CN111681770A - 异常目标的智能检测方法、装置、计算机设备及存储介质 - Google Patents

异常目标的智能检测方法、装置、计算机设备及存储介质 Download PDF

Info

Publication number
CN111681770A
CN111681770A CN202010296948.1A CN202010296948A CN111681770A CN 111681770 A CN111681770 A CN 111681770A CN 202010296948 A CN202010296948 A CN 202010296948A CN 111681770 A CN111681770 A CN 111681770A
Authority
CN
China
Prior art keywords
target person
target
body temperature
abnormal
temperature
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.)
Granted
Application number
CN202010296948.1A
Other languages
English (en)
Other versions
CN111681770B (zh
Inventor
王远城
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.)
Meizhou Qingtang Industry Co ltd
Original Assignee
Meizhou Qingtang Industry Co ltd
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 Meizhou Qingtang Industry Co ltd filed Critical Meizhou Qingtang Industry Co ltd
Priority to CN202010296948.1A priority Critical patent/CN111681770B/zh
Publication of CN111681770A publication Critical patent/CN111681770A/zh
Application granted granted Critical
Publication of CN111681770B publication Critical patent/CN111681770B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/80—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for detecting, monitoring or modelling epidemics or pandemics, e.g. flu
    • 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
    • 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
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • G08B21/24—Reminder alarms, e.g. anti-loss alarms
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • Business, Economics & Management (AREA)
  • Pathology (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Biomedical Technology (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Epidemiology (AREA)
  • Emergency Management (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本申请公开了一种异常目标的智能检测方法、装置、计算机设备及存储介质，应用于目标检测技术领域，用于解决现有技术中对来往人群的检测效率低、传染风险高的技术问题。本申请提供的方法包括：通过红外摄像头测量目标人员的目标体温，并获取所述目标人员的面部图像；获取所述红外摄像头与所述目标人员的距离及当前环境因素的取值；根据所述目标体温、所述距离及所述当前环境因素的取值计算温度补偿系数；根据所述温度补偿系数及所述目标体温计算得到目标人员的真实体温；对所述面部图像进行分析，判断所述目标人员是否佩戴口罩；当所述真实体温异常和/或所述目标人员未佩戴口罩时，判断所述目标人员为异常目标人员，并发出报警提醒。

Description

异常目标的智能检测方法、装置、计算机设备及存储介质
技术领域
本申请涉及目标检测技术领域，尤其涉及一种异常目标的智能检测方法、装置、计算机设备及存储介质。
背景技术
受新型冠状病毒的影响，现在进出公共场合、进出小区都要求对人们的身体状况进行检测，以降低人群集中的地方的疫情风险。目前的检测方法以人工检测为主，由工作人员手持电子体温枪，对来往的人群一一进行体温检测。
目前这种检测方法的检测效率比较低，人工成本太高，不利于提高群众的出行效率，群众的体验也是比较低的。且通过人对人进行健康状况检测，还提高了新型冠状病毒的传染风险。
现亟待提出一种对来往人群的身体状况进行智能检测的方法。
发明内容
本发明实施例提供一种异常目标的智能检测方法、装置、计算机设备及存储介质，以解决现有技术中对来往人群的检测效率低、传染风险高的技术问题。
根据本发明的一个方面提供的一种异常目标的智能检测方法，包括：
通过红外摄像头测量目标人员的目标体温，并获取所述目标人员的面部图像；
获取所述红外摄像头与所述目标人员的距离及当前环境因素的取值；
根据所述目标体温、所述距离及所述当前环境因素的取值计算温度补偿系数；
根据所述温度补偿系数及所述目标体温计算得到目标人员的真实体温；
对所述面部图像进行分析，判断所述目标人员是否佩戴口罩；
当所述真实体温异常和/或所述目标人员未佩戴口罩时，判断所述目标人员为异常目标人员，并发出报警提醒。
根据本发明的另一个方面提供的一种异常目标的智能检测装置，包括：
目标体温测量模块，用于通过红外摄像头测量目标人员的目标体温，并获取所述目标人员的面部图像；
影响因素取值模块，用于获取所述红外摄像头与所述目标人员的距离及当前环境因素的取值；
补偿系数计算模块，用于根据所述距离及当前环境因素的值计算温度补偿系数；
真实体温计算模块，用于根据所述温度补偿系数及所述目标体温计算得到目标人员的真实体温；
判断模块，用于对所述面部图像进行分析，判断所述目标人员是否佩戴口罩；
报警模块，用于当所述真实体温异常和/或所述目标人员未佩戴口罩时，判断所述目标人员为异常目标人员，并发出报警提醒。
根据本发明的又一个方面提供的一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述异常目标的智能检测方法的步骤。
根据本发明的再一个方面提供的一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述异常目标的智能检测方法的步骤。
上述异常目标的智能检测方法、装置、计算机设备及存储介质，通过红外摄像头测量目标人员的目标体温，并获取所述目标人员的面部图像，获取所述红外摄像头与所述目标人员的距离及当前环境因素的取值，根据所述目标体温、所述距离及所述当前环境因素的取值计算温度补偿系数，根据所述温度补偿系数及所述目标体温计算得到目标人员的真实体温，对所述面部图像进行分析，判断所述目标人员是否佩戴口罩，当所述真实体温异常和/或所述目标人员未佩戴口罩时，判断所述目标人员为异常目标人员，并发出报警提醒，整个过程自动进行，不需要工作人员的参与，减少了新型冠状病毒的传播途径，提高了对群众的健康状况的检测效率。
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的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人脸来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例的使用环境示意图；
图2是本发明一实施例中异常目标的智能检测方法的流程示意图；
图3是本发明一实施例中异常目标的智能检测装置的结构示意图；
图4是本发明一实施例中计算机设备的一示意图。
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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人脸在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本申请提供的异常目标的智能检测方法，可应用在如图1的应用环境中，其中，计算机设备包括但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。该计算机设备外接有红外摄像头，该红外摄像头用于测量目标人员的目标体温并获取所述目标人员的面部图像。
在一实施例中，如图2所示，提供一种异常目标的智能检测方法，包括如下步骤101至步骤106：
S101、通过红外摄像头测量目标人员的目标体温，并获取所述目标人员的面部图像。
本实施例中，所述红外摄像头可以用于远距离测量体温，远距离测量体温可以是与目标人员间隔1米之内的距离去测量目标人员的体温。
S102、获取所述红外摄像头与所述目标人员的距离及当前环境因素的取值。
本实施例中，在红外摄像头上装有距离传感器，用于测量红外摄像头与目标人员的距离，以便于计算距离补偿值，测量温度时，因为温度会随着距离而有所耗减。
本实施例中，当前环境因素的取值包括环境温度和环境相对湿度，红外摄像头上装有温湿度传感器，由于测量的距离较远，当前环境的环境温度和环境相对湿度会有所影响，温湿度传感器用于测量当前环境的环境温度和环境相对湿度，以便于计算第一温度补偿值和湿度补偿值。
S103、根据所述目标体温、所述距离及所述当前环境因素的取值计算温度补偿系数。
在其中一个实施例中，该当前环境因素的取值包括环境温度和环境相对湿度，其中：
所述根据所述目标体温、所述距离及所述当前环境因素的取值计算温度补偿系数的步骤包括：
根据以下公式计算所述计算温度补偿系数；
Csum＝(TO-25/2)*0.01+(25-TA)*0.01+1+(distance*0.006)+RH* 0.0001；
其中，Csum表示计算得到的温度补偿系数，TO表示目标人员的目标体温，TA表示环境温度，distance表示所述体温计红外摄像头与所述目标人员的距离，RH表示环境相对湿度；
所述根据所述温度补偿系数及所述目标体温计算得到目标人员的真实体温的步骤包括：
根据以下公式计算所述目标人员的真实体温；
TB＝TO*Csum；
其中，TB表示计算得到的目标人员的真实体温。
本实施例中，可以根据以下公式计算得到距离补偿值CD＝1+(distance* 0.006)，其中CD表示距离补偿值，distance表示距离传感测量得到的距离。
本实施例中，可以根据以下公式计算第一温度补偿值CV1＝(25-TA)*0.01，其中，CV1表示第一温度补偿值，TA表示当前环境下温湿度传感器测量得到的环境温度。
本实施例中，可以根据以下公式计算湿度补偿值CRh＝RH*0.0001，其中，CRh表示湿度补偿值，RH表示当前环境下温湿度传感器测量得到的环境相对湿度。
本实施例中，可以根据以下公式计算第二温度值CV2＝(TO-25/2)*0.01，其中，CV2表示第二温度补偿值，TO表示目标人员测量得到的目标体温。
本实施例中，根据所述目标体温、所述距离及所述当前环境因素的取值计算温度补偿系数，可以根据以下公式计算得到温度补偿系数Csum＝CD+ CV1+CV2+CRh，其中，Csum表示计算得到的温度补偿系数，CD表示距离补偿值，CV1表示第一温度补偿值，CV2表示第二温度补偿值，distance 表示所述红外摄像头与所述目标人员的距离，CRh表示湿度补偿值。
本实施例中，温度补偿系数也可以表示为Csum＝(TO-25/2)*0.01+(25 -TA)*0.01+1+(distance*0.006)+RH*0.0001，其中，Csum表示计算得到的温度补偿系数，TO表示目标人员的目标体温，TA表示环境温度，distance表示所述红外摄像头与所述目标人员的距离，RH表示环境相对湿度。
S104、根据所述温度补偿系数及所述目标体温计算得到目标人员的真实体温。
本实施例中，根据所述温度补偿系数及所述目标体温计算得到目标人员的真实体温，可以根据以下公式计算所述目标人员的真实体温TB＝TO* Csum，其中，TB表示计算得到的目标人员的真实体温，TO表示目标人员测量得到的目标体温，Csum表示计算得到的温度补偿系数。
S105、对所述面部图像进行分析，判断所述目标人员是否佩戴口罩。
在其中一个实施例中，该步骤进一步包括：
通过预先训练好的目标检测模型对所述面部图像进行识别，判断所述目标人员是否佩戴口罩。
其中，训练所述目标检测模型的步骤包括：
获取包括有口罩的第一面部样本图像和不包括口罩的第二面部样本图像；
接收对所述第一面部样本图像的第一标注信息和对所述第二面部样本图像的第二标注信息；
将所述第一面部样本图像、所述第一标注信息、所述第二面部样本图像和所述第二标注信息输入至所述目标检测模型，供所述目标检测模型学习，得到所述训练好的目标检测模型。
S106、当所述真实体温异常和/或所述目标人员未佩戴口罩时，判断所述目标人员为异常目标人员，并发出报警提醒。
作为可选地，所述异常目标的智能检测方法进一步包括：
通过非接触式呼吸与心率信号采集***采集所述目标人员的心率和呼吸指标；
将采集的所述心率与预设的心率阈值进行比较，判断所述目标人员的心率是否异常；
将采集的所述呼吸指标与预设的呼吸指标进行比较，判断所述目标人员的呼吸指标是否异常。
所述判断所述目标人员为异常目标人员的步骤进一步包括：
当所述真实体温异常、所述目标人员未佩戴口罩、所述目标人员的心率异常和/或所述目标人员的呼吸指标异常时，判断所述目标人员为异常目标人员。
具体地，当所述真实体温异常和/或所述目标人员未佩戴口罩和/或所述目标人员的心率异常和/或所述目标人员的呼吸指标异常时，判断所述目标人员为异常目标人员。
在该实施例中，可以将该非接触式呼吸与心率信号采集***与该计算机设备连接，用以实现本实施例的功能。
具体地，如图2所示，通过红外摄像头测量目标人员的目标体温，可以包括下述步骤201至步骤203：
S201、通过红外传感器同时采集目标人员面部的多个样本体温；
S202、判断样本体温数量是否达到预设值，若所述样本体温还没有达到预设值，则重新采集目标人员的多个样本体温，直到采集的样本体温的数量达到所述预设值；
S203、若所述样本体温达到预设值，则根据预设规则及多个所述样本体温确定目标体温。
对于上述步骤201，本实施例中，所述同时采集是用户开启一次红外摄像头能够在短时间内同时采集到多个体温。对采集到的多个体温进行分析得到多个样本体温，继而在多个样本体温中分析出目标体温，可以理解的是，本实施例中的红外摄像头内装有写入程序的芯片，可以做到极短的时间内同时采集到多个体温。
为便于理解，进一步地，通过红外传感器同时采集目标人员面部的多个样本体温步骤的步骤可以包括如下方式一或方式二：
其中，如图3所示，方式一包括下述步骤301至步骤304：
S301、通过红外传感器同时采集目标人员面部的同一区域的多个体温；
S302、判断多个所述体温是否在预设区间内；
S303、若体温在预设区间内，则将在预设区间的体温确定为样本体温；
S304、若所述体温不在预设区间内，则按照预设流程处理。
对于上述步骤301和步骤302，其中，可以使用MLX90614红外传感器，得到人脸一个区域的体温，判断该体温是否在预设区间内，若是，则将该体温确定为样本体温，对采集到的多个体温进行一一分析，连续判断多个体温是否在预设区间内。
举例说明，同时采集目标人员面部某一区域的5个体温，判断这5个体温是否都在预设区间内，可选地，预设区间可设置在35°～40°之间，目标人员发低烧、发高烧或正常体温一般都在这个范围之内，对采集到的5个体温一一判断是否在预设区间内。
对于上述步骤303，针对在预设区间内的体温，将在预设区间之内的体温确定为样本体温，假如采集到的5个体温在预设区间之内，则这5个体温都可以确定为样本体温。
对于上述步骤304，针对不在预设区间内的体温，按照预设流程处理，例如测量到34°的体温，可判断为异常体温，可直接舍弃处理。
需要说明的是，上述样本数量和体温度数仅为更清楚的描述本实施例，本实施例对此不作限定。
如图4所示，方式二包括下述步骤305至步骤307：
S305、同时采集目标人员面部的不同区域的多个体温；
S306、在所述不同区域的多个体温中获取预设区间内的体温；
S307、将获取到的在预设区间内最高的体温确定为样本体温。
对于上述步骤307，针对在预设区间内的多个体温，将获取到的在预设区间内最高的体温确定为样本体温。假如64个体温中符合预设区间的有60个体温，接着判断60个体温中温度最高体温，将最高的体温确定为样本体温。
需要说明的是，上述样本数量和体温度数仅为更清楚的描述本实施例，本实施例对此不作限定。
对于上述步骤202，判断样本体温数量是否达到预设值，当所述样本体温数量小于预设值时，即样本体温数量还没有达到预设值，重新采集目标人员的多个样本体温，直到采集的样本体温的数量达到所述预设值，举例说明，需要5个样本体温，当同时读取到5次体温后，判断是否达到5个样本体温，如果不足5个则放弃本次的读取到的体温，重新开始读取5次体温，直到连续读取5次后且达到5个样本体温。
可以理解的是，在确定样本体温的过程中，会出现体温不符合预设区间的情况，同时采集到的5次体温不一定都能作为样本体温，若样本体温的数量小于采集的次数时，则放弃本次体温的计算，重新开始采集。
需要说明的是，上述样本数量仅为更清楚的描述本实施例，本实施例对此不作限定。
对于上述步骤203，当所述样本体温数量达到预设值时，按照预设规则及多个所述样本体温确定目标体温，具体地，该步骤203中根据预设规则及多个所述样本体温确定目标体温的步骤可以包括以下步骤401至403：
S401、计算多个所述样本体温中两两之间的差值；
S402、根据所述差值确定体温最接近的预设数量的样本体温；
S403、计算预设数量的样本体温的平均值得到目标体温。
对于上述步骤401，可以理解的是，对多个样本体温两两之间求差值，假如有5个样本体温，对5个样本体温之间分别两两做差，根据多个差值可以计算得到最接近的多个样本体温。
对于上述步骤402和步骤403，举例说明，求得多个样本体温两两之间的差值之后，若预设需要3个最终的样本体温，根据多个差值从5个样本体温中选择3个最接近的样本体温，对3个样本体温求平均值得到目标人员最终的目标体温。
需要说明的是，上述样本数量和预设数量仅为更清楚的描述本实施例，本实施例对此不作限定。
在本发明还有一个较优的实施例中，该计算机设备外接有具有发音功能的扬声器，可直接将测量结果通过语音播报出来。例如，通过启动红外摄像头，直接显示体温值，并语音播报体温检测结果，将体温正常、体温偏低或体温偏高等结果告知目标人员，方便视力障碍人群的使用。
在其中一个实施例中，该异常目标的智能检测方法还包括：
当检测到有目标人员时，通过所述红外摄像头录制视频文件；
从录制的所述视频文件中获取所述目标人员的面部图像。
在其中一个实施例中，该异常目标的智能检测方法还包括：
当判断所述目标人员为异常目标人员时，获取录制的所述异常目标人员的视频文件；
发出报警提醒的同时播放所述异常目标人员的视频文件。
在其中一个实施例中，所述对所述面部图像进行分析，判断所述目标人员是否佩戴口罩的步骤包括：
通过预先训练好的目标检测模型对所述面部图像进行识别，判断所述目标人员是否佩戴口罩。
在其中一个实施例中，训练所述目标检测模型的步骤包括：
获取包括有口罩的第一面部样本图像和不包括口罩的第二面部样本图像；
接收对所述第一面部样本图像的第一标注信息和对所述第二面部样本图像的第二标注信息；
将所述第一面部样本图像、所述第一标注信息、所述第二面部样本图像和所述第二标注信息输入至所述目标检测模型，供所述目标检测模型学习，得到所述训练好的目标检测模型。
本实施例提出的异常目标的智能检测方法通过红外摄像头测量目标人员的目标体温，并获取所述目标人员的面部图像，获取所述红外摄像头与所述目标人员的距离及当前环境因素的取值，根据所述目标体温、所述距离及所述当前环境因素的取值计算温度补偿系数，根据所述温度补偿系数及所述目标体温计算得到目标人员的真实体温，对所述面部图像进行分析，判断所述目标人员是否佩戴口罩，当所述真实体温异常和/或所述目标人员未佩戴口罩时，判断所述目标人员为异常目标人员，并发出报警提醒，整个过程自动进行，不需要工作人员的参与，减少了新型冠状病毒的传播途径，提高了对群众的健康状况的检测效率。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
在一实施例中，提供一种异常目标的智能检测装置，该异常目标的智能检测装置与上述实施例中异常目标的智能检测方法一一对应。如图3所示，该异常目标的智能检测装置包括目标体温测量模块11、影响因素取值模块12、补偿系数计算模块13、真实体温计算模块14、判断模块15和报警模块16。各功能模块详细说明如下：
目标体温测量模块11，用于通过红外摄像头测量目标人员的目标体温，并获取所述目标人员的面部图像；
影响因素取值模块12，用于获取所述红外摄像头与所述目标人员的距离及当前环境因素的取值；
补偿系数计算模块13，用于根据所述距离及当前环境因素的值计算温度补偿系数；
真实体温计算模块14，用于根据所述温度补偿系数及所述目标体温计算得到目标人员的真实体温；
判断模块15，用于对所述面部图像进行分析，判断所述目标人员是否佩戴口罩；
报警模块16，用于当所述真实体温异常和/或所述目标人员未佩戴口罩时，判断所述目标人员为异常目标人员，并发出报警提醒。
在其中一个实施例中，所述当前环境因素的取值包括环境温度和环境相对湿度，该目标体温测量模块11具体用于根据以下公式计算所述计算温度补偿系数：
Csum＝(TO-25/2)*0.01+(25-TA)*0.01+1+(distance*0.006)+RH* 0.0001；
其中，Csum表示计算得到的温度补偿系数，TO表示目标人员的目标体温，TA表示环境温度，distance表示所述红外摄像头与所述目标人员的距离， RH表示环境相对湿度；
真实体温计算模块14具体用于根据以下公式计算所述目标人员的真实体温；
TB＝TO*Csum；
其中，TB表示计算得到的目标人员的真实体温。
进一步地，所述异常目标的智能检测装置还包括：
视频录制模块，用于当检测到有目标人员时，通过所述红外摄像头录制视频文件；
图像获取模块，用于从录制的所述视频文件中获取所述目标人员的面部图像。
进一步地，所述异常目标的智能检测装置还包括：
判断单元，用于当判断所述目标人员为异常目标人员时，获取录制的所述异常目标人员的视频文件；
播放单元，用于发出报警提醒的同时播放所述异常目标人员的视频文件。
在其中一个实施例中，该判断模块15具体用于通过预先训练好的目标检测模型对所述面部图像进行识别，判断所述目标人员是否佩戴口罩。
在其中一个实施例中，该异常目标的智能检测装置100进一步包括：
样本图像获取单元，用于获取包括有口罩的第一面部样本图像和不包括口罩的第二面部样本图像；
标注信息获取单元，用于接收对所述第一面部样本图像的第一标注信息和对所述第二面部样本图像的第二标注信息；
学习单元，用于将所述第一面部样本图像、所述第一标注信息、所述第二面部样本图像和所述第二标注信息输入至所述目标检测模型，供所述目标检测模型学习，得到所述训练好的目标检测模型。
关于异常目标的智能检测装置的具体限定可以参见上文中对于异常目标的智能检测方法的限定，在此不再赘述。上述异常目标的智能检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于红外摄像头中的处理器中，也可以以软件形式存储于红外摄像头中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图如图4所示。该计算机设备包括通过***总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该输入装置例如红外摄像头，该红外摄像头也做数据采集用，该红外摄像头的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***和计算机程序。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部设备通过网络连接通信。该计算机程序被处理器执行时以实现一种异常目标的智能检测方法。
在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述实施例中异常目标的智能检测方法的步骤，例如图1所示的步骤101 至步骤106。或者，处理器执行计算机程序时实现上述实施例中异常目标的智能检测装置的各模块/单元的功能，例如图3所示模块11至模块16的功能。为避免重复，这里不再赘述。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述实施例中异常目标的智能检测方法的步骤，例如图1所示的步骤101至步骤106。或者，计算机程序被处理器执行时实现上述实施例中异常目标的智能检测装置的各模块/单元的功能，例如图3所示模块11至模块16的功能。为避免重复，这里不再赘述。
本领域普通技术人脸可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM (DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM (DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人脸可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人脸应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (10)

1.一种异常目标的智能检测方法，其特征在于，包括：
通过红外摄像头测量目标人员的目标体温，并获取所述目标人员的面部图像；
获取所述红外摄像头与所述目标人员的距离及当前环境因素的取值；
根据所述目标体温、所述距离及所述当前环境因素的取值计算温度补偿系数；
根据所述温度补偿系数及所述目标体温计算得到目标人员的真实体温；
对所述面部图像进行分析，判断所述目标人员是否佩戴口罩；
当所述真实体温异常和/或所述目标人员未佩戴口罩时，判断所述目标人员为异常目标人员，并发出报警提醒。
2.根据权利要求1所述的异常目标的智能检测方法，所述当前环境因素的取值包括环境温度和环境相对湿度，其特征在于，所述根据所述目标体温、所述距离及所述当前环境因素的取值计算温度补偿系数的步骤包括根据以下公式计算所述计算温度补偿系数：
Csum＝(TO-25/2)*0.01+(25-TA)*0.01+1+(distance*0.006)+RH*0.0001；
其中，Csum表示计算得到的温度补偿系数，TO表示目标人员的目标体温，TA表示环境温度，distance表示所述红外摄像头与所述目标人员的距离，RH表示环境相对湿度；
所述根据所述温度补偿系数及所述目标体温计算得到目标人员的真实体温的步骤包括根据以下公式计算所述目标人员的真实体温：
TB＝TO*Csum；
其中，TB表示计算得到的目标人员的真实体温。
3.根据权利要求1所述的异常目标的智能检测方法，其特征在于，所述方法还包括：
通过非接触式呼吸与心率信号采集***采集所述目标人员的心率和呼吸指标；
将采集的所述心率与预设的心率阈值进行比较，判断所述目标人员的心率是否异常；
将采集的所述呼吸指标与预设的呼吸指标进行比较，判断所述目标人员的呼吸指标是否异常；
所述判断所述目标人员为异常目标人员的步骤进一步包括：
当所述真实体温异常、所述目标人员未佩戴口罩、所述目标人员的心率异常和/或所述目标人员的呼吸指标异常时，判断所述目标人员为异常目标人员。
4.根据权利要求1所述的异常目标的智能检测方法，其特征在于，所述方法还包括：
当检测到有目标人员时，通过所述红外摄像头录制视频文件；
从录制的所述视频文件中获取所述目标人员的面部图像；
当判断所述目标人员为异常目标人员时，获取录制的所述异常目标人员的视频文件；
发出报警提醒的同时播放所述异常目标人员的视频文件。
5.根据权利要求1所述的异常目标的智能检测方法，其特征在于，所述对所述面部图像进行分析，判断所述目标人员是否佩戴口罩的步骤包括：
通过预先训练好的目标检测模型对所述面部图像进行识别，判断所述目标人员是否佩戴口罩。
6.根据权利要求5所述的异常目标的智能检测方法，其特征在于，训练所述目标检测模型的步骤包括：
获取包括有口罩的第一面部样本图像和不包括口罩的第二面部样本图像；
接收对所述第一面部样本图像的第一标注信息和对所述第二面部样本图像的第二标注信息；
将所述第一面部样本图像、所述第一标注信息、所述第二面部样本图像和所述第二标注信息输入至所述目标检测模型，供所述目标检测模型学习，得到所述训练好的目标检测模型。
7.一种异常目标的智能检测装置，其特征在于，包括：
目标体温测量模块，用于通过红外摄像头测量目标人员的目标体温，并获取所述目标人员的面部图像；
影响因素取值模块，用于获取所述红外摄像头与所述目标人员的距离及当前环境因素的取值；
补偿系数计算模块，用于根据所述距离及当前环境因素的值计算温度补偿系数；
真实体温计算模块，用于根据所述温度补偿系数及所述目标体温计算得到目标人员的真实体温；
判断模块，用于对所述面部图像进行分析，判断所述目标人员是否佩戴口罩；
报警模块，用于当所述真实体温异常和/或所述目标人员未佩戴口罩时，判断所述目标人员为异常目标人员，并发出报警提醒。
8.根据权利要求7所述的异常目标的智能检测装置，其特征在于，所述装置还包括：
视频录制模块，用于当检测到有目标人员时，通过所述红外摄像头录制视频文件；
图像获取模块，用于从录制的所述视频文件中获取所述目标人员的面部图像。
9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6中任一项所述异常目标的智能检测方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述异常目标的智能检测方法。
CN202010296948.1A 2020-04-15 2020-04-15 异常目标的智能检测方法、装置、计算机设备及存储介质 Active CN111681770B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010296948.1A CN111681770B (zh) 2020-04-15 2020-04-15 异常目标的智能检测方法、装置、计算机设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010296948.1A CN111681770B (zh) 2020-04-15 2020-04-15 异常目标的智能检测方法、装置、计算机设备及存储介质

Publications (2)

Publication Number Publication Date
CN111681770A true CN111681770A (zh) 2020-09-18
CN111681770B CN111681770B (zh) 2023-09-01

Family

ID=72451476

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010296948.1A Active CN111681770B (zh) 2020-04-15 2020-04-15 异常目标的智能检测方法、装置、计算机设备及存储介质

Country Status (1)

Country Link
CN (1) CN111681770B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112488647A (zh) * 2020-11-25 2021-03-12 京东方科技集团股份有限公司 考勤***及方法、存储介质及电子设备
CN112927816A (zh) * 2021-01-27 2021-06-08 广东顺德鲁棒智能技术有限公司 一种体温检测***、体温趋势预测方法及***
CN113314230A (zh) * 2021-05-27 2021-08-27 创新奇智(上海)科技有限公司 基于大数据的智能防疫方法、装置、设备及存储介质
CN113420629A (zh) * 2021-06-17 2021-09-21 浙江大华技术股份有限公司 一种图像处理方法、装置、设备及介质
CN114061791A (zh) * 2021-11-12 2022-02-18 歌尔科技有限公司 一种体温检测方法、***及介质
CN114469026A (zh) * 2022-01-21 2022-05-13 北京理工大学前沿技术研究院 一种驾驶员生命体征监测方法与***
CN117594248A (zh) * 2023-12-02 2024-02-23 北京中数睿智科技有限公司 一种适用于多方联控的大数据处理方法及***

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103565422A (zh) * 2013-11-06 2014-02-12 江苏大学 一种医用红外测温仪及其测量补偿的方法
CN106546338A (zh) * 2016-11-04 2017-03-29 中云智慧（北京）科技有限公司 一种卫生检疫自助通行方法
CN106570970A (zh) * 2016-11-03 2017-04-19 中云智慧（北京）科技有限公司 一种卫生检疫自助通行方法
CN110196103A (zh) * 2019-06-27 2019-09-03 Oppo广东移动通信有限公司 温度测量方法及相关设备
CN112444318A (zh) * 2019-08-30 2021-03-05 梅州市青塘实业有限公司 非接触式测量体温的方法、装置、体温计及存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103565422A (zh) * 2013-11-06 2014-02-12 江苏大学 一种医用红外测温仪及其测量补偿的方法
CN106570970A (zh) * 2016-11-03 2017-04-19 中云智慧（北京）科技有限公司 一种卫生检疫自助通行方法
CN106546338A (zh) * 2016-11-04 2017-03-29 中云智慧（北京）科技有限公司 一种卫生检疫自助通行方法
CN110196103A (zh) * 2019-06-27 2019-09-03 Oppo广东移动通信有限公司 温度测量方法及相关设备
CN112444318A (zh) * 2019-08-30 2021-03-05 梅州市青塘实业有限公司 非接触式测量体温的方法、装置、体温计及存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
佚名: ""【复工战"疫"】智慧防疫口罩体温监测平台"", pages 5 - 7, Retrieved from the Internet <URL:https://www.sohu.com/a/375904263_743754> *
佚名: ""智能腕表检测隔离人员体温：降低人工测量风险，有异常会报警"", pages 1, Retrieved from the Internet <URL:http://k.sina.com.cn/article_5044281310_12ca99fde020018sxo.html> *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112488647A (zh) * 2020-11-25 2021-03-12 京东方科技集团股份有限公司 考勤***及方法、存储介质及电子设备
CN112927816A (zh) * 2021-01-27 2021-06-08 广东顺德鲁棒智能技术有限公司 一种体温检测***、体温趋势预测方法及***
CN112927816B (zh) * 2021-01-27 2021-11-23 广东顺德鲁棒智能技术有限公司 一种体温检测***、体温趋势预测方法及***
CN113314230A (zh) * 2021-05-27 2021-08-27 创新奇智(上海)科技有限公司 基于大数据的智能防疫方法、装置、设备及存储介质
CN113420629A (zh) * 2021-06-17 2021-09-21 浙江大华技术股份有限公司 一种图像处理方法、装置、设备及介质
CN114061791A (zh) * 2021-11-12 2022-02-18 歌尔科技有限公司 一种体温检测方法、***及介质
CN114469026A (zh) * 2022-01-21 2022-05-13 北京理工大学前沿技术研究院 一种驾驶员生命体征监测方法与***
CN117594248A (zh) * 2023-12-02 2024-02-23 北京中数睿智科技有限公司 一种适用于多方联控的大数据处理方法及***

Also Published As

Publication number Publication date
CN111681770B (zh) 2023-09-01

Similar Documents

Publication Publication Date Title
CN111681770B (zh) 异常目标的智能检测方法、装置、计算机设备及存储介质
CN112444318B (zh) 非接触式测量体温的方法、装置、体温计及存储介质
CN102985007A (zh) 健康装置监视装置
CN111325127A (zh) 一种异常对象判断方法、***、机器可读介质及设备
CN111079553A (zh) 客户分析数据的获取方法、装置、设备和存储介质
CN111919242A (zh) 用于处理多个信号的***和方法
CN108872780B (zh) 带电勘查的带电作业检测、***及终端设备
CN113752266A (zh) 基于协作化驱控一体机器人的人机协作方法、***和介质
JP2022052144A (ja) Ｃｂｔにおける受験者の監視方法、及び、監視システム
KR102162630B1 (ko) 사용자 단말을 이용한 객체 상태 분석 결과 제공 시스템 및 방법
CN212721763U (zh) 一种基于人脸识别红外热场测温***
CN117787684A (zh) 一种基于视觉检测的隧道围岩坍塌风险分析方法及***
CN117292836A (zh) 一种体测成绩监控方法及***
CN111896119A (zh) 红外测温方法及电子设备
CN112017779A (zh) 一种基于体检数据分析人体健康预警***
EP3687377B1 (en) Preclinical evaluation of skin condition and risk evaluation
CN111753636A (zh) 基于面部遮挡条件下的测温识别方法及***
CN108922625A (zh) 一种基于移动终端和云计算的医疗健康***
CN114159065A (zh) 一种基于脑电信号的间断冥想训练的评估方法和装置
CN111207856B (zh) 测量温度的准确度获取方法、装置、设备及可读存储介质
CN106094688A (zh) 一种湿度传感器控制***
CN111178248A (zh) 在线实验考核方法、装置、计算机设备和存储介质
Pancardo et al. A Sensor-Based Method for Occupational Heat Stress Estimation
CN111879415B (zh) 测温管理方法、装置及***
CN112927816B (zh) 一种体温检测***、体温趋势预测方法及***

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