CN113091915B - 基于人脸识别的自动体温信息采集系统 - Google Patents

基于人脸识别的自动体温信息采集系统 Download PDF

Info

Publication number
CN113091915B
CN113091915B CN202110380423.0A CN202110380423A CN113091915B CN 113091915 B CN113091915 B CN 113091915B CN 202110380423 A CN202110380423 A CN 202110380423A CN 113091915 B CN113091915 B CN 113091915B
Authority
CN
China
Prior art keywords
image
body temperature
processing
visible light
frequency wavelet
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
CN202110380423.0A
Other languages
English (en)
Other versions
CN113091915A (zh
Inventor
张炼
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.)
Shenzhen Chuangda Electronics Co ltd
Original Assignee
Shenzhen Chuangda Electronics 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 Shenzhen Chuangda Electronics Co ltd filed Critical Shenzhen Chuangda Electronics Co ltd
Priority to CN202110380423.0A priority Critical patent/CN113091915B/zh
Publication of CN113091915A publication Critical patent/CN113091915A/zh
Application granted granted Critical
Publication of CN113091915B publication Critical patent/CN113091915B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01J5/48—Thermography; Techniques using wholly visual means
    • G01J5/485—Temperature profile
    • 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
    • G06V40/161—Detection; Localisation; Normalisation
    • G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Image Processing (AREA)

Abstract

本发明提供了一种基于人脸识别的自动体温信息采集系统，包括图像采集模块、温度获取模块、温度采集模块；所述图像采集模块用于获取体温检测区域的可见光图像和红外图像；所述温度获取模块用于基于所述可见光图像和所述红外图像获取处于体温检测区域内的人员的体温数据；所述温度采集模块用于对所述体温数据进行存储。本发明通过体温检测区域的可见光图像和红外图像来获取处于所述体温检测区域内的人员的体温数据，并通过温度采集模块对所述体温数据进行自动存储，有效地提高了对进入写字楼的人员的体温的登记效率，避免所述人员由于等待测量体温的时间过长而迟到。

Description

基于人脸识别的自动体温信息采集系统
技术领域
本发明涉及信息采集领域，尤其涉及基于人脸识别的自动体温信息采集系统。
背景技术
由于新冠疫情的影响，现在很多写字楼进场都需要进行体温检测，并登记体温。现有技术中，一般是通过保安手持测温仪来完成体温检测，然后再由被测温人员在纸质的登记本上登记个人信息以及体温，过程比较繁琐。在高峰期容易导致需要进入写字楼的人员等待时间过长，从而导致所述人员迟到。
发明内容
鉴于上述问题，本发明的目的在于提供基于人脸识别的自动体温信息采集系统。
本发明提供了基于人脸识别的自动体温信息采集系统，包括图像采集模块、温度获取模块、温度采集模块；
所述图像采集模块用于获取体温检测区域的可见光图像和红外图像；
所述温度获取模块用于基于所述可见光图像和所述红外图像获取处于体温检测区域内的人员的体温数据；
所述温度采集模块用于对所述体温数据进行存储。
优选地，所述自动体温信息采集系统还包括温度报警模块，所述温度报警模块用于在所述体温数据超出预设的体温阈值时，发出报警提示。
优选地，所述图像采集模块包括可见光摄像头和红外摄像头，所述可见光摄像头和红外摄像头的焦距相同；
所述可见光摄像头用于获取体温检测区域的可见光图像；
所述红外摄像头用于获取体温检测区域的红外图像。
优选地，所述可见光图像和所述红外图像的分辨率相同。
优选地，所述温度获取模块包括可见光图像处理单元、测温区域匹配单元和体温数据计算单元；
所述可见光图像处理单元用于获取所述可见光图像中的第一测温区域；
所述测温区域匹配单元用于从所述红外图像中获取所述第一测温区域对应的第二测温区域；
所述体温数据计算单元用于基于所述第二测温区域获取所述人员的体温数据。
优选地，所述温度采集模块包括移动设备和登记设备；
所述移动设备用于将移动设备中预存的所述人员的身份信息发送至所述登记设备；
所述登记设备用于对所述身份信息和所述体温数据进行存储。
优选地，所述温度报警模块包括声光报警装置，
所述声光报警器用于在所述体温数据超出预设的体温阈值时产生声光报警信号。
优选地，所述移动设备包括第一蓝牙单元，所述登记设备包括第二蓝牙单元；
所述第一蓝牙单元用于与所述第二蓝牙单元进行配对，以及用于在配对完成后将移动设备中预存的所述人员的身份信息发送至所述第二蓝牙单元。
与现有技术相比，本发明的优点在于：
本发明通过体温检测区域的可见光图像和红外图像来获取处于所述体温检测区域内的人员的体温数据，并通过温度采集模块对所述体温数据进行自动存储，有效地提高了对进入写字楼的人员的体温的登记效率，避免所述人员由于等待测量体温的时间过长而迟到。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1，为本发明基于人脸识别的自动体温信息采集系统的一种示例性实施例图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
如图1所示的一种实施例，本发明提供了基于人脸识别的自动体温信息采集系统，包括图像采集模块、温度获取模块、温度采集模块；
所述图像采集模块用于获取体温检测区域的可见光图像和红外图像；
所述温度获取模块用于基于所述可见光图像和所述红外图像获取处于体温检测区域内的人员的体温数据；
所述温度采集模块用于对所述体温数据进行存储。
在一种实施例中，所述自动体温信息采集系统还包括温度报警模块，所述温度报警模块用于在所述体温数据超出预设的体温阈值时，发出报警提示。
在一种实施例中，所述体温阈值为37.3摄氏度。
在一种实施例中，所述图像采集模块包括可见光摄像头和红外摄像头，所述可见光摄像头和红外摄像头的焦距相同；
所述可见光摄像头用于获取体温检测区域的可见光图像；
所述红外摄像头用于获取体温检测区域的红外图像。
在一种实施例中，所述可见光图像和所述红外图像的分辨率相同。
在一种实施例中，所述温度获取模块包括可见光图像处理单元、测温区域匹配单元和体温数据计算单元；
所述可见光图像处理单元用于获取所述可见光图像中的第一测温区域；
所述测温区域匹配单元用于从所述红外图像中获取所述第一测温区域对应的第二测温区域；
所述体温数据计算单元用于基于所述第二测温区域获取所述人员的体温数据。
在一种实施例中，所述获取所述可见光图像中的第一测温区域，包括：
对所述可见光图像进行降噪处理，获得降噪图像；
对所述降噪图像进行图像分割处理，获得前景区域图像；
对所述前景区域图像进行图像识别，获取所述前景区域图像中包含的人脸区域图像；
将所述人脸区域图像输入到预设的神经网络模型中，获得第一测温区域。
人脸区域图像的范围太大，而且体温分布不均，因此，需要进一步获得第一测温区域，然后，避免范围太大造成温度数据误差过大。
在一种实施例中，所述对所述可见光图像进行降噪处理，获得降噪图像，包括：
将所述可见光图像转换为灰度图像；
对所述灰度图像进行降噪处理，获得降噪图像。
在一种实施例中，所述将所述可见光图像转换为灰度图像，包括：
使用下述公式将所述可见光图像转换为灰度图像：
g(a1)＝α1×R(a1)+α2×G(a1)+α3×B(a1)
式中，α1、α2和α3表示预设的权重参数，R(a1)、G(a1)、B(a1)分别表示可见光图像中的像素点a1在RGB颜色空间中的红色分量、绿色分量和蓝色分量的值；g(a1)表示像素点a1在灰度图像中的灰度值。
在一种实施例中，所述对所述灰度图像进行降噪处理，获得降噪图像，包括：
对所述灰度图像进行降噪处理，获得第一图像；
获取所述第一图像的降噪得分，判断所述降噪得分是否大于预设的降噪得分阈值，若是，则将所述第一图像作为降噪图像，若否，则对所述第一图像再次进行降噪处理，获得降噪图像。
现有技术中，一般仅进行一次降噪处理或者是直接默认进行两次降噪处理，但是一次降噪处理的效果可能并不能满足降噪需求，而默认进行两次降噪处理，又会导致降噪过度以及导致降噪处理的时间变长。而本申请通过获取第一图像的降噪得分，然后再判断是否需要进行二次降噪处理，若第一次降噪已经满足需求，则不用再进行第二次降噪，在降噪效果和降噪处理的时间长度之间取得了很好的平衡，有利于提高降噪处理的效率和正确率。
在一种实施例中，所述对所述灰度图像进行降噪处理，获得第一图像，包括：
对所述灰度图像进行小波分解，获得高频小波系数和低频小波系数；
对于高频小波系数，采用下述方式进行处理：
若hp(u,v)≤yh1，则使用下述公式对高频小波系数进行处理：
Figure BDA0003012722070000041
式中，(u,v)表示坐标，hp(u,v)表示处理前的高频小波系数，yh1和yh2分别表示预设的第一判断参数和第二判断参数，bhp(u,v)表示处理后的高频小波系数，qval表示判断函数，
Figure BDA0003012722070000042
c表示预设的比例参数，th表示预设的判断函数阈值，c∈[1,1.5]；
若yh1＜hp(u,v)＜yh2，则使用下述公式对高频小波系数进行处理：
Figure BDA0003012722070000043
式中，(u,v)表示坐标，hp(u,v)表示处理前的高频小波系数，yh1和yh2分别表示预设的第一判断参数和第二判断参数，bhp(u,v)表示处理后的高频小波系数，qval表示判断函数，
Figure BDA0003012722070000044
c表示预设的比例参数，th表示预设的判断函数阈值，c∈[1,1.5]；
若yh2≤hp(u,v)，则使用下述公式对高频小波系数进行处理：
bhp(u,v)＝|hp(u,v)|，
式中，(u,v)表示坐标，hp(u,v)表示处理前的高频小波系数，bhp(u,v)表示处理后的高频小波系数；
对于低频小波系数，采用下述方式进行处理：
Figure BDA0003012722070000051
式中，(s,t)表示坐标，Us,t表示处理前的低频小波系数中的(s,t)处的像素点的k×k大小的邻域中的所有像素点的坐标的集合，(s',t')表示Us,t中包含的坐标，lp(s',t')表示处理前的低频小波系数中(s',t')处的像素点的像素值，numUs,t表示Us,t中包含的元素的总数；blp(s,t)表示处理前的低频小波系数中的(s,t)处的像素点进行计算后的值，
分别对处理前的低频小波系数中的每个像素点进行上述处理，得到处理后的低频小波系数；
对处理后的高频小波系数和处理后的低频小波系数进行重构，获得第一图像。
本发明上述实施例，通过分别对小波分解获得的高频小波系数和低频小波系数进行处理，然后重构得到第一图像，有利于在保留更多的边缘细节信息的同时对灰度图像中的噪点进行有效的降噪处理。而如果采用传统的高斯滤波降噪的方式，容易导致图像模糊，导致边缘细节信息丢失严重。
具体地，在对高频小波系数进行处理时，设置了第一判断参数和第二判断参数，并根据高频小波系数与第一判断参数、第二判断参数之间的关系，为不同情况下的高频小波系数设置了不同的处理函数，从而提高了对高频小波系数进行处理的自适应性和针对性，可以对不同的情况有针对性地进行处理。在参数的选用上，通过设置判断函数、判断函数阈值、比例参数等参数，进一步提高了处理的自适应性和准确性。
在对低频小波系数进行处理时，采用均值的来替换低频小波系数原来的值，有效地降低了低频小波系数中的突变点对重构获得第一图像的准确性的影响。从而有利于提高本发明的采集系统的准确性。
在一种实施例中，所述获取所述第一图像的降噪得分，包括：
Figure BDA0003012722070000061
式中，k1、k2表示预设的权重参数，k1+k2＝1，bt表示第一图像中包含的像素级的总数，hnum和znum分别表示第一图像中的像素点的行数和列数；fU表示所述第一图像中的像素点的集合，G(fu)表示fU中的元素fu的像素值，paG表示fU中的元素的标准差，nov表示对所述第一图像的噪声估计的方差，gol表示降噪得分。
降噪得分从多个方面进行综合考虑，有利于提高降噪得分对降噪效果的评价的准确率。
像素级的总数指的是第一图像中不同的数值的像素值的总数，像素值共有256个级别，如果第一图像中包含有ds种级别的像素值，则像素级的总数就是ds。
在一种实施例中，所述对所述第一图像再次进行降噪处理，获得降噪图像，包括：
采用NLM算法对所述所述第一图像再次进行降噪处理，获得降噪图像。
在另一种实施方式中，所述对所述第一图像再次进行降噪处理，获得降噪图像，包括：
采用中值滤波算法对所述所述第一图像再次进行降噪处理，获得降噪图像。
在一种实施例中，所述对所述前景区域图像进行图像识别，获取所述前景区域图像中包含的人脸区域图像，包括：
将所述前景区域图像包含的像素点的集合记为frpU，
对于frpU中的像素点frpu，判断其在可见光图像中对应的像素点frpu'是否为皮肤像素点，若是，则将frpu存入到集合frpU'中；
对于frpU'中的像素点frpu，获取其在红外图像中对应的像素点redf，判断redf对应的温度值是否大于预设的温度阈值，若是，则将frpu存入集合scpU中，
将scpU中所有的像素点组成第二图像；
对于第二图像，采用下述方式对其进行调节处理，获得人脸区域图像：
对于第二图像中的像素点sc，获取sc在灰度图像中的对应的像素点的像素值g(sc)，获取sc在降噪图像中的对应的像素点的像素值lown(sc)，获取g(sc)和lown(sc)之间的差的绝对值abl(sc)，若abl(sc)小于预设的绝对值阈值，则将sc存入集合tzU中，
对于tzU中的像素点tzu，采用下述方式在第二图像中对tzu的像素值进行调节计算：
Figure BDA0003012722070000071
式中，ma表示tzU中的像素值最大的像素点，cst(tzu)和cst(ma)分别表示tzu和ma的调节系数，gtz(ma)表示ma的像素值，gtz'(tzu)表示对tzu进行上述调节计算后的像素值；
在所述第二图像中对tzU中所有的像素点进行上述调节计算，使用调节计算后获得的像素值替换原来的像素值，获得人脸区域图像；
对于第二图像中的像素点sc，其调节系数通过下述方式计算：
Figure BDA0003012722070000072
式中，cst(sc)表示sc的调节系数，scU表示sc的k2×k2大小的邻域中的像素点的集合，scu表示scU中的元素，L(sc)和L(scu)分别表示sc和scu在可见光图像中对应的像素点在Lab颜色模型中的L分量的值，a(sc)和a(scu)分别表示sc和scu在可见光图像中对应的像素点在Lab颜色模型中的a分量的值，b(sc)和b(scu)分别表示sc和scu在可见光图像中对应的像素点在Lab颜色模型中的b分量的值。
前景图像中往往包含了不属于人脸区域的像素点，而第一测温区域显然并不在这些像素点中，因此，本发明上述实施例通过判断前景图像中的像素点在可见光图像中对应的像素点是否为皮肤像素点来进行第一步的筛选，但是，可见光图像中的皮肤像素点往往会包含人脸部分的像素点和脖子部分的像素点，脖子部分的像素点并不是目标测温区域，因此，本申请，利用了脸部皮肤和脖子部分的皮肤的体温的差异，通过对皮肤像素点在红外图像中对应的像素点进行温度阈值的判断实现第二步的筛选，从而有利于准确获取脸部皮肤像素点。
另外，在获取了脸部皮肤像素点之后，本发明上述实施例还对这些像素点在第二图像中对应的像素点的像素值进行了调节处理，有利于提高获得的第二图像中包含的信息量。
在进行调节处理时，将降噪处理后像素值改变较大的像素点排除，从而避免调节处理再次把噪声引入。以需要进行调节处理的所有像素点中的像素值最大的像素点作为基准点，通过调节计算来分别获取剩余的像素点的调节后的像素值，实现了将可见光图像中的像素点之间的L、a、b分量的差异信息引入到人脸区域图像中，从而增加第二图像中包含的信息量。
有利于提高后续的第一测温区域提取的准确性。从而提高本发明的采集系统的准确性。对于可见光图像中的像素点ac，通过下述方式获取所述像素点ac在所述红外图像中对应的像素点ac′：
对所述可见光图像和所述红外图像进行图像配准处理，获取所述可见光图像中的像素点与所述红外图像中的像素点之间的映射关系；
根据所述映射关系获取ac在在所述红外图像中对应的像素点ac′。
在一种实施例中，所述对所述降噪图像进行图像分割处理，获得前景区域图像，包括：
采用otsu算法对所述降噪图像进行图像分割处理，获得前景区域图像。
在一种实施例中，所述第一测温区域为额头区域。
在一种实施例中，所述从所述红外图像中获取所述第一测温区域对应的第二测温区域，包括：
将红外图像和可见光图像置于同一直角坐标系下，并建立所述红外图像与所述可见光图像之间的转换公式：
Figure BDA0003012722070000081
式中，x和y分别表示所述可见光图像中的像素点的横坐标和纵坐标，x'和y'分别表示x和y在所述红外图像中对应的横坐标和纵坐标；a表示横坐标的偏移量，b表示纵坐标的偏移量；
将第一测温区域中的像素点的坐标在所述直角坐标系下的集合记为fiU，fiU＝{(x1,y1),…,(xN,yN)}，N表示fiU中包含的坐标的总数，对于fiU中的每个坐标，分别使用上述转换公式进行转换，从而得到所述坐标在所述红外图像中对应的坐标，从而获得第二测温区域的像素点的集合seU，seU＝{(x1',y1'),…,(x'N,y'N)}。
在一种实施例中，所述基于所述第二测温区域获取所述人员的体温数据，包括：
获取所述第二测温区域中的像素点对应的温度值在中值，将所述中值作为所述人员的体温数据。
红外图像中的像素点往往有不同的像素值，而不同的像素值对应着不同温度，通过像素值和温度之间的联系便可以确定像素点对应的温度。
在一种实施例中，所述温度采集模块包括移动设备和登记设备；
所述移动设备用于将移动设备中预存的所述人员的身份信息发送至所述登记设备；
所述登记设备用于对所述身份信息和所述体温数据进行存储。
在一种实施例中，所述温度报警模块包括声光报警装置，
所述声光报警器用于在所述体温数据超出预设的体温阈值时产生声光报警信号。
在一种实施例中，所述移动设备包括第一蓝牙单元，所述登记设备包括第二蓝牙单元；
所述第一蓝牙单元用于与所述第二蓝牙单元进行配对，以及用于在配对完成后将移动设备中预存的所述人员的身份信息发送至所述第二蓝牙单元。
尽管已经示出和描述了本发明的实施例，本领域技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变形，本发明的范围由权利要求及其等同物限定。

Claims (7)

1.基于人脸识别的自动体温信息采集系统，其特征在于，包括图像采集模块、温度获取模块、温度采集模块；
所述图像采集模块用于获取体温检测区域的可见光图像和红外图像；
所述温度获取模块用于基于所述可见光图像和所述红外图像获取处于体温检测区域内的人员的体温数据；
所述温度采集模块用于对所述体温数据进行存储；
所述温度获取模块包括可见光图像处理单元、测温区域匹配单元和体温数据计算单元；
所述可见光图像处理单元用于获取所述可见光图像中的第一测温区域；
所述测温区域匹配单元用于从所述红外图像中获取所述第一测温区域对应的第二测温区域；
所述体温数据计算单元用于基于所述第二测温区域获取所述人员的体温数据；
所述获取所述可见光图像中的第一测温区域，包括：
对所述可见光图像进行降噪处理，获得降噪图像；
对所述降噪图像进行图像分割处理，获得前景区域图像；
对所述前景区域图像进行图像识别，获取所述前景区域图像中包含的人脸区域图像；
将所述人脸区域图像输入到预设的神经网络模型中，获得第一测温区域；
所述对所述可见光图像进行降噪处理，获得降噪图像，包括：
将所述可见光图像转换为灰度图像；
对所述灰度图像进行降噪处理，获得降噪图像；
所述对所述灰度图像进行降噪处理，获得降噪图像，包括：
对所述灰度图像进行降噪处理，获得第一图像；
获取所述第一图像的降噪得分，判断所述降噪得分是否大于预设的降噪得分阈值，若是，则将所述第一图像作为降噪图像，若否，则对所述第一图像再次进行降噪处理，获得降噪图像；
所述对所述灰度图像进行降噪处理，获得第一图像，包括：
对所述灰度图像进行小波分解，获得高频小波系数和低频小波系数；
对于高频小波系数，采用下述方式进行处理：
若hp(u,v)≤yh1，则使用下述公式对高频小波系数进行处理：
Figure FDA0003367237600000021
式中，(u,v)表示坐标，hp(u,v)表示处理前的高频小波系数，yh1和yh2分别表示预设的第一判断参数和第二判断参数，bhp(u,v)表示处理后的高频小波系数，qval表示判断函数，
Figure FDA0003367237600000022
c表示预设的比例参数，th表示预设的判断函数阈值，c∈[1,1.5]；
若yh1＜hp(u,v)＜yh2，则使用下述公式对高频小波系数进行处理：
Figure FDA0003367237600000023
式中，(u,v)表示坐标，hp(u,v)表示处理前的高频小波系数，yh1和yh2分别表示预设的第一判断参数和第二判断参数，bhp(u,v)表示处理后的高频小波系数，qval表示判断函数，
Figure FDA0003367237600000024
c表示预设的比例参数，th表示预设的判断函数阈值，c∈[1,1.5]；
若yh2≤hp(u,v)，则使用下述公式对高频小波系数进行处理：
bhp(u,v)＝|hp(u,v)|，
式中，(u,v)表示坐标，hp(u,v)表示处理前的高频小波系数，bhp(u,v)表示处理后的高频小波系数；
对于低频小波系数，采用下述方式进行处理：
Figure FDA0003367237600000025
式中，(s,t)表示坐标，Us,t表示处理前的低频小波系数中的(s,t)处的像素点的k×k大小的邻域中的所有像素点的坐标的集合，(s',t')表示Us,t中包含的坐标，lp(s',t')表示处理前的低频小波系数中(s',t')处的像素点的像素值，numUs,t表示Us,t中包含的元素的总数；blp(s,t)表示处理前的低频小波系数中的(s,t)处的像素点进行计算后的值，
分别对处理前的低频小波系数中的每个像素点进行上述处理，得到处理后的低频小波系数；
对处理后的高频小波系数和处理后的低频小波系数进行重构，获得第一图像。
2.根据权利要求1所述的基于人脸识别的自动体温信息采集系统，其特征在于，所述自动体温信息采集系统还包括温度报警模块，所述温度报警模块用于在所述体温数据超出预设的体温阈值时，发出报警提示。
3.根据权利要求1所述的基于人脸识别的自动体温信息采集系统，其特征在于，所述图像采集模块包括可见光摄像头和红外摄像头，所述可见光摄像头和红外摄像头的焦距相同；
所述可见光摄像头用于获取体温检测区域的可见光图像；
所述红外摄像头用于获取体温检测区域的红外图像。
4.根据权利要求3所述的基于人脸识别的自动体温信息采集系统，其特征在于，所述可见光图像和所述红外图像的分辨率相同。
5.根据权利要求1所述的基于人脸识别的自动体温信息采集系统，其特征在于，所述温度采集模块包括移动设备和登记设备；
所述移动设备用于将移动设备中预存的所述人员的身份信息发送至所述登记设备；
所述登记设备用于对所述身份信息和所述体温数据进行存储。
6.根据权利要求2所述的基于人脸识别的自动体温信息采集系统，其特征在于，所述温度报警模块包括声光报警装置，
所述声光报警装置用于在所述体温数据超出预设的体温阈值时产生声光报警信号。
7.根据权利要求5所述的基于人脸识别的自动体温信息采集系统，其特征在于，所述移动设备包括第一蓝牙单元，所述登记设备包括第二蓝牙单元；
所述第一蓝牙单元用于与所述第二蓝牙单元进行配对，以及用于在配对完成后将移动设备中预存的所述人员的身份信息发送至所述第二蓝牙单元。
CN202110380423.0A 2021-04-09 2021-04-09 基于人脸识别的自动体温信息采集系统 Active CN113091915B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110380423.0A CN113091915B (zh) 2021-04-09 2021-04-09 基于人脸识别的自动体温信息采集系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110380423.0A CN113091915B (zh) 2021-04-09 2021-04-09 基于人脸识别的自动体温信息采集系统

Publications (2)

Publication Number Publication Date
CN113091915A CN113091915A (zh) 2021-07-09
CN113091915B true CN113091915B (zh) 2022-01-25

Family

ID=76675400

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110380423.0A Active CN113091915B (zh) 2021-04-09 2021-04-09 基于人脸识别的自动体温信息采集系统

Country Status (1)

Country Link
CN (1) CN113091915B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113704721B (zh) * 2021-09-03 2024-05-28 广州因陀罗软件有限公司 一种游戏后台集中权限控制方法及系统
CN114743224B (zh) * 2022-06-13 2022-09-09 金乡县康华乳业有限公司 一种基于计算机视觉的畜牧业家畜体温监控方法与系统

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN100434885C (zh) * 2003-12-05 2008-11-19 广州科易光电技术有限公司 红外线热成像图像及可见光图像复合视频实时显控装置
US9413988B2 (en) * 2012-07-24 2016-08-09 Fluke Corporation Thermal imaging camera with graphical temperature plot
CN111310692B (zh) * 2020-02-25 2021-04-02 云从科技集团股份有限公司 一种检测对象管理方法、系统、机器可读介质及设备
CN211626691U (zh) * 2020-03-09 2020-10-02 上海通金信息科技开发有限公司 一种基于5g的双目热成像体温快速筛查便携式装置
CN112229524A (zh) * 2020-10-27 2021-01-15 深圳英飞拓科技股份有限公司 一种体温筛查方法、装置、终端设备及存储介质

Also Published As

Publication number Publication date
CN113091915A (zh) 2021-07-09

Similar Documents

Publication Publication Date Title
CN113091915B (zh) 基于人脸识别的自动体温信息采集系统
CN111932532B (zh) 胶囊内窥镜无参考图像评价方法、电子设备及介质
JP4645921B2 (ja) 画像信号処理装置および方法、プログラム、並びに撮像装置
WO2013099772A1 (ja) 細胞輪郭線形成装置及びその方法、コンピュータにより処理可能な細胞輪郭線形成プログラムを記憶する記憶媒体
CN107798279B (zh) 一种人脸活体检测方法及装置
WO2016179981A1 (zh) 一种新生儿黄疸的自动检测方法及系统
EP3067856B1 (en) Image processing apparatus and image processing method
US10796418B2 (en) Image processing apparatus, image processing method, and program
CN110298796B (zh) 基于改进Retinex与对数图像处理的低照度图像增强方法
CN106934377A (zh) 一种改进的人脸检测系统
CN111861937A (zh) 一种基于msr改进的图像增强方法及系统
CN109242792B (zh) 一种基于白色物体的白平衡校对方法
CN111489333B (zh) 一种无参考夜间自然图像质量评价方法
WO2017092272A1 (zh) 人脸识别方法和装置
TWI255429B (en) Method for adjusting image acquisition parameters to optimize objection extraction
CN112396016B (zh) 一种基于大数据技术的人脸识别系统
CN113450340A (zh) 一种皮肤纹理检测系统
CN112651962A (zh) 一种ai智能诊断系统平台
CN110674737A (zh) 一种虹膜识别的增强方法
CN113411555B (zh) 白平衡处理方法及装置、存储介质、图像捕获设备
CN104574330A (zh) 一种可应对高动态范围红外图像的数字细节增强实现方法
JP2007312099A (ja) 撮像装置
JP2009258770A (ja) 画像処理方法、画像処理装置、画像処理プログラム、撮像装置
KR101488641B1 (ko) 영상처리장치 및 영상처리방법
CN117952859B (zh) 一种基于热成像技术的压力性损伤图像优化方法及系统

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