KR20220166368A - 온도 측정 방법, 장치, 전자 기기 및 컴퓨터 판독 가능 저장 매체 - Google Patents

온도 측정 방법, 장치, 전자 기기 및 컴퓨터 판독 가능 저장 매체 Download PDF

Info

Publication number
KR20220166368A
KR20220166368A KR1020227041892A KR20227041892A KR20220166368A KR 20220166368 A KR20220166368 A KR 20220166368A KR 1020227041892 A KR1020227041892 A KR 1020227041892A KR 20227041892 A KR20227041892 A KR 20227041892A KR 20220166368 A KR20220166368 A KR 20220166368A
Authority
KR
South Korea
Prior art keywords
temperature
key point
information
weight information
module configured
Prior art date
Application number
KR1020227041892A
Other languages
English (en)
Inventor
하오청 펑
하이샤오 유에
케야오 왕
강 창
얀웬 판
시유 유
준유 한
징투오 리우
이얼루이 딩
하이펑 왕
Original Assignee
베이징 바이두 넷컴 사이언스 테크놀로지 컴퍼니 리미티드
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 베이징 바이두 넷컴 사이언스 테크놀로지 컴퍼니 리미티드 filed Critical 베이징 바이두 넷컴 사이언스 테크놀로지 컴퍼니 리미티드
Publication of KR20220166368A publication Critical patent/KR20220166368A/ko

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
    • 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
    • G06N3/0464—Convolutional networks [CNN, ConvNet]
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
    • G01K13/00—Thermometers specially adapted for specific purposes
    • G01K13/20—Clinical contact thermometers for use with humans or animals
    • G01K13/223—Infrared clinical thermometers, e.g. tympanic
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
    • G01K7/00—Measuring temperature based on the use of electric or magnetic elements directly sensitive to heat ; Power supply therefor, e.g. using thermoelectric elements
    • G01K7/42—Circuits effecting compensation of thermal inertia; Circuits for predicting the stationary value of a temperature
    • 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
    • G06N3/0454—
    • 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
    • G06N3/08—Learning methods
    • 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
    • G06N3/08—Learning methods
    • G06N3/09—Supervised learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G06V10/12—Details of acquisition arrangements; Constructional details thereof
    • G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
    • G06V10/143—Sensing or illuminating at different wavelengths
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
    • G06V10/449—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters
    • G06V10/451—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters with interaction between the filter responses, e.g. cortical complex cells
    • G06V10/454—Integrating the filters into a hierarchical structure, e.g. convolutional neural networks [CNN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural 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
    • G06V40/161—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
    • G06V40/10—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
    • 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
    • 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
    • G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
    • 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
    • G01J2005/0077—Imaging
    • 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
    • G01J5/025—Interfacing a pyrometer to an external device or network; User interface

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Multimedia (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Software Systems (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Biophysics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Databases & Information Systems (AREA)
  • Medical Informatics (AREA)
  • Radiation Pyrometers (AREA)
  • Image Analysis (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

본 발명의 실시예는 온도 측정 방법, 장치, 전자 기기 및 컴퓨터 판독 가능 저장 매체에 관한 것으로, 인공지능 분야에 관한 것이고, 구체적으로 컴퓨터 비전에 관한 것이다. 당해 방법은, 입력 이미지 내의 대상의 타겟 부위에 대해 검출하는 단계를 포함한다. 당해 방법은 타겟 부위의 검출 결과를 기반으로 타겟 부위의 키 포인트 및 키 포인트의 가중치 정보를 결정하는 단계를 더 포함하고, 가중치 정보는 키 포인트가 가려질 확률을 가리킨다. 당해 방법은 키 포인트의 온도 정보를 획득하는 단계를 더 포함한다. 또한, 당해 방법은 적어도 키 포인트의 온도 정보 및 가중치 정보를 기반으로, 타겟 부위의 온도를 결정하는 단계를 더 포함한다. 본 발명의 기술 수단은 신속하고 고효율적이며 저원가로 행인의 체온 정보를 획득할 수 있음으로, 온도 측정의 시간 및 인건비를 줄인다.

Description

온도 측정 방법, 장치, 전자 기기 및 컴퓨터 판독 가능 저장 매체
본 출원은 2020년05월15일에 제출된 중국특허출원 제202010415405.7호의 우선권을 청구한다.
본 발명의 실시예는 주로 인공지능 분야에 관한 것으로, 구체적으로 컴퓨터 비전에 관한 것이고, 더 구체적으로, 온도 측정 방법, 장치, 전자 기기 및 컴퓨터 판독 가능 저장 매체에 관한 것이다.
우리 나라의 경제 및 교통 건설의 발전에 따라, 대중교통의 출입문, 명소 및 체육관의 입구에는 고밀도 인파 현상이 자주 나타난다. 전염병 발생 상황이 나타나고 장기 존재할 수 있으므로, 고밀도 인파에 대한 체온 측정 및 신분 정보의 인식은 모두 전염병 예방 및 통제의 중요한 부분이다. 그러나 현재의 비접촉식 체온 측정 수단은 통상적으로 안전 보호, 방역 인원이 비접촉식 체온계로 행인 하나하나에 대해 체온 측정을 하고, 신분 정보를 스캔하는 등 방식으로 행인 하나하나에 대해 인분 인식을 하는 것이다. 당해 방법은 분명히 비효율적인 것이다. 또한, 인파로 길이 막히고, 고밀도 인파의 모임을 초래하는 것은 피할 수 없으므로, 더 많은 사람의 감염을 초래한다. 고효율적이고 정확하게 체온 측정을 구현하는 것은 전염병 예방 및 통제 작업에 있어서 시급히 해결해야 하는 문제이다.
본 발명의 예시적인 실시예에 따르면, 온도 측정 수단을 제공한다.
본 발명의 제1 측면에 따르면, 온도 측정 방법을 제공한다. 당해 방법은, 입력 이미지 내의 대상의 타겟 부위에 대해 검출하는 단계를 포함한다. 당해 방법은 타겟 부위의 검출 결과를 기반으로 타겟 부위의 키 포인트 및 키 포인트의 가중치 정보를 결정하는 단계를 더 포함하고, 가중치 정보는 키 포인트가 가려질 확률을 가리킨다. 당해 방법은 키 포인트의 온도 정보를 획득하는 단계를 더 포함한다. 또한, 당해 방법은 적어도 키 포인트의 온도 정보 및 가중치 정보를 기반으로, 타겟 부위의 온도를 결정하는 단계를 더 포함한다.
본 발명의 제2 측면에 따르면, 온도 측정 장치를 더 제공하고, 상기 장치는, 입력 이미지 내의 대상의 타겟 부위에 대해 검출하도록 구성된 타겟 부위 검출 모듈; 상기 타겟 부위의 검출 결과를 기반으로 상기 타겟 부위의 키 포인트 및 상기 키 포인트의 가중치 정보를 결정하도록 구성된 키 포인트 정보 결정 모듈 - 상기 가중치 정보는 키 포인트가 가려질 확률을 가리킴 - ; 상기 키 포인트의 온도 정보를 획득하도록 구성된 온도 정보 획득 모듈; 및 적어도 상기 키 포인트의 상기 온도 정보 및 상기 가중치 정보를 기반으로, 상기 타겟 부위의 온도를 결정하도록 구성된 온도 결정 모듈; 을 포함한다.
본 발명의 제3 측면에 따르면, 전자 기기를 제공하고, 상기 전자 기기는, 하나 또는 복수의 프로세서; 및 하나 또는 복수의 프로그램을 저장하는 저장 장치; 를 포함하고, 하나 또는 복수의 프로그램이 하나 또는 복수의 프로세서에 의해 수행될 경우, 하나 또는 복수의 프로세서가 본 발명의 제1 측면에 따른 방법을 구현한다.
본 발명의 제4 측면에 따르면, 컴퓨터 프로그램이 저장되어 있는 컴퓨터 판독 가능 저장 매체를 제공하고, 당해 컴퓨터 프로그램이 프로세서에 의해 수행될 경우 본 발명의 제1 측면에 따른 방법이 구현된다.
본 발명의 제5 측면에 따르면, 온도 측정 시스템을 제공하고, 상기 시스템은, 대상의 타겟 부위와 관련된 입력 이미지를 제공하도록 구성된 이미지 수집 모듈; 이미지 수집 모듈과 통신 연결하고 본 발명 제1 측면의 방법을 구현하도록 구성된 컴퓨팅 모듈; 및 컴퓨팅 모듈의 처리 결과를 표시하도록 구성된 출력 표시 모듈; 을 포함한다.
이해해야 할 것은, 본 발명의 내용 부분에서 설명하는 내용은 본 발명 실시예의 관건 또는 중요한 특징을 식별하기 위한 것이 아니고, 본 발명의 범위를 한정하기 위한 것도 아니다. 본 발명의 기타 특징은 이하의 명세서를 통해 용이하게 이해된다.
도면과 결합하여 이하의 상세한 설명을 참조하면, 본 발명의 각 실시예의 상기 또는 기타 특징, 장점 및 측면은 더 뚜렷해진다. 도면에서 동일 또는 유사한 도면 부호는 동일 또는 유사한 요소를 표시한다
도1은 본 발명의 복수의 실시예가 구현 가능한 예시 환경의 개략도이다.
도2는 본 발명의 복수의 실시예가 구현 가능한 상세한 예시 환경의 개략도이다.
도3은 본 발명의 실시예에 따른 온도 측정 프로세스의 흐름도이다.
도4는 본 발명의 실시예에 따른 검출 결과를 기반으로 키 포인트 및 당해 가중치 정보를 결정하는 개략도이다.
도5는 본 발명의 실시예에 따른 온도 측정 시스템의 블록도이다.
도6은 본 발명의 실시예에 따른 온도 측정 장치의 블록도이다.
도7은 본 발명의 복수의 실시예를 수행하는 컴퓨팅 기기의 블록도이다.
이하, 도면을 참조하여 본 발명의 실시예를 더 상세하게 설명한다. 도면에는 본 발명의 일부 실시예를 나타냈지만, 이해해야 할 것은, 본 발명은 각종 방식을 통해 구현될 수 있고, 실시예에 한정된다고 해석해서는 안된다. 반대로, 당해 실시예를 제공하는 것은 본 발명을 더 투철 및 완전하게 이해하기 위한 것이다. 이해해야 할 것은, 본 발명의 도면 및 실시예는 예시적인 것일 뿐, 본 발명의 보호 범위를 한정하기 위한 것이 아니다.
본 발명 실시예의 설명에서, 용어 "포함" 및 당해 유사한 용어는 개방적인 포함으로 이해해야 한다. 즉, "포함하나 한정되지 않는다"로 이해해야 한다. 용어 "??기반으로"는 "적어도 부분적으로 기반"으로 이해해야 한다. 용어 "일 실시예" 또는 "당해 실시예"는 "적어도 하나의 실시예"로 이해해야 한다. 용어 "제1", "제2" 등은 부동하거나 같은 대상을 가리킬 수 있다. 아래는 기타 명확하고 함축적인 정의를 포함할 수 있다.
전염병 예방 및 통제에 대응하기 위해, 통상적으로 열 화상 기술의 비접촉 및 자동화 체온 측정 수단을 사용하여 복수의 행인의 체온을 동시에 측정한다. 예를 들면, 적외선 열 화상 기기를 이용하여 행인 안면의 적외선 열 화상 이미지를 획득한다. 적외선 열 화상 이미지에서 행인의 안면이 고온 상태(예를 들면, 이마 부위가 빨간색으로 디스플레이됨)일 경우, 검출 기기는 당해 행인에 발열 상황이 나타남을 결정하고, 경보 정보 송신한다.
그러나, 당해 유형의 온도 측정 기술에는 온도 측정 정확도가 주변 환경의 영향을 받기 쉬운 문제가 존재한다. 예를 들면, 행인의 안면 주변은 고온 물체(예를 들면, 휴대폰, 뜨거운 음료 등)에 의해 가려질 수 있다. 또 예를 들면, 행인의 안면 주변은 저온 물체(예를 들면, 찬 음식, 찬 음료 등)에 의해 가려질 수 있다. 더 예를 들면, 열이 나지 않는 행인의 안면은 발열 행인에 의해 가려질 수 있다. 당해 가려지는 상황들은 통상적으로 온도 오보를 초래할 수 있음으로, 검출 기기의 성능에 영향을 준다. 또한, 안면이 가려질 경우, 전통적인 안면 인식 메커니즘도 통상적으로 정확하지 않은 인식 결과를 출력할 수 있다.
상기에 언급된 바와 같이, 신속하고 고효율적이며 저원가로 행인의 체온 정보를 획득함으로, 온도 측정의 시간 및 인건비를 줄이는 온도 측정 방법이 시급히 필요하다.
본 발명의 실시예에 따르면, 온도 측정 수단을 제공한다. 당해 수단에서, 카메라에 의해 수집된 입력 이미지를 기반으로 대상 타겟 부위의 키 포인트를 결정하고, 동시에 각 키 포인트의 가중치 정보를 결정할 수 있다. 여기서, 가중치 정보는 키 포인트가 가려질 확률을 가리키는데 사용된다. 다른 측면에서, 적외선 열 화상 기기와 같은 온도 센싱 기기를 통해 키 포인트의 온도 정보를 획득하고, 키 포인트의 온도 정보 및 가중치 정보를 기반으로 당해 타겟 부위의 온도를 결정할 수 도 있다. 당해 방식으로, 안면과 같은 타겟 부위가 고온 물체(예를 들면, 휴대폰, 뜨거운 음료 등)에 의해 가려진 상황이 있어도, 당해 가려진 부위의 키 포인트의 가중치 정보는 매우 작거나 소홀 가능한 것으로 결정될 수 있다. 이로하여, 더 많이는 가려지지 않거나 기타 이상 온도의 영향을 받은 부위의 온도를 기반으로 행인의 체온을 결정할 수 있다.
아래는 도면을 참조하여 본 발명의 실시예를 구체적으로 설명한다. 도1은 본 발명의 복수의 실시예가 구현 가능한 예시 환경(100)의 개략도이다. 도1에 도시된 바와 같이, 예시 환경(100)은 입력 이미지(110), 컴퓨팅 기기(120), 온도 센싱 이미지(130) 및 출력된 온도(150)를 포함한다. 또한, 컴퓨팅 기기(110)는 컨볼루션 신경망(CNN)(140)을 더 포함한다. 이해해야 할 것은, 도1의 CNN(140)은 오직 예시적인 것이고, 기타 학습 기능을 구비한 인공지능 네트워크에 의해 대체될 수도 있다.
입력 이미지(110)는 컴퓨팅 기기(120)와 연결된 이미지 획득 기기에 의해 획득된 실시간 모니터링 이미지일 수 있다. 예시로서, 이미지 획득 기기는 인구 유동량이 비교적 큰 공공장소에 설치될 수 있어, 당해 장소를 지나가는 각 사람들의 이미지 정보를 획득하는데 편리하다. 이해해야 할 것은, 이미지 정보 획득 대상은 사람에 한정되지 않고, 대량으로 온도 측정을 해야하는 동물(예를 들면, 동물원 또는 사양 장소 내의 동물)일 수도 있다. 또한, 입력 이미지(110)는 비디오와 같은 모니터링 대상의 멀티 프레임 이미지일 수도 있다. 컴퓨팅 기기(120)는 입력 이미지(110)를 수신하고, 컴퓨팅 기기(110)의 CNN(140)을 통해 모니터링 대상의 안면과 같은 타겟 부위의 검출 영역을 결정함으로, 키 포인트 및 당해 가중치 정보를 결정할 수 있다.
다른 측면에서, 컴퓨팅 기기(120)는 온도 센싱 이미지(130)도 수신한다. 온도 센싱 이미지(130)는 적외선 열 화상 기기와 같은 온도 센싱 기기에 의해 획득될 수 있다. 적외선 열 화상 기기와 같은 온도 센싱 기기 및 상기 설명된 이미지 획득 기기를 통해 레지스트레이션함으로, 2개 기기에 의해 이미징된 픽셀 레벨의 얼라이먼트를 구현한다. 이로하여, 컴퓨팅 기기(120)는 각 키 포인트의 온도 정보를 결정하고, 가중평균 등 방식을 통해 더 참조적인 의미를 구비한 키 포인트의 온도 정보를 기반으로 모니터링 대상의 온도(150)를 결정할 수 있다.
도1에서, 입력 이미지(110) 및 온도 센싱 이미지(130)를 기반으로 온도(150)를 생성하는 핵심은, 컴퓨팅 기기(110)의 CNN(140)은 사전 훈련을 통해 구축된 것이고, 아래는 도2를 통해 CNN(140)의 구축 및 사용에 대해 설명한다.
도2는 본 발명의 복수의 실시예가 구현 가능한 상세한 예시 환경(200)의 개략도이다. 도1과 유사하게, 예시 환경(200)은 컴퓨팅 기기(220), 입력 이미지(210) 및 출력 결과(250)를 포함한다. 구별점은, 예시 환경(200)은 총체적으로 모델 훈련 시스템(270) 및 모델 응용 시스템(280)을 포함하는 것이다. 예시로서, 모델 훈련 시스템(270) 및/또는 모델 응용 시스템(280)은 도1에 도시된 컴퓨팅 기기(120) 또는 도2에 도시된 컴퓨팅 기기(220)에서 구현될 수 있다. 이해해야 할 것은, 예시적인 목적만으로 예시 환경(200)의 구조 및 기능을 설명하고 본 명세서에서 설명하는 테마의 범위를 한정하지 않는다. 본 명세서에서 설명된 테마는 부동한 구조 및/또는 기능에서 수행될 수 있다.
상기에 설명된 바와 같이, 모니터링 대상의 안면과 같은 타겟 부위의 검출 영역을 결정하는 프로세스 및 키 포인트 및 당해 가중치 정보를 결정하는 프로세스는 2개의 단계로 나눌 수 있다. 모델 훈련 단계 및 모델 응용 단계을 포함한다. 예시로서, 타겟 부위의 검출 영역을 결정하는 프로세스에 있어서, 모델 훈련 단계에서, 모델 훈련 시스템(270)은 훈련 데이터 세트(260)를 이용하여 검출 영역을 결정하는 CNN(240)을 훈련할 수 있다. 모델 응용 단계에서, 모델 응용 시스템(280)은 훈련된 CNN(240)을 수신할 수 있음으로, CNN(240)은 입력 이미지(210)를 기반으로 검출 영역을 결정한다. 이해해야 할 것은, 훈련 데이터 세트(260)는 대량의 표시된 모니터링 이미지일 수 있다.
다른 예시로서, 키 포인트 및 당해 가중치 정보를 결정하는 프로세스에 있어서, 모델 훈련 단계에서, 모델 훈련 시스템(270)은 훈련 데이터 세트(260)를 이용하여 키 포인트 및 당해 가중치 정보를 결정하는 CNN(240)을 훈련할 수 있다. 모델 응용 단계에서, 모델 응용 시스템(280)은 훈련된 CNN(240)을 수신할 수 있음으로, CNN(240)은 검출 영역을 기반으로 키 포인트 및 당해 가중치 정보를 결정한다. 이해해야 할 것은, CNN(240)을 직접 입력 이미지(110)를 기반으로 키 포인트 및 당해 가중치 정보를 결정하도록 훈련시킬 수도 있다.
기타 실시예에서, CNN(240)은 키 포인트 및 당해 가중치 정보를 결정하는 학습 네트워크로 구축될 수 있다. 당해 학습 네트워크는 학습 모델라고 할 수도 있고, 또는 네트워크 또는 모델로 약칭할 수 있다. 일부 실시예에서, 키 포인트 및 당해 가중치 정보를 결정하는 학습 네트워크는 복수의 네트워크를 포함할 수 있고, 여기서 각 네트워크는 멀티 신경망일 수 있고, 대량의 신경원으로 구성될 수 있다. 훈련 프로세스를 통해, 각 네트워크의 신경원의 해당 파라미터가 결정될 수 있다. 당해 네트워크 신경원의 파라미터를 CNN(240)의 파라미터로 통칭한다.
CNN(240)의 훈련 프로세스는 반복하는 방식으로 수행될 수 있다. 구체적으로, 모델 훈련 시스템(270)은 훈련 데이터 세트(260)에서 참조 이미지를 획득하고, 참조 이미지를 이용하여 훈련 프로세스의 1차 반복을 수행하여, CNN(240)의 해당 파라미터를 업데이트할 수 있다. 모델 훈련 시스템(270)은 CNN(240) 파라미터의 적어도 일부 파라미터가 수렴될 때까지, 훈련 데이터 세트(260)의 복수의 참조 이미지를 통해 상기 프로세스를 반복 수행하므로, 최종 모델 파라미터를 획득할 수 있다.
상기에 설명된 기술 수단은 예시에만 사용되고, 본 발명을 한정하는 것은 아니다. 이해해야 할 것은, 기타 방식 및 연결 관계에 따라 각 네트워크를 구성할 수도 있다. 상기 수단의 원리를 더 할 해석하기 위해, 아래는 도3을 참조하여 온도 측정 프로세스를 상세히 설명한다.
도3은 본 발명의 실시예에 따른 온도 측정 프로세스(300)의 흐름도이다. 일부 실시예에서, 방법(300)은 도1의 컴퓨팅 기기(120), 도2의 컴퓨팅 기기(220) 및 도6에 도시된 기기에서 구현될 수 있다. 도1을 참조하여 본 발명의 실시예에서 온도 측정 프로세스(300)를 설명한다. 이해의 편리를 위해, 아래에서 언급된 실시예는 모두 예시적인 것이고, 본 발명의 보호 범위를 한정하는 것은 아니다.
302에서, 컴퓨팅 기기(120)는 입력 이미지(110) 대상의 타겟 부위에 대해 검출할 수 있다. 예시로서, 컴퓨팅 기기(120)는 CNN(140)(예를 들면, 검출 영역 생성 모델)을 통해 입력 이미지(110)에서 타겟 부위의 검출 영역을 결정할 수 있다. 일부 실시예에서, CNN(140)은 입력 이미지(110)에 대해 안면 영역 검출을 할 수 있다. 예를 들면, 6층의 컨볼루션 네트워크를 통해 입력 이미지(110)에 대해 안면 기본 특징 추출을 하고, 각 층 컨볼루션 네트워크는 1회의 이미지 다운 샘플링을 구현하고, 마지막 3층의 컨볼루션 신경망을 기반으로 각각 고정수의 부동한 크기의 안면 앵커 영역을 미리 설정하여 안면 검출 영역 회귀를 하고, 최종 안면의 검출 영역을 결정한다. 이해해야 할 것은, 상기 실시예는 예시적인 것일 뿐, 기타 층수의 컨볼루션 네트워크를 사용할 수도 있고, 안면을 결정하는 검출 영역에 한정되지도 않는다. 당해 방식으로, 검출 영역 생성 모델을 기반으로 입력 이미지(110)에서 타겟 부위의 검출 영역을 신속히 인식할 수 있음으로, 후속의 온도 측정, 심지어 안면 인식을 위한 준비를 한다.
304에서, 컴퓨팅 기기(120)는 타겟 부위의 검출 결과를 기반으로 타겟 부위의 키 포인트 및 키 포인트의 가중치 정보를 결정할 수 있다. 가중치 정보는 키 포인트가 가려질 확률을 가리키는데 사용된다. 예시로서, 컴퓨팅 기기(120)는 타겟 부위의 검출 결과를 CNN(140)(예를 들면, 키 포인트 결정 모델)에 응용하여, 키 포인트 및 가중치 정보를 결정할 수 있다. CNN(140)은 참조 이미지의 참조 타겟 부위 및 참조 타겟 부위의 참조 키 포인트 및 참조 가중치 정보를 기반으로 훈련하여 획득된 것이다. 일부 실시예에서, CNN(140)은 안면 검출 결과를 기반으로 당해 안면 키 포인트 및 각 키 포인트의 가중치 정보를 결정할 수 있다. 당해 방식으로, 온도 측정의 중점을 가려지지 않거나 이상 온도 물체의 영향을 받지 않은 부위에 둠으로, 온도 측정의 정확성을 향상시킨다.
도4는 본 발명의 실시예에 따른 검출 결과(410)를 기반으로 키 포인트(420) 및 당해 가중치 정보를 결정하는 개략도를 더 상세히 나타낸다. 도4에 도시된 바와 같이, 검출 대상이 행인이고, 타겟 부위는 행인의 안면, 즉, 얼굴이다. 키 포인트 결정 모델과 같은 CNN(140)가 안면 검출 영역(410)이 결정된 이미지를 획득한 후, CNN(140)은 키 포인트(420)와 같은 안면 검출 영역(410) 내의 복수의 키 포인트를 결정할 수 있다. 또한, CNN(140)은 각 키 포인트의 가중치 정보를 결정할 수 있다. 예를 들면, 키 포인트(420)가 손 및 휴대폰에 의해 가려지므로, 당해 가중치 정보는 매우 작은 것으로 결정된다. 예시로서, 가중치 정보는 통상적으로 0부터 1 사이의 수치로 설정되고, CNN(140)의 의해 예측된 키 포인트가 가려질 확률이 클수록, 가중치 정보의 수치는 작다. 이는 당해 키 포인트 온도의 참조 가치가 없어진다는 것을 의미한다.
다음, 도3으로 돌아온다. 306에서, 컴퓨팅 기기(120)는 키 포인트의 온도 정보를 획득할 수 있다. 예시로서, 컴퓨팅 기기(120)는 타겟 부위에 대한 온도 센싱 이미지(130)를 획득할 수 있다. 온도 센싱 이미지(130)는 적외선 열 화상 기기와 같은 온도 센싱 기기에 의해 획득될 수 있다. 적외선 열 화상 기기와 같은 온도 센싱 기기 및 상기 설명된 이미지 획득 기기를 통해 레지스트레이션함으로, 2개 기기에 의해 이미징된 픽셀 레벨의 얼라이먼트를 구현한다. 이로하여, 컴퓨팅 기기(120)는 온도 센싱 이미지(130)에서 키 포인트의 위치에 대응되는 온도 정보를 결정할 수 있다. 당해 방식으로, 인식된 키 포인트에 대한 온도 측정을 구현함으로, 후속의 온도 계산을 하기 위한 준비를 한다.
이해해야 할 것은, 이때 획득된 온도 정보는 온도(150)를 계산하는 근거로 될 수 있지만, 여전히 환경 등 요소의 영향으로 오류가 존재할 수 있다. 따라서, 온도 센싱 기기 및 이미지 획득 기기가 설치된 위치의 측정 온도와 실제 온도 사이의 함수 관계를 구축할 수 있다. 예를 들면, 사전 지식을 기반으로 최소 이승법을 통해 당해 함수 관계를 피팅한다. 이로하여, 컴퓨팅 기기(120)는 키 포인트의 측정 온도를 획득하고, 측정 온도를 기반으로 키 포인트의 실제 온도를 결정할 수 있다. 이때, 컴퓨팅 기기(120)에 의해 결정된 실제 온도의 정확도는 현저히 향상된다.
308에서, 컴퓨팅 기기(120)는 적어도 키 포인트의 온도 정보 및 가중치 정보를 기반으로 타겟 부위의 온도를 결정할 수 있다. 이해해야 할 것은, 본 명세서에서 설명된 타겟 부위는 대상의 안면, 눈 및 손(지문 포함) 중의 적어도 하나일 수 있고, 대상은 사람에 한정되지 않는다. 예를 들면, 컴퓨팅 기기(120)는 타겟 부위의 온도를 결정한 후, 당해 온도와 역치 온도를 비교하고, 당해 온도가 역치 온도보다 높을 경우 경보를 수행한다. 인체 각 부위의 온도 차이로, 검출 대상이 사람의 안면일 경우, 당해 해당 역치 온도는 사람의 손과 부동한 역치 온도로 설정될 수 있다. 또한, 동물원 또는 사양장의 동물에 대해 체온 검출을 할 경우, 각 종 동물의 체온이 통상적으로 부동하므로, 부동한 유형의 동물에 대해 해당 역치 온도를 결정할 수 있음으로, 부동한 동물의 체온 측정 및 경보를 구현한다.
상기 방식을 통해, 복수의 키 포인트를 인식하고 각 키 포인트의 온도 및 당해 가중치 정보를 세분화 결정하고, 본 발명은 온도 측정의 정확성을 향상시킬 수 있다. 또한, 본 발명은 많은 행인, 많은 동물 등 장면에 응용될 수 있음으로, 종업원의 개입이 필요 없고, 온도 측정 시간 및 인건비를 줄이고, 전염병 발생할 경우 종업원이 감염되는 리스크를 줄인다.
또한, 컴퓨팅 기기(120)는 적어도 키 포인트 및 가중치 정보를 기반으로 타겟 부위를 인식하고, 인식된 결과를 기반으로 대상을 결정한다. 일부 실시예에서, 컴퓨팅 기기(120)는 키 포인트 및 가중치 정보를 기반으로 안면을 인식함으로, 당해 모니터링된 행인의 신분 정보를 결정한다. 다른 실시예에서, 컴퓨팅 기기(120)는 키 포인트 및 가중치 정보를 기반으로 모니터링된 동물의 종류를 결정할 수도 있다. 가중치 메커니즘이 설치되어 있어, 가려진 부분은 실제로 컴퓨팅 기기(120)가 인식 동작을 하는데 사용되지 않거나 거의 사용되지 않음으로, 컴퓨팅 기기(120)의 CNN(140)에 인식 오류가 나타날 가능성을 줄인다.
또한, 본 발명은 온도 측정 시스템(500)을 더 제공한다. 도5에 도시된 바와 같이, 당해 시스템은 이미지 수집 모듈(510)을 포함하고, 당해 이미지 수집 모듈은 RGB 카메라와 같은 이미지 센싱 기기 및 적외선 열 화상 기기와 같은 온도 센싱 기기일 수 있다. 당해 시스템(500)은 이미지 수집 모듈(510)과 통신 연결하는 컴퓨팅 모듈(520)을 더 포함하고, 당해 컴퓨팅 모듈(520)은 프로세스(300)와 같은 상기 설명된 각 방법 및 처리에 사용된다. 또한, 당해 시스템(500)은 사용자에 컴퓨팅 모듈(520)의 처리 결과를 표시하는 출력 표시 모듈(530)을 포함한다. 예를 들면, 출력 표시 모듈(530)은 사용자에 모니터링 대상의 온도를 표시할 수 있다. 모니터링 대상의 체온이 미리 설정된 역치보다 높을 경우, 출력 표시 모듈(530)은 경보 신호를 송신하는데 사용될 수도 있다.
당해 방식으로, 시스템 수준의 비접촉 온도 측정을 구현하고, 해시레이트 수요가 변하지 않는 전제 하에 온도 측정의 정확률을 현저히 향상시킨다.
일부 실시예에서, 시스템(500)은 많은 행인의 온도 측정 장면에 응용될 수 있다. 예를 들면, 시스템(500)의 이미지 수집 모듈(510)을 지하철 또는 체육관 입구에 응용함으로, 행인의 RGB 이미지 및 적외선 이미지에 대한 실시간 수집을 구현하고, 컴퓨팅 모듈(520)은 당해 RGB 이미지 및 적외선 이미지에 대해 프로세스(300)와 같은 이미지 처리를 하여 당해 행인의 체온 정보를 획득하고, 행인의 체온이 미리 설정된 역치보다 큰 것을 발견할 경우, 출력 표시 모듈(530)은 복수의 고경 방식을 통해 당해 행인을 로킹하고, 당해 시스템은 입구를 지나간 복수의 행인의 체온 정보를 실시간 모니터링할 수 있다. 당해 방식으로, 보안 검사 및 방역 인원과 의심 환자의 직접적인 접촉을 방지하거나 감소하고, 온도 측정 프로세스는 간결하고 고효율적이며, 인위적으로 길이 막히는 경우를 초래하지 않는다.
일부 실시예에서, 시스템(500)은 양식장 또는 동물원에 응용될 수 있다. 예를 들면, 시스템(500)의 이미지 수집 모듈(510)을 양식장 또는 동물원의 최적 시각에 응용함으로, 동물의 체온 정보에 대한 실시간 모니터링을 구현한다. 또한, 컴퓨팅 모듈(520)은 동물의 종류를 인식할 수 있음으로, 온도 측정된 동물의 종류를 결정함으로, 당해 종류 동물의 체온 역치을 획득한다. 동물의 체온이 당해 역치보다 높은 것을 발견할 경우, 출력 표시 모듈(530)은 복수의 고경 방식을 통해 당해 동물을 로링하고, 종업원이 당해 동물에 대해 치료하거나 처리하는데 편리하다. 당해 방식으로, 종업원과 병균을 구비하고 있는 동물의 직접적인 접촉을 방지하거나 감소한다.
도6은 본 발명의 실시예에 따른 온도 측정 장치(600)의 블록도이다. 도6에 도시된 바와 같이, 장치(600)은, 입력 이미지 내의 대상의 타겟 부위에 대해 검출하도록 구성된 타겟 부위 검출 모듈(602); 타겟 부위의 검출 결과를 기반으로 타겟 부위의 키 포인트 및 키 포인트의 가중치 정보를 결정하도록 구성된 키 포인트 정보 결정 모듈(604) - 당해 가중치 정보는 키 포인트가 가려질 확률을 가리킴 - ; 키 포인트의 온도 정보를 획득하도록 구성된 온도 정보 획득 모듈(606); 및 적어도 키 포인트의 온도 정보 및 가중치 정보를 기반으로, 타겟 부위의 온도를 결정하도록 구성된 온도 결정 모듈(608); 을 포함한다.
일부 실시예에서, 키 포인트 정보 결정 모듈(604)은, 타겟 부위의 검출 결과를 키 포인트 결정 모델에 응용하여, 키 포인트 및 가중치 정보를 결정하도록 구성된 검출 결과 응용 모듈을 포함하고, 키 포인트 결정 모델은 참조 이미지의 참조 타겟 부위 및 참조 타겟 부위의 참조 키 포인트 및 참조 가중치 정보를 기반으로 훈련하여 획득된 것이다.
일부 실시예에서 온도 정보 획득 모듈(606)은, 타겟 부위에 대한 온도 센싱 이미지를 획득하도록 구성된 온도 센싱 이미지 획득 모듈; 및 온도 센싱 이미지에서 키 포인트의 위치에 대응되는 온도 정보를 결정하도록 구성된 온도 정보 결정 모듈; 을 포함한다.
일부 실시예에서 온도 정보 획득 모듈(606)은, 키 포인트의 측정 온도를 획득하도록 구성된 온도 측정 획득 모듈; 및 측정 온도를 기반으로 키 포인트의 실제 온도를 결정하도록 구성된 실제 온도 결정 모듈; 을 포함한다.
일부 실시예에서 장치(600)는, 적어도 키 포인트 및 가중치 정보를 기반으로 타겟 부위를 인식하도록 구성된 타겟 부위 인식 모듈; 및 인식된 결과를 기반으로 대상을 결정하도록 구성된 대상 결정 모듈; 을 더 포함한다.
일부 실시예에서, 타겟 부위는 대상의 안면, 눈 및 지문 중의 적어도 하나일 수 있다.
일부 실시예에서 타겟 부위 검출 모듈은, 검출 영역 생성 모델을 통해 입력 이미지에서 타겟 부위의 검출 영역을 결정하도록 구성된 검출 영역 결정 모듈을 포함한다.
도7은 본 발명 복수의 실시예를 수행할 수 있는 컴퓨팅 기기(700)의 블록도이다. 기기(700)는 도1의 컴퓨팅 기기(120) 및 도2의 컴퓨팅 기기(220)를 구현하는데 사용될 수 있다. 도시된 바와 같이, 기기(700)는, 읽기 전용 메모리(ROM)(702)에 저장되어 있는 컴퓨터 프로그램 명령 또는 저장 유닛(708)에서 랜덤 엑세스 메모리(RAM)(703)에로 로딩된 컴퓨터 프로그램 명령에 따라, 각 적당한 동작 및 처리를 수행할 수 있는 중앙 처리 장치(CPU)(701)를 포함한다. RAM(703)에는, 기기(700)의 동작에 수요되는 각 프로그램 및 데이터를 더 저장할 수 있다. 중앙 처리 장치(CPU)(701), ROM (702) 및 RAM (703)은 버스(704)를 통해 서로 연결된다. 입력/출력(I/O) 인터페이스(705)도 버스(704)에 연결된다.
I/O 인터페이스(705)에 연결되는 기기(700) 중의 복수의 부품은, 키보드, 마우스 등과 같은 입력 유닛(706); 각 유형의 디스플레이, 스피커 등과 같은 출력 유닛(707); 자기 디스크, 광 디스크 등과 같은 저장 유닛(708); 및 네트워크 카드, 모뎀, 무선 통신 송수신기 등과 같은 통신 유닛(709); 을 포함한다. 통신 유닛(709)은 기기(700)가 인터넷과 같은 컴퓨터 네트워크 및/또는 각 텔레콤 네트워크를 통해, 기타 기기와 정보/테이터를 교환하는 것을 허락한다.
처리 유닛(701)은 상기 설명한 각 방법 및 처리를 수행한다. 예를 들면, 프로세스 300을 수행한다. 예를 들면, 일 실시예에서, 방법 300은 컴퓨터 소프트웨어 프로그램으로 구현될 수 있고, 유형적으로 저장 유닛(708)과 같은 기계 판독 가능 매체에 포함된다. 일 실시예에서, 컴퓨터 프로그램의 일부 또는 전부는 ROM(702) 및/또는 통신 유닛(709)에 의해 전자 기기(700)에 로딩 및/또는 설치될 수 있다. 컴퓨터 프로그램이 RAM(703)에 로딩되고 CPU(701)에 의해 수행될 경우, 상기 설명한 프로세스 300의 하나 또는 복수의 단계를 수행할 수 있다. 대안적으로, 기타 실시예에서, CPU(701)는 기타 임의의 적합한 방식(예를 들면, 펌웨어)으로 본 발명의 실시예에 따른 프로세스 300을 수행할 수 있도록 구성된다..
본 명세서에서 설명한 기능은 적어도 부분적으로 하나 또는 복수의 하드웨어 논리 부품에 의해 수행된다. 예를 들면, 무제한적으로, 사용 가능한 시범 유형의 하드웨어 논리 부품은, 필드 프로그램 가능 게이트 어레이 (FPGA), 주문형 집적 회로(ASIC), 특정 용도 표준 제품(ASSP), 시스템 온 칩(SOC), 복합 프로그래머블 논리 소자(CPLD) 등이 있다.
본 발명의 방법을 구현하기 위한 프로그램 코드는 하나 또는 복수의 프로그래밍 언어의 임의 조합으로 프로그래밍할 수 있다. 당해 프로그램 코드는 범용 컴퓨터, 전용 컴퓨터 또는 기타 프로그래밍 가능한 데이터 처리 장치의 프로세서 또는 제어기에 제공하여, 프로그램 코드가 프로세서 또는 제어기에 의해 수행될 경우, 흐름도 및/또는 블록도에서 규정한 기능/동작이 수행된다. 프로그램 코드는 완전히 기계에서 수행될 수 있고, 부분적으로 기계에서 수행될 수 있으며, 독립 소프트웨어 패키지로서 부분적으로 기계에서 수행되고, 부분적으로 원적 기계에서 수행되거나, 완전히 원격 기계 또는 서버에서 수행될 수 있다.
본 발명의 앞뒤 설명에서, 기계 판독 가능 매체는 유형 매체일 수 있고, 명령 수행 시스템, 장치 또는 기기에서 사용하거나 명령 수행 시스템, 장치 또는 기기와 결합하여 사용하는 프로그램을 포함 또는 저장할 수 있다. 기계 판독 가능 매체는 기계 판독 가능 신호 매체 또는 기계 판독 가능 저장 매체일 수 있다. 기계 판독 가능 매체는, 전자, 자기, 광학, 전자기, 적외선 또는 반도체 시스템, 장치 또는 기기, 또는 상기 내용의 임의의 적합한 조합을 포함하나 이에 한정되지 않는다. 기계 판독 가능 저장 매체의 더 구체적인 예시는, 하나 또는 복수의 전선을 기반으로 한 전기적 연결, 휴대용 컴퓨터 디스크, 하드 디스크, 랜덤 엑세스 메모리(RAM), 읽기 전용 메모리(ROM), 지울 수 있는 프로그래밍 가능한 읽기 전용 메모리(EPROM 또는 플래시 메모리), 광섬유, 휴대용 컴팩트 디스크 읽기 전용 메모리(CD-ROM), 광학 저장 기기, 자기 저장 기기, 또는 상기 내용의 임의의 적합한 조합을 포함한다.
이외에, 특정 순서로 각 동작을 설명하였으나, 이런 동작을 나타낸 특정 순서 또는 순차 순서로 수행할 것을 요구하거나, 모든 도면에서 나타난 동작을 수행하고, 원하는 결과를 획득하도록 요구한다고 이해해야 한다. 일정한 환경에서, 멀티 태스크와 병렬 처리는 유리한 것이다. 동시에, 상기 설명은 몇 가지의 구체적인 구현 세부를 포함하지만, 본 발명 범위를 한정하는 것으로 이해해서는 안된다. 단독 실시예의 앞뒤 설명에서 설명한 일부 특징은 조합하여 개별 구현에 구현될 수 있다. 반대로, 개별적으로 구현된 앞뒤 설명에서 설명한 각 특징은 단독 또는 임의의 적합한 서브 조합의 방식으로 복수의 구현에 구현된다.
이미 구조 특징 및/또는 방법 논리 동작에 특정된 언어로 본 테마를 설명하였으나, 첨부된 청구범위에서 한정된 주제는 상기 설명의 특정 특징 또는 동작에 한정되지 않는다는 점을 이해해야 한다. 반대로, 상기 특정 특징과 동작은 청구범위를 구현하는 예시 형식일 뿐이다.

Claims (17)

  1. 온도 측정 방법에 있어서,
    입력 이미지 내의 대상의 타겟 부위에 대해 검출하는 단계;
    상기 타겟 부위의 검출 결과를 기반으로 상기 타겟 부위의 키 포인트 및 상기 키 포인트의 가중치 정보를 결정하는 단계 - 상기 가중치 정보는 키 포인트가 가려질 확률을 가리킴 - ;
    상기 키 포인트의 온도 정보를 획득하는 단계; 및
    적어도 상기 키 포인트의 상기 온도 정보 및 상기 가중치 정보를 기반으로, 상기 타겟 부위의 온도를 결정하는 단계; 를 포함하는,
    것을 특징으로 하는 온도 측정 방법.
  2. 제1항에 있어서,
    상기 키 포인트 및 상기 가중치 정보를 결정하는 단계는,
    상기 타겟 부위의 검출 결과를 키 포인트 결정 모델에 응용하여, 상기 키 포인트 및 상기 가중치 정보를 결정하는 단계를 포함하고, 상기 키 포인트 결정 모델은 상기 참조 이미지의 참조 타겟 부위 및 참조 타겟 부위의 참조 키 포인트 및 참조 가중치 정보를 기반으로 훈련하여 획득되는,
    것을 특징으로 하는 온도 측정 방법.
  3. 제1항에 있어서,
    상기 키 포인트의 온도 정보를 획득하는 단계는,
    상기 타겟 부위에 대한 온도 센싱 이미지를 획득하는 단계; 및
    상기 온도 센싱 이미지에서 상기 키 포인트의 위치에 대응되는 온도 정보를 결정하는 단계; 를 포함하는,
    것을 특징으로 하는 온도 측정 방법.
  4. 제1항에 있어서,
    상기 키 포인트의 온도 정보를 획득하는 단계는,
    상기 키 포인트의 측정 온도를 획득하는 단계; 및
    상기 측정 온도를 기반으로 상기 키 포인트의 실제 온도를 결정하는 단계; 를 포함하는,
    것을 특징으로 하는 온도 측정 방법.
  5. 제1항에 있어서,
    적어도 상기 키 포인트 및 상기 가중치 정보를 기반으로 상기 타겟 부위를 인식하는 단계; 및
    상기 인식된 결과를 기반으로 상기 대상을 결정하는 단계; 를 포함하는,
    것을 특징으로 하는 온도 측정 방법.
  6. 제1항에 있어서,
    상기 타겟 부위가 대상의 안면, 눈 및 지문 중의 적어도 하나인,
    것을 특징으로 하는 온도 측정 방법.
  7. 제1항에 있어서,
    상기 타겟 부위를 검출하는 단계는,
    검출 영역 생성 모델을 통해 상기 입력 이미지에서 상기 타겟 부위의 검출 영역을 결정하는 단계를 포함하는,
    것을 특징으로 하는 온도 측정 방법.
  8. 온도 측정 장치에 있어서,
    입력 이미지 내의 대상의 타겟 부위에 대해 검출하도록 구성된 타겟 부위 검출 모듈;
    상기 타겟 부위의 검출 결과를 기반으로 상기 타겟 부위의 키 포인트 및 상기 키 포인트의 가중치 정보를 결정하도록 구성된 키 포인트 정보 결정 모듈 - 상기 가중치 정보는 키 포인트가 가려질 확률을 가리킴 - ;
    상기 키 포인트의 온도 정보를 획득하도록 구성된 온도 정보 획득 모듈; 및
    적어도 상기 키 포인트의 상기 온도 정보 및 상기 가중치 정보를 기반으로, 상기 타겟 부위의 온도를 결정하도록 구성된 온도 결정 모듈; 을 포함하는,
    것을 특징으로 하는 온도 측정 장치.
  9. 제8항에 있어서,
    상기 키 포인트 정보 결정 모듈은,
    상기 타겟 부위의 검출 결과를 키 포인트 결정 모델에 응용하여, 상기 키 포인트 및 상기 가중치 정보를 결정하도록 구성된 검출 결과 응용 모듈을 포함하고, 상기 키 포인트 결정 모델은 상기 참조 이미지의 참조 타겟 부위 및 참조 타겟 부위의 참조 키 포인트 및 참조 가중치 정보를 기반으로 훈련하여 획득되는,
    것을 특징으로 하는 온도 측정 장치.
  10. 제8항에 있어서,
    상기 온도 정보 획득 모듈은,
    상기 타겟 부위에 대한 온도 센싱 이미지를 획득하도록 구성된온도 센싱 이미지 획득 모듈; 및
    상기 온도 센싱 이미지에서 상기 키 포인트의 위치에 대응되는 온도 정보를 결정하도록 구성된 온도 정보 결정 모듈; 을 포함하는,
    것을 특징으로 하는 온도 측정 장치.
  11. 제8항에 있어서,
    상기 온도 정보 획득 모듈은,
    상기 키 포인트의 온도 정보를 획득하도록 구성된 온도 측정 획득 모듈; 및
    상기 측정 온도를 기반으로 상기 키 포인트의 실제 온도를 결정하도록 구성된 실제 온도 결정 모듈; 을 포함하는,
    것을 특징으로 하는 온도 측정 장치.
  12. 제8항에 있어서,
    적어도 상기 키 포인트 및 상기 가중치 정보를 기반으로 상기 타겟 부위를 인식하도록 구성된 타겟 부위 인식 모듈; 및
    상기 인식된 결과를 기반으로 상기 대상을 결정하도록 구성된 대상 결정 모듈; 을 포함하는,
    것을 특징으로 하는 온도 측정 장치.
  13. 제8항에 있어서,
    상기 타겟 부위가 대상의 안면, 눈 및 지문 중의 적어도 하나인,
    것을 특징으로 하는 온도 측정 장치.
  14. 제8항에 있어서,
    상기 타겟 부위 검출 모듈은,
    검출 영역 생성 모델을 통해 상기 입력 이미지에서 상기 타겟 부위의 검출 영역을 결정하도록 구성된 검출 영역 결정 모듈을 포함하는,
    것을 특징으로 하는 온도 측정 장치.
  15. 전자 기기에 있어서,
    하나 또는 복수의 프로세서; 및
    하나 또는 복수의 프로그램을 저장하는 저장 장치; 를 포함하고,
    상기 하나 또는 복수의 프로그램이 상기 하나 또는 복수의 프로세서에 의해 수행될 경우, 상기 하나 또는 복수의 프로세서가 제1항 내지 제7항 중 어느 한 항의 방법을 구현하는,
    것을 특징으로 하는 전자 기기.
  16. 컴퓨터 프로그램이 저장되어 있는 컴퓨터 판독 가능 저장 매체에 있어서,
    상기 컴퓨터 프로그램이 프로세서에 의해 수행될 경우, 제1항 내지 제7항 중 어느 한 항의 방법이 구현되는,
    것을 특징으로 하는 컴퓨터 프로그램이 저장되어 있는 컴퓨터 판독 가능 저장 매체.
  17. 온도 측정 시스템에 있어서,
    대상의 타겟 부위와 관련된 입력 이미지를 제공하도록 구성된 이미지 수집 모듈;
    상기 이미지 수집 모듈과 통신 연결하고 본 발명의 제1항 내지 제8항 중 어느 한 항의 방법을 수행하도록 구성된 컴퓨팅 모듈; 및
    상기 컴퓨팅 모듈의 처리 결과를 표시하도록 구성된 출력 표시 모듈; 을 포함하는,
    것을 특징으로 하는 온도 측정 시스템.
KR1020227041892A 2020-05-15 2020-10-14 온도 측정 방법, 장치, 전자 기기 및 컴퓨터 판독 가능 저장 매체 KR20220166368A (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN202010415405.7A CN111595450B (zh) 2020-05-15 2020-05-15 测量温度的方法、装置、电子设备和计算机可读存储介质
CN202010415405.7 2020-05-15
PCT/CN2020/120964 WO2021227350A1 (zh) 2020-05-15 2020-10-14 测量温度的方法、装置、电子设备和计算机可读存储介质

Publications (1)

Publication Number Publication Date
KR20220166368A true KR20220166368A (ko) 2022-12-16

Family

ID=72182846

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020227041892A KR20220166368A (ko) 2020-05-15 2020-10-14 온도 측정 방법, 장치, 전자 기기 및 컴퓨터 판독 가능 저장 매체

Country Status (6)

Country Link
US (1) US20230213388A1 (ko)
EP (1) EP4151968A4 (ko)
JP (1) JP2023525378A (ko)
KR (1) KR20220166368A (ko)
CN (1) CN111595450B (ko)
WO (1) WO2021227350A1 (ko)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111595450B (zh) * 2020-05-15 2022-03-25 北京百度网讯科技有限公司 测量温度的方法、装置、电子设备和计算机可读存储介质
CN112418513A (zh) * 2020-11-19 2021-02-26 青岛海尔科技有限公司 温度预测方法及装置、存储介质、电子装置
WO2023004546A1 (zh) * 2021-07-26 2023-02-02 京东方科技集团股份有限公司 中医体质识别方法、装置、电子设备、存储介质及程序
CN114152349B (zh) * 2021-11-30 2023-11-14 深圳Tcl新技术有限公司 温度测量方法、装置、存储介质及电子设备
CN114022907B (zh) * 2021-12-27 2022-07-19 东北农业大学 一种基于深度学习的猪只体表测温装置及方法
CN114550269A (zh) * 2022-03-02 2022-05-27 北京百度网讯科技有限公司 口罩佩戴检测方法、设备和介质
CN117611378A (zh) * 2022-05-25 2024-02-27 连云港银丰食用菌科技有限公司 一种食用菌储存和养护方法及系统

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080142713A1 (en) * 1992-05-05 2008-06-19 Automotive Technologies International, Inc. Vehicular Occupant Sensing Using Infrared
US5333784A (en) * 1993-03-02 1994-08-02 Exergen Corporation Radiation detector with thermocouple calibration and remote temperature reference
CN100587422C (zh) * 2006-09-27 2010-02-03 费安路 大流量人群体温检测方法及其装置
CN102147835A (zh) * 2010-11-26 2011-08-10 中华人民共和国深圳出入境检验检疫局 用于口岸车道的司机体温自动测量系统及实现方法
CN105095905B (zh) * 2014-04-18 2018-06-22 株式会社理光 目标识别方法和目标识别装置
JP6630999B2 (ja) * 2014-10-15 2020-01-15 日本電気株式会社 画像認識装置、画像認識方法、および、画像認識プログラム
CN108353128B (zh) * 2015-10-27 2020-05-19 富士胶片株式会社 摄像系统以及对象检测装置及其工作方法
JP6574988B2 (ja) * 2016-06-08 2019-09-18 パナソニックＩｐマネジメント株式会社 照合装置及び照合方法
CN108932456B (zh) * 2017-05-23 2022-01-28 北京旷视科技有限公司 人脸识别方法、装置和系统及存储介质
CN107403141B (zh) * 2017-07-05 2020-01-10 中国科学院自动化研究所 人脸检测方法及装置、计算机可读存储介质、设备
CN107361748B (zh) * 2017-07-20 2023-11-28 歌尔股份有限公司 一种体温测试方法和装置
CN109960974A (zh) * 2017-12-22 2019-07-02 北京市商汤科技开发有限公司 人脸关键点检测方法、装置、电子设备及存储介质
JP6981277B2 (ja) * 2018-01-26 2021-12-15 富士フイルムビジネスイノベーション株式会社 検出装置、及び検出プログラム
CN108344525B (zh) * 2018-02-09 2020-06-23 英华达（上海）科技有限公司 自适应体温监控方法及系统
CN208420179U (zh) * 2018-05-29 2019-01-22 浙江双视红外科技股份有限公司 一种闸机单元及闸机系统
JP7061551B2 (ja) * 2018-10-17 2022-04-28 鹿島建設株式会社 状態判定システム
CN110595622A (zh) * 2019-08-01 2019-12-20 广东美的白色家电技术创新中心有限公司 一种红外测温方法及加热设备
CN110987189B (zh) * 2019-11-21 2021-11-02 北京都是科技有限公司 对目标对象进行温度检测的方法、系统以及装置
CN111595450B (zh) * 2020-05-15 2022-03-25 北京百度网讯科技有限公司 测量温度的方法、装置、电子设备和计算机可读存储介质
CN111666826A (zh) * 2020-05-15 2020-09-15 北京百度网讯科技有限公司 处理图像的方法、装置、电子设备和计算机可读存储介质

Also Published As

Publication number Publication date
JP2023525378A (ja) 2023-06-15
EP4151968A1 (en) 2023-03-22
WO2021227350A1 (zh) 2021-11-18
CN111595450B (zh) 2022-03-25
EP4151968A4 (en) 2024-03-27
CN111595450A (zh) 2020-08-28
US20230213388A1 (en) 2023-07-06

Similar Documents

Publication Publication Date Title
KR20220166368A (ko) 온도 측정 방법, 장치, 전자 기기 및 컴퓨터 판독 가능 저장 매체
Mohammed et al. Novel COVID-19 detection and diagnosis system using IOT based smart helmet
KR102021999B1 (ko) 인체 감시 발열 경보 장치
US20190192010A1 (en) Detection of flu using thermal imaging
CN111898580B (zh) 针对戴口罩人群的体温和呼吸数据采集系统、方法及设备
CN111666826A (zh) 处理图像的方法、装置、电子设备和计算机可读存储介质
Anishchenko Machine learning in video surveillance for fall detection
US11170894B1 (en) Access and temperature monitoring system (ATMs)
US11393595B2 (en) Method for determining a disease outbreak condition at a transit facility
US20210287798A1 (en) Systems and methods for non-invasive virus symptom detection
Ulleri et al. Development of contactless employee management system with mask detection and body temperature measurement using TensorFlow
CN113096811A (zh) 一种基于红外热成像的糖尿病足图像处理和风险预警设备
CN115695734A (zh) 红外热成像防护监控方法、装置、设备、系统和介质
US11100642B2 (en) Computer system, and method and program for diagnosing animals
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
Suryadi et al. On the comparison of social distancing violation detectors with graphical processing unit support
Jaddoa et al. Automatic temperature measurement for hot spots in face region of cattle using infrared thermography
Yan et al. Dynamic group difference coding based on thermal infrared face image for fever screening
Al Maashri et al. A novel drone-based system for accurate human temperature measurement and disease symptoms detection using thermography and AI
CN112232208A (zh) 红外人脸测温系统及其方法
Logu et al. Real‐Time Mild and Moderate COVID‐19 Human Body Temperature Detection Using Artificial Intelligence
CN113283337A (zh) 红外访问方法、非暂时性计算机可读介质
Rao et al. Real time face mask detection and thermal screening with audio response for covid-19
Negied et al. HSBS: a human’s heat signature and background subtraction hybrid approach for crowd counting and analysis
Surabhi et al. Infrared fever body identification using shape and temperature filters