CN111579080B - 红外热像体温监测仪的自校准方法 - Google Patents
红外热像体温监测仪的自校准方法 Download PDFInfo
- Publication number
- CN111579080B CN111579080B CN202010359765.XA CN202010359765A CN111579080B CN 111579080 B CN111579080 B CN 111579080B CN 202010359765 A CN202010359765 A CN 202010359765A CN 111579080 B CN111579080 B CN 111579080B
- Authority
- CN
- China
- Prior art keywords
- body temperature
- temperature monitor
- infrared
- area
- calibration
- 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 51
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000012544 monitoring process Methods 0.000 claims abstract description 25
- 238000001514 detection method Methods 0.000 claims abstract description 15
- 238000013528 artificial neural network Methods 0.000 claims description 18
- 238000001931 thermography Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 210000002569 neuron Anatomy 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 abstract description 2
- 230000000903 blocking effect Effects 0.000 abstract 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
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
- G01J5/80—Calibration
-
- 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
- G01K15/00—Testing or calibrating of thermometers
- G01K15/005—Calibration
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Radiation Pyrometers (AREA)
Abstract
本发明公开了一种红外热像体温监测仪的自校准方法,可实现自动校准,同时,在校准前,会通过红外热像体温监测仪获取的检测区域的温度信息对行人进行初步判断,若判定监测区域内没有行人,则进行自动校准,否则,判定监测区域内可能存在行人,并通过红外图像S进一步判断监测区域是否存在行人,若不存在,则进行自动校准,否则,重复执行对行人的判断,直至判定监测区域内不存在行人后完成温度的自动校准。该红外热像体温监测仪的自校准方法,可避免校准期间因卡顿而造成信息漏报的现象,可实现红外热像体温监测仪对视场范围内的行人体温的连续检测,保证检测的准确性和稳定性。
Description
技术领域
本发明涉及红外热像体温监测仪的自动校准领域,特别提供了一种红外热像体温监测仪的自校准方法,尤其涉及红外热像体温监测仪在行人体温异常监测过程中的自校准方法。
背景技术
随着红外热像技术在人体温度测量的应用越来越广泛,体温异常检测尤其关乎人们生命和社会稳定,因此,对红外热像体温监测仪的测量精度与稳定性的要求也越来越高,目前,现有的红外热像体温监测仪在运行一定时间后需要手动校准,校准的过程中红外热像体温监测仪会卡顿3-5秒,在此期间存在信息漏报的风险。
因此,提出一种新的红外热像体温监测仪自动校准方法,以避免红外热像体温监测仪在校准期间因卡顿而造成漏报的现象,成为人们亟待解决的问题。
发明内容
鉴于此,本发明的目的在于提供一种红外热像体温监测仪的自校准方法,以解决现有红外热像体温监测仪在行人体温监测过程中,会因为校准而产生的卡顿造成信息的漏报的问题。
本发明提供的技术方案是:红外热像体温监测仪的自校准方法,包括如下步骤:
S1:判断距离上一次红外热像体温监测仪进行校准的时间是否达到时长t1,若是,则执行S2,否则,继续监控距离上一次红外热像体温监测仪进行校准的时间的时长;
S2:利用红外热像体温监测仪,实时获取监测区域的红外图像S以及温度T,之后,遍历温度T并判断其中是否存在大于预设温度阈值T0的值,若不存在,则判定监测区域内没有行人,满足自动校准条件,执行S4,否则,判定监测区域内可能存在行人,执行S3;
S3:判断红外图像S中是否存在行人,若存在,则延时t2时长,并返回至S2继续执行,否则,执行S4;
S4:通过串口控制红外热像体温监测仪进行温度自动校准,并在完成自动校准后返回至S1,等待下一次校准。
优选,S2中,预设温度阈值T0的值为35℃。
进一步优选,S3中判断红外图像S中是否存在行人包括如下步骤:
S31:获取监测区域中温度大于预设温度阈值T0的值,并查找其在红外图像S中位置坐标,认定这些坐标点组成的区域为疑似目标检测区域S0,并在疑似目标检测区域S0的基础上向外扩5~8个像素,得到区域S1;
S32:在区域S1中提取目标的轮廓特征,并将上述特征信息输入到经过训练的BP神经网络,实现对目标的识别。
进一步优选,S32中,目标的轮廓特征包括目标的外部轮廓特征以及圆形度特征。
进一步优选,S32中,目标的轮廓特征的提取方法如下:利用Sobel算子对区域S1进行边缘提取得到目标的轮廓S2,并将轮廓S2的轮廓信息作为目标的外部轮廓特征。
进一步优选,S32中,将目标的圆形度信息作为其圆形度特征,圆形度是区域边界周长的平方与其面积的比值,得到目标的轮廓S2后,计算S2的面积以及S2的周长,其中,S2的面积为轮廓S2内像素点个数,S2的周长为相邻像素点的距离的累加和,圆形度的计算公式为:其中,Sk为目标的面积,即S2的面积,Lk为目标的周长,即为S2的周长。
进一步优选,S32前,还包括训练BP神经网络的步骤,其中,BP神经网络的训练过程如下:采用BP神经网络,将不同体型、性别、身高的行人,分别以不同的行走速度在室内环境下的行走视频作为其训练信号,同时,选取箱子、盒子等物体的运动视频作为神经网络的训练信号。
进一步优选,BP神经网络隐含层节点数为20,隐含层神经元采用tansig函数,输出层采用logsig函数。
进一步优选,S1中,t1为30~60min。
进一步优选,S3中,t2为5~10s。
本发明提供的红外热像体温监测仪的自校准方法,可实现温度的定时校准,同时,在校准前,会通过红外热像体温监测仪获取的检测区域的温度信息对行人进行初步判断,若判定监测区域内没有行人,则进行自动校准,否则,通过红外图像S进一步判断监测区域是否存在行人,若不存在,则进行自动校准,否则,重复执行对行人的判断,直至判定监测区域内不存在行人后完成温度的自动校准。
本发明提供的红外热像体温监测仪的自校准方法,可实现温度的自动校准,可避免校准期间因卡顿而造成信息漏报的现象,可实现红外热像体温监测仪对视场范围内的行人体温的连续检测,保证检测的准确性和稳定性。
具体实施方式
下面将结合具体的实施方案对本发明进行进一步的解释,但并不局限本发明。
本发明提供了一种红外热像体温监测仪的自校准方法,包括如下步骤:
S1:判断距离上一次红外热像体温监测仪进行校准的时间是否达到时长t1,若是,则执行S2,否则,继续监控距离上一次红外热像体温监测仪进行校准的时间的时长,其中,t1优选为30~60min,更优选为30min;
红外热像体温监测仪每隔一段时间需要进行温度校准,以保证温度的准确性,本发明通过预设时长t1,启动温度自动校准,可避免手动校准,其中,时间可通过时钟计时器获得。
S2:利用红外热像体温监测仪,实时获取监测区域的红外图像S以及温度T,之后,遍历温度T并判断其中是否存在大于预设温度阈值T0的值,若不存在,则判定监测区域内没有行人,满足自动校准条件,执行S4,否则,判定监测区域内可能存在行人,执行S3,其中,预设温度阈值T0的值优选为35℃;
此步骤可以通过红外热像体温监测仪获取的检测区域的温度信息对行人进行初步判断,若不存在大于预设温度阈值T0的值,则判定监测区域内没有行人,满足自动校准条件,否则,判定可能存在行人,通过红外图像S进一步判断监测区域是否存在行人。
S3:判断红外图像S中是否存在行人,若存在,则延时t2时长,并返回至S2继续执行,否则,执行S4,其中,t2优选为5~10s,更优选,为5s;
S4:通过串口控制红外热像体温监测仪进行温度自动校准,并在完成自动校准后返回至S1,等待下一次校准。
该红外热像体温监测仪的自校准方法可实现温度的自动校准,预设时长t1和t2,当到达校准时长t1时,进一步确定是否满足自动校准条件,首先,通过红外热像体温监测仪获取的检测区域的温度信息对行人进行初步判断,若不存在大于预设温度阈值T0的值,则判定监测区域内没有行人,满足自动校准条件,进行自动校准,否则,通过红外图像S进一步判断监测区域是否存在行人,若不存在,则满足自动校准条件,进行自动校准,否则,重复执行对行人的判断,直至判定监测区域内不存在行人,并完成温度的自动校准。
作为技术方案的改进,S3中判断红外图像S中是否存在行人包括如下步骤:
S31:获取监测区域中温度大于预设温度阈值T0的值,并查找其在红外图像S中位置坐标,认定这些坐标点组成的区域为疑似目标检测区域S0,并在疑似目标检测区域S0的基础上向外扩5~8个像素,得到区域S1;
S32:在区域S1中提取目标的轮廓特征,并将上述特征信息输入到经过训练的BP神经网络,实现对目标的识别。
其中,目标的轮廓特征包括目标的外部轮廓特征以及圆形度特征。
其中,目标轮廓特征的提取步骤如下:利用Sobel算子对区域S1进行边缘提取得到目标的轮廓S2,并将轮廓S2的轮廓信息作为目标的外部轮廓特征。
将目标的圆形度信息作为其圆形度特征,圆形度是区域边界周长的平方与其面积的比值,得到目标的轮廓S2后,计算S2的面积以及S2的周长,其中,S2的面积为轮廓S2内像素点个数,S2的周长为相邻像素点的距离的累加和,圆形度的计算公式为:其中,Sk为目标的面积,即S2的面积,Lk为目标的周长,即为S2的周长。
S32前,还包括训练BP神经网络的步骤,其中,BP神经网络的训练过程如下:采用BP神经网络,将不同体型、性别、身高的行人,分别以不同的行走速度在室内环境下的行走视频作为其训练信号,同时,选取箱子、盒子等物体的运动视频作为神经网络的训练信号。
优选,BP神经网络隐含层节点数为20,隐含层神经元采用tansig函数,输出层采用logsig函数。
本发明的具体实施方式是按照递进的方式进行撰写的,着重强调各个实施方案的不同之处,其相似部分可以相互参见。
上面对本发明的实施方式做了详细说明,但是本发明并不限于上述实施方式,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下作出各种变化。
Claims (10)
1.红外热像体温监测仪的自校准方法,其特征在于,包括如下步骤:
S1:判断距离上一次红外热像体温监测仪进行校准的时间是否达到时长t1,若是,则执行S2,否则,继续监控距离上一次红外热像体温监测仪进行校准的时间的时长;
S2:利用红外热像体温监测仪,实时获取监测区域的红外图像S以及温度T,之后,遍历温度T并判断其中是否存在大于预设温度阈值T0的值,若不存在,则判定监测区域内没有行人,满足自动校准条件,执行S4,否则,判定监测区域内可能存在行人,执行S3;
S3:判断红外图像S中是否存在行人,若存在,则延时t2时长,并返回至S2继续执行,否则,执行S4;
S4:通过串口控制红外热像体温监测仪进行温度自动校准,并在完成自动校准后返回至S1,等待下一次校准。
2.按照权利要求1所述红外热像体温监测仪的自校准方法,其特征在于:S2中,预设温度阈值T0的值为35℃。
3.按照权利要求1所述红外热像体温监测仪的自校准方法,其特征在于:S3中判断红外图像S中是否存在行人包括如下步骤:
S31:获取监测区域中温度大于预设温度阈值T0的值,并查找其在红外图像S中位置坐标,认定这些坐标点组成的区域为疑似目标检测区域S0,并在疑似目标检测区域S0的基础上向外扩5~8个像素,得到区域S1;
S32:在区域S1中提取目标的轮廓特征,并将上述特征信息输入到经过训练的BP神经网络,实现对目标的识别。
4.按照权利要求3所述红外热像体温监测仪的自校准方法,其特征在于:S32中,目标的轮廓特征包括目标的外部轮廓特征以及圆形度特征。
5.按照权利要求4所述红外热像体温监测仪的自校准方法,其特征在于:S32中,目标的轮廓特征的提取方法如下:利用Sobel算子对区域S1进行边缘提取得到目标的轮廓S2,并将轮廓S2的轮廓信息作为目标的外部轮廓特征。
7.按照权利要求1所述红外热像体温监测仪的自校准方法,其特征在于:S32前,还包括训练BP神经网络的步骤,其中,BP神经网络的训练过程如下:采用BP神经网络,将不同体型、性别、身高的行人,分别以不同的行走速度在室内环境下的行走视频作为其训练信号,同时,选取箱子、盒子等物体的运动视频作为神经网络的训练信号。
8.按照权利要求7所述红外热像体温监测仪的自校准方法,其特征在于:BP神经网络隐含层节点数为20,隐含层神经元采用tansig函数,输出层采用logsig函数。
9.按照权利要求1所述红外热像体温监测仪的自校准方法,其特征在于:S1中,t1为30~60min。
10.按照权利要求1所述红外热像体温监测仪的自校准方法,其特征在于:S3中,t2为5~10s。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010359765.XA CN111579080B (zh) | 2020-04-30 | 2020-04-30 | 红外热像体温监测仪的自校准方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010359765.XA CN111579080B (zh) | 2020-04-30 | 2020-04-30 | 红外热像体温监测仪的自校准方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111579080A CN111579080A (zh) | 2020-08-25 |
CN111579080B true CN111579080B (zh) | 2021-09-14 |
Family
ID=72120290
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010359765.XA Active CN111579080B (zh) | 2020-04-30 | 2020-04-30 | 红外热像体温监测仪的自校准方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111579080B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101183026A (zh) * | 2007-11-16 | 2008-05-21 | 中华人民共和国中山出入境检验检疫局 | 一种红外测温在线自校准装置及其方法 |
CN101216349A (zh) * | 2008-01-07 | 2008-07-09 | 中华人民共和国中山出入境检验检疫局 | 一种便携式红外测温装置及其自校准方法 |
CN103098110A (zh) * | 2010-03-17 | 2013-05-08 | 本田技研工业株式会社 | 车辆周围监测装置 |
CN105930778A (zh) * | 2016-04-14 | 2016-09-07 | 厦门理工学院 | 一种基于红外图像的夜间人体睡姿监测方法及*** |
CN106384078A (zh) * | 2016-08-31 | 2017-02-08 | 重庆云库房物联科技有限公司 | 一种基于红外阵列的人流行为分析***及人流行为分析方法 |
CN107084795A (zh) * | 2017-04-19 | 2017-08-22 | 珠海格力电器股份有限公司 | 人体热源识别方法、装置及具有该装置的设备 |
CN108362386A (zh) * | 2018-02-06 | 2018-08-03 | 中国科学院合肥物质科学研究院 | 一种可用于长期自动观测的野外自校准多通道红外辐射计 |
CN109813434A (zh) * | 2018-12-19 | 2019-05-28 | 厦门赢科光电有限公司 | 一种基于温度检测的人体识别方法、装置及终端设备 |
CN109919071A (zh) * | 2019-02-28 | 2019-06-21 | 沈阳天眼智云信息科技有限公司 | 基于红外多特征联合技术的火焰识别方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100374708B1 (ko) * | 2001-03-06 | 2003-03-04 | 에버미디어 주식회사 | 회전영상의 보정에 의한 비접촉식 홍채인식방법 |
CN100494983C (zh) * | 2005-08-12 | 2009-06-03 | 深圳迈瑞生物医疗电子股份有限公司 | 利用红外光吸收特性自动校准和测量气体浓度的方法和装置 |
CN109447011B (zh) * | 2018-11-06 | 2020-07-03 | 沈阳天眼智云信息科技有限公司 | 红外对蒸汽管道泄露的实时监控方法 |
-
2020
- 2020-04-30 CN CN202010359765.XA patent/CN111579080B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101183026A (zh) * | 2007-11-16 | 2008-05-21 | 中华人民共和国中山出入境检验检疫局 | 一种红外测温在线自校准装置及其方法 |
CN101216349A (zh) * | 2008-01-07 | 2008-07-09 | 中华人民共和国中山出入境检验检疫局 | 一种便携式红外测温装置及其自校准方法 |
CN103098110A (zh) * | 2010-03-17 | 2013-05-08 | 本田技研工业株式会社 | 车辆周围监测装置 |
CN105930778A (zh) * | 2016-04-14 | 2016-09-07 | 厦门理工学院 | 一种基于红外图像的夜间人体睡姿监测方法及*** |
CN106384078A (zh) * | 2016-08-31 | 2017-02-08 | 重庆云库房物联科技有限公司 | 一种基于红外阵列的人流行为分析***及人流行为分析方法 |
CN107084795A (zh) * | 2017-04-19 | 2017-08-22 | 珠海格力电器股份有限公司 | 人体热源识别方法、装置及具有该装置的设备 |
CN108362386A (zh) * | 2018-02-06 | 2018-08-03 | 中国科学院合肥物质科学研究院 | 一种可用于长期自动观测的野外自校准多通道红外辐射计 |
CN109813434A (zh) * | 2018-12-19 | 2019-05-28 | 厦门赢科光电有限公司 | 一种基于温度检测的人体识别方法、装置及终端设备 |
CN109919071A (zh) * | 2019-02-28 | 2019-06-21 | 沈阳天眼智云信息科技有限公司 | 基于红外多特征联合技术的火焰识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111579080A (zh) | 2020-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108038883B (zh) | 一种应用于公路路面视频图像的裂缝检测及识别方法 | |
CN107886086B (zh) | 一种基于图像视频的目标动物检测方法及装置 | |
US9224278B2 (en) | Automated method and system for detecting the presence of a lit cigarette | |
Rinsurongkawong et al. | Fire detection for early fire alarm based on optical flow video processing | |
WO2016104395A1 (ja) | 群集監視システム | |
CN107085714A (zh) | 一种基于视频的森林火灾检测方法 | |
CN109447011B (zh) | 红外对蒸汽管道泄露的实时监控方法 | |
CN105554439A (zh) | 视频处理所使用的至少一个参数的修改 | |
CN106683098B (zh) | 一种重叠叶片图像的分割方法 | |
CN109919071B (zh) | 基于红外多特征联合技术的火焰识别方法 | |
CN111579080B (zh) | 红外热像体温监测仪的自校准方法 | |
CN108737785B (zh) | 基于tof 3d摄像机的室内跌倒自动检测*** | |
CN105225428B (zh) | 一种室内吸烟检测报警方法及*** | |
CN108229421B (zh) | 一种基于深度视频信息的坠床行为实时检测方法 | |
JP2017184673A (ja) | 植物栽培支援装置、植物栽培支援システム、植物栽培支援方法、プログラム、記憶媒体 | |
CN102425992B (zh) | 一种玉米果穗性状测量装置和测量玉米穗行数、穗行倾角以及穗缘角的方法 | |
JP2013224849A (ja) | 構造物の不具合確率演算方法および不具合確率演算装置、構造物の不具合範囲判定方法および不具合範囲判定装置 | |
CN107169451B (zh) | 全身运动质量智能评估*** | |
JP5132509B2 (ja) | 移動物体追跡装置 | |
CN108898080B (zh) | 一种基于山脊线邻域评价模型的裂缝连接方法 | |
TW201530495A (zh) | 移動物體追蹤方法及電子裝置 | |
JP7290961B2 (ja) | 画像処理装置及び画像処理プログラム | |
JP6605166B1 (ja) | 監視警報システム | |
JP7328778B2 (ja) | 画像処理装置及び画像処理プログラム | |
JP7188934B2 (ja) | 画像処理装置 |
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 |