CN117268559B - 多模态婴幼儿异常体温检测方法、装置、设备及介质 - Google Patents
多模态婴幼儿异常体温检测方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN117268559B CN117268559B CN202311403321.1A CN202311403321A CN117268559B CN 117268559 B CN117268559 B CN 117268559B CN 202311403321 A CN202311403321 A CN 202311403321A CN 117268559 B CN117268559 B CN 117268559B
- Authority
- CN
- China
- Prior art keywords
- infant
- position information
- image
- outputting
- visible light
- 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
- 230000036760 body temperature Effects 0.000 title claims abstract description 103
- 238000001514 detection method Methods 0.000 title claims abstract description 89
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 83
- 238000013507 mapping Methods 0.000 claims abstract description 69
- 238000000034 method Methods 0.000 claims abstract description 58
- 238000012545 processing Methods 0.000 claims abstract description 33
- 230000000474 nursing effect Effects 0.000 claims abstract description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 8
- 238000003708 edge detection Methods 0.000 claims description 5
- 238000003860 storage Methods 0.000 claims description 5
- 238000012935 Averaging Methods 0.000 claims description 4
- 210000000214 mouth Anatomy 0.000 description 35
- 230000008569 process Effects 0.000 description 21
- 230000001815 facial effect Effects 0.000 description 15
- 238000004458 analytical method Methods 0.000 description 13
- 210000001061 forehead Anatomy 0.000 description 8
- 238000012544 monitoring process Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 6
- 238000005259 measurement Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000036541 health Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 230000037000 normothermia Effects 0.000 description 3
- 208000031636 Body Temperature Changes Diseases 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 208000015181 infectious disease Diseases 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 210000001519 tissue Anatomy 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 206010061218 Inflammation Diseases 0.000 description 1
- 206010037660 Pyrexia Diseases 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 210000005069 ears Anatomy 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 238000010195 expression analysis Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000008921 facial expression Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000005802 health problem Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000002631 hypothermal effect Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 210000000987 immune system Anatomy 0.000 description 1
- 230000004054 inflammatory process Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 210000004400 mucous membrane Anatomy 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000035790 physiological processes and functions Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000002076 thermal analysis method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Radiation Pyrometers (AREA)
Abstract
本发明涉及婴幼儿看护技术领域,解决了现有技术中的无法准确地对婴幼儿异常体温进行检测的问题,提供了一种多模态婴幼儿异常体温检测方法、装置、设备及介质。该方法包括:获取婴幼儿看护区域的可见光图像和热红外图像;对所述可见光图像和热红外图像进行坐标标定,输出映射关系;对所述可见光图像进行婴幼儿正脸检测,输出婴幼儿正脸区域图像;获取婴幼儿正脸区域图像中预设部位的第一位置信息,依据所述映射关系,对所述第一位置信息进行映射处理,输出第一位置信息在热红外图像中的第二位置信息;依据所述第二位置信息,对婴幼儿进行异常体温检测,输出异常体温检测结果。本发明提高了婴幼儿异常体温检测的准确度。
Description
技术领域
本发明涉及婴幼儿看护技术领域,尤其涉及一种多模态婴幼儿异常体温检测方法、装置、设备及介质。
背景技术
测量婴幼儿异常体温的必要性不可忽视,因为婴幼儿对体温的敏感性较高,他们的免疫系统尚未完全发育,容易受到感染和疾病的影响。异常体温可能是感染、发炎、疾病或其他健康问题的早期指示器,因此及时准确地检测异常体温对于婴幼儿的健康和生命至关重要。早期干预可以帮助预防疾病的严重化,确保及时治疗和护理,从而提高幼儿的康复率和生存率。并且,测量婴幼儿异常体温是一项关键的保健措施,有助于确保他们的健康和幸福。目前的婴幼儿异常体温测量方案主要依赖于红外热像仪技术,通过测量额头或耳朵的温度来监测婴幼儿的体温。
现有中国专利CN112418251A公开了一种红外体温检测方法及系统,所述方法包括:分别计算可见光图像和热红外图像的变换矩阵,以完成所述可见光图像和所述热红外图像的配准;根据预设的报警温度阈值范围,对所测得的人体体温进行报警温度判断;当所述体温检测温度结果大于或小于报警温度阈值范围时,进行报警并保存可见光图像至本地,其中,待测目标的体温数据的提取根据红外探测器进行操作。上述方案中需要设置预设报警温度阈值,然而,婴幼儿之间存在显著的体温差异,有些婴幼儿的正常体温可能略高于或略低于正常体温范围,因此,一个固定的阈值对于所有婴幼儿来说可能不适用,婴幼儿的体温随着年龄的增长而有所变化,新生儿、婴儿和幼儿的正常体温范围有所不同;同时,婴幼儿的体温在一天内可能会有轻微波动,通常在早晨体温较低,而在下午体温较高,这些正常波动应与异常体温区分开。综上,上述方案中设置温度阈值的方式并不可靠,没有建立一个可靠的用于异常体温检测的参照物,无法准确地对婴幼儿异常体温进行检测。
为此,如何准确地对婴幼儿异常体温进行检测是亟待的解决的问题。
发明内容
有鉴于此,本发明提供了一种多模态婴幼儿异常体温检测方法、装置、设备及介质,用以解决现有技术中无法准确地对婴幼儿异常体温进行检测的问题。
本发明采用的技术方案是:
第一方面,本发明提供了一种多模态婴幼儿异常体温检测方法,所述方法包括:
S1:获取婴幼儿看护区域的可见光图像和热红外图像;
S2:对所述可见光图像和热红外图像进行坐标标定,输出可见光图像与热红外图像之间的映射关系;
S3:对所述可见光图像进行婴幼儿正脸检测,输出可见光图像中的婴幼儿正脸区域图像;
S4:获取婴幼儿正脸区域图像中预设部位的第一位置信息,依据所述映射关系,对所述第一位置信息进行映射处理,输出第一位置信息在热红外图像中的第二位置信息;
S5:依据所述第二位置信息,对婴幼儿进行异常体温检测,输出异常体温检测结果。
优选地,所述S2包括:
S21:对所述可见光图像的颜色色差进行分析,输出预设参照物在可见光图像中的第一顶点位置信息;
S22:利用边缘检测算法和直角检测算法,对所述红外图像进行处理,输出预设参照物在红外图像中的第二顶点位置信息;
S23:依据所述第一顶点位置信息和所述第二顶点位置信息,输出所述映射关系。
优选地,所述S3包括:
S31:将所述可见光图像输入预训练的第一目标检测模型中,输出婴幼儿脸部位置信息;
S32:依据所述婴幼儿脸部位置信息,结合预训练的第二目标检测模型,对可见光图像中婴幼儿脸部区域图像进行处理,输出多个预设脸部部位位置信息;
S33:依据各所述脸部部位位置信息,对当前婴幼儿脸部是否为正脸进行判断,输出判断结果;
S34:依据所述判断结果,当识别为婴幼儿正脸时,获取所述婴幼儿正脸区域图像。
优选地,所述S33包括:
S331:获取各所述脸部部位位置信息,其中,所述脸部部位位置信息至少包括左眼、右眼、鼻子和嘴巴位置信息;
S332:依据鼻子和嘴巴位置信息,连接鼻子区域中心点和嘴巴区域中心点,得出中心线;
S333:依据左眼和右眼位置信息,对左眼到中心线的第一距离和右眼到中心线的第二距离进行计算;
S334:依据所述第一距离和第二距离,计算实时间距比;
S335:获取预设的婴幼儿正脸对应的间距比区间,依据所述实时间距比和所述间距比区间,输出所述判断结果。
优选地,所述S4包括:
S41:对所述婴幼儿正脸区域图像进行人脸跟踪,获取所述第一位置信息;
S42:依据所述映射关系,将所述第一位置信息映射到红外图像中,输出所述第二位置信息。
优选地,所述S5包括:
S51:将所述红外图像转换为对应的灰度图像,依据所述第二位置信息,获取红外图像中婴幼儿正脸区域的第一灰度平均值;
S52:依据所述第二位置信息,获取红外图像中婴幼儿左眼、右眼和嘴巴分别对应的平均灰度值;
S53:对各所述平均灰度值进行求和求平均,输出第二灰度平均值;
S54:依据所述第一灰度平均值和所述第二灰度平均值,输出异常体温检测结果。
优选地,所述S54包括:
S541:依据所述第一灰度平均值和所述第二灰度平均值,输出灰度差值;
S542:依据所述灰度差值和预设的灰度差阈值,对婴幼儿进行异常体温检测,输出异常体温检测结果。
第二方面,本发明提供了一种多模态婴幼儿异常体温检测装置,所述装置包括:
图像获取模块,用于获取婴幼儿看护区域的可见光图像和热红外图像;
坐标标定模块,用于对所述可见光图像和热红外图像进行坐标标定,输出可见光图像与热红外图像之间的映射关系;
婴幼儿正脸检测模块,用于对所述可见光图像进行婴幼儿正脸检测,输出可见光图像中的婴幼儿正脸区域图像;
映射模块,用于获取婴幼儿正脸区域图像中预设部位的第一位置信息,依据所述映射关系,对所述第一位置信息进行映射处理,输出第一位置信息在热红外图像中的第二位置信息;
异常体温检测模块,用于依据所述第二位置信息,对婴幼儿进行异常体温检测,输出异常体温检测结果。
第三方面,本发明实施例还提供了一种电子设备,包括:至少一个处理器、至少一个存储器以及存储在存储器中的计算机程序指令,当计算机程序指令被处理器执行时实现如上述实施方式中第一方面的方法。
第四方面,本发明实施例还提供了一种存储介质,其上存储有计算机程序指令,当计算机程序指令被处理器执行时实现如上述实施方式中第一方面的方法。
综上所述,本发明的有益效果如下:
本发明提供的多模态婴幼儿异常体温检测方法、装置、设备及介质,所述方法包括:获取婴幼儿看护区域的可见光图像和热红外图像;对所述可见光图像和热红外图像进行坐标标定,输出可见光图像与热红外图像之间的映射关系;对所述可见光图像进行婴幼儿正脸检测,输出可见光图像中的婴幼儿正脸区域图像;获取婴幼儿正脸区域图像中预设部位的第一位置信息,依据所述映射关系,对所述第一位置信息进行映射处理,输出第一位置信息在热红外图像中的第二位置信息;依据所述第二位置信息,对婴幼儿进行异常体温检测,输出异常体温检测结果。本发明包括了自动的图像处理步骤,如坐标标定、正脸检测等,通过映射关系进行映射处理,将可见光图像中的位置信息与热红外图像对应起来,上述过程是自动的,无需手动计算或标记位置,这减少了用户的手动干预和技术要求,使得异常体温检测更加简便;同时,本发明将可见光图像和热红外图像结合起来,提高异常体温检测的准确性,热红外图像提供体温信息,而可见光图像用于确定婴幼儿的位置和脸部朝向,这种多模态信息融合有助于减少误报和漏报;通过在可见光图像中进行婴幼儿正脸检测,可以确保测量是在正确的区域进行的,从而提高测量的准确性;映射处理利用映射关系将可见光图像中的位置信息映射到热红外图像中,确保了两者之间的准确对应,从而可以准确地测量婴幼儿的体温。综上所述,本发明结合了多种信息源,通过自动化流程简化了操作,并且通过映射处理和正脸检测等步骤提高了异常体温检测的准确性,使得该方案在婴幼儿护理和体温监测方面具有潜在的实际应用前景。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例中所需要使用的附图作简单地介绍,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,这些均在本发明的保护范围内。
图1为本发明实施例1中多模态婴幼儿异常体温检测方法的整体工作的流程示意图;
图2为本发明实施例1中进行坐标标定的流程示意图;
图3为本发明实施例1中获取婴幼儿正脸区域图像的流程示意图;
图4为本发明实施例1中对是否为婴幼儿正脸进行判定的流程示意图;
图5为本发明实施例1中进行人脸跟踪和映射处理的流程示意图;
图6为本发明实施例1中获取异常体温检测结果的流程示意图;
图7为本发明实施例1中依据灰度差值进行异常体温检测的流程示意图;
图8为本发明实施例2中多模态婴幼儿异常体温检测装置的结构框图;
图9为本发明实施例3中电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。需要说明的是,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。在本发明的描述中,需要理解的是,术语“中心”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。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……”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。如果不冲突,本发明实施例以及实施例中的各个特征可以相互结合,均在本发明的保护范围之内。
实施例1
请参见图1,本发明实施例1公开了一种多模态婴幼儿异常体温检测方法,所述方法包括:
S1:获取婴幼儿看护区域的可见光图像和热红外图像;
具体地,获取婴幼儿看护区域的可见光图像和热红外图像是指在监护婴幼儿的环境中,使用相应的摄像设备或传感器来采集可见光图像和热红外图像这两种不同类型的图像数据,所述图像数据捕捉了婴幼儿周围的视觉信息以及与热量分布有关的信息。使用专门设计的摄像头或传感器来获取这些图像数据,其中,可见光图像通常使用普通摄像机,而热红外图像需要红外摄像机或热像仪。所述婴幼儿看护区域至少包括婴儿床、婴儿室、保育设施或其他婴幼儿活动场所,确保图像采集区域包括了婴幼儿可能出现的位置以及与体温监测相关的部分。根据热红外摄像头帧率和可见光图像进行帧数对齐,从而保证了可见光图像和热红外图像的采集时间同步,以便后续的图像处理和分析可以将它们对应起来,在采集可见光图像时,考虑光线条件以确保图像质量,在夜间或低光条件下,需要额外的照明设备。
S2:对所述可见光图像和热红外图像进行坐标标定,输出可见光图像与热红外图像之间的映射关系;
具体地,在进行坐标标定之前,对可见光图像和热红外图像进行一些预处理,以去除噪声、增强图像质量,并准备好用于标定的图像数据,为了进行坐标标定,在两幅图像中检测一些特征点,这些特征点在两幅图像中都可以被准确识别,所述特征点可以是角点、边缘、纹理等,将在两幅图像中检测到的特征点进行匹配,建立特征点之间的对应关系,通常使用特征描述子(如SIFT、SURF、ORB等)和匹配算法(如RANSAC)来实现,基于特征点的对应关系,计算可见光图像和热红外图像之间的映射关系,所述映射关系描述了两幅图像之间的变换关系,使得它们能够在同一坐标系统下对齐,进行坐标标定后,通常需要对其进行评估和验证,以确保对准的准确性,这可以通过计算重投影误差或其他评估指标来完成,通过映射关系,可以将其他信息从一幅图像映射到另一幅图像中,实现配准和矫正。例如,在热红外图像中测量到的温度信息可以映射到可见光图像中的位置。
在一实施例中,请参见图2,所述S2包括:
S21:对所述可见光图像的颜色色差进行分析,输出预设参照物在可见光图像中的第一顶点位置信息;
具体地,在所述婴幼儿看护区域内放置一块特殊的黑色长方形板材,这块板材通过加热而保持一定的温度,这个板材的温度明显高于周围环境,所述板材作为后续热红外图像处理的基础。在可见光图像中,采用颜色色差技术,通过比较像素颜色值的差异,检测和提取黑色长方形板材,从而确定可见光图像中的板材位置,并获取长方形板材四个顶点的坐标D1(d11,d12,d13,d14),通过可见光图像的处理,以及特殊的板材加热,实现了对黑色长方形板材四个顶点的精确定位。这个过程有助于后续的计算和分析,例如测量板材的温度或进行图像配准等应用。
S22:利用边缘检测算法和直角检测算法,对所述红外图像进行处理,输出预设参照物在红外图像中的第二顶点位置信息;
具体地,;在红外图像中,由于黑色长方形板材的温度高于周围物体,会在图像中产生亮点,通过找到红外图像中颜色最亮的部分,结合边缘检测和直角检测等技术,可以精确定位黑色长方形板材,并获取其四个顶点的坐标D2(d21,d22,d23,d24)。
S23:依据所述第一顶点位置信息和所述第二顶点位置信息,输出所述映射关系。
具体地,获取两组对应的点坐标,分别是可见光图像中的四个顶点D1和红外图像中的四个顶点D2,将这些顶点对应关系用公式[D2]=H*[D1]表示,其中[D2]和[D1]是坐标点的矩阵表示,H是映射关系。通过最小二乘法找到映射关系H,使得上述公式成立。最小二乘法是一种优化方法,用于找到最符合这些点对应关系的映射关系,它通过最小化实际观测值与模型预测值之间的差异,来估计H矩阵的值。在这个过程中,可以考虑平方差误差来衡量拟合的质量。通过最小二乘法,得到一个最优的映射关系H,这个矩阵描述了两个图像之间的变换关系,从而使得我们能够将它们对齐或映射到同一个坐标系统中,为后续的图像处理和分析提供准确的基础。
S3:对所述可见光图像进行婴幼儿正脸检测,输出可见光图像中的婴幼儿正脸区域图像;
具体地,对所述可见光图像进行婴幼儿正脸检测通常使用计算机视觉和人脸检测技术,所述技术可以检测图像中的人脸,确定其位置和朝向。,于婴幼儿,涉及到特定年龄段的面部特征和比例。上述过程是自动化的,无需人工干预。检测算法会在可见光图像中搜索可能的脸部区域,然后确定哪些区域包含婴幼儿的正脸,一旦检测到婴幼儿的正脸,将提取出这一区域的图像,这个图像通常包括婴幼儿的面部特征,如眼睛、鼻子和嘴巴等,以及与正脸相关的信息,将提取出的相关信息用于后续的分析或监测任务,例如测量婴幼儿的体温、表情识别、面部识别等,有助于减少对整个图像进行处理的复杂性,集中注意力在与正脸相关的信息上。
在一实施例中,请参见图3,所述S3包括:
S31:将所述可见光图像输入预训练的第一目标检测模型中,输出婴幼儿脸部位置信息;
具体地,将所述可见光图像输入预训练的第一目标检测模型中,所述第一目标检测模型采用YOLO的实时目标检测算法。所述第一目标检测模型经过训练,能够识别图像中的不婴幼儿脸部目标,并提供它们的位置和边界框信息,通过基于YOLOv8s的第一目标检测模型检测后,会得到婴幼儿脸部区域的边界框信息,包括左上角坐标(x1,y1)和宽度高度(w1,h1),所述边界框信息定义了婴幼儿脸部在图像中的位置和大小。使用基于YOLOv8s的第一目标检测模型来检测婴幼儿或婴儿的脸部区域,并提供了婴幼儿脸部区域的边界框坐标信息,提供可见光图像中婴幼儿脸部位置的关键信息,以便后续的处理和应用。
S32:依据所述婴幼儿脸部位置信息,结合预训练的第二目标检测模型,对可见光图像中婴幼儿脸部区域图像进行处理,输出多个预设脸部部位位置信息;
具体地,使用基于YOLOv8s的第二目标检测模型,所述第二目标检测模型已经训练用于识别多个不同的目标类别,包括眼睛、鼻子和嘴巴。该模型能够提供每个目标的边界框信息,即左上角坐标(x,y)和宽度高度(w,h)。通过对脸部区域进一步的检测,第二目标检测模型会识别眼睛的位置和边界框信息,通常,会有两个眼睛,所以会获得两组边界框,分别对应Eye1和Eye2区域,同样,在脸部区域内,模型会检测并定位鼻子,提供鼻子区域的边界框信息,最后,模型也会检测和定位嘴巴,获得嘴巴区域的边界框信息。这个过程通常用于后续的分析或操作,如面部表情分析、面部识别、姿势估计等,有助于了解婴幼儿的面部特征,以及可能用于其他应用的详细信息。总的来说,这个过程扩展了前一步的脸部检测,通过模型检测并提供了婴幼儿脸部区域内的眼睛、鼻子和嘴巴区域的精确位置和边界框信息,为面部特征分析和后续应用提供了重要的数据。
S33:依据各所述脸部部位位置信息,对当前婴幼儿脸部是否为正脸进行判断,输出判断结果;
具体地,利用之前检测到的脸部部位(眼睛、鼻子、嘴巴)的位置信息,通过分析这些信息,以了解婴幼儿的脸部特征在图像中的相对位置和朝向。正脸通常是指婴幼儿的脸部正对着摄像头,眼睛、鼻子和嘴巴都在大致相同的水平线上,通过分析这些部位的位置关系,可以判断当前脸部是否处于正脸朝向。基于分析,会产生一个判断结果,通常是二进制的,即脸部是正脸(面对摄像头)或非正脸。这个结果可以用于后续的操作,如拍摄照片、录制视频、触发警报等。
在一实施例中,请参见图4,所述S33包括:
S331:获取各所述脸部部位位置信息,其中,所述脸部部位位置信息至少包括左眼、右眼、鼻子和嘴巴位置信息;
具体地,通过之前的步骤,获取眼睛区域的位置信息,每个眼睛都用边界框定义,包括坐标(x,y)和宽度高度(w,h),同样,也检测到了鼻子的区域,也用边界框定义了其位置和大小,类似地,嘴巴区域也被检测到,并有相应的边界框。
S332:依据鼻子和嘴巴位置信息,连接鼻子区域中心点和嘴巴区域中心点,得出中心线;
具体地,从鼻子区域N和嘴巴区域M的边界框中提取中心坐标,分别得到C1和C2,通过这些坐标,连接鼻子区域中心点和嘴巴区域中心点,构建中心线L。
S333:依据左眼和右眼位置信息,对左眼到中心线的第一距离和右眼到中心线的第二距离进行计算;
具体地,对于眼睛区域Eye1和Eye2,分别计算它们的中心点坐标到中心线L的距离,得到Dis1和Dis2。这些距离用于描述眼睛相对于中心线的位置。
S334:依据所述第一距离和第二距离,计算实时间距比;
S335:获取预设的婴幼儿正脸对应的间距比区间,依据所述实时间距比和所述间距比区间,输出所述判断结果。
具体地,计算Dis1和Dis2的比率raito=Dis1/Dis2,这个比率即实时间距比,用于表征眼睛的相对位置,即它们是否足够接近中心线L。获取预设的婴幼儿正脸对应的间距比区间,如果ra ito落在给定的范围,例如(0.9,1.01)之间,表示眼睛相对于中心线的间距在合理范围内,此时认为婴幼儿脸部朝向是正脸。这个过程可以用于面部朝向的分析,通过检测眼睛、鼻子和嘴巴的位置以及它们相对于中心线的位置,可以判断脸部是否朝向摄像头或处于正脸位置,这种技术可以在各种应用中使用,如自动矫正姿势、情感分析等。
S34:依据所述判断结果,当识别为婴幼儿正脸时,获取所述婴幼儿正脸区域图像。
具体地,根据之前的步骤,已经对婴幼儿的脸部朝向进行了分析和判断,得出了一个二进制的判断结果,指示脸部是否正对摄像头或处于正脸朝向。如果判断结果表明婴幼儿的脸部为正脸,使用之前获得的脸部区域信息,包括脸部的边界框坐标,确定正脸区域的位置和大小。这个区域通常包括婴幼儿的整个脸部,包括眼睛、鼻子、嘴巴等特征,从原始图像中提取正脸区域的图像,这个图像将包含婴幼儿正脸的所有特征,可以进一步用于分析、记录或展示。
S4:获取婴幼儿正脸区域图像中预设部位的第一位置信息,依据所述映射关系,对所述第一位置信息进行映射处理,输出第一位置信息在热红外图像中的第二位置信息;
具体地,获取婴幼儿正脸区域的图像,该图像通常包含了婴幼儿的脸部特征,例如眼睛、鼻子、嘴巴等,在婴幼儿正脸区域图像中,存在一些预设部位,例如可能是脸部特征的关键点,如眼睛、嘴巴等,这些部位的位置信息会被提取出来,通常以坐标的形式表示,例如(x1,y1),在之前的步骤中,已经计算了映射关系(H矩阵),该矩阵描述了可见光图像和热红外图像之间的几何关系,允许图像间的像素坐标之间的转换,使用映射关系,将婴幼儿正脸区域图像中的预设部位的第一位置信息进行映射处理,这意味着将可见光图像中的位置信息转换为热红外图像中的相应位置信息,考虑了两者之间的几何关系,经过映射处理后,预设部位的第一位置信息将被转换为热红外图像中的坐标形式,即得到了第二位置信息。,这个信息在热红外图像中表示了与预设部位相对应的位置。通过将可见光图像中的关键信息映射到热红外图像,以便进行进一步的分析、测量或监测。例如,可以使用这种技术来获取热红外图像中的温度信息与可见光图像中的脸部特征关联,从而进行异常体温检测,这对于婴幼儿的健康监测和安全性非常重要。
在一实施例中,请参见图5,所述S4包括:
S41:对所述婴幼儿正脸区域图像进行人脸跟踪,获取所述第一位置信息;
S42:依据所述映射关系,将所述第一位置信息映射到红外图像中,输出所述第二位置信息。
具体地,确定可见光图像中的面部特征区域(如眼睛、鼻子、嘴巴)的位置。每个区域通常由一个矩形边界框定义,该边界框具有两个顶点坐标:左上角坐标D1(x1,y1)和右下角坐标D2(x1+w,y1+h1)。这些坐标表示了矩形框的位置和大小,例如计算热红外图像中对应的人脸区域两个顶点坐标(D1’和D2’):利用之前计算得到的映射关系H,将可见光图像中的顶点坐标D1和D2映射到热红外图像中,得到对应的坐标D1'和D2',所述顶点坐标表示了在热红外图像中与可见光图像中的特征区域对应的位置,基于映射后的顶点坐标D1'和D2',确定在热红外图像P2中的人脸区域,所述人脸区域通常是一个矩形框,其两个顶点坐标由D1'和D2'定义。类似于前面的步骤,对于可见光图像中的其他面部特征,如眼睛区域Eye1(x,y,w,h)、Eye2(x,y,w,h)、和嘴巴区域M(x,y,w,h),也执行相似的映射处理,通过将各自的坐标映射到热红外图像,得到对应的Eye1'、Eye2'、和M'的坐标,从而在热红外图像中确定相应的人脸特征区域,并得出第二位置信息。
S5:依据所述第二位置信息,对婴幼儿进行异常体温检测,输出异常体温检测结果。
在一实施例中,请参见图6,所述S5包括:
S51:将所述红外图像转换为对应的灰度图像,依据所述第二位置信息,获取红外图像中婴幼儿正脸区域的第一灰度平均值;
具体地,将热红外图像P2转换为灰度图像Gray,在这个过程中,例如将温度40摄氏度映射为灰度值180,将温度20摄氏度对应的像素点映射为灰度值60,并依据以下公式计算灰度图像中像素点的灰值:
G=6*T-60
其中,G为灰度图像中像素点的灰度值,T为热红外图像中像素点的温度值;最低温度对应于灰度图像中的最低灰度值,最高温度对应于灰度图像中的最高灰度值。这种转换允许以灰度的方式表示热红外图像的温度信息。在热红外图像中,已经确定了与可见光图像中的人脸区域对应的热区域图像F2(D1',D2'),然后,计算该区域的平均灰度值Gray_F2。这个平均值反映了热红外图像中与婴幼儿脸部相关的温度信息。
S52:依据所述第二位置信息,获取红外图像中婴幼儿左眼、右眼和嘴巴分别对应的平均灰度值;
具体地,利用预先计算的映射关系,所述映射关系至少包括单应性矩阵,依据所述第二位置信息,确定在红外图像中的左眼、右眼和嘴巴的区域,在每个确定的区域内,计算像素的平均灰度值,首先通过上述G=6*T-60公式计算左眼、右眼和嘴巴的区域内所有像素的灰度值,再将区域内的所有像素的灰度值相加,然后除以像素数来得到左眼、右眼和嘴巴区域各自的平均灰度值,获取平均灰度值后,可以将其用于后续的分析或判断。例如,根据平均灰度值可以进行热量分析,判断这些区域是否显示异常的温度变化。
S53:对各所述平均灰度值进行求和求平均,输出第二灰度平均值;
具体地,不同部位的皮肤和组织结构不同,导致其对体温变化的响应不同,眼睛和嘴巴区域通常由细小的皮肤组织和黏膜组成,这些区域对温度的变化相对不敏感,相比之下,脸部、鼻子和额头区域的皮肤更薄,血液循环更丰富,因此更容易受到体温的影响,眼睛和嘴巴区域通常需要维持相对稳定的温度以保持正常生理功能,如视觉和言语,因此,这些区域可能具有自我调节机制,使其对温度变化的响应较小。同时,脸部、鼻子和额头通常处于身体外部,直接受到外部环境的影响,包括气温和风速等,相反,眼睛和嘴巴通常被眼眶和口腔等结构所保护,减少了外部环境对其温度的直接影响。在正常情况下,眼睛、嘴巴区域的体温变化较小,而脸部、鼻子和额头区域受体温影响较大。因此,通过取眼睛、嘴巴区域的平均灰度值,可以得到一个相对稳定的参考值Gray_avg,用于体温变化的分析,这个平均值将用于后续的体温异常检测。
S54:依据所述第一灰度平均值和所述第二灰度平均值,输出异常体温检测结果。
在一实施例中,请参见图7,所述S54包括:
S541:依据所述第一灰度平均值和所述第二灰度平均值,输出灰度差值;
S542:依据所述灰度差值和预设的灰度差阈值,对婴幼儿进行异常体温检测,输出异常体温检测结果。
具体地,计算灰度值差V=Gray_F2-Gray_avg,正常情况下,婴幼儿的体温处于正常范围内,灰度值差V的数值相对稳定,接近于预设的Gray_avg,当婴幼儿的体温发生异常变化时,例如体温升高或降低,脸部、鼻子和额头区域的温度也会相应地剧烈变化,而眼睛和嘴巴区域的温度并不会剧烈发生变化,这将导致灰度值差V的数值发生变化,如果婴幼儿的脸部、鼻子和额头区域温度升高,V的值会增大;如果温度降低,V的值会减小。为了判断婴幼儿体温是否发生异常,预先设定了两个阈值Thresh1和Thresh2。如果灰度值差V大于Thresh1或小于Thresh2,则认为婴幼儿的体温发生了异常。当V>Thresh1时,这意味着脸部、鼻子和额头区域的温度升高超出了正常范围,可能表示发热,当V<Thresh2时,这意味着脸部和额头区域的温度降低超出了正常范围,可能表示体温过低。通过实时监测灰度值差的变化,可以及时发现婴幼儿体温的异常情况,从而采取必要的措施;同时,这种方法不需要直接接触婴幼儿的皮肤,因此是一种非侵入性的监测方式,不会对婴幼儿造成不适,阈值Thresh1和Thresh2可以根据实验测试和婴幼儿的个体差异进行调整,以提高检测的准确性和适应性。
实施例2
请参见图8,本发明实施例2还提供了一种多模态婴幼儿异常体温检测装置,所述装置包括:
图像获取模块,用于获取婴幼儿看护区域的可见光图像和热红外图像;
坐标标定模块,用于对所述可见光图像和热红外图像进行坐标标定,输出可见光图像与热红外图像之间的映射关系;
婴幼儿正脸检测模块,用于对所述可见光图像进行婴幼儿正脸检测,输出可见光图像中的婴幼儿正脸区域图像;
映射模块,用于获取婴幼儿正脸区域图像中预设部位的第一位置信息,依据所述映射关系,对所述第一位置信息进行映射处理,输出第一位置信息在热红外图像中的第二位置信息;
异常体温检测模块,用于依据所述第二位置信息,对婴幼儿进行异常体温检测,输出异常体温检测结果。
具体地,采用本发明实施例提供的多模态婴幼儿异常体温检测装置,所述装置包括:图像获取模块,用于获取婴幼儿看护区域的可见光图像和热红外图像;坐标标定模块,用于对所述可见光图像和热红外图像进行坐标标定,输出可见光图像与热红外图像之间的映射关系;婴幼儿正脸检测模块,用于对所述可见光图像进行婴幼儿正脸检测,输出可见光图像中的婴幼儿正脸区域图像;映射模块,用于获取婴幼儿正脸区域图像中预设部位的第一位置信息,依据所述映射关系,对所述第一位置信息进行映射处理,输出第一位置信息在热红外图像中的第二位置信息;异常体温检测模块,用于依据所述第二位置信息,对婴幼儿进行异常体温检测,输出异常体温检测结果。本装置包括了自动的图像处理步骤,如坐标标定、正脸检测等,通过映射关系进行映射处理,将可见光图像中的位置信息与热红外图像对应起来,上述过程是自动的,无需手动计算或标记位置,这减少了用户的手动干预和技术要求,使得异常体温检测更加简便;同时,本发明将可见光图像和热红外图像结合起来,提高异常体温检测的准确性,热红外图像提供体温信息,而可见光图像用于确定婴幼儿的位置和脸部朝向,这种多模态信息融合有助于减少误报和漏报;通过在可见光图像中进行婴幼儿正脸检测,可以确保测量是在正确的区域进行的,从而提高测量的准确性;映射处理利用映射关系将可见光图像中的位置信息映射到热红外图像中,确保了两者之间的准确对应,从而可以准确地测量婴幼儿的体温。综上所述,本发明结合了多种信息源,通过自动化流程简化了操作,并且通过映射处理和正脸检测等步骤提高了异常体温检测的准确性,使得该方案在婴幼儿护理和体温监测方面具有潜在的实际应用前景。
实施例3
另外,结合图1描述的本发明实施例1的多模态婴幼儿异常体温检测方法可以由电子设备来实现。图9示出了本发明实施例3提供的电子设备的硬件结构示意图。
电子设备可以包括处理器以及存储有计算机程序指令的存储器。
具体地,上述处理器可以包括中央处理器(CPU),或者特定集成电路(ApplicationSpecific Integrated Circuit,ASIC),或者可以被配置成实施本发明实施例的一个或多个集成电路。
存储器可以包括用于数据或指令的大容量存储器。举例来说而非限制,存储器可包括硬盘驱动器(Hard Disk Drive,HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus,USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下,存储器可包括可移除或不可移除(或固定)的介质。在合适的情况下,存储器可在数据处理装置的内部或外部。在特定实施例中,存储器是非易失性固态存储器。在特定实施例中,存储器包括只读存储器(ROM)。在合适的情况下,该ROM可以是掩模编程的ROM、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM(EEPROM)、电可改写ROM(EAROM)或闪存或者两个或更多个以上这些的组合。
处理器通过读取并执行存储器中存储的计算机程序指令,以实现上述实施例中的任意一种多模态婴幼儿异常体温检测方法。
在一个示例中,电子设备还可包括通信接口和总线。其中,如图9所示,处理器、存储器、通信接口通过总线连接并完成相互间的通信。
通信接口,主要用于实现本发明实施例中各模块、装置、单元和/或设备之间的通信。
总线包括硬件、软件或两者,将所述设备的部件彼此耦接在一起。举例来说而非限制,总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下,总线可包括一个或多个总线。尽管本发明实施例描述和示出了特定的总线,但本发明考虑任何合适的总线或互连。
实施例4
另外,结合上述实施例1中的多模态婴幼儿异常体温检测方法,本发明实施例4还可提供一种计算机可读存储介质来实现。该计算机可读存储介质上存储有计算机程序指令;该计算机程序指令被处理器执行时实现上述实施例中的任意一种多模态婴幼儿异常体温检测方法。
综上所述,本发明实施例提供了一种多模态婴幼儿异常体温检测方法、装置、设备及介质。
需要明确的是,本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见,这里省略了对已知方法的详细描述。在上述实施例中,描述和示出了若干具体的步骤作为示例。但是,本发明的方法过程并不限于所描述和示出的具体步骤,本领域的技术人员可以在领会本发明的精神后,作出各种改变、修改和添加,或者改变步骤之间的顺序。
以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时,其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时,本发明的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中,或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路,等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
还需要说明的是,本发明中提及的示例性实施例,基于一系列的步骤或者装置描述一些方法或系统。但是,本发明不局限于上述步骤的顺序,也就是说,可以按照实施例中提及的顺序执行步骤,也可以不同于实施例中的顺序,或者若干步骤同时执行。
以上所述,仅为本发明的具体实施方式,所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的系统、模块和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。应理解,本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。
Claims (7)
1.一种多模态婴幼儿异常体温检测方法,其特征在于,所述方法包括:
S1:获取婴幼儿看护区域的可见光图像和热红外图像;
S2:对所述可见光图像和热红外图像进行坐标标定,输出可见光图像与热红外图像之间的映射关系;
S3:对所述可见光图像进行婴幼儿正脸检测,输出可见光图像中的婴幼儿正脸区域图像;
S4:获取婴幼儿正脸区域图像中预设部位的第一位置信息,依据所述映射关系,对所述第一位置信息进行映射处理,输出第一位置信息在热红外图像中的第二位置信息;
S5:依据所述第二位置信息,对婴幼儿进行异常体温检测,输出异常体温检测结果;
所述S2包括:
S21:对所述可见光图像的颜色色差进行分析,输出预设参照物在可见光图像中的第一顶点位置信息;
S22:利用边缘检测算法和直角检测算法,对所述红外图像进行处理,输出预设参照物在红外图像中的第二顶点位置信息;
S23:依据所述第一顶点位置信息和所述第二顶点位置信息,输出所述映射关系;
所述S3包括:
S31:将所述可见光图像输入预训练的第一目标检测模型中,输出婴幼儿脸部位置信息;
S32:依据所述婴幼儿脸部位置信息,结合预训练的第二目标检测模型,对可见光图像中婴幼儿脸部区域图像进行处理,输出多个预设脸部部位位置信息;
S33:依据各所述脸部部位位置信息,对当前婴幼儿脸部是否为正脸进行判断,输出判断结果;
S34:依据所述判断结果,当识别为婴幼儿正脸时,获取所述婴幼儿正脸区域图像;
所述S5包括:
S51:将所述红外图像转换为对应的灰度图像,依据所述第二位置信息,获取红外图像中婴幼儿正脸区域的第一灰度平均值;
S52:依据所述第二位置信息,获取红外图像中婴幼儿左眼、右眼和嘴巴分别对应的平均灰度值;
S53:对各所述平均灰度值进行求和求平均,输出第二灰度平均值;
S54:依据所述第一灰度平均值和所述第二灰度平均值,输出异常体温检测结果。
2.根据权利要求1所述的多模态婴幼儿异常体温检测方法,其特征在于,所述S33包括:
S331:获取各所述脸部部位位置信息,其中,所述脸部部位位置信息至少包括左眼、右眼、鼻子和嘴巴位置信息;
S332:依据鼻子和嘴巴位置信息,连接鼻子区域中心点和嘴巴区域中心点,得出中心线;
S333:依据左眼和右眼位置信息,对左眼到中心线的第一距离和右眼到中心线的第二距离进行计算;
S334:依据所述第一距离和第二距离,计算实时间距比;
S335:获取预设的婴幼儿正脸对应的间距比区间,依据所述实时间距比和所述间距比区间,输出所述判断结果。
3.根据权利要求1所述的多模态婴幼儿异常体温检测方法,其特征在于,所述S4包括:
S41:对所述婴幼儿正脸区域图像进行人脸跟踪,获取所述第一位置信息;
S42:依据所述映射关系,将所述第一位置信息映射到红外图像中,输出所述第二位置信息。
4.根据权利要求1所述的多模态婴幼儿异常体温检测方法,其特征在于,所述S54包括:
S541:依据所述第一灰度平均值和所述第二灰度平均值,输出灰度差值;
S542:依据所述灰度差值和预设的灰度差阈值,对婴幼儿进行异常体温检测,输出异常体温检测结果。
5.一种多模态婴幼儿异常体温检测装置,其特征在于,所述装置包括:
图像获取模块,用于获取婴幼儿看护区域的可见光图像和热红外图像;
坐标标定模块,用于对所述可见光图像和热红外图像进行坐标标定,输出可见光图像与热红外图像之间的映射关系;
婴幼儿正脸检测模块,用于对所述可见光图像进行婴幼儿正脸检测,输出可见光图像中的婴幼儿正脸区域图像;
映射模块,用于获取婴幼儿正脸区域图像中预设部位的第一位置信息,依据所述映射关系,对所述第一位置信息进行映射处理,输出第一位置信息在热红外图像中的第二位置信息;
异常体温检测模块,用于依据所述第二位置信息,对婴幼儿进行异常体温检测,输出异常体温检测结果;
所述对所述可见光图像和热红外图像进行坐标标定,输出可见光图像与热红外图像之间的映射关系包括:
对所述可见光图像的颜色色差进行分析,输出预设参照物在可见光图像中的第一顶点位置信息;
利用边缘检测算法和直角检测算法,对所述红外图像进行处理,输出预设参照物在红外图像中的第二顶点位置信息;
依据所述第一顶点位置信息和所述第二顶点位置信息,输出所述映射关系;
所述对所述可见光图像进行婴幼儿正脸检测,输出可见光图像中的婴幼儿正脸区域图像包括:
将所述可见光图像输入预训练的第一目标检测模型中,输出婴幼儿脸部位置信息;
依据所述婴幼儿脸部位置信息,结合预训练的第二目标检测模型,对可见光图像中婴幼儿脸部区域图像进行处理,输出多个预设脸部部位位置信息;
依据各所述脸部部位位置信息,对当前婴幼儿脸部是否为正脸进行判断,输出判断结果;
依据所述判断结果,当识别为婴幼儿正脸时,获取所述婴幼儿正脸区域图像;
所述依据所述第二位置信息,对婴幼儿进行异常体温检测,输出异常体温检测结果包括:
将所述红外图像转换为对应的灰度图像,依据所述第二位置信息,获取红外图像中婴幼儿正脸区域的第一灰度平均值;
依据所述第二位置信息,获取红外图像中婴幼儿左眼、右眼和嘴巴分别对应的平均灰度值;
对各所述平均灰度值进行求和求平均,输出第二灰度平均值;
依据所述第一灰度平均值和所述第二灰度平均值,输出异常体温检测结果。
6.一种电子设备,其特征在于,包括:至少一个处理器、至少一个存储器以及存储在所述存储器中的计算机程序指令,当所述计算机程序指令被所述处理器执行时实现如权利要求1-4中任一项所述的方法。
7.一种存储介质,其上存储有计算机程序指令,其特征在于,当所述计算机程序指令被处理器执行时实现如权利要求1-4中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311403321.1A CN117268559B (zh) | 2023-10-25 | 2023-10-25 | 多模态婴幼儿异常体温检测方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311403321.1A CN117268559B (zh) | 2023-10-25 | 2023-10-25 | 多模态婴幼儿异常体温检测方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117268559A CN117268559A (zh) | 2023-12-22 |
CN117268559B true CN117268559B (zh) | 2024-05-07 |
Family
ID=89215996
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311403321.1A Active CN117268559B (zh) | 2023-10-25 | 2023-10-25 | 多模态婴幼儿异常体温检测方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117268559B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118135614B (zh) * | 2024-05-10 | 2024-08-30 | 宁波星巡智能科技有限公司 | 基于多模态数据融合的婴幼儿睡姿识别方法、装置及设备 |
CN118319262B (zh) * | 2024-06-11 | 2024-08-09 | 梅州国威电子有限公司 | 基于红外成像的婴儿体温监控报警测试方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111752159A (zh) * | 2020-06-05 | 2020-10-09 | 四川省东宇信息技术有限责任公司 | 一种基于热像仪的人工智能居家安全监测系统及方法 |
CN112015094A (zh) * | 2020-08-11 | 2020-12-01 | 青岛海尔科技有限公司 | 用于温度调节的方法及装置、存储介质 |
CN114216564A (zh) * | 2021-11-26 | 2022-03-22 | 杭州七格智联科技有限公司 | 一种基于头部多区域定位的婴幼儿智能体温检测方法 |
WO2022111512A1 (zh) * | 2020-11-26 | 2022-06-02 | 杭州海康威视数字技术股份有限公司 | 人脸活体检测方法、装置及设备 |
CN217283049U (zh) * | 2021-11-26 | 2022-08-23 | 杭州七格智联科技有限公司 | 一种体温检测型智能婴儿监护器 |
CN117373110A (zh) * | 2023-08-30 | 2024-01-09 | 武汉星巡智能科技有限公司 | 可见光-热红外成像的婴幼儿行为识别方法、装置及设备 |
CN117690159A (zh) * | 2023-12-07 | 2024-03-12 | 武汉星巡智能科技有限公司 | 基于多模态数据融合的婴幼儿趴睡监测方法、装置及设备 |
-
2023
- 2023-10-25 CN CN202311403321.1A patent/CN117268559B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111752159A (zh) * | 2020-06-05 | 2020-10-09 | 四川省东宇信息技术有限责任公司 | 一种基于热像仪的人工智能居家安全监测系统及方法 |
CN112015094A (zh) * | 2020-08-11 | 2020-12-01 | 青岛海尔科技有限公司 | 用于温度调节的方法及装置、存储介质 |
WO2022111512A1 (zh) * | 2020-11-26 | 2022-06-02 | 杭州海康威视数字技术股份有限公司 | 人脸活体检测方法、装置及设备 |
CN114216564A (zh) * | 2021-11-26 | 2022-03-22 | 杭州七格智联科技有限公司 | 一种基于头部多区域定位的婴幼儿智能体温检测方法 |
CN217283049U (zh) * | 2021-11-26 | 2022-08-23 | 杭州七格智联科技有限公司 | 一种体温检测型智能婴儿监护器 |
CN117373110A (zh) * | 2023-08-30 | 2024-01-09 | 武汉星巡智能科技有限公司 | 可见光-热红外成像的婴幼儿行为识别方法、装置及设备 |
CN117690159A (zh) * | 2023-12-07 | 2024-03-12 | 武汉星巡智能科技有限公司 | 基于多模态数据融合的婴幼儿趴睡监测方法、装置及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN117268559A (zh) | 2023-12-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117268559B (zh) | 多模态婴幼儿异常体温检测方法、装置、设备及介质 | |
CN111811661A (zh) | 一种温度补偿测温方法及温度补偿测温装置 | |
CN106096608B (zh) | 胸部温度异常区定位方法及装置 | |
CN111323125B (zh) | 一种测温方法、装置及计算机存储介质、电子设备 | |
CN117690159B (zh) | 基于多模态数据融合的婴幼儿趴睡监测方法、装置及设备 | |
CN113358231B (zh) | 红外测温方法、装置及设备 | |
CN112434598A (zh) | 一种非接触式体温测量方法和系统 | |
CN105354825A (zh) | 自动识别读写场景中读物位置的智能装置及其应用 | |
CN111681758A (zh) | 一种家庭健康的监测方法、监测系统以及监测装置 | |
US20220087536A1 (en) | Temperature measurement method and measurement device | |
CN111854964A (zh) | 一种测量体温的方法、装置、测温工具及存储介质 | |
CN117373110A (zh) | 可见光-热红外成像的婴幼儿行为识别方法、装置及设备 | |
CN112084882A (zh) | 一种行为检测方法、装置及计算机可读存储介质 | |
CN105354822A (zh) | 自动识别读写场景中读写元素位置的智能装置及应用 | |
CN112525355A (zh) | 图像处理方法、装置及设备 | |
CN111964790A (zh) | 一种温度校准方法及红外测温装置 | |
US11818334B2 (en) | Thermal image-based temperature measurement calibration method and thermal image device | |
CN111968163B (zh) | 一种热电堆阵列测温方法及装置 | |
CN112200002B (zh) | 一种体温测量方法、装置、终端设备及存储介质 | |
US20210307619A1 (en) | Fever detection | |
CN113361337A (zh) | 一种人脸测温补偿方法、装置及电子设备 | |
CN111414967A (zh) | 提高测温系统鲁棒性的方法及监测系统 | |
JP3726122B2 (ja) | 視線検出システム | |
CN111310717A (zh) | 运动人群无感体温智能筛查与身份识别装置 | |
US20210282646A1 (en) | Medical data measurement system |
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 |