CN112784703B - 一种基于多光谱的人员行动轨迹确定方法 - Google Patents
一种基于多光谱的人员行动轨迹确定方法 Download PDFInfo
- Publication number
- CN112784703B CN112784703B CN202110003123.0A CN202110003123A CN112784703B CN 112784703 B CN112784703 B CN 112784703B CN 202110003123 A CN202110003123 A CN 202110003123A CN 112784703 B CN112784703 B CN 112784703B
- Authority
- CN
- China
- Prior art keywords
- person
- image
- identified
- infrared
- representing
- 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
- 238000000034 method Methods 0.000 title claims abstract description 27
- 230000009471 action Effects 0.000 title claims abstract description 20
- 230000036760 body temperature Effects 0.000 claims abstract description 16
- 238000006073 displacement reaction Methods 0.000 claims description 10
- 238000012937 correction Methods 0.000 claims description 6
- 238000013178 mathematical model Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 abstract description 6
- 238000012545 processing Methods 0.000 abstract description 6
- 238000005516 engineering process Methods 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 6
- 238000010276 construction Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 210000001508 eye Anatomy 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000008054 signal transmission Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 210000005252 bulbus oculi Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction 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
- 210000000697 sensory organ Anatomy 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000001931 thermography Methods 0.000 description 1
Classifications
-
- 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
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明提供了一种基于多光谱的人员行动轨迹确定方法，包括：通过红外相机获得待识别人员红外图像；根据所述红外图像确定所述待识别人员的体温值，当所述体温值大于预设温度值时，基于可见光相机获得待识别人员的人脸图像；通过所述人脸图像识别所述待识别人员的身份信息；基于所述身份信息确定所述待识别人员的行动轨迹。能够通过红外摄像机迅速捕捉进入相机视场内人员的红外图像，并经过图像去噪处理后准确确定出体温异常的人员。同时，对于体温异常的人员经过人脸识别技术，确定该人员的身份以及其行动轨迹，从而快速做出反应，以避免疫情范围的进一步扩大。
Description
技术领域
本发明涉及人脸识别技术领域，具体而言，涉及一种基于多光谱的人员行动轨迹确定方法。
背景技术
随着疫情在全球的蔓延，对进入公共场所的人员进行体温测量势在必行。但是，由于公共场所某些时间段人流量非常大，例如地铁高峰期、超市入口、办公楼上班高峰期等，挨个对进入人员进行体温检测，势必影响各个场所的正常秩序。另外，对于检测到温度异常的人员进行精准识别，并确定其行动轨迹也是非常有必要的，目前，没有任何一种技术手段能够高效的解决上述技术问题。
发明内容
本发明的目的在于提供一种基于多光谱的人员行动轨迹确定方法，能够解决上述提到的至少一个技术问题。具体方案如下：
根据本发明的具体实施方式，提供一种基于多光谱的人员行动轨迹确定方法，包括：
通过红外相机获得待识别人员红外图像；
根据所述红外图像确定所述待识别人员的体温值，当所述体温值大于预设温度值时，基于可见光相机获得待识别人员的人脸图像；
通过所述人脸图像识别所述待识别人员的身份信息；
基于所述身份信息确定所述待识别人员的行动轨迹。
可选的，所述通过红外相机获得待识别人员红外图像之后还包括：对所述红外图像进行修正，消除所述红外图像的干扰噪声。
可选的，所述对所述红外图像进行修正，消除所述红外图像的干扰噪声，包括：
构建所述干扰噪声的数学模型，所述数学模型满足如下关系：
其中，Axy表示所述红外图像输出面某一点A(x,y)修正后的输出值，A’ xy表示点A(x,y)修正前的值，kxy为修正系数，axy表示红外相机探测器阵列中点a(x，y)接收到的信号值，m和n分别表示探测器阵列的行数和列数。
可选的，kxy满足如下关系：
其中，axy(H)表示红外相机探测器阵列中点a(x，y)在高温标定时接收到的信号值，axy(L)表示红外相机探测器阵列中点a(x，y)在低温标定时接收到的信号值。
可选的，所述通过所述人脸图像识别所述待识别人员的身份信息，包括：
提取所述人脸图像的特征点信息，将所述特征点信息按照面部位置进行归类，构建N个数据集；
对所述数据集中的每一数据进行筛选，删除干扰数据，更新所述数据集；
通过更新的所述数据集构建人脸轮廓图像；
基于所述人脸轮廓图像，与数据库图像进行比对，识别所述待识别人员的身份信息。
可选的，所述对所述数据集中的每一数据进行筛选，删除干扰数据，更新所述数据集，包括：
依次选取每一所述数据集中的所有特征点；
计算每一所述数据集中的特征点的位移偏量；
当所述位移偏量大于预设阈值时，将该所述特征点从所述数据集删除。
可选的，所述计算每一所述数据集中的特征点的位移偏量，包括：
其中，fj表示某一数据集s中某一特征点j的位置，fJ表示某一数据集s的中心位置，p表示某一数据集s中特征点的数量，N表示数据集的数量，wj表示某一特征点j的权重。
本发明实施例的上述方案与现有技术相比，至少具有以下有益效果：
本发明提供了一种基于多光谱的人员行动轨迹确定方法，能够通过红外摄像机迅速捕捉进入相机视场内人员的红外图像，并经过图像去噪处理后准确确定出体温异常的人员。同时，对于体温异常的人员经过人脸识别技术，确定该人员的身份以及其行动轨迹，从而快速做出反应，以避免疫情范围的进一步扩大。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。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。在附图中：
图1示出了根据本发明实施例基于多光谱的人员行动轨迹确定方法的流程图；
图2示出了根据本发明实施例的人脸识别示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义，“多种”一般包含至少两种。
应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
应当理解，尽管在本发明实施例中可能采用术语第一、第二、第三等来描述，但不应限于这些术语。
还需要说明的是，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商品或者装置不仅包括那些要素，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商品或者装置所固有的要素。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商品或者装置中还存在另外的相同要素。
下面结合附图详细说明本发明的可选实施例。
如图1所示，根据本发明的具体实施方式，提供一种基于多光谱的人员行动轨迹确定方法，包括如下方法步骤：
步骤S102：通过红外相机获得待识别人员红外图像。
红外相机可以采用红外测温仪等相关设备安装于地铁、办公楼等入口，用于实时捕捉进入红外相机视场的所有人的图像信息。并将捕捉到的图像信息实时上传至连接的计算机或远程服务器设备。
红外相机由红外光学镜头、快门、电子学系统和壳体组成。红外光学镜头用于采集目标区域的红外光信号，聚焦于红外探测器靶面上。
快门提供一个内置的均匀辐射目标源，用于系统自适应非均匀性校正。电子学系统包含红外探测器、系统控制电路、红外图像处理电路、视频编码及传输电路、靶面温度控制电路以及电源等。主要是将光学系统聚焦的图像基于红外热成像的温度场测量关键技术研究，信号转换为电信号，并经过处理后输出给后端采集处理设备。壳体用于为光学镜头和电子学组件提供防护和支撑。
可选的，所述通过红外相机获得待识别人员红外图像之后还包括：对所述红外图像进行修正，消除所述红外图像的干扰噪声。引起干扰噪声的条件包括但不限于：像元响应率、信号传输过程、暗电流、环境温度的变化、外界干扰、光学系统及壳体等。
可选的，所述对所述红外图像进行修正，消除所述红外图像的干扰噪声，包括：
构建所述干扰噪声的数学模型，所述数学模型满足如下关系：
其中，Axy表示所述红外图像输出面某一点A(x,y)修正后的输出值，A’ xy表示点A(x,y)修正前的值，kxy为修正系数，axy表示红外相机探测器阵列中点a(x，y)接收到的信号值，m和n分别表示探测器阵列的行数和列数。x，y为构建坐标系中的坐标参数。
其中，修正系数kxy满足如下关系：
其中，axy(H)表示红外相机探测器阵列中点a(x，y)在高温标定时接收到的信号值，axy(L)表示红外相机探测器阵列中点a(x，y)在低温标定时接收到的信号值。具体标定过程在此不做赘述。
通过上述构建的修正模型进行计算机运算后，能够将由像元响应率、信号传输过程、暗电流、环境温度的变化、外界干扰、光学系统及壳体等引起的噪声去除，形成均匀的红外图像，提升判断待测人员的体温值的精确度。
步骤S104：根据所述红外图像确定所述待识别人员的体温值，当所述体温值大于预设温度值时，基于可见光相机获得待识别人员的人脸图像。
通过分析红外图像，当判断当前人员体温值大于预设值，例如大于37度，则说明该人员为疑似患病人员，可以立即对该人员进行身份识别。此过程中，可以同时对多个进入视场的人员进行体温识别和身份识别，具有能够不间断人员进入的同时，高效的获取到多人的状态并识别的效果。
步骤S106：通过所述人脸图像识别所述待识别人员的身份信息；
可选的，如图2所示，图2示出了从真实人脸图像到特征提取，最后绘制出人脸轮廓的过程。所述通过所述人脸图像识别所述待识别人员的身份信息，包括：
步骤S1061：提取所述人脸图像的特征点信息，将所述特征点信息按照面部位置进行归类，构建N个数据集；如图2所示，每一点都有一个编号0、1、2……；N个面部区域(例如左眼1、右眼2、嘴巴3等)构建N各数据集，每一数据集有多个特征点。
在另外的实施例中，可以在人脸图像中，通过构建网格图进行区域归类，例如，通过4横4纵的线条，将人脸图像均匀的分成多个区域，对每一区域进行特征点标记及运算。网格构建方法简单，对于任何图像，都可以根据M*N的方式进行网格构建，不需要判断五官的位置，具有灵活高效的技术优势。
步骤S1062：对所述数据集中的每一数据进行筛选，删除干扰数据，更新所述数据集；
步骤S1063：通过更新的所述数据集构建人脸轮廓图像；
步骤S1064：基于所述人脸轮廓图像，与数据库图像进行比对，识别所述待识别人员的身份信息。
可选的，步骤S1062中所述对所述数据集中的每一数据进行筛选，删除干扰数据，更新所述数据集，包括：
步骤S10621：依次选取每一所述数据集中的所有特征点；
步骤S10622：计算每一所述数据集中的特征点的位移偏量Q；
可选的，所述计算每一所述数据集中的特征点的位移偏量，包括：
其中，fj表示某一数据集s中某一特征点j的位置，fJ表示某一数据集s的中心位置，p表示某一数据集s中特征点的数量，N表示数据集的数量，wj表示某一特征点j的权重。
在实际运算过程中，可以预先构建坐标系，例如以人脸左上角为原点构建坐标系，每一特征点均有位置坐标。例如选取区域1的36-41特征点进行计算时，p＝6,N为区域1、2、3的个数总和。权重wj为每个特征点赋予的权重值，原则为每一区域拐点位置的权重值大，平滑位置权重值小，例如区域1的眼角位置36、39的权重大，其余位置权重小，例如36、39的权重为0.05，其余位置的权重为0.01。对每一特征点的权重，可根据大量实验进行调整，例如，权重wj优选为0.01-0.1之间，权重的选择准确性能够提升图像的识别效率。fJ可以选择某一区域的几何中心作为参考点，例如，区域1为眼球位置作为参考点。
通过上述特征点的运算，能够消除干扰点，使得人脸轮廓更加接近真实人脸图像，从而使得获得的人脸轮廓能够与数据库存储的人脸图像信息得到准确的匹配。
步骤S10623：当所述位移偏量大于预设阈值时，将该所述特征点从所述数据集删除。
通过如上计算，例如图2中区域3的特征点48和54属于偏离阈值的特征点，可以在图像识别过程中对其进行忽略，构建人脸轮廓时，忽略该特征点。
步骤S108：基于所述身份信息确定所述待识别人员的行动轨迹。
通过人脸的识别，将人脸轮廓与数据库进行匹配，获得匹配度大于85％的匹配图像，根据该匹配图像确定该图像所标识的人员身份信息。结合大数据，可以迅速获得该人员某一时间段的行动轨迹。
本发明提供了一种基于多光谱的人员行动轨迹确定方法，能够通过红外摄像机迅速捕捉进入相机视场内人员的红外图像，并经过图像去噪处理后准确确定出体温异常的人员。同时，对于体温异常的人员经过人脸识别技术，确定该人员的身份以及其行动轨迹，从而快速做出反应，以避免疫情范围的进一步扩大。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (5)
1.一种基于多光谱的人员行动轨迹确定方法，其特征在于，包括：
通过红外相机获得待识别人员红外图像；
根据所述红外图像确定所述待识别人员的体温值，当所述体温值大于预设温度值时，基于可见光相机获得待识别人员的人脸图像；
通过所述人脸图像识别所述待识别人员的身份信息；
基于所述身份信息确定所述待识别人员的行动轨迹；
所述通过红外相机获得待识别人员红外图像之后还包括：对所述红外图像进行修正，消除所述红外图像的干扰噪声；
所述对所述红外图像进行修正，消除所述红外图像的干扰噪声，包括：
构建所述干扰噪声的数学模型，所述数学模型满足如下关系：
其中，Axy表示所述红外图像输出面某一点A(x,y)修正后的输出值，A’ xy表示点A(x,y)修正前的值，kxy为修正系数，axy表示红外相机探测器阵列中点a(x，y)接收到的信号值，m和n分别表示探测器阵列的行数和列数。
2.根据权利要求1所述的方法，其特征在于，kxy满足如下关系：
其中，axy(H)表示红外相机探测器阵列中点a(x，y)在高温标定时接收到的信号值，axy(L)表示红外相机探测器阵列中点a(x，y)在低温标定时接收到的信号值。
3.根据权利要求1所述的方法，其特征在于，所述通过所述人脸图像识别所述待识别人员的身份信息，包括：
提取所述人脸图像的特征点信息，将所述特征点信息按照面部位置进行归类，构建N个数据集；
对所述数据集中的每一数据进行筛选，删除干扰数据，更新所述数据集；
通过更新的所述数据集构建人脸轮廓图像；
基于所述人脸轮廓图像，与数据库图像进行比对，识别所述待识别人员的身份信息。
4.根据权利要求3所述的方法，其特征在于，所述对所述数据集中的每一数据进行筛选，删除干扰数据，更新所述数据集，包括：
依次选取每一所述数据集中的所有特征点；
计算每一所述数据集中的特征点的位移偏量；
当所述位移偏量大于预设阈值时，将该所述特征点从所述数据集删除。
5.根据权利要求4所述的方法，其特征在于，所述计算每一所述数据集中的特征点的位移偏量，包括：
其中，Q表示位移偏量，fj表示某一数据集s中某一特征点j的位置，fJ表示某一数据集s的中心位置，p表示某一数据集s中特征点的数量，N表示数据集的数量，wj表示某一特征点j的权重。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110003123.0A CN112784703B (zh) | 2021-01-04 | 2021-01-04 | 一种基于多光谱的人员行动轨迹确定方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110003123.0A CN112784703B (zh) | 2021-01-04 | 2021-01-04 | 一种基于多光谱的人员行动轨迹确定方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112784703A CN112784703A (zh) | 2021-05-11 |
| CN112784703B true CN112784703B (zh) | 2024-01-16 |
Family
ID=75753853
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110003123.0A Active CN112784703B (zh) | 2021-01-04 | 2021-01-04 | 一种基于多光谱的人员行动轨迹确定方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112784703B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113361356B (zh) * | 2021-05-28 | 2021-12-07 | 佛山市诚智鑫信息科技有限公司 | 一种复杂环境人脸识别方法及系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104406699A (zh) * | 2014-11-26 | 2015-03-11 | 浙江红相科技股份有限公司 | 基于自适应红外图像校正算法红外热像仪 |
| CN106373094A (zh) * | 2016-08-25 | 2017-02-01 | 中国科学院长春光学精密机械与物理研究所 | 一种红外图像的非均匀性校正方法及装置 |
| CN107341780A (zh) * | 2017-07-12 | 2017-11-10 | 成都中昊英孚科技有限公司 | 一种红外图像预处理校正方法 |
| WO2019089432A1 (en) * | 2017-10-30 | 2019-05-09 | The Research Foundation For The State University Of New York | System and method associated with user authentication based on an acoustic-based echo-signature |
| CN110443923A (zh) * | 2019-08-06 | 2019-11-12 | 金陵科技学院 | 一种基于人工智能的酒店安全管理方法 |
| CN111583593A (zh) * | 2020-05-06 | 2020-08-25 | 长春市长光芯忆科技有限公司 | 一种双波段自适应智慧测温人脸识别方法 |
| KR102196813B1 (ko) * | 2020-05-28 | 2020-12-30 | (주)한컴인텔리전스 | 열화상 카메라 및 실화상 카메라와 연동하여 출입자의 체온을 측정하는 전자 장치 및 그 동작 방법 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9501716B2 (en) * | 2014-12-11 | 2016-11-22 | Intel Corporation | Labeling component parts of objects and detecting component properties in imaging data |
-
2021
- 2021-01-04 CN CN202110003123.0A patent/CN112784703B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104406699A (zh) * | 2014-11-26 | 2015-03-11 | 浙江红相科技股份有限公司 | 基于自适应红外图像校正算法红外热像仪 |
| CN106373094A (zh) * | 2016-08-25 | 2017-02-01 | 中国科学院长春光学精密机械与物理研究所 | 一种红外图像的非均匀性校正方法及装置 |
| CN107341780A (zh) * | 2017-07-12 | 2017-11-10 | 成都中昊英孚科技有限公司 | 一种红外图像预处理校正方法 |
| WO2019089432A1 (en) * | 2017-10-30 | 2019-05-09 | The Research Foundation For The State University Of New York | System and method associated with user authentication based on an acoustic-based echo-signature |
| CN110443923A (zh) * | 2019-08-06 | 2019-11-12 | 金陵科技学院 | 一种基于人工智能的酒店安全管理方法 |
| CN111583593A (zh) * | 2020-05-06 | 2020-08-25 | 长春市长光芯忆科技有限公司 | 一种双波段自适应智慧测温人脸识别方法 |
| KR102196813B1 (ko) * | 2020-05-28 | 2020-12-30 | (주)한컴인텔리전스 | 열화상 카메라 및 실화상 카메라와 연동하여 출입자의 체온을 측정하는 전자 장치 및 그 동작 방법 |
Non-Patent Citations (3)
| Title |
|---|
| Feature Extraction Based on Sparsity Embedding with Manifold Information for Face Recognition;Shi-Qiang Gao 等;《2010 International Conference on Computational Intelligence and Software Engineering》;全文 * |
| 人脸识别技术研究现状综述;李志远;《电子技术与软件工程》;全文 * |
| 基于人脸比例特征提取与匹配的身份鉴别;张棋森;肖香苏;喻晓斌;张焱;;电子测量技术(第01期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112784703A (zh) | 2021-05-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110110629B (zh) | 面向室内环境控制的人员信息检测方法与系统 | |
| CN111914635B (zh) | 人体测温方法、装置、系统和电子设备 | |
| CN112381075B (zh) | 一种机房特定场景下进行人脸识别的方法及系统 | |
| CN110580428A (zh) | 图像处理方法、装置、计算机可读存储介质和电子设备 | |
| WO2020215283A1 (zh) | 人脸识别方法、处理芯片以及电子设备 | |
| CN110390229B (zh) | 一种人脸图片筛选方法、装置、电子设备及存储介质 | |
| JP5388829B2 (ja) | 侵入物体検知装置 | |
| CN102609724B (zh) | 一种基于双摄像头的周围环境信息提示方法 | |
| Nyaruhuma et al. | Verification of 2D building outlines using oblique airborne images | |
| CN112418251B (zh) | 红外体温检测方法及系统 | |
| CN114894337B (zh) | 一种用于室外人脸识别测温方法及装置 | |
| CN112784703B (zh) | 一种基于多光谱的人员行动轨迹确定方法 | |
| CN115862259A (zh) | 一种基于温度监测的火警预警系统 | |
| CN114120171A (zh) | 基于视频帧的火灾烟雾检测方法、装置、设备及存储介质 | |
| CN112153269B (zh) | 应用于电子设备的图片显示方法、装置、介质与电子设备 | |
| CN112541403B (zh) | 一种利用红外摄像头的室内人员跌倒检测方法 | |
| WO2012063544A1 (ja) | 画像処理装置、画像処理方法及び記録媒体 | |
| CN113008380B (zh) | 一种智慧ai体温预警方法、系统及存储介质 | |
| CN111814659B (zh) | 一种活体检测方法、和系统 | |
| CN112183287A (zh) | 一种移动机器人在复杂背景下的人数统计方法 | |
| CN111753796A (zh) | 图像中关键点的识别方法、装置、电子设备及存储介质 | |
| CN112598738B (zh) | 一种基于深度学习的人物定位方法 | |
| JP6893812B2 (ja) | 物体検出装置 | |
| CN115937971A (zh) | 一种举手投票识别方法及装置 | |
| CN114332775A (zh) | 一种基于目标检测和无序特征的烟雾检测方法 |
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 |