模型训练得到的二值特征，常数b1为通过该相同线性预测模型训练得到的偏移量；
S2338：依据预设的向量x2，常数b2,将步骤S2336生成的向量与预设的向量x2做点积，点积结果再与常数b2相加，得到值delta_2，将该delta_2与关键点目前位置的y轴坐标相加，得到该关键点新的y轴坐标位置，其中，向量x2为通过另一线性预测模型训练得到的二值特征，常数b2为通过该相同线性预测模型训练得到的偏移量；
S2339：对所有的关键点执行步骤S2337及S2338，完成所有关键点坐标位置移动；
S23310：重复执行步骤S2332-S2339四次，得到视频图像的实际关键点位置。
S24：测温模块101对被测活体进行人体温度测量，依据预设次数采集人体温度，计算人体温度有效平均值，得到本次测温的温度值，具体包含以下步骤：
S241：处理器模块103依据视频图像人脸关键点识别出活体面部额头在图像中的位置；
S242：测温模块101采集视频图像中全部被测点的温度数据，将该温度数据发送至处理器模块103，该温度数据包含温度值及该被温度值对应的被测点在视频图像中的坐标位置信息；
具体的，测温模块101采用红外测温仪时，红外测温仪包含单个或多个测温探头，红外测温仪采集所有探头的温度数据，同时将该温度数据与各个测温探头在视频图像的固定位置信息打包，发送给处理器模块103；
测温模块101采用热成像测温仪时，热成像测温仪对整个视频图像的反馈温度进行采集，同时计算画面中采集的温度点对应的坐标位置信息，将采集的温度数据与坐标位置信息打包，发送给处理器模块103；
S243：处理器模块103接收测温模块发送的温度数据并对该数据进行解析，获取温度值及该温度值对应的坐标位置信息；
S245：处理器模块103将解析的温度坐标位置信息与步骤S241的活体面部额头在图像中的位置信息进行比对，去除掉非该区域内的温度数据；
S246：重复执行S241-S245至预设次数；
S247：处理器模块103对多次测温的数据进行有效平均值计算，得到本次测温的温度值。
S25：测温模块101将温度值发送给处理器模块103；
S26：处理器模块103接收该温度值，将其发送至显示模块100，同时处理器模块103将该温度值发送至存储模块102进行记录。
S3：处理器模块103将测温模块101采集的人体温度与预设温度值进行比对，输出采集人体温度值，触发发热预警或结束本次测温，具体包含以下步骤：
S31：处理器模块103将接收的温度值与预设的温度值进行比对；
S32：采集的温度值大于预设的温度值，处理器模块103触发发热预警，同时处理器模块103再次发送测温指令到测温模块101，执行步骤S4；
S33：采集的温度值小于或等于预设的温度值，处理器模块103将温度值发送至存储模块102进行记录，结束本次测温。
S4：测温模块101进行复测，确认后触发发热报警或结束本次测温，具体包含以下步骤：
S41：测温模块101对被测活体再次进行温度测量，进行多次温度采集，并将采集的温度数据发送至处理器模块103。
S42：处理器模块103接收温度数据，分别将接收的多个温度数据与预设的温度值进行比对，若40%及以上的温度值高于预设的温度值，则触发发热报警，若40%及以上的温度值等于或低于预设的温度值，则取消发热预警，结束本次测温；
S43：处理器模块103将发热报警数据及视频数据发送至存储模块102。
S5：处理器模块103将温测结果发送至显示模块100，发热报警发送至报警模块104及通信模块106，结束本次测温，具体包含以下步骤：
S51：处理器模块103发送报警数据至报警模块104和显示模块100；
S52：报警模块104接收报警数据，发送报警信号至外部报警设备，通知值班人员进行人工干预，人工确认后，结束本次测温；
S53：处理器模块103将报警数据及视频图像数据发送至通信模块106，由通信模块106发送至远端监控中心；
S54：处理器模块103将报警数据及视频图像数据发送至存储模块102，存储本次发热报警的温度数据及视频图像数据。
进一步的，所述测温模块101采用红外测温探头或热成像测温仪中的一种。
进一步的，所述人脸图像关键点为68个关键点、49个关键点、5个关键点及21个关键点中的一种。
上面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，不能理解为对本发明保护范围的限制。
总之，本发明虽然列举了上述优选实施方式，但是应该说明，虽然本领域的技术人员可以进行各种变化和改型，除非这样的变化和改型偏离了本发明的范围，否则都应该包括在本发明的保护范围内。
Claims (7)
1.一种活体非接触式测温系统，其特征在于，包含测温模块、图像采集模块、处理器模块、报警模块、显示模块、存储模块、温控模块及通信模块，其中：
所述处理器模块分别与测温模块、图像采集模块、报警模块、显示模块、存储模块、温控模块及通信模块相连；
所述图像采集模块将采集的视频图像数据发送至处理器模块，所述处理器模块接收视频图像数据，再将处理后的视频图像数据发送至显示模块，同时将温度采集指令数据发送至测温模块；
所述测温模块接收处理器模块发送的温度采集指令，并发送采集的人体温度数据至处理器模块；
所述处理器模块接收测温模块发送的人体温度数据，并将该人体温度数据发送至显示模块；在检测到的人体温度高于预设值时，处理器模块发送报警数据至报警模块，报警模块接收该报警数据后输出报警信号至外部报警设备，同时处理器模块将报警数据及视频图像数据发送至通信模块和存储模块，通信模块将接收的报警数据及视频图像数据发送至远端监控中心，存储模块将接收的报警数据及视频图像数据进行存储；
所述报警模块还接收外部手动触发的报警信号，并将该报警信号发送至处理器模块；
所述温控模块采集所述非接触式测温系统的环境温度及运行温度，将采集的温度数据发送至处理器模块，处理器模块对接收的温度数据进行处理，并发送温度调节指令到温控模块；
所述处理器模块还用于活体检测及测温，首先，处理器模块对视频图像进行活体检测，其中，图像采集模块实时采集视频图像数据，并将采集的视频图像数据发送至处理器模块，处理器模块对视频图像数据进行活体检测，若检测到活体，则处理器模块发送温度采集指令到测温模块，测温模块接收温度采集指令后启动测温，处理器模块根据接收的图像采集模块采集的视频图像数据，获取活体人脸图像在视频图像中的位置，对活体人脸图像中关键点的位置与预设准确测温人脸图像关键点的位置进行比对，关键点位置在预设规定范围内，则测温模块对被测活体进行人体温度测量，依据预设次数采集人体温度，计算人体温度有效平均值，得到本次测温的温度值，若关键点超出预设规定值，则发送提示信息到显示模块，处理器模块继续根据接收的图像采集模块采集的视频图像数据，获取活体人脸图像在视频图像中的位置，直至关键点位置达到预设规定范围，再由测温模块对被测活体进行人体温度测量，依据预设次数采集人体温度，计算人体温度有效平均值，得到本次测温的温度值，接着，测温模块将该温度值发送给处理器模块，处理器模块接收该温度值，将其发送至显示模块，同时处理器模块将该温度值发送至存储模块进行记录，若未检测到活体则处理器模块继续对视频图像进行活体检测，随后，处理器模块将测温模块采集的人体温度与预设温度值进行比对，输出采集的人体温度值，触发发热报警或结束本次测温，最后，测温模块进行复测，确认后触发发热报警或结束本次测温，处理器模块将测温结果发送至显示模块，发热报警发送至报警模块及通信模块，结束本次测温；
所述活体检测及测温，包含以下步骤：
S1：处理器模块对视频图像进行活体检测，其中，图像采集模块实时采集视频图像数据，并将采集的视频图像数据发送至处理器模块，处理器模块对视频图像数据进行活体检测，若检测到活体则执行步骤S2，未检测到活体则继续执行步骤S1；
S2：处理器模块发送温度采集指令到测温模块，测温模块依据视频图像关键点采集人体温度，包含以下步骤：
S21：处理器模块发送温度采集指令到测温模块；
S22：测温模块接收温度采集指令后启动测温；
S23：处理器模块根据接收的图像采集模块采集的视频图像数据，获取活体人脸图像在视频图像中的位置，对活体人脸图像中关键点的位置与预设准确测温人脸图像关键点的位置进行比对，关键点位置在预设规定范围内，则执行步骤S24，若关键点超出预设规定值，则发送提示信息到显示模块，继续执行步骤S23，直至关键点位置达到预设规定范围，包含以下步骤：
S231：处理器模块根据接收的图像采集模块采集的视频图像数据，对视频图像数据进行关键帧提取，提取出预设采集时间区间内的若干张视频图像关键帧，该关键帧提取的依据为该视频帧数据是否包含人脸数据；
S232：处理器模块对提取的若干张视频图像关键帧再次进行人脸数据提取和整合，将若干张视频图像关键帧整合为单帧视频图像数据，该单帧视频图像数据包含完整的人脸数据；
S233：处理器模块依据该单帧视频图像数据，提取人脸关键点在视频图像中的位置坐标数据，具体步骤为：
S2331：在视频图像数据上设置人脸关键点初始位置，该人脸关键点初始位置为经验值预设；
S2332：选定一个关键点，第一次提取该关键点周围两个点的灰度值，计算该两个点的灰度差值，并对该灰度差值进行归一化处理；
S2333：将归一化处理后的灰度差值与预设的初始灰度值h1进行比较，若该灰度差值大于h1，则生成标识数串001，若该灰度差值小于h1，则在该关键点周围再次提取另外两个点的灰度值，计算该两个点的灰度差值，并对该灰度差值进行归一化处理；
S2334：再将步骤S2333得到的归一化处理后的灰度差值与预设的初始灰度值h2进行比较，大于h2，则生成标识数串010，若小于h2，则生成标识数串100；
S2335：对每个关键点重复执行S2332-S2334四次，每个关键点生成4个长度为3位的标识数串，其中每次提取的点的位置不同，且预设的初始灰度值h1、h2根据不同的提取点，赋予不同的初始值；
S2336：完成所有关键点的取点计算后，生成个数为关键点数量乘4的标识数串，该标识数串向量长度为关键点数量乘12；
S2337：依据预设的向量x1，常数b1,将步骤S2336生成的向量与预设的向量x1做点积，点积结果再与常数b1相加，得到值delta_1，将该delta_1与关键点目前位置的x轴坐标相加，得到该关键点新的x轴坐标位置；
S2338：依据预设的向量x2，常数b2,将步骤S2336生成的向量与预设的向量x2做点积，点积结果再与常数b2相加，得到值delta_2，将该delta_2与关键点目前位置的y轴坐标相加，得到该关键点新的y轴坐标位置；
S2339：对所有的关键点执行步骤S2337及S2338，完成所有关键点坐标位置移动；
S23310：重复执行步骤S2332-S2339四次，得到视频图像的实际关键点位置；
S234：处理器模块将人脸关键点的位置坐标与预设的人脸关键点边界值坐标进行比对，判断该人脸关键点的位置坐标是否在预设的人脸关键点边界值坐标范围内；
S235：若人脸关键点的位置坐标在预设的人脸关键点边界值坐标范围内，则执行步骤S24，若人脸关键点的位置坐标超出预设的人脸关键点边界值坐标范围，则发送提示信息到显示模块，继续执行步骤S231，直至关键点位置达到预设规定范围；
S24：测温模块对被测活体进行人体温度测量，依据预设次数采集人体温度，计算人体温度有效平均值，得到本次测温的温度值；
S25：测温模块将该温度值发送给处理器模块；
S26：处理器模块接收该温度值，将其发送至显示模块，同时处理器模块将该温度值发送至存储模块进行记录；
S3：处理器模块将测温模块采集的人体温度与预设温度值进行比对，输出采集的人体温度值，触发发热报警或结束本次测温；
S4：测温模块进行复测，确认后触发发热报警或结束本次测温；
S5：处理器模块将测温结果发送至显示模块，发热报警发送至报警模块及通信模块，结束本次测温。
2.一种活体非接触式测温方法，基于权利要求1所述的活体非接触式测温系统，其特征在于，包含以下步骤：
S1：处理器模块对视频图像进行活体检测，其中，图像采集模块实时采集视频图像数据，并将采集的视频图像数据发送至处理器模块，处理器模块对视频图像数据进行活体检测，若检测到活体则执行步骤S2，未检测到活体则继续执行步骤S1；
S2：处理器模块发送温度采集指令到测温模块，测温模块依据视频图像关键点采集人体温度，包含以下步骤：
S21：处理器模块发送温度采集指令到测温模块；
S22：测温模块接收温度采集指令后启动测温；
S23：处理器模块根据接收的图像采集模块采集的视频图像数据，获取活体人脸图像在视频图像中的位置，对活体人脸图像中关键点的位置与预设准确测温人脸图像关键点的位置进行比对，关键点位置在预设规定范围内，则执行步骤S24，若关键点超出预设规定值，则发送提示信息到显示模块，继续执行步骤S23，直至关键点位置达到预设规定范围，包含以下步骤：
S231：处理器模块根据接收的图像采集模块采集的视频图像数据，对视频图像数据进行关键帧提取，提取出预设采集时间区间内的若干张视频图像关键帧，该关键帧提取的依据为该视频帧数据是否包含人脸数据；
S232：处理器模块对提取的若干张视频图像关键帧再次进行人脸数据提取和整合，将若干张视频图像关键帧整合为单帧视频图像数据，该单帧视频图像数据包含完整的人脸数据；
S233：处理器模块依据该单帧视频图像数据，提取人脸关键点在视频图像中的位置坐标数据，具体步骤为：
S2331：在视频图像数据上设置人脸关键点初始位置，该人脸关键点初始位置为经验值预设；
S2332：选定一个关键点，第一次提取该关键点周围两个点的灰度值，计算该两个点的灰度差值，并对该灰度差值进行归一化处理；
S2333：将归一化处理后的灰度差值与预设的初始灰度值h1进行比较，若该灰度差值大于h1，则生成标识数串001，若该灰度差值小于h1，则在该关键点周围再次提取另外两个点的灰度值，计算该两个点的灰度差值，并对该灰度差值进行归一化处理；
S2334：再将步骤S2333得到的归一化处理后的灰度差值与预设的初始灰度值h2进行比较，大于h2，则生成标识数串010，若小于h2，则生成标识数串100；
S2335：对每个关键点重复执行S2332-S2334四次，每个关键点生成4个长度为3位的标识数串，其中每次提取的点的位置不同，且预设的初始灰度值h1、h2根据不同的提取点，赋予不同的初始值；
S2336：完成所有关键点的取点计算后，生成个数为关键点数量乘4的标识数串，该标识数串向量长度为关键点数量乘12；
S2337：依据预设的向量x1，常数b1,将步骤S2336生成的向量与预设的向量x1做点积，点积结果再与常数b1相加，得到值delta_1，将该delta_1与关键点目前位置的x轴坐标相加，得到该关键点新的x轴坐标位置；
S2338：依据预设的向量x2，常数b2,将步骤S2336生成的向量与预设的向量x2做点积，点积结果再与常数b2相加，得到值delta_2，将该delta_2与关键点目前位置的y轴坐标相加，得到该关键点新的y轴坐标位置；
S2339：对所有的关键点执行步骤S2337及S2338，完成所有关键点坐标位置移动；
S23310：重复执行步骤S2332-S2339四次，得到视频图像的实际关键点位置；
S234：处理器模块将人脸关键点的位置坐标与预设的人脸关键点边界值坐标进行比对，判断该人脸关键点的位置坐标是否在预设的人脸关键点边界值坐标范围内；
S235：若人脸关键点的位置坐标在预设的人脸关键点边界值坐标范围内，则执行步骤S24，若人脸关键点的位置坐标超出预设的人脸关键点边界值坐标范围，则发送提示信息到显示模块，继续执行步骤S231，直至关键点位置达到预设规定范围；
S24：测温模块对被测活体进行人体温度测量，依据预设次数采集人体温度，计算人体温度有效平均值，得到本次测温的温度值；
S25：测温模块将该温度值发送给处理器模块；
S26：处理器模块接收该温度值，将其发送至显示模块，同时处理器模块将该温度值发送至存储模块进行记录；
S3：处理器模块将测温模块采集的人体温度与预设温度值进行比对，输出采集的人体温度值，触发发热报警或结束本次测温；
S4：测温模块进行复测，确认后触发发热报警或结束本次测温；
S5：处理器模块将测温结果发送至显示模块，发热报警发送至报警模块及通信模块，结束本次测温。
3.根据权利要求2所述的一种活体非接触式测温方法，其特征在于，所述步骤S24包含以下具体步骤：
S241：处理器模块依据视频图像人脸关键点识别出活体面部额头在图像中的位置；
S242：测温模块采集视频图像中全部被测点的温度数据，将该温度数据发送至处理器模块，该温度数据包含温度值及该温度值对应的被测点在视频图像中的坐标位置信息；
S243：处理器模块接收测温模块发送的温度数据并对该数据进行解析，获取温度值及该温度对应的坐标位置信息；
S245：处理器模块将解析的温度坐标位置信息与步骤S241的活体面部额头在图像中的位置信息进行比对，去除非活体面部额头区域内的温度数据；
S246：重复执行S241-S245至预设次数；
S247：处理器模块对多次测温的数据进行有效平均值计算，得到本次测温的温度值。
4.根据权利要求3所述的一种活体非接触式测温方法，其特征在于，所述步骤S3包含以下步骤：
S31：处理器模块将接收的温度值与预设的温度值进行比对；
S32：采集的温度值大于预设的温度值，处理器模块触发发热预警，同时处理器模块再次发送测温指令到测温模块，执行步骤S4；
S33：采集的温度值小于或等于预设的温度值，处理器模块将温度值发送至存储模块进行记录，结束本次测温。
5.根据权利要求4所述的一种活体非接触式测温方法，其特征在于，所述步骤S4包含以下步骤：
S41：测温模块对被测活体再次进行温度测量，进行多次温度采集，并将采集的温度数据发送至处理器模块；
S42：处理器模块接收温度数据，分别将接收的多个温度数据与预设的温度值进行比对，若40%及以上的温度值高于预设的温度值，则触发发热报警，若40%及以上的温度值等于或低于预设的温度值，则取消发热预警，结束本次测温；
S43：处理器模块将发热报警数据及视频图像数据发送至存储模块。
6.根据权利要求5所述的一种活体非接触式测温方法，其特征在于，所述步骤S5包含以下步骤：
S51：处理器模块发送报警数据至报警模块和显示模块；
S52：报警模块接收报警数据，发送报警信号至外部报警设备，通知值班人员进行人工干预，人工确认后，结束本次测温；
S53：处理器模块将报警数据及视频图像数据发送至通信模块，由通信模块发送至远端监控中心；
S54：处理器模块将报警数据及视频图像数据发送至存储模块，存储本次发热报警的温度数据及视频图像数据。
7.根据权利要求2所述的一种活体非接触式测温方法，其特征在于，所述人脸图像关键点为68个关键点、49个关键点、5个关键点及21个关键点中的一种。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110094462.4A CN112414559B (zh) | 2021-01-25 | 2021-01-25 | 一种活体非接触式测温系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110094462.4A CN112414559B (zh) | 2021-01-25 | 2021-01-25 | 一种活体非接触式测温系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112414559A CN112414559A (zh) | 2021-02-26 |
| CN112414559B true CN112414559B (zh) | 2021-04-20 |
Family
ID=74782534
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110094462.4A Active CN112414559B (zh) | 2021-01-25 | 2021-01-25 | 一种活体非接触式测温系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112414559B (zh) |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8600100B2 (en) * | 2009-04-16 | 2013-12-03 | Sensory Logic, Inc. | Method of assessing people's self-presentation and actions to evaluate personality type, behavioral tendencies, credibility, motivations and other insights through facial muscle activity and expressions |
| CN102880870B (zh) * | 2012-08-31 | 2016-05-11 | 电子科技大学 | 人脸特征的提取方法及系统 |
| CN105023010B (zh) * | 2015-08-17 | 2018-11-06 | 中国科学院半导体研究所 | 一种人脸活体检测方法及系统 |
| CN105701455A (zh) * | 2016-01-05 | 2016-06-22 | 安阳师范学院 | 基于asm算法的人脸特征点采集及三维人脸建模方法 |
| JP2019129357A (ja) * | 2018-01-22 | 2019-08-01 | 京セラドキュメントソリューションズ株式会社 | 画像処理装置 |
| CN111458034A (zh) * | 2020-05-06 | 2020-07-28 | 浙江农林大学暨阳学院 | 一种基于计算机视觉的非接触式体温告警和预警系统 |
| CN112067134A (zh) * | 2020-07-31 | 2020-12-11 | 深圳市优必选科技股份有限公司 | 一种温度检测方法、装置、终端及存储介质 |
| CN112212981A (zh) * | 2020-10-10 | 2021-01-12 | 深圳市昊岳科技有限公司 | 人体测温方法 |
-
2021
- 2021-01-25 CN CN202110094462.4A patent/CN112414559B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN112414559A (zh) | 2021-02-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107229930B (zh) | 一种指针式仪表数值智能识别方法 | |
| WO2021063062A1 (zh) | 一种电网设备带电检测系统、红外热像仪及方法 | |
| CN111339854A (zh) | 一种测温方法、测温装置、机器人以及计算机存储介质 | |
| CN110411580B (zh) | 一种电力设备发热缺陷的诊断方法以及诊断系统 | |
| US9760808B2 (en) | Image processing system, server device, image pickup device and image evaluation method | |
| CN111595450B (zh) | 测量温度的方法、装置、电子设备和计算机可读存储介质 | |
| CN111920391B (zh) | 一种测温方法及设备 | |
| CN112146761A (zh) | 一种基于机器学习的人体测温补偿方法 | |
| CN109886337B (zh) | 基于自适应采样的深度度量学习方法及系统 | |
| CN112418251B (zh) | 红外体温检测方法及系统 | |
| US20210290139A1 (en) | Apparatus and method for cardiac signal processing, monitoring system comprising the same | |
| CN115953436A (zh) | 一种孕期宠物行为智能评估预警方法及系统 | |
| CN112414559B (zh) | 一种活体非接触式测温系统及方法 | |
| CN116466058B (zh) | 水质检测数据处理方法、水质评估系统、设备及介质 | |
| CN113197558A (zh) | 心率与呼吸率检测方法、系统及计算机存储介质 | |
| CN111896119A (zh) | 红外测温方法及电子设备 | |
| WO2018143889A1 (en) | Systems and methods for determining likelihood of states in cattle animal | |
| CN114463779A (zh) | 吸烟识别方法、装置、设备及存储介质 | |
| CN112312076A (zh) | 智能型移动检测装置 | |
| CN109444150A (zh) | 非接触式裂纹测量方法及其装置 | |
| US11953379B2 (en) | Live detection system, method, and thermal infrared imager for power grid equipment | |
| CN112633237A (zh) | 一种口罩佩戴状态检测方法、设备及介质 | |
| CN111649804A (zh) | 油位监测方法、设备及具有存储功能的装置 | |
| CN116910489B (zh) | 基于人工智能的墙体防渗检测方法及相关装置 | |
| CN112784890B (zh) | 一种利用多传感器融合的人体跌倒检测方法及系统 |
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 |