CN113095190A - 一种无接触温度测量与身份识别系统 - Google Patents

一种无接触温度测量与身份识别系统 Download PDF

Info

Publication number
CN113095190A
CN113095190A CN202110357751.9A CN202110357751A CN113095190A CN 113095190 A CN113095190 A CN 113095190A CN 202110357751 A CN202110357751 A CN 202110357751A CN 113095190 A CN113095190 A CN 113095190A
Authority
CN
China
Prior art keywords
temperature measurement
temperature
face
feature map
distance
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.)
Pending
Application number
CN202110357751.9A
Other languages
English (en)
Inventor
肖灼华
夏定元
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.)
Wuhan University of Technology WUT
Original Assignee
Wuhan University of Technology WUT
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 Wuhan University of Technology WUT filed Critical Wuhan University of Technology WUT
Priority to CN202110357751.9A priority Critical patent/CN113095190A/zh
Publication of CN113095190A publication Critical patent/CN113095190A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06V40/168—Feature extraction; Face representation
    • 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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • 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)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Molecular Biology (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Biophysics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于测温、测距传感器和摄像头的无接触温度测量与身份识别系统，测温传感器采用GY‑906红外测温传感器，测距模块采用ATK‑VL53L0X激光测距模块，测温微控制单元MCU采用STM32，图像处理模块核心采用堪智K210芯片；所述红外测温传感器、激光测距模块与微控制单元MCU通过不同I2C总线连接，测温微控制单元MCU与图像处理模块使用TTL串口通信。该系统通过温度补偿算法补正距离产生的测温误差，实现远距离测温，通过图像处理算法和YoloV2网络，实现特征学习和识别；本系统可实现远距离测量人体温度、人脸识别、口罩检测，快速录入人脸的功能，具有准确度高、速度快、成本低的特点。

Description

一种无接触温度测量与身份识别系统
技术领域
本发明属于信息技术领域，更具体地，涉及一种无接触温度测量与身份识别系统。
背景技术
由于新冠发热的病症及对人口流动的管控需要，急需一种测温和身份识别的装置，传统的测温方式，如水银体温计、红外测温枪等，因为测量时间较长、需要接触测温或者测量距离短、需要人工操作等缺点，无法很好地满足防疫大环境下的需求。同时，戴口罩能有效防止人与人之间的病菌传播，疫情期间，要求人人出门佩戴口罩，在人流量较大的地方，如学校出入口、小区出入口等处，要求设点对出入人群佩戴口罩情况进行监督和管控。
在测温装置中，红外测温传感器具有非接触式测量、测量范围广，测温速度快等优点，因此被广泛应用于各种测温仪器当中，在疫情期间发挥了相当重要的作用。但线状的红外测量模块会因为红外线扩散和传播中的损失导致无法实现远距离精准测量，常用的手持式红外测温仪有效测温距离只有10CM，而远距离测量的红外热成像仪需要几十倍的成本。因此，如何实现远距离体温检测及口罩检测或人脸识别是目前亟需解决的技术问题。
发明内容
针对现有技术的以上缺陷或改进需求，本发明提出了一种基于测温、测距传感器和摄像头的无接触温度测量与身份识别系统，能对目标个体进行远距离体温检测及口罩检测或人脸识别。
为实现上述目的，本发明提供了一种基于测温、测距传感器和摄像头的无接触温度测量与身份识别系统，包括：测温模块、测距模块、图像处理模块和微控制单元，其中，所述测温模块和所述测距模块通过两路I2C总线与所述微控制单元连接，由所述微控制单元从所述测温模块中读取温度值，从所述测距模块中读出距离值，然后采用距离温度补正弥补距离产生的测温误差以进行远距离测温；
所述图像处理模块与所述微控制单元使用TTL电路连接进行串口通信，以通过所述图像处理模块进行图像处理结合摄像头实现特征学习和识别。
在一些可选的实施方案中，所述微控制单元，用于将从所述测温模块中获取的温度数据进行线性变换为摄氏温度，然后基于最小二乘法构造减法补偿模型以降低红外测温由于距离影响时的误差。
在一些可选的实施方案中，所述微控制单元，首先由Δy＝y0-y得到所述测温模块的测量误差，其中，y为所述测温模块的测量温度，y0为目标实际温度；然后对得到的Δy进行多项式拟合得到Δy＝a0+a1X+a2X2，X为所述测温模块到测量目标的距离值，a0，a1，a2为多项式系数；通过实验测量得到的距离值拟合得到a0，a1，a2，将当前测量得到的距离值带入拟合方程得到温度测量误差Δy'，则校正后的温度为：y0'＝y+Δy'。
在一些可选的实施方案中，所述图像处理模块，包括：
人脸坐标获取单元，用于通过第一卷积神经网络模型基于从摄像头获取的人脸图像中获取人脸坐标；
调整单元，用于根据人脸坐标对人脸图像中包含人脸的部分进行剪裁和长宽调整得到待矫正图像；
人脸特征点提取单元，用于通过第二卷积神经网络模型从裁剪和调整后的图像中提取包括眼、鼻、嘴的人脸特征点；
放射变换单元，用于使用标准人脸面部特征点信息作为参考值，基于提取到的人脸特征点对待矫正图像进行仿射变换；
人脸特征图提取单元，用于基于仿射变换后的图像，通过第三卷积神经网络模型得到人脸特征图；
入库单元，用于将提取到的人脸特征图入库，以提供比对样本；
特征比对单元，用于将实时获取的人脸特征图与入库的人脸特征图进行欧氏距离比对，超过特定的阈值判断为不一样的人脸，在阈值之内判断为同一个人，从而实现身份识别。
在一些可选的实施方案中，所述人脸坐标获取单元，用于采用YoloV2网络，将摄像头捕获到的图片输入到YoloV2网络，完整运行YoloV2网络以获得图片中所有人脸的坐标信息。
在一些可选的实施方案中，所述人脸特征点提取单元，用于将已经调整好了的人脸图像载入用于提取人脸特征点的第二卷积神经网络模型以获得特征点坐标，其中，第二卷积神经网络模型较第一卷积神经网络模型减少了卷积层，增加了两个填充层和一个反量化层进行微调。
在一些可选的实施方案中，所述人脸特征图提取单元，用于将经过仿射变换校准的图片载入用于比对人脸特征图提取的第三卷积神经网络模型，将返回可以载入特征库的人脸特征图，其中，第三卷积神经网络模型包含卷积层、量化层、反量化层以及池化层。
在一些可选的实施方案中，所述图像处理模块，还用于将摄像头获取的图片载入第四卷积神经网络模型，然后通过卷积提取特征图后，与戴口罩的特征图库与不带口罩的特征图库一一对比，最后找出欧氏距离最小的特征图，并返回该特征图所属的图库种类与相似度，其中，第四卷积神经网络模型中包括戴口罩的特征图和不戴口罩的特征图。
在一些可选的实施方案中，所述测温模块为无接触温度测量模块，其采用MLX90614传感器，通信接口使用标准IIC协议，由所述微控制单元从所述MLX90614传感器内部RAM中读取到16位温度数据，其中包含环境温度数据和传感器测量物体的温度数据，分别存储在不同的RAM地址，然后使用IIC协议定向对不同地址的温度数据进行读取。
在一些可选的实施方案中，所述图像处理模块使用K210芯片。
总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：
(1)通过本发明能够在较大距离(如0～2m)以内精准测量体温(误差不超过0.2摄氏度)；
(2)通过本发明能方便地进行身份识别和口罩检测，并具有相当高的精准度。本系统还具有学习时间极短的特性，新面孔在几十毫秒的时间内便能学习成功。
(3)通过本发明无需使用红外扫描仪及FPGA等昂贵神经网络硬件，具有成本低可靠性好的特点。
附图说明
图1是本发明实施例提供的一种系统结构框图；
图2是本发明实施例提供的一种系统的工作流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。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。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
在本发明实例中，“第一”、“第二”等是用于区别不同的对象，而不是用于描述特定的顺序或先后次序。
本发明的无接触温度测量与身份识别系统，采用低成本线状的红外测量模块外加激光测距模块，加入测温距离这个因子，通过算法补正了因为距离产生的测温误差，在低成本下实现了高精度远距离测量。在图像处理芯片中，K210具有独立卷积神经网络(Convolutional Neural Networks,CNN)处理单元，RAM容量大，可加载较大的神经网络和图片，适合较快速的图像处理，以及运行小型CNN。使用K210运行口罩检测和人脸识别的神经网络，识别速度均在几十毫秒以内，可以实现实时检测和录入。本发明系统难点在于通过测量测温距离，准确在算法中补正距离产生的测温误差；人脸识别时，先快速识别人脸，再将人脸部分图像剪裁后标准化，准确提取特征点后将特征与数据库比对。
如图1所示，本发明实施例提供的一种基于测温、测距传感器和摄像头的无接触温度测量与身份识别系统，包括使用测温模块和测距模块实现远距离测量温度，使用K210芯片进行图像处理结合摄像头实现特征学习和识别；测温模块和测距模块与微控制单元MCU通过两路I2C总线连接，K210图像处理模块与微控制单元MCU使用TTL电路连接进行串口通信。
使用温度测量方法读出温度，采用距离温度补正算法弥补距离产生的测温误差进行远距离测温；采用图像处理算法和YoloV2网络实现人脸识别、人脸录入及口罩检测，如图2所示，以下进行详细说明。
温度测量方法：
(1)传感器数据读取方法
无接触温度测量模块采用MLX90614传感器，通信接口使用标准IIC协议，该传感器正常工作时可直接从内部RAM中读取到16位温度数据，其中包含环境温度数据和传感器测量物体的温度数据，分别存储在不同的RAM地址，使用IIC协议可以定向对不同地址的温度数据进行读取。
(2)原始数据处理与计算
MLX90614传感器返回的16位数据需要进行线性变换才能变为摄氏温度，首先将16位数据进行缩放，即把原始数据乘以0.02的缩放倍率转化为开氏温度，然后加上绝对零度转换为理论摄氏温度，最后加上一个线性偏移修正因子转换为实际摄氏温度。计算公式如下：
y＝data×0.02-273.15+e (1)
其中，y为摄氏温度，data为从传感器中读取到的原始16位数据，0.02为缩放倍率，-273.15为绝对零度，e为线性偏移修正因子，其值在系统调试过程中确定。
温度补正算法：
红外测温模块是通过被测物体表面发出的辐射来确定物体温度的，在实际测量中，被测物体接收到的辐射包括自身辐射以及周围环境的辐射。测温距离越大，环境对其测量的精度影响也就越大。在本发明实施例中，基于最小二乘法构造一个减法补偿模型以降低红外测温时的误差，具体如下：
设红外测温模块的测量温度为y，目标实际温度为y0，则测量误差为：
Δy＝y0-y (2)
然后使用matlab软件对得到的Δy进行多项式拟合，拟合方程为：
Δy＝a0+a1X+a2X2 (3)
X为红外测温模块到测量目标的距离值，a0，a1，a2为多项式系数，通过在matlab中使用距离值实验数据拟合可得a0，a1，a2，将当前测量的距离值带入拟合方程得到测量误差Δy'。使用测量误差Δy'校正红外测温模块的测量温度y，通过校正后的温度为：
y0'＝y+Δy' (4)
身份识别方法：
身份识别过程包括人脸坐标获取，人脸局部图像剪裁及长宽调整，人脸特征点(眼、鼻、嘴)提取，人脸局部图像仿射变换，用于比对的人脸特征图提取，人脸特征入库，人脸特征比对。整个过程共用到了三个卷积神经网络模型，它们分别负责提取人脸坐标，提取人脸的特征点(2个眼睛，1个鼻子，嘴巴的2个角)，以及获取用于比对的人脸特征图。
(1)人脸坐标获取
采用YoloV2网络，将摄像头捕获到的图片输入到该YoloV2网络，完整运行该YoloV2网络以获得图片中所有人脸的坐标信息。该YoloV2网络包含高达23个卷积层，其主要作用就是从环境中把人脸的特征提取出来，然后和网络内部的人脸特征图库进行对比。由于卷积神经网络不全连接，单层的拟合特性较差，所以需要反复卷积以提高特征的提取度。
(2)人脸局部图像剪裁及长宽调整
使用上一步的坐标信息对图片中包含人脸的部分进行剪裁和长宽调整得到待矫正图像。
(3)提取人脸的特征点
将已经调整好了的人脸图像载入用于提取人脸特征点的神经网络以获得特征点坐标。该网络使用已经调整好了的人脸图像，不包含较多的环境成分，所以较前一个网络减少了很多卷积层，但网络结构变得更为复杂，增加了两个填充层和一个反量化层进行微调。这样做可以让网络的识别精度提高，从而精准的提取人脸中眼睛，鼻子，嘴巴等特征点。
(4)人脸局部图像仿射变换
使用标准人脸面部特征点信息作为参考值，使用上一步得到的人脸特征点值作为参数作为待矫正图像的参数，将面部图像进行仿射变换矫正。矫正的目的是给人脸特征图提取做预处理，以此得到效果更好的特征图数据。
(5)用于比对的人脸特征图提取
将经过仿射变换校准的图片载入用于比对的人脸特征图提取网络，将返回可以载入特征库的人脸特征图，该网络结构最为复杂，包含有非常多的卷积层，和更多的量化、反量化以及池化层，这样做的原因是用于比对的人脸特征图需要更为精细的特征值，该网络较找人脸和找特征点的神经网络更不能容许错误，所以在内存允许的范围内尽可能的提高网络的复杂程度与精细度。
(6)人脸特征入库
在学习模式将提取到的人脸特征图入库，以提供比对样本。
(7)特征比对
将实时获取的人脸特征图与入库的人脸特征图进行欧氏距离比对，超过特定的阈值判断为不一样的人脸，在阈值之内判断为同一个人，从而实现身份识别。
口罩识别方法：
口罩识别过程和找人脸过程类似，都是将图片载入YoloV2神经网络，然后通过卷积提取特征，不同的是口罩识别使用的神经网络内部集成了两种特征图，一种是戴口罩的特征图，另一种是不戴口罩的特征图，在该网络通过一系列卷积、池化后提取到特征图后，会与戴口罩的特征图库与不带口罩的特征图库一一对比，最后找出欧氏距离最小的特征图，并返回该特征图所属的图库种类与相似度。
需要指出，根据实施的需要，可将本申请中描述的各个步骤/部件拆分为更多步骤/部件，也可将两个或多个步骤/部件或者步骤/部件的部分操作组合成新的步骤/部件，以实现本发明的目的。
本领域的技术人员容易理解，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作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于测温、测距传感器和摄像头的无接触温度测量与身份识别系统，其特征在于，包括：测温模块、测距模块、图像处理模块和微控制单元，其中，所述测温模块和所述测距模块通过两路I2C总线与所述微控制单元连接，由所述微控制单元从所述测温模块中读取测量目标的温度值，从所述测距模块中读出所述测温模块与测量目标之间的距离值，然后采用距离温度补正弥补距离产生的测温误差以进行远距离测温；
所述图像处理模块与所述微控制单元使用TTL电路连接进行串口通信，以通过所述图像处理模块进行图像处理结合摄像头实现特征学习和识别。
2.根据权利要求1所述的系统，其特征在于，所述微控制单元，用于将从所述测温模块中获取的温度数据进行线性变换为摄氏温度，然后基于最小二乘法构造减法补偿模型以降低红外测温由于距离影响时的误差。
3.根据权利要求2所述的系统，其特征在于，所述微控制单元，首先由Δy＝y0-y得到所述测温模块的测量误差，其中，y为所述测温模块的测量温度，y0为目标实际温度；然后对得到的Δy进行多项式拟合得到Δy＝a0+a1X+a2X2，X为所述测温模块到测量目标的距离值，a0，a1，a2为多项式系数；通过实验测量得到的距离值拟合得到a0，a1，a2，将当前测量得到的距离值带入拟合方程得到温度测量误差Δy'，则校正后的温度为：y0'＝y+Δy'。
4.根据权利要求1至3任意一项所述的系统，其特征在于，所述图像处理模块，包括：
人脸坐标获取单元，用于通过第一卷积神经网络模型基于从摄像头获取的人脸图像中获取人脸坐标；
调整单元，用于根据人脸坐标对人脸图像中包含人脸的部分进行剪裁和长宽调整得到待矫正图像；
人脸特征点提取单元，用于通过第二卷积神经网络模型从裁剪和调整后的图像中提取包括眼、鼻、嘴的人脸特征点；
放射变换单元，用于使用标准人脸面部特征点信息作为参考值，基于提取到的人脸特征点对待矫正图像进行仿射变换；
人脸特征图提取单元，用于基于仿射变换后的图像，通过第三卷积神经网络模型得到人脸特征图；
入库单元，用于将提取到的人脸特征图入库，以提供比对样本；
特征比对单元，用于将实时获取的人脸特征图与入库的人脸特征图进行欧氏距离比对，超过特定的阈值判断为不一样的人脸，在阈值之内判断为同一个人，从而实现身份识别。
5.根据权利要求4所述的系统，其特征在于，所述人脸坐标获取单元，用于采用YoloV2网络，将摄像头捕获到的图片输入到YoloV2网络，完整运行YoloV2网络以获得图片中所有人脸的坐标信息。
6.根据权利要求4所述的系统，其特征在于，所述人脸特征点提取单元，用于将已经调整好了的人脸图像载入用于提取人脸特征点的第二卷积神经网络模型以获得特征点坐标，其中，第二卷积神经网络模型较第一卷积神经网络模型减少了卷积层，增加了两个填充层和一个反量化层进行微调。
7.根据权利要求4所述的系统，其特征在于，所述人脸特征图提取单元，用于将经过仿射变换校准的图片载入用于比对人脸特征图提取的第三卷积神经网络模型，将返回可以载入特征库的人脸特征图，其中，第三卷积神经网络模型包含卷积层、量化层、反量化层以及池化层。
8.根据权利要求1至3任意一项所述的系统，其特征在于，所述图像处理模块，还用于将摄像头获取的图片载入第四卷积神经网络模型，然后通过卷积提取特征图后，与戴口罩的特征图库与不带口罩的特征图库一一对比，最后找出欧氏距离最小的特征图，并返回该特征图所属的图库种类与相似度，其中，第四卷积神经网络模型中包括戴口罩的特征图和不戴口罩的特征图。
9.根据权利要求1所述的系统，其特征在于，所述测温模块为无接触温度测量模块，其采用MLX90614传感器，通信接口使用标准IIC协议，由所述微控制单元从所述MLX90614传感器内部RAM中读取到16位温度数据，其中包含环境温度数据和传感器测量物体的温度数据，分别存储在不同的RAM地址，然后使用IIC协议定向对不同地址的温度数据进行读取。
10.根据权利要求1所述的系统，其特征在于，所述图像处理模块使用K210芯片。
CN202110357751.9A 2021-04-01 2021-04-01 一种无接触温度测量与身份识别系统 Pending CN113095190A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110357751.9A CN113095190A (zh) 2021-04-01 2021-04-01 一种无接触温度测量与身份识别系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110357751.9A CN113095190A (zh) 2021-04-01 2021-04-01 一种无接触温度测量与身份识别系统

Publications (1)

Publication Number Publication Date
CN113095190A true CN113095190A (zh) 2021-07-09

Family

ID=76672775

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110357751.9A Pending CN113095190A (zh) 2021-04-01 2021-04-01 一种无接触温度测量与身份识别系统

Country Status (1)

Country Link
CN (1) CN113095190A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113963223A (zh) * 2021-10-29 2022-01-21 浙江腾腾电气有限公司 基于深度学习的智能稳压器、稳压方法和电子设备
CN114061761A (zh) * 2021-11-17 2022-02-18 重庆大学 基于单目红外立体视觉矫正的远距离目标温度精确测量方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110160670A (zh) * 2019-05-05 2019-08-23 深圳中集智能科技有限公司 人体体温检测装置
CN111486962A (zh) * 2020-04-15 2020-08-04 易造机器人（深圳）有限公司 基于红外成像的远距离人体面部测温系统及实现方法
CN111504509A (zh) * 2020-06-17 2020-08-07 北京中云微迅信息技术有限公司 基于多层神经网络的测温方法
CN111595453A (zh) * 2020-05-27 2020-08-28 成都电科崇实科技有限公司 一种基于人脸识别的红外测温系统及方法
CN111611849A (zh) * 2020-04-08 2020-09-01 广东工业大学 一种用于门禁设备的人脸识别系统
CN112146761A (zh) * 2020-08-14 2020-12-29 上海数川数据科技有限公司 一种基于机器学习的人体测温补偿方法
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
CN112507783A (zh) * 2020-10-29 2021-03-16 上海交通大学 基于注意力机制的口罩人脸检测识别与追踪测温方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110160670A (zh) * 2019-05-05 2019-08-23 深圳中集智能科技有限公司 人体体温检测装置
CN111611849A (zh) * 2020-04-08 2020-09-01 广东工业大学 一种用于门禁设备的人脸识别系统
CN111486962A (zh) * 2020-04-15 2020-08-04 易造机器人（深圳）有限公司 基于红外成像的远距离人体面部测温系统及实现方法
CN111595453A (zh) * 2020-05-27 2020-08-28 成都电科崇实科技有限公司 一种基于人脸识别的红外测温系统及方法
CN111504509A (zh) * 2020-06-17 2020-08-07 北京中云微迅信息技术有限公司 基于多层神经网络的测温方法
CN112146761A (zh) * 2020-08-14 2020-12-29 上海数川数据科技有限公司 一种基于机器学习的人体测温补偿方法
CN112507783A (zh) * 2020-10-29 2021-03-16 上海交通大学 基于注意力机制的口罩人脸检测识别与追踪测温方法
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

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113963223A (zh) * 2021-10-29 2022-01-21 浙江腾腾电气有限公司 基于深度学习的智能稳压器、稳压方法和电子设备
CN113963223B (zh) * 2021-10-29 2022-10-04 浙江腾腾电气有限公司 基于深度学习的智能稳压器、稳压方法和电子设备
CN114061761A (zh) * 2021-11-17 2022-02-18 重庆大学 基于单目红外立体视觉矫正的远距离目标温度精确测量方法
CN114061761B (zh) * 2021-11-17 2023-12-08 重庆大学 基于单目红外立体视觉矫正的远距离目标温度精确测量方法

Similar Documents

Publication Publication Date Title
CN111626125B (zh) 人脸温度检测的方法、系统、装置和计算机设备
CN108734744B (zh) 一种基于全站仪的远距离大视场双目标定方法
CN113095190A (zh) 一种无接触温度测量与身份识别系统
CN111579083B (zh) 基于红外图像人脸检测的体温测量的方法和装置
US20180075618A1 (en) Measurement system and method for measuring multi-dimensions
CN112033545B (zh) 人体温度红外测量方法、装置及计算机设备
CN111210478B (zh) 一种无共同视野多相机系统外参标定方法、介质及系统
CN111426388A (zh) 人员体温测量方法、系统、计算机存储介质及电子设备
CN111486962A (zh) 基于红外成像的远距离人体面部测温系统及实现方法
CN113358231B (zh) 红外测温方法、装置及设备
CN106908064B (zh) 一种基于Kinect2传感器的室内夜间视觉导航方法
CN111784778A (zh) 基于线性求解非线性优化的双目相机外参标定方法和系统
CN113324528B (zh) 已知摄站位置的近景摄影测量目标定位方法及系统
WO2022142570A1 (zh) 一种图像融合方法、装置、图像处理设备及双目系统
CN109801336B (zh) 基于可见光及红外光视觉的机载目标定位系统及方法
CN106991705A (zh) 一种基于p3p算法的位置参数估计方法
Santana-Cedrés et al. Estimation of the lens distortion model by minimizing a line reprojection error
CN114529615A (zh) 雷达标定方法、装置及存储介质
CN112418251B (zh) 红外体温检测方法及系统
CN113361337A (zh) 一种人脸测温补偿方法、装置及电子设备
CN112200002A (zh) 一种体温测量方法、装置、终端设备及存储介质
CN111928949A (zh) 热像测温方法、装置、计算机设备、存储介质
CN113365382B (zh) 灯光控制方法、装置、电子设备和存储介质
CN112097915B (zh) 一种人脸识别测温方法及装置
CN115082555A (zh) 一种rgbd单目相机的高精度位移实时测量系统及方法

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