CN110411605B - 一种红外测量人体温度修正方法 - Google Patents
一种红外测量人体温度修正方法 Download PDFInfo
- Publication number
- CN110411605B CN110411605B CN201910712934.0A CN201910712934A CN110411605B CN 110411605 B CN110411605 B CN 110411605B CN 201910712934 A CN201910712934 A CN 201910712934A CN 110411605 B CN110411605 B CN 110411605B
- Authority
- CN
- China
- Prior art keywords
- temperature
- data
- time period
- face
- value
- 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
Images
Classifications
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radiation Pyrometers (AREA)
- Image Processing (AREA)
Abstract
一种红外测量人体温度修正方法,包括自动学习基础人群温度采集的限定区域,基于限定区域内采集旅客人脸温度数据,对旅客人脸温度数据进行分析,判断是否需要将一天工作时间划分成不同时间段,如判断需要将一天工作时间划分成不同时间段,计算不同时间段的基础人群温度;确定基础人群温度最高的一个时间段,对其他时间段内的人脸温度数据进行调整,使其他时间段与温度最高时间段的基础人群温度相等,调整人脸温度数据后,对所有人脸温度数据进行排序,计算温度分布的主体范围以及温度报警值;根据得到的主体范围以及温度报警值对采集的温度进行修正。本发明适应不同地域气候、天气变化、人体一天早中晚体温变化;降低对工作人员经验的依赖成度。
Description
技术领域
本发明涉及红外测温领域,具体涉及一种红外测量人体温度修正方法。
背景技术
现有技术不考虑地域气候、季节变化造成的温度、湿度等环境因素对人体体表温度的影响,统一采用相同体表温度补偿相同的温度值,进行温度修正。需要操作人员根据实际情况调整补偿参数的大小,对工作人员的经验要求较高。
发明内容
为解决上述技术问题,本发明提供一种红外测量人体温度修正方法,能适应不同地域气候、天气变化、人体一天早中晚体温变化;降低对工作人员经验的依赖成度。本发明的技术方案如下:
一种红外测量人体温度修正方法,所述方法包括:
步骤1,采集旅客人脸温度数据,对采集的旅客人脸温度数据进行分析,判断是否需要将一天工作时间划分成不同时间段,如判断需要将一天工作时间划分成不同时间段,计算不同时间段的基础人群温度;
步骤2,确定基础人群温度最高的一个时间段,对其他时间段内的人脸温度数据进行调整,使其他时间段与温度最高时间段的基础人群温度相等,调整人脸温度数据后,对所有人脸温度数据进行排序,计算温度分布的主体范围以及温度报警值;
步骤3,根据得到的主体范围以及温度报警值对采集的温度进行修正。
进一步地,所述方法还包括,在步骤1之前,先自动学习基础人群温度采集的限定区域,步骤1中,基于限定区域范围内采集旅客人脸温度。
进一步地,所述自动学习基础人群温度采集的限定区域具体包括:
连续采集红外图像,从红外图像中提取人脸温度数据以及对应的红外图像坐标位置;
统计nDay天人脸温度数据,根据统计的nDay天的人脸温度数据,计算所有人脸温度的均值Avgtemp,保留温度最靠近均温Avgtemp的m个人脸温度数据作为温度样本数据,其中,m=fR1*总的人脸温度数据数量;
将红外图像区域平均划分成n个矩形区域,统计每个矩形区域内温度样本数据的数量nLocalNum,判断矩形区域内的所有温度样本数据的数量是否占该区域总的人脸温度数据数量的fR2以上,如果是,则将该矩形区域保留作为温度采集的稳定区域;
将上述所有保留的稳定区域合并,保存为二值化模板,用做基础人群温度采集的限定区域。
进一步地,采集的红外图像是以黑体作为基准,采集全图不超过黑体辐射面下边界高度的红外图像。
进一步地,步骤1具体包括:
每间隔nSec秒采集一次所有人脸的温度数据;
每一个小时作为一个周期,计算每个小时段内采集的所有人脸温度均值的平均值nTempMeanPerHour,保存该天计算出的所有平均值 nTempMeanPerHour作为1组温度均值数据;
每天***开机运行时,从当前日期nToday向前推nNearDays天,提取该nNearDays天的温度均值数据,即提取n组温度均值数据;
合并n组温度均值数据,作为新一组温度均值数据,将n组温度均值数据中相同小时时间段的n个nTempMeanPerHour的均值作为新一组温度均值数据对应小时时间段的温度均值;
找到新一组温度均值数据中最高温度均值fTempMeanHigh与最低均温度均值fTempMeanLow,计算温差fTempMeanDiff= fTempMeanHigh-fTempMeanLow;
如果温差fTempMeanDiff>温差预设值fTempThresh,则以 (fTempMeanHigh+fTempMeanLow)/2作为温度时间段的分段阈值 fTimeSegThresh,将一天工作时间分为3个时间段,即温度均值低于 fTimeSegThresh的一个连续时间段作为第一时间段,将温度均值高于 fTimeSegThresh的连续时间段作为第二时间段,将将温度均值低于 fTimeSegThresh的另一连续时间段作为第三时间段;
计算最邻近nNearDays天的相同时间段的所有人脸温度数据的均值,即为分割时间段后的每个时间段的基础人群温度。
进一步地,如果温差fTempMeanDiff≤温差预设值fTempThresh,则不需要将一天工作时间划分成不同时间段,不需要进行时间段修正。
进一步地,步骤2具体包括:
根据得出的每个时间段的基础人群温度,确定基础人群温度最高的一个时间段,作为最高温时间段,计算其他时间段与最高温时间段之间的基础人群温度差值Dvalue,将其他时间段内的所有人脸温度数据均加上对应的基础人群温度差值Dvalue,使得其他时间段的基础人群温度与最高温时间段的基础人群温度相等;
对最高温时间段以及拉升后的其他时间段内的所有人脸温度数据进行排序,得到温度分布的主体范围[fMinTemp,fMaxTemp],以及温度报警值 fAlarmTempIr;其中fMinTemp为从排序的人脸温度数据中去除最大的fR3个人脸温度数据和最小的fR3个人脸温度数据后剩余的人脸温度数据中的最小值,fMaxTemp为从排序的人脸温度数据中去除最大的fR3个人脸温度数据和最小的fR3个人脸温度数据后剩余的人脸温度数据中的最小值,fAlarmTempIr为从排序的人脸温度数据中去除最大的fR4个人脸温度数据后剩余的人脸温度数据中的最大值。
进一步地,所述步骤3具体包括:
基于获得的主体范围以及温度报警值,按照以下公式对旅客人脸温度fIrFaceTemp进行映射,获得映射补偿后的温度fMappingTemp,完成温度修正;
其中温度范围压缩系数fCoef的计算如下:
fCoef1=min(1,[(36.5-36.0)/(fMaxTempMean-fMinTempMean)]);
fCoef2=min(1,[(37.3-36.5)/(fAlarmTempIr-fMaxTempMean)]);
其中fMinTemp为温度分布的主体范围中的最小值,fMaxTemp为温度分布的主体范围中的最大值,fAlarmTempIr为温度报警值。
本发明具有以下有益效果:
本发明提出一种红外测量人体温度修正方法,先基于黑***置的自动学习体温样本采集区域,排除其他区域的干扰,并基于限定区域内采集的温度样本数据统计分析,根据温度的变化对一天工作时间进行分段,计算各时间段的基础人群温度,并获得体表温度映射关系的温度修正方法。
附图说明
图1为本发明实施例提供的一种红外测量人体温度修正方法流程图。
具体实施方式
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,显然,所描述的实施例仅仅是本发明一部分,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
如图1所示,为本发明实施例提供的一种红外测量人体温度修正方法,所述方法包括:
步骤1,采集限定区域内的旅客人脸温度数据,对采集的旅客人脸温度数据进行分析,判断是否需要将一天工作时间划分成不同时间段,如判断需要将一天工作时间划分成不同时间段,计算不同时间段的基础人群温度;
步骤2,确定基础人群温度最高的一个时间段,对其他时间段内的人脸温度数据进行调整,使其他时间段与温度最高时间段的基础人群温度相等,调整人脸温度数据后,对所有人脸温度数据进行排序,计算温度分布的主体范围以及温度报警值;
步骤3,根据得到的主体范围以及温度报警值对采集的温度进行修正。
优选地,所述方法还包括,在步骤1之前,先自动学习基础人群温度采集的限定区域,步骤1中,基于限定区域范围内采集旅客人脸温度。
其中,所述自动学习基础人群温度采集的限定区域具体包括:
采集的红外图像是以黑体作为基准,连续采集全图不超过黑体辐射面下边界高度的红外图像;从红外图像中提取人脸温度数据以及对应的红外图像坐标位置;
统计nDay天人脸温度数据,根据统计的nDay天的人脸温度数据,计算所有人脸温度数据的均值Avgtemp,将所有人脸温度数据的绝对值从小到大排序,保留温度最靠近均温Avgtemp的m个温度数据作为温度样本数据;该计算的触发条件为***开机启动,其中,m=fR1*总的人脸温度数据数量;
将红外图像区域平均划分成n个矩形区域,例如将红外图像640*480分成32*24大小的图像块,共计400个矩形区域,统计每个矩形区域内温度样本数据的数量nLocalNum,判断矩形区域内的所有温度样本数据的数量是否占该区域总的人脸温度数据数量的fR2=80%以上,如果是,则将该矩形区域保留作为温度采集的稳定区域;
将上述所有保留的稳定区域合并,保存为二值化模板,用做基础人群温度采集的限定区域。
在现场试验阶段,从第二天开始,每天进行上述计算,进行自动学习,对比自动学习所得限定区域是否存在变化。
其中,所述nDay天为可调参数,默认值为5,即统计5天的人脸温度数据;所述fR1为可调的比例参数,默认90%,即从锁所有人脸温度数据中,保留与均温Avgtemp最靠近的90%个温度数据作为温度样本数据,例如有 1000个温度数据,则从中取最靠近均值的1000*90%=900个温度数据作为温度样本数据;fR2为可的比例调参数,默认80%,即判断矩形区域内的所有温度样本数据的数量是否占该区域总的人脸温度数据数量的80%以上;其中,采集时间精确到秒。
本发明提出一种红外测量人体温度修正方法,可基于黑***置的自动学习体温样本采集的限定区域,排除其他区域的干扰,并基于限定区域内采集的温度样本数据统计分析,根据温度的变化对一天工作时间进行分段,计算各时间段的基础人群温度,计算温度分布的主体范围以及温度报警值,并获得体表温度映射关系的温度修正方法。
优选地,步骤1具体包括:
每间隔nSec秒采集一次限定区域内的所有人脸的温度数据,包括人脸温度数据对应的红外图像坐标及采集时间。
每一个小时作为一个周期,计算一天工作时间段内,每小时段内采集的所有人脸温度均值的平均值nTempMeanPerHour,保存该天计算出的所有平均值nTempMeanPerHour作为1组温度均值数据;所述温度均值数据包括一天工作时间内所有小时段的人脸温度均值的平均值,例如1天工作时间为24 小时,每小时计算一次均值,即1组温度均值数据中包含24个温度均值 nTempMeanPerHour,每小时对应一个温度均值nTempMeanPerHour。
每天***开机运行时,从当前日期nToday向前推nNearDays天,提取该nNearDays天的温度均值数据,即提取n组温度均值数据;
合并n组温度均值数据,作为新一组温度均值数据,将n组温度均值数据中相同小时时间段的n个nTempMeanPerHour的均值作为新一组温度均值数据对应小时时间段的温度均值,例如计算n组温度均值数中各自的第1小时的温度均值nTempMeanPerHour的平均值作为新一组温度均值数据的第1 小时的温度均值nTempMeanPerHour;
找到新一组温度均值数据中最高温度均值fTempMeanHigh与最低均温度均值fTempMeanLow,计算温差fTempMeanDiff= fTempMeanHigh-fTempMeanLow;
如果温差fTempMeanDiff≤温差预设值fTempThresh,则不需要将一天工作时间划分成不同时间段,不需要进行时间段修正;
如果温差fTempMeanDiff>温差预设值fTempThresh,则以 (fTempMeanHigh+fTempMeanLow)/2作为温度时间段的分段阈值 fTimeSegThresh,将一天工作时间分为3个时间段,即温度均值低于 fTimeSegThresh的一个连续时间段作为第一时间段,将温度均值高于 fTimeSegThresh的连续时间段作为第二时间段,将将温度均值低于 fTimeSegThresh的另一连续时间段作为第三时间段;
通过上述方法,将一天工作时间分为三段,例如早上、中午、下午,中午时间段的温度最高,早上与下午的温度均低于中午温度。
计算最邻近nNearDays天的相同时间段的所有人脸温度数据的均值,即为分割时间段后的每个时间段的基础人群温度,例如第一时间段、第二时间段和第三时间段的基础人群温度分别为M1,M0和M2。
其中,fTempThresh为可调参数,默认0.2℃,nNearDays默认5,fR3 默认10%.fR4默认为2‰。
上述实施例中,对开机时不处于单个小时段起点的情况,超过(含)0.5 小时则单独计算温度均值,不超过0.5小时则将数据归入邻近的一个小时计算温度均值,其中,总人数不少于numPeople人,可调参数,numPeople默认1000,可根据现场情况调整;每一个小时作为一个周期,每小时的最后一秒(XX:59:59)触发计算,计算一小时内所有人脸温度均值的平均值 nTempMeanPerHour。
优选地,步骤2具体包括:
根据得出的每个时间段的基础人群温度,确定基础人群温度最高的一个时间段,作为最高温时间段,计算其他时间段与最高温时间段之间的基础人群温度差值Dvalue,将其他时间段内的所有人脸温度数据均加上对应的基础人群温度差值Dvalue,使得其他时间段的基础人群温度与最高温时间段的基础人群温度相等;
对最高温时间段以及拉升后的其他时间段内的所有人脸温度数据进行排序,得到温度分布的主体范围[fMinTemp,fMaxTemp],以及温度报警值 fAlarmTempIr;其中fMinTemp为从排序的人脸温度数据中去除最大的fR3个人脸温度数据和最小的fR3个人脸温度数据后剩余的人脸温度数据中的最小值, fMaxTemp为从排序的人脸温度数据中去除最大的fR3个人脸温度数据和最小的fR3个人脸温度数据后剩余的人脸温度数据中的最小值,fAlarmTempIr为从排序的人脸温度数据中去除最大的fR4个人脸温度数据后剩余的人脸温度数据中的最大值。
其中,fR3和fR4均为可调的比例参数,fR3默认为10%,fR4默认为2‰。
优选地,所述步骤3具体包括:
基于获得的主体范围以及温度报警值,按照以下公式对旅客人脸温度fIrFaceTemp进行映射,获得映射补偿后的温度fMaxppingTemp,完成温度修正;
其中温度范围压缩系数fCoef的计算如下:
fCoef1=min(1,[(36.5-36.0)/(fMaxTempMean-fMinTempMean)]);
fCoef2=min(1,[(37.3-36.5)/(fAlarmTempIr-fMaxTempMean)]);
其中fMinTemp为温度分布的主体范围中的最小值,fMaxTemp为温度分布的主体范围中的最大值,fAlarmTempIr为温度报警值。
通过上述公式,可以将经主体温度范围[fMinTemp,fMaxTemp]映射后的温度控制在36.0~36.5℃范围内;将温度低于fMinTempMean的温度映射到36.0℃;将(fMaxTemp,fAlarmTempIr]映射到(365,37.3];将高于温度fAlarmTempIr的温度按照温度范围压缩系数Coef2映射到37.3℃以上。
以上所述仅为本发明的较佳实施例,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、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种红外测量人体温度修正方法,其特征在于,所述方法包括:
步骤1,采集旅客人脸温度数据,对采集的旅客人脸温度数据进行分析,判断是否需要将一天工作时间划分成不同时间段,如判断需要将一天工作时间划分成不同时间段,计算不同时间段的基础人群温度;
步骤2,确定基础人群温度最高的一个时间段,对其他时间段内的人脸温度数据进行调整,使其他时间段与温度最高时间段的基础人群温度相等,调整人脸温度数据后,对所有人脸温度数据进行排序,计算温度分布的主体范围以及温度报警值;
步骤3,根据得到的主体范围以及温度报警值对采集的温度进行修正;
其中,步骤1具体包括:
每间隔nSec秒采集一次所有人脸的温度数据;
每一个小时作为一个周期,计算每个小时段内采集的所有人脸温度均值的平均值nTempMeanPerHour,保存该天计算出的所有平均值nTempMeanPerHour作为1组温度均值数据;
每天***开机运行时,从当前日期nToday向前推nNearDays天,提取该nNearDays天的温度均值数据,即提取n组温度均值数据;
合并n组温度均值数据,作为新一组温度均值数据,将n组温度均值数据中相同小时时间段的n个nTempMeanPerHour的均值作为新一组温度均值数据对应小时时间段的温度均值;
找到新一组温度均值数据中最高温度均值fTempMeanHigh与最低均温度均值fTempMeanLow,计算温差fTempMeanDiff = fTempMeanHigh-fTempMeanLow;
如果温差fTempMeanDiff> 温差预设值fTempThresh,则以(fTempMeanHigh+fTempMeanLow)/2作为温度时间段的分段阈值fTimeSegThresh,将一天工作时间分为3个时间段,即温度均值低于fTimeSegThresh的一个连续时间段作为第一时间段,将温度均值高于fTimeSegThresh的连续时间段作为第二时间段,将温度均值低于fTimeSegThresh的另一连续时间段作为第三时间段;
计算最邻近nNearDays天的相同时间段的所有人脸温度数据的均值,即为分割时间段后的每个时间段的基础人群温度。
2.根据权利要求1所述的红外测量人体温度修正方法,其特征在于,所述方法还包括,在步骤1之前,先自动学习基础人群温度采集的限定区域,步骤1中,基于限定区域范围内采集旅客人脸温度。
3.根据权利要求2所述的红外测量人体温度修正方法,其特征在于,所述自动学习基础人群温度采集的限定区域具体包括:
连续采集红外图像,从红外图像中提取人脸温度数据以及对应的红外图像坐标位置;
统计nDay天人脸温度数据,根据统计的nDay天的人脸温度数据,计算所有人脸温度的均值Avgtemp,保留温度最靠近均温Avgtemp的m个人脸温度数据作为温度样本数据,其中,m=fR1*总的人脸温度数据数量;
将红外图像区域平均划分成n个矩形区域,统计每个矩形区域内温度样本数据的数量nLocalNum,判断矩形区域内的所有温度样本数据的数量是否占该矩形区域总的人脸温度数据数量的fR2以上,如果是,则将该矩形区域保留作为温度采集的稳定区域;
将所有保留的稳定区域合并,保存为二值化模板,用做基础人群温度采集的限定区域;
其中,fR1和fR2均为可调的比例参数,fR1默认为90%,fR2默认为80%。
4.根据权利要求2所述的红外测量人体温度修正方法,其特征在于,采集的红外图像是以黑体作为基准,采集全图不超过黑体辐射面下边界高度的红外图像。
5.根据权利要求1所述的红外测量人体温度修正方法,其特征在于,如果温差fTempMeanDiff≤温差预设值fTempThresh,则不需要将一天工作时间划分成不同时间段,不需要进行时间段修正。
6.根据权利要求1所述的红外测量人体温度修正方法,其特征在于,步骤2具体包括:
根据得出的每个时间段的基础人群温度,确定基础人群温度最高的一个时间段,作为最高温时间段,计算其他时间段与最高温时间段之间的基础人群温度差值Dvalue,将其他时间段内的所有人脸温度数据均加上对应的基础人群温度差值Dvalue,使得其他时间段的基础人群温度与最高温时间段的基础人群温度相等;
对最高温时间段以及拉升后的其他时间段内的所有人脸温度数据进行排序,得到温度分布的主体范围,以及温度报警值;其中为从排序的人脸温度数据中去除最大的fR3个人脸温度数据和最小的fR3个人脸温度数据后剩余的人脸温度数据中的最小值,为从排序的人脸温度数据中去除最大的fR3个人脸温度数据和最小的fR3个人脸温度数据后剩余的人脸温度数据中的最小值,为从排序的人脸温度数据中去除最大的fR4个人脸温度数据后剩余的人脸温度数据中的最大值;
其中,fR3和fR4均为可调的比例参数,fR3默认为10%,fR4默认为2‰。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910712934.0A CN110411605B (zh) | 2019-08-02 | 2019-08-02 | 一种红外测量人体温度修正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910712934.0A CN110411605B (zh) | 2019-08-02 | 2019-08-02 | 一种红外测量人体温度修正方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110411605A CN110411605A (zh) | 2019-11-05 |
CN110411605B true CN110411605B (zh) | 2021-04-27 |
Family
ID=68365547
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910712934.0A Active CN110411605B (zh) | 2019-08-02 | 2019-08-02 | 一种红外测量人体温度修正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110411605B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111189544A (zh) * | 2020-02-10 | 2020-05-22 | 北京都是科技有限公司 | 人体温度检测方法、***、装置及热红外图像处理器 |
CN111189545B (zh) * | 2020-02-21 | 2021-05-18 | 中国科学院半导体研究所 | 高精度广域智能红外体温筛查方法及其*** |
CN111242946B (zh) * | 2020-03-03 | 2024-04-09 | 广州紫川电子科技有限公司 | 一种基于红外热成像的人体体温异常检测方法及装置 |
CN111486993B (zh) * | 2020-03-23 | 2021-08-20 | 黄维学 | 体温检测的矫正方法、装置、计算机设备和存储介质 |
CN111595486A (zh) * | 2020-05-15 | 2020-08-28 | 重庆中科云从科技有限公司 | 一种异常对象检测方法、***、机器可读介质及设备 |
CN111504509B (zh) * | 2020-06-17 | 2022-09-06 | 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 |
CN111780876B (zh) * | 2020-06-30 | 2023-12-01 | 平安国际智慧城市科技股份有限公司 | 温度测量方法、装置、电子设备及计算机可读存储介质 |
CN112146764B (zh) * | 2020-09-25 | 2022-05-24 | 杭州海康威视数字技术股份有限公司 | 一种提高基于热成像温度测量准确性的方法、热成像设备 |
CN113609452B (zh) * | 2021-07-30 | 2022-04-29 | 成都市晶林科技有限公司 | 一种体温筛查***误差实时修正方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20160120396A (ko) * | 2015-04-07 | 2016-10-18 | 한국과학기술원 | 패치형 체온계, 이를 포함하는 실시간 체온 측정 시스템, 및 이를 이용한 실시간 체온 측정 방법 |
CN109405976B (zh) * | 2018-11-08 | 2020-05-19 | 武汉高德智感科技有限公司 | 一种人体检验检疫***温度自动修正方法 |
CN109708777B (zh) * | 2018-11-27 | 2020-07-21 | 武汉高德智感科技有限公司 | 一种人体检验检疫***基础人群温度补偿方法 |
CN109691989B (zh) * | 2018-11-28 | 2021-10-01 | 武汉高德智感科技有限公司 | 一种基于红外人脸检测技术的人体温度测量方法 |
CN109781284B (zh) * | 2018-12-28 | 2020-10-16 | 武汉高德智感科技有限公司 | 一种基于网络数据纠偏的人体温度筛查方法 |
-
2019
- 2019-08-02 CN CN201910712934.0A patent/CN110411605B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110411605A (zh) | 2019-11-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110411605B (zh) | 一种红外测量人体温度修正方法 | |
KR101515003B1 (ko) | 일사량 예측방법 | |
CN116758059B (zh) | 一种用于路基路面的视觉无损检测方法 | |
CN105717556B (zh) | 一种基于大数据的自分型雷达估测降水方法 | |
KR101141027B1 (ko) | 냉난방부하 추정을 위한 시간별 기상데이터 예측방법 | |
CN106709903B (zh) | 基于图像质量的pm2.5浓度预测方法 | |
CN112965145B (zh) | 一种环境空气臭氧预报方法 | |
CN105740636B (zh) | 一种山洪灾害临界雨量概率分析方法 | |
CN112347652B (zh) | 基于水文气象地区线性矩频率分析的暴雨高风险区划方法 | |
CN116577844B (zh) | 一种东亚冷锋降水自动识别方法、*** | |
CN111259324B (zh) | 卫星数据同化在垂直方向的适应性局地化方法及集合卡曼滤波天气同化预报方法 | |
CN115714858A (zh) | 一种工业相机的增益值和曝光值自动调节方法 | |
CN115018119A (zh) | 用电负荷预测方法及*** | |
DE102015209602B4 (de) | Umweltmessungen mittels geographisch verteilter, mobiler Sensoren | |
CN105651397A (zh) | 一种精确识别人体温度的方法 | |
CN115329610B (zh) | 一种基于土壤水分的旱涝急转事件识别方法、装置及设备 | |
CN111914933A (zh) | 降雪检测方法、装置、计算机设备和可读存储介质 | |
CN116469057A (zh) | 一种基于大数据的环境监测*** | |
CN116758447A (zh) | 一种基于数字孪生的变电站设备故障分析*** | |
CN116309652A (zh) | 一种基于伪装迷彩喷绘图谱的分析评估方法及*** | |
CN109740574B (zh) | 一种结露现象自动识别方法及*** | |
CN110674453B (zh) | 一种获取棉花叶片丛聚指数的数字图像方法及*** | |
CN113947249A (zh) | 加油加气站用能策略分析控制装置 | |
CN113887038A (zh) | 一种建筑能耗预测校核方法、装置、设备及存储介质 | |
CN110108609B (zh) | 一种基于卫星多通道的pm2.5浓度值分布情况获取方法及*** |
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 |