KR102458065B1 - 안면 인식 체온 측정 장치 및 방법 - Google Patents
안면 인식 체온 측정 장치 및 방법 Download PDFInfo
- Publication number
- KR102458065B1 KR102458065B1 KR1020210029947A KR20210029947A KR102458065B1 KR 102458065 B1 KR102458065 B1 KR 102458065B1 KR 1020210029947 A KR1020210029947 A KR 1020210029947A KR 20210029947 A KR20210029947 A KR 20210029947A KR 102458065 B1 KR102458065 B1 KR 102458065B1
- Authority
- KR
- South Korea
- Prior art keywords
- body temperature
- infrared intensity
- temperature
- value
- face
- Prior art date
Links
- 230000036760 body temperature Effects 0.000 title claims abstract description 115
- 238000000034 method Methods 0.000 title claims description 51
- 238000009529 body temperature measurement Methods 0.000 claims abstract description 71
- 230000001815 facial effect Effects 0.000 claims abstract description 68
- 238000012937 correction Methods 0.000 claims abstract description 64
- 238000004891 communication Methods 0.000 claims abstract description 15
- 238000005259 measurement Methods 0.000 claims description 11
- 238000013473 artificial intelligence Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims 1
- 210000000887 face Anatomy 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000001931 thermography Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 206010037660 Pyrexia Diseases 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 210000004561 lacrimal apparatus Anatomy 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/01—Measuring temperature of body parts ; Diagnostic temperature sensing, e.g. for malignant or inflamed tissue
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/61—Control of cameras or camera modules based on recognised objects
- H04N23/611—Control of cameras or camera modules based on recognised objects where the recognised objects include parts of the human body
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/117—Identification of persons
- A61B5/1171—Identification of persons based on the shapes or appearances of their bodies or parts thereof
- A61B5/1176—Recognition of faces
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
- A61B2560/02—Operational features
- A61B2560/0242—Operational features adapted to measure environmental factors, e.g. temperature, pollution
- A61B2560/0247—Operational features adapted to measure environmental factors, e.g. temperature, pollution for compensation or correction of the measured physiological value
- A61B2560/0252—Operational features adapted to measure environmental factors, e.g. temperature, pollution for compensation or correction of the measured physiological value using ambient temperature
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
- A61B2562/02—Details of sensors specially adapted for in-vivo measurements
- A61B2562/0271—Thermal or temperature sensors
-
- 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
- G01J5/0022—Radiation pyrometry, e.g. infrared or optical thermometry for sensing the radiation of moving bodies
- G01J5/0025—Living bodies
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Animal Behavior & Ethology (AREA)
- Medical Informatics (AREA)
- Surgery (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Signal Processing (AREA)
- Physiology (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Theoretical Computer Science (AREA)
- Radiation Pyrometers (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
본 발명의 일 실시예에 따른 안면 인식 체온 측정 장치는, 카메라 모듈로부터 하나 이상의 대상체에 대해 동시에 촬영한 영상 이미지 및 열화상 이미지를 수신하는 통신 모듈, 상기 영상 이미지 및 열화상 이미지를 이용하여 체온을 측정하는 체온 측정 프로그램이 저장된 메모리, 상기 프로그램을 실행하는 프로세서를 포함한다. 상기 체온 측정 프로그램은, 영상 이미지 내에서 얼굴을 검출하여 얼굴 영역을 설정하고, 상기 열화상 이미지에서 상기 영상 이미지 내 얼굴 영역에 대응되는 온도 측정 영역을 설정하고, 상기 온도 측정 영역에서의 적외선 강도값 중 가장 높은 값인 최대 적외선 강도값을 산출하고, 상기 최대 적외선 강도값에 거리 보정값, 기온 보정값 및 기온 변화 속도 보정값을 더한 온도 측정 대상의 적외선 강도값을 산출하고, 그리고, 상기 온도 측정 대상의 적외선 강도값과 상기 안면 인식 체온 측정 장치에 기설정된 적외선 기준값의 차이를 이용하여 상기 대상체의 체온을 산출하는 것을 수행하도록 구성된다.
Description
본 발명은 안면 인식 체온 측정 장치 및 방법에 관한 것으로, 보다 상세하게는, 여러 변수에 따른 보정을 고려하여 카메라 영상 내 사람의 체온을 측정하는 안면 인식 체온 측정 장치 및 방법에 관한 것이다.
최근 건물의 출입구 등에서 출입자들의 발열 여부를 모니터링하기 위해 열화상 카메라가 사용되고 있다. 열화상 카메라는 적외선을 감지하여 온도에 따라 상이한 색상으로 시각화하여 나타내는 장치이다. 일반적으로 사람의 얼굴은 다른 신체 부위와 달리 가려져 있지 않기 때문에 사람의 얼굴을 열화상 카메라로 촬영하여 얼굴의 온도를 측정하는 원거리 체온 측정 방식이 통용되고 있다.
종래의 원거리 체온 측정 방식으로는 열화상 카메라와 블랙박스를 이용하는 방법이 있다. 이 방법은 블랙박스를 추정 기대 온도값으로 설정한 후 블랙박스의 그레이(Gray) 픽셀값이 대상 물체의 그레이 픽셀값 오차 내라면 대상 물체가 정상 온도라고 판별한다. 이 방법은 블랙박스에 설정된 온도를 갖는 물체의 모니터링은 가능하나, 다른 온도를 갖는 물체의 온도를 추정할 수 없는 문제가 있다. 이외에도, 종래의 원거리 체온 측정 방식은 거리, 기온 및 기타열원여부에 따른 보정을 고려하지 않기 때문에 측정 대상의 온도값에 오류가 있는 경우가 빈번히 발생한다.
본 발명은 전술한 문제점을 해결하기 위한 것으로, 여러 변수에 따른 보정을 고려하여 카메라 영상 내 사람의 체온을 측정하는 안면 인식 체온 측정 장치 및 방법을 제공하는 것을 일 기술적 과제로 한다.
다만, 본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.
상술한 기술적 과제를 해결하기 위한 기술적 수단으로서, 안면 인식을 통해 체온을 측정하는 장치가 제공된다. 본 장치는, 카메라 모듈로부터 하나 이상의 대상체에 대해 동시에 촬영한 영상 이미지 및 열화상 이미지를 수신하는 통신 모듈, 상기 영상 이미지 및 열화상 이미지를 이용하여 체온을 측정하는 체온 측정 프로그램이 저장된 메모리, 그리고, 상기 프로그램을 실행하는 프로세서를 포함한다. 상기 체온 측정 프로그램은, 영상 이미지 내에서 상기 대상체의 얼굴을 검출하여 얼굴 영역을 설정하고, 상기 열화상 이미지에서 상기 영상 이미지 내 얼굴 영역에 대응되는 온도 측정 영역을 설정하고, 상기 온도 측정 영역에서의 적외선 강도값 중 가장 높은 값인 최대 적외선 강도값을 산출하고, 상기 최대 적외선 강도값에 측정 거리에 따라 변동되는 특정 물체에 대한 적외선 강도값들을 기초로 산출되는 제1 보정값, 외부 기온에 따라 변동되는 특정 물체에 대한 적외선 강도값들을 기초로 산출되는 제2 보정값 및 외부 기온의 변화 속도에 따라 변동되는 특정 물체에 대한 적외선 강도값들을 기초로 산출되는 제3 보정값을 더한 온도 측정 대상의 적외선 강도값을 산출하고, 그리고, 상기 온도 측정 대상의 적외선 강도값과 상기 안면 인식 체온 측정 장치에 기설정된 적외선 기준값의 차이를 이용하여 상기 대상체의 체온을 산출하는 것을 수행하도록 구성된다.
또한, 본 발명의 제2 측면에 따라 안면 인식 체온 측정 장치를 이용한 체온 측정 방법이 개시된다. 본 방법은, 하나 이상의 대상체에 대해 동시에 촬영한 영상 이미지 및 열화상 이미지 중 영상 이미지 내에서 얼굴을 검출하여 얼굴 영역을 설정하는 단계, 상기 열화상 이미지에서 상기 영상 이미지 내 얼굴 영역에 대응되는 온도 측정 영역을 설정하는 단계, 상기 온도 측정 영역에서의 적외선 강도값 중 가장 높은 값인 최대 적외선 강도값을 산출하는 단계, 상기 최대 적외선 강도값에 측정 거리에 따라 변동되는 특정 물체에 대한 적외선 강도값들을 기초로 산출되는 제1 보정값, 외부 기온에 따라 변동되는 특정 물체에 대한 적외선 강도값들을 기초로 산출되는 제2 보정값 및 외부 기온의 변화 속도에 따라 변동되는 특정 물체에 대한 적외선 강도값들을 기초로 산출되는 제3 보정값을 더한 온도 측정 대상의 적외선 강도값을 산출하는 단계, 그리고, 상기 온도 측정 대상의 적외선 강도값과 상기 안면 인식 체온 측정 장치에 기설정된 적외선 기준값의 차이를 이용하여 상기 대상체의 체온을 산출하는 단계를 포함한다.
전술한 본원의 과제 해결 수단들에 따르면, 영상 이미지 내에 사람의 얼굴뿐만 아니라 다른 열원이 있어도 개별 열원들 각각에 대해서 온도 측정이 가능하고, 다수의 사람에 대한 체온 측정을 수행할 수 있으며, 적외선 강도가 큰 열원의 경우 온도 측정을 배제하는 것이 가능하다.
또한, 전술한 본원의 과제 해결 수단들에 따르면, 거리에 따라 변화하는 적외선의 강도를 기초로 측정 온도와 관련된 거리 보정값을 산출할 수 있고, 이를 이용하여 사람에 대한 측정 거리가 달라져서 발생하는 오차를 보정할 수 있다.
또한, 전술한 본원의 과제 해결 수단들에 따르면, 기온에 따라 얼굴의 적외선 강도가 변화하는 것을 기초로 측정 온도와 관련된 기온 보정값을 산출할 수 있고, 이를 이용하여 사람에 대해 기온이 달라져서 발생하는 오차를 보정할 수 있다.
또한, 전술한 본원의 과제 해결 수단들에 따르면, 기온의 변화 속도에 따라 온도 측정값이 변화하는 것을 기초로 기후 변화 속도 보정값을 산출할 수 있고, 이를 이용하여 기온 변화 속도에 의해 발생하는 측정 온도에 관한 오차를 보정할 수 있다.
도 1은 본 발명의 일 실시예에 따른 안면 인식 체온 측정 장치의 구성을 도시한 블록도이다.
도 2 내지 도 5는 도 1에 도시된 안면 인식 체온 측정 장치를 이용한 체온 측정의 예시들을 설명하기 위해 도시한 도면이다.
도 6은 본 발명의 다른 실시예에 따른 안면 인식 체온 측정 방법의 순서를 도시한 흐름도이다.
도 7 및 도 8은 도 6에 도시된 안면 인식 체온 측정 방법의 일부 단계들에 대한 세부 과정을 도시한 도면이다.
도 2 내지 도 5는 도 1에 도시된 안면 인식 체온 측정 장치를 이용한 체온 측정의 예시들을 설명하기 위해 도시한 도면이다.
도 6은 본 발명의 다른 실시예에 따른 안면 인식 체온 측정 방법의 순서를 도시한 흐름도이다.
도 7 및 도 8은 도 6에 도시된 안면 인식 체온 측정 방법의 일부 단계들에 대한 세부 과정을 도시한 도면이다.
이하에서는 첨부한 도면을 참조하여 본 발명을 상세히 설명하기로 한다. 다만, 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며, 여기에서 설명하는 실시예들로 한정되는 것은 아니다. 또한, 첨부된 도면은 본 명세서에 개시된 실시예를 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 명세서에 개시된 기술적 사상이 제한되지 않는다. 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 도면에 나타난 각 구성요소의 크기, 형태, 형상은 다양하게 변형될 수 있다. 명세서 전체에 대하여 동일/유사한 부분에 대해서는 동일/유사한 도면 부호를 붙였다.
이하의 설명에서 사용되는 구성요소에 대한 접미사 "모듈" 및 “부” 등은 명세서 작성의 용이함만이 고려되어 부여 되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다. 또한, 본 명세서에 개시된 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 명세서에 개시된 실시 예의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략하였다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결(접속, 접촉 또는 결합)"되어 있다고 할 때, 이는 "직접적으로 연결(접속, 접촉 또는 결합)"되어 있는 경우뿐만 아니라, 그 중간에 다른 부재를 사이에 두고 "간접적으로 연결 (접속, 접촉 또는 결합)"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함(구비 또는 마련)"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 "포함(구비 또는 마련)"할 수 있다는 것을 의미한다.
본 명세서에서 사용되는 제1, 제2 등과 같이 서수를 나타내는 용어들은 하나의 구성 요소를 다른 구성요소로부터 구별하는 목적으로만 사용되며, 구성 요소들의 순서나 관계를 제한하지 않는다. 예를 들어, 본 발명의 제1구성요소는 제2구성요소로 명명될 수 있고, 유사하게 제2구성요소도 제1구성 요소로 명명될 수 있다.
도 1은 본 발명의 일 실시예에 따른 안면 인식 체온 측정 장치(이하, “안면 인식 체온 측정 장치(100)”라 함)의 구성을 도시한 블록도이고, 도 2 내지 도 5는 안면 인식 체온 측정 장치(100)를 이용한 체온 측정의 예시들을 설명하기 위해 도시한 도면이다. 이하에서 도 1 내지 도 5를 참조하여 안면 인식 체온 측정 장치(100)에 대해 상세히 설명하도록 한다.
도 1을 참조하면, 안면 인식 체온 측정 장치(100)는 통신 모듈(110) 및 프로세서(140)를 포함하여 구성되며, 카메라 모듈(120) 및 메모리(130)를 더 포함할 수 있다. 안면 인식 체온 측정 장치(100)는 네트워크를 통해 서버나 타 단말에 접속할 수 있는 컴퓨터나 휴대용 단말기로 구현될 수 있다. 여기서, 컴퓨터는 예를 들어, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(desktop), 랩톱(laptop) 등을 포함하고, 휴대용 단말기는 예를 들어, 휴대성과 이동성이 보장되는 무선 통신 장치로서, IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), Wibro(Wireless Broadband Internet), LTE(Long Term Evolution) 통신 기반 단말, 스마트폰, 태블릿 PC 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치를 포함할 수 있다. 또한, 네트워크는 근거리 통신망(Local Area Network; LAN), 광역 통신망(Wide Area Network; WAN) 또는 부가가치 통신망(Value Added Network; VAN) 등과 같은 유선 네트워크나 이동 통신망(mobile radio communication network) 또는 위성 통신망 등과 같은 모든 종류의 무선 네트워크로 구현될 수 있다.
통신 모듈(110)은 카메라 모듈(120)로부터 영상 이미지 및 열화상 이미지를 수신한다. 영상 이미지 및 열화상 이미지는 같은 공간을 향하여 동시에 촬영한 이미지일 수 있다. 영상 이미지 및 열화상 이미지는 대상체에 대해 동시에 촬영한 이미지일 수 있다. 대상체는 사람일 수 있다. 영상 이미지 및 열화상 이미지 내에는 복수개의 대상체 각각에 대한 복수개의 얼굴이 포함되어 있을 수 있다. 영상 이미지의 해상도(Nij)는 아래 식(1)과 같이 나타낼 수 있고, 열화상 이미지의 해상도(Qij)는 아래 식(2)와 같이 나타낼 수 있다. 통신 모듈(110)은 다른 네트워크 장치와 유무선 연결을 통해 제어 신호 또는 데이터 신호와 같은 신호를 송수신하기 위해 필요한 하드웨어 및 소프트웨어를 포함하는 장치를 포함할 수 있다.
Mx X My = Nij 식(1)
Px X Py = Qij 식(2)
식 (1) 및 식 (2)에서 x와 y는 각각 x축 좌표값과 y축 좌표값을 의미한다.
카메라 모듈(120)은 영상을 촬영하여 이미지를 획득하며, 획득한 이미지를 통신 모듈(110)로 전송한다. 해당 이미지 내에는 복수의 사람에 대한 이미지가 포함될 수 있다. 카메라 모듈(120)은 이미지 센서(121) 및 적외선 센서(122)를 포함한다. 구체적으로, 카메라 모듈(120)은 이미지 센서(121)를 통해 상술한 영상 이미지를 획득하고, 적외선 센서(122)를 이용하여 상술한 열화상 이미지를 획득할 수 있다. 도면에는 카메라 모듈(120)이 안면 인식 체온 측정 장치(100)에 포함된 것으로 나타나 있으나, 카메라 모듈(120)이 별도의 장치로 분리된 형태로 구현될 수도 있다. 일 예에서, 카메라 모듈(120)은 특정 공간을 바라보는 방향으로 설치되어 해당 공간을 계속해서 촬영하여 이미지를 획득하는 카메라 장치를 포함할 수 있다.
메모리(130)는 프로세서(140)에 의해 실행되는 체온 측정 프로그램을 저장한다. 또한, 메모리(130)는 통신 모듈(110)로 입력되는 데이터, 프로세서(140)에 의해 수행되는 기능에 필요한 데이터 및 프로세서(140)의 실행에 따라 생성된 데이터 중 적어도 어느 하나를 저장하도록 구성된다. 메모리(130)는 전원이 공급되지 않아도 저장된 정보를 계속 유지하는 비휘발성 저장장치 및 저장된 정보를 유지하기 위하여 전력을 필요로 하는 휘발성 저장장치를 통칭하는 것으로 해석되어야 한다. 메모리(130)는 프로세서(140)가 처리하는 데이터를 일시적 또는 영구적으로 저장하는 기능을 수행할 수 있다. 메모리(130)는 저장된 정보를 유지하기 위하여 전력이 필요한 휘발성 저장장치 외에 자기 저장 매체(magnetic storage media) 또는 플래시 저장 매체(flash storage media)를 포함할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다.
프로세서(140)는 메모리(130)에 저장된 체온 측정 프로그램을 실행한다. 또한, 통신 모듈(110)로 입력되는 영상 이미지 및 열화상 이미지를 이용하여 영상 이미지 내 대상체의 체온을 측정한다. 이 때, 체온으로서 얼굴 온도가 측정될 수 있다. 프로세서(140)는 데이터를 제어 및 처리하는 다양한 종류의 장치들을 포함할 수 있다. 프로세서(140)는 프로그램 내에 포함된 코드 또는 명령으로 표현된 기능을 수행하기 위해 물리적으로 구조화된 회로를 갖는, 하드웨어에 내장된 데이터 처리 장치를 의미할 수 있다. 일 예에서, 프로세서(140)는 마이크로프로세서(microprocessor), 중앙처리장치(central processing unit: CPU), 프로세서 코어(processor core), 멀티프로세서(multiprocessor), ASIC(application-specific integrated circuit), FPGA(field programmable gate array) 등의 형태로 구현될 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다.
프로세서(140)에 의해 실행되는 체온 측정 프로그램은 다음과 같은 기능들을 수행한다. 체온 측정 프로그램은 영상 이미지 내에서 얼굴을 검출하여 얼굴 영역을 설정할 수 있다. 얼굴 영역은 x축 좌표 및 y축 좌표를 갖는 형태로 생성될 수 있다. 체온 측정 프로그램은 영상 이미지 내 얼굴에서 마스크 착용 여부를 판단할 수 있다. 이 때 체온 측정 프로그램은 사람의 얼굴 및 마스크의 특징 정보를 추출하여 영상 이미지 내에서 얼굴 및 마스크를 식별하도록 학습된 딥러닝 기반 인공지능 모델을 이용할 수 있다. 얼굴의 특징 정보는 예컨대, 얼굴의 크기, 윤곽, 형태와 눈, 코, 입의 위치 등을 포함할 수 있다. 마스크의 특징 정보는 마스크의 형태, 크기, 위치 등을 포함할 수 있다.
체온 측정 프로그램은 영상 이미지 내 복수의 사람의 얼굴이 인식되는 경우 추적 아이디(ID)를 복수의 얼굴 각각에 개별적으로 설정하여 유동인구수 추정을 수행할 수 있다. 또한, 체온 측정 프로그램은 딥러닝 기반 인공지능 모델에 의해 영상 이미지 내 얼굴이라고 판단하는 확률값을 별도로 획득할 수도 있다.
상술한 바와 같이, 안면 인식 체온 측정 장치(100)는 다수의 안면 식별이 가능하며 각 얼굴을 구분하여 각 얼굴에 대한 온도 측정을 수행할 수 있다. 일 예에서, 체온 측정 프로그램은, 사람의 얼굴에 대한 특징 정보를 학습하여 영상 이미지 내에서 사람의 얼굴을 추출하도록 학습된 인공지능 모델을 이용하여 영상 이미지 내 포함된 복수개의 얼굴을 구분하여 인식할 수 있다.
체온 측정 프로그램은 열화상 이미지에서 영상 이미지 내 얼굴 영역에 대응되는 온도 측정 영역을 설정할 수 있다. 보다 구체적으로, 체온 측정 프로그램은 열화상 이미지에서 영상 이미지 내 얼굴 영역에 대응되는 대상 영역을 설정할 수 있다. 체온 측정 프로그램은 기설정된 분할 비율에 따라 구분되는 대상 영역의 상단부 및 하단부 중 상단부를 온도 측정 영역으로 설정할 수 있다. 이 때, 체온 측정 프로그램은 영상 이미지의 해상도와 열화상 이미지의 해상도의 차이를 토대로 보정을 수행하여 보다 정확하게 영상 이미지 내 얼굴 영역이 열화상 이미지 대상 영역에 일치하도록 할 수 있다. 또한, 체온 측정 프로그램은 영상 이미지를 획득하는 렌즈의 곡률과 열화상 이미지를 획득하는 렌즈의 곡률의 차이를 토대로 보정을 수행하여 보다 정확하게 영상 이미지 내 얼굴 영역이 열화상 이미지 대상 영역에 일치하도록 할 수 있다.
일 예에서, 사람이 얼굴에 마스크를 착용한 경우, 입김의 온도가 마스크에 전달되어 체온으로 설정될 수 있다. 이를 방지하기 위해, 체온 측정 프로그램은 얼굴 영역 및 대상 영역의 최상단으로부터 하단으로 60% 영역을 온도 측정 영역으로 설정하여 체온을 측정할 수 있다. 또한, 다른 예에서, 사람의 신체 온도를 원거리에서 측정할 경우 이나 눈물샘 쪽의 온도가 가장 정확하므로, 체온 측정 프로그램은 얼굴 영역 및 대상 영역의 최상단으로부터 하단으로의 약 30% 영역을 온도 측정 영역으로 설정하여 체온을 측정할 수 있다. 다만 상기한 예들에 의해 본 발명의 범위가 제한되는 것은 아니다.
체온 측정 프로그램은 온도 측정 영역에서의 적외선 강도값 중 가장 높은 값인 최대 적외선 강도값(fpaface)을 산출할 수 있다. 보다 상세하게, 체온 측정 프로그램은 온도 측정 영역에 포함된 픽셀들 각각의 적외선 강도값을 산출하고, 픽셀들 각각의 적외선 강도값 중 가장 높은 값을 최대 적외선 강도값으로 설정할 수 있다. 적외선 강도값은 체온을 측정하기 위한 변수로서 적외선 다초점배열(FPA, Focal Plane Array)을 의미한다.
체온 측정 프로그램은 산출된 최대 적외선 강도값에, 측정 거리에 따라 변동되는 특정 물체에 대한 적외선 강도값을 기초로 산출되는 제1 보정값, 외부 기온에 따라 변동되는 특정 물체에 대한 적외선 강도값을 기초로 산출되는 제2 보정값 및 외부 기온의 변화 속도에 따라 변동되는 특정 물체에 대한 적외선 강도값을 기초로 산출되는 제3보정값을 더한 온도 측정 대상의 적외선 강도값(fpatarget)을 산출할 수 있다. 특정 물체란 특정 온도를 갖는 물체 모두를 포함하는 것으로 해석되어야 한다. 예컨대, 제1 내지 제3 보정값은 특정인의 얼굴을 통해 산출될 수 있다. 또는, 제1 내지 제3 보정값은 일정 온도를 유지하는 블랙 바디를 통해 산출될 수 있다. 여기서, 측정 거리는 안면 인식 체온 측정 장치(100)의 카메라 모듈(120)과 온도를 측정할 특정 물체 간의 거리를 의미할 수 있다. 외부 기온은 안면 인식 체온 측정 장치(100)와 특정 물체가 위치하는 곳의 온도를 의미할 수 있다. 외부 기온의 변화 속도는 안면 인식 체온 측정 장치(100)와 특정 물체가 위치하는 곳에서의 온도 변화 속도를 의미할 수 있다.
제1 내지 제3 보정값은 각각 체온 측정 프로그램에 의해 산출될 수 있고, 안면 인식 체온 측정 장치(100)에 기설정되어 있을 수 있다. 제1 보정값은 안면 인식 체온 측정 장치(100)가 기획득한 측정 대상 얼굴의 거리별 크기 데이터와 기설정된 거리 보상 배율을 토대로 산출되는 거리 보정값을 의미한다. 제2 보정값은 안면 인식 체온 측정 장치(100)가 특정 온도를 지니고 특정 거리에 놓인 물체에 대해 기온별로 기측정한 적외선 강도값들의 차이를 토대로 산출되는 기온 보정값을 의미한다. 제3 보정값은 안면 인식 체온 측정 장치(100)가 특정 온도를 지니고 특정 거리에 놓인 물체에 대해 기온의 변화 속도에 따라 기측정한 온도값들의 차이를 토대로 산출되는 기온 변화 속도 보정값을 의미한다. 제1 내지 제3 보정값을 산출하기 위해, 안면 인식 체온 측정 장치(100)는 기설정된 촬영 시간 간격(프레임 간격)마다 동일한 사람의 얼굴에 대한 영상 이미지 데이터, 주변 기온에 대한 온도 데이터 및 주변 기온의 변화 속도에 대한 데이터 등을 획득할 수 있다.
체온 측정 프로그램은 안면 인식 체온 측정 장치(100)로부터 온도 측정 대상의 거리가 가까울수록 측정 대상의 적외선 강도값이 상대적으로 높게 측정되는 것을 이용하여 거리 보정값을 산출할 수 있다. 체온 측정 프로그램에 의해 거리 보정값이 산출되는 과정의 일 예는 다음과 같다. 체온 측정 프로그램은 1m를 기준으로 적외선 강도값의 거리보상배율(β)을 설정한다. 얼굴 영역의 2차원 좌표가 x0, y0, x1 및 y1인 경우 체온 측정 프로그램은 얼굴 크기, 예컨대, 열화상 이미지 내 대상 영역의 y축을 0.5m 단위로 구간을 나누어 추정하고 최적의 거리는 1m로 설정한다. 체온 측정 프로그램은 0.5m ~ 3m까지 0.5m 단위로 얼굴크기 데이터를 모아서 평균을 낸 값을 얼굴크기 기준값으로 정한다. 체온 측정 프로그램은 0.5m 단위가 아닌 측정 거리()는 얼굴크기와 거리의 비례식인 아래 식 (3)을 통해 계산한다. 체온 측정 프로그램은 아래 식 (4)를 통해 최종 거리 보정값(fpad)을 구한다.
체온 측정 프로그램은 기온이 오를수록 안면 인식 체온 측정 장치(100)를 통해 측정되는 온도 측정 대상의 적외선 강도값이 낮아지는 것을 이용하여 기온 보정값을 산출할 수 있다. 여기서 기온은 안면 인식 체온 측정 장치(100) 주변 온도를 의미할 수 있다. 체온 측정 프로그램에 의해 기온 보정값이 산출되는 과정의 일 예는 다음과 같다. 체온 측정 프로그램은 서로 다른 기온일 같은 거리에 놓인 블랙바디(36.5℃)를 이용해 적외선 강도값들을 수집한다. 체온 측정 프로그램은 수집한 데이터를 1℃마다 대표값들로 나타낸다. 이 때, 대표값으로 최댓값, 최솟값, 평균, 중앙값, 표본오차가 설정될 수 있다. 체온 측정 프로그램은 기온이 1℃변할 때 측정되는 적외선 강도값이 얼마나 변하는지 평균적으로 계산한다. 체온 측정 프로그램은 만약 평균적으로 적외선 강도값을 측정하였을 때, 그 차이가 크다면 구간을 나눌 수 있다. 예컨대. 체온 측정 프로그램은 24~30℃ 까지는 1℃당 적외선 강도값의 변화가 30 정도이나, 24℃ 이하에서는 1℃당 적외선 강도값의 변화가 약 80 정도로 높아지는 실험값을 이용할 수 있다. 최종적으로, 체온 측정 프로그램은 아래 식 (5)를 통해 기온 보정값(fpae)을 산출할 수 있다.
fpae=(C-C0) X α 식 (5)
식 (5)에서 α는 기온 변화 구간마다 다르게 설정되는 상수값이고, C는, C0는 체온 측정 프로그램은 기온 변화 속도가 급격하게 나타나는 경우 측정되는 적외선 강도값의 오류가 커지는 것을 이용하여 기온 변화 속도 보정값을 산출할 수 있다. 체온 측정 프로그램에 의해 기온 변화 속도 보정값(comp)이 산출되는 과정의 일 예는 다음과 같다.
mott = ε X (ct - ct-1) +(1-λ) X mott-1 식(6)
comp=wmot X mott 식(7)
식 (6) 및 식 (7)에서, ct는 현재 기온을 나타내고, ct-1는 안면 인식 체온 측정 장치(100)를 통해 획득한 1 프레임 전 기온을 나타내고, ε, λ, wmot는 실험에 의해 산출된 상수를 나타낸다.
식 (6) 및 (7)을 참조하면, 기온 변화가 거의 없을 땐, 기온 변화 속도 보정값 (comp)이 0에 수렴하게 된다. 그러나, 빠르게 기온이 급변하는 경우 기온 변화 속도 보정값(comp) 급격히 높아지게 된다. 그리고 급격하게 변경된 온도에서 그 온도가 계속 유지된다면 기온 변화 속도 보정값(comp)은 다시 0에 수렴하게 된다. 체온 측정 프로그램은 이와 같은 방식을 통해 급격한 기온 변화에도 정확하게 체온을 측정할 수 있다.
체온 측정 프로그램은 온도 측정 대상의 적외선 강도값(fpatarget)과 안면 인식 체온 측정 장치(100)에 기설정된 적외선 기준값(autofpa)의 차이를 이용하여 체온을 산출할 수 있다. 예컨대, 온도 측정 대상의 적외선 강도값과 안면 인식 체온 측정 장치(100)에 기설정된 적외선 기준값의 차이를 온도기준값과 비교하여 체온을 추정할 수 있다.
적외선 기준값은 체온을 측정하기 위한 또 다른 변수로서, 안면 인식 체온 측정 장치(100)에 기설정되어 있을 수 있다. 적외선 기준값을 설정하는 방법의 일 예는 다음과 같다. 먼저 안면 인식 체온 장치(100)를 켜고 내부 온도가 일정 수준까지 도달하도록 일정 시간 대기한다. 다음, 얼굴 온도가 36.5℃인 사람이 안면 인식 체온 측정 장치(100)의 카메라 모듈(120) 가까이에서 일정 시간 대기한다. 예컨대, 얼굴 온도가 36.5℃인 사람이 카메라 모듈(120)로부터 1m 떨어진 거리에서 5초 대기한다. 다음. 현재 기온과 거리 등 환경요인과 얼굴의 적외선 강도값의 데이터를 수집한다. 얼굴의 적외선 강도값, 현재기온, 거리 데이터에서 중앙값을 각각 적외선 기준, 현재온도, 측정거리로 설정한다.
체온 측정 프로그램은 시간의 흐름에 따른 적외선 기준값(autofpa)을 보정할 수 있다. 체온 측정 프로그램은 얼굴 크기 기준으로 약 1.5m 이내의 정상인으로 측정된 온도(36.2~36.8도)의 데이터세트에서 일부 정보를 업데이트 하여 적외선 기준값 (autofpa) 을 보정할 수 있다. 체온 측정 프로그램은 아래 식 (8)을 토대로 기온과 거리 외에 체온 측정에 영향을 주는 변수에 대한 보정을 수행할 수 있다.
autofpat = μ X autofpat-1 + (1 - μ)Xfpatarget 식(8)
식 (8)에서 μ는 실험에 의해 산출된 상수이다.
체온 측정 프로그램의 계산에 의해 산출된 온도 측정 대상의 적외선 강도값(fpatarget)은 최대 적외선 강도값(fpaface)에 거리 보정값(fpad), 기온 보정값(fpae) 및 기온 변화 속도 보정값(comp)을 더한 값이 된다. 상술한 온도 기준값과 관련하여, 체온 측정 프로그램에 의해 체온이 산출되는 과정의 일 예는 다음과 같다. 체온 측정 프로그램은 온도 기준값 (δ36.5)을 설정한다 체온 측정 프로그램은 온도 기준값의 30%를 아래 식 (9)와 같이 오차(std_err)로 가정할 수 있다.
std_err = δ36.5*0.3 식 (9)
체온 측정 프로그램은 사람의 온도를 측정하기 문에 36.5℃ 온도 기준값(δ36.5) 외에 추가적으로, 35℃, 35.5℃, 36℃, 37.5℃, 38.5℃의 기준점을 추가하여 체온을 측정할 수 있다. 체온 측정 프로그램이 체온 측정을 위해 사용하는 식은 다음과 같다. 아래 식 (10) 내지 식 (16)에서 temp는 온도 측정 대상의 온도값에 해당한다.
if (fpatarget - autofpa) <= abs(std_err) : temp=36.5℃ 식 (10)
elif (fpatarget - autofpa) > std_err and (fpatarget - autofpa) < std_err + δ36.5 : temp=36.5+( fpatarget - autofpa-std_err)/δ36.5 식 (11)
elif (fpatarget - autofpa) >= std_err + δ36.5 and (fpatarget - autofpa) < std_err + δ36.5 + δ37.5 : temp=37.5+(fpatarget - autofpa - std_err- δ36.5)/δ37.5 식 (12)
elif (fpatarget - autofpa) >= std_err + δ36.5 + δ37.5 and (fpatarget - autofpa) < std_err + δ36.5 + δ37.5 + δ38.5 : temp=38.5+(fpatarget - autofpa-std_err- δ36.5 - δ37.5)/ δ38.5 식 (13)
elif (fpatarget - autofpa) < -std_err and (fpatarget - autofpa) >= -std_err - δ36/2 : temp=36.5+( fpatarget - autofpa+std_err)/δ36 식 (14)
lif (fpatarget - autofpa) < -std_err- δ36/2 and (fpatarget - autofpa) >= -std_err - δ36/2 - δ35.5/2 : temp=36+(fpatarget - autofpa+std_err+ δ36/2)/δ35.5 식 (15)
else : temp=35.5+(fpatarget - autofpa+std_err+ δ36/2+ δ35.5/2)/δ35 식(16)
식 (10)을 참조하면, 온도 측정 대상의 적외선 강도값(fpatarget)에서 적외선 기준값(autofpa)을 A 값이 오차(std_err)의 절대값보다 작거나 같은 경우, 체온 측정 프로그램은 온도 측정 대상의 온도를 36.5℃로 판단할 수 있다. 식 (11)을 참조하면, 식(10)을 만족하지 않을 때, 온도 측정 대상의 적외선 강도값(fpatarget)에서 적외선 기준값(autofpa)을 A 값이 오차(std_err)보다 크고 오차(std_err)에 36.5℃온도기준값(δ36.5)을 더한 값보다 작은 경우, 체온 측정 프로그램은 온도 측정 대상의 온도를 온도 측정 대상의 적외선 강도값(fpatarget)에서 적외선 기준값(autofpa)과 오차(std_err)를 뺀 값을 36.5℃온도기준값(δ36.5)으로 나눈 값에 36.5℃를 더한 값으로 판단할 수 있다.
식 (12) 내지 식 (15) 역시 식 (11)과 유사한 형태이며, 체온 측정 프로그램은 식 (12) 내지 식 (15)를 참조하여 온도 측정 대상의 온도값을 산출할 수 있다. 식 (16)을 참조하면, 식 (10) 내지 식 (15)를 모두 만족하지 않는 경우, 온도 측정 대상의 온도값은 온도 측정 대상의 적외선 강도값(fpatarget)에서 적외선 기준값(autofpa)을 빼고 오차(std_err)를 더하고 36℃ 온도기준값(δ36)의 절반을 더하고 35.5℃ 온도기준값(δ35.5)의 절반을 더한 값을 35℃온도기준값(δ35)으로 나눈 값에 35.5를 더한 값으로 설정될 수 있다.
도 2를 참조하면, 안면 인식 체온 측정 장치(100)는 영상 이미지를 나타내는 별도의 디스플레이(150)를 더 포함하여 구현될 수 있다. 안면 인식 체온 측정 장치(100)는 디스플레이(150)에 표시되는 영상 이미지에 포함된 복수개의 얼굴(21, 22)을 구분하여 인식할 수 있다. 디스플레이(150)는 영상 이미지 내 사람의 체온이 정상인지 판단하는 제1 인터페이스(151)와 영상 이미지 내 사람의 얼굴에 마스크가 착용되었는지 여부를 판단하는 제2 인터페이스(152) 및 발열 의심 증상을 갖는 사람이 있는지 나타내는 제3 인터페이스(153)를 구비할 수 있다. 제1 내지 제3 인터페이스(151, 152, 153) 각각은 색상 변화 등을 통해 정보를 표시할 수 있다. 또한, 도면에 도시되지 않았으나, 안면 인식 체온 측정 장치(100)는 제1 내지 제3 인터페이스(151, 152, 153)가 나타내는 정보를 음성으로 출력하는 별도의 출력 장치(도시되지 않음)를 더 포함할 수 있다.
도 3을 참조하면, 안면 인식 체온 측정 장치(100)는 디스플레이(150)에 표시되는 영상 이미지에 포함된 얼굴(31)의 온도를 측정하고, 측정된 36.5℃의 얼굴을 정상이라고 판단할 수 있으며, 이를 제1 인터페이스(151)를 통해 표시할 수 있다. 또한, 안면 인식 체온 측정 장치(100)는 디스플레이(150)에 표시되는 영상 이미지에 포함된 얼굴(31)이 마스크를 착용하고 있다고 판단할 수 있고, 이를 제2 인터페이스(152)를 통해 표시할 수 있다.
도 4를 참조하면, 안면 인식 체온 측정 장치(100)는 디스플레이(150)에 표시되는 영상 이미지에 포함된 얼굴(41)의 온도를 측정하고, 측정된 37.2℃의 얼굴을 비정상이라고 판단할 수 있으며, 이를 제1 인터페이스(151)를 통해 표시할 수 있다. 또한, 안면 인식 체온 측정 장치(100)는 디스플레이(150)에 표시되는 영상 이미지에 포함된 얼굴(41)이 마스크를 착용하고 있지 않다고 판단할 수 있고, 이를 제2 인터페이스(152)를 통해 표시할 수 있다. 이 때, 안면 인식 체온 측정 장치(100)는 디스플레이(150)에 표시되는 영상 이미지에 포함된 사람을 발열 의심자로 분류할 수 있고, 이를 제3 인터페이스(153)를 통해 표시할 수 있다.
도 5를 참조하면, 디스플레이(150)는 안면 인식 체온 측정 장치(100)를 통해 획득한 열화상 이미지를 나타낼 수 있다. 앞서 도 2를 참조하여 설명한 영상 이미지의 경우와 유사하게, 안면 인식 체온 측정 장치(100)는 디스플레이(150)에 표시되는 열화상 이미지에 포함된 복수개의 얼굴(51, 52)을 구분하여 인식할 수 있다.
도 6은 본 발명의 다른 실시예에 따른 안면 인식 체온 측정 방법(이하, “안면 인식 체온 측정 방법”이라 함)의 순서를 도시한 흐름도이고, 도 7 및 도 8은 도 6에 도시된 안면 인식 체온 측정 방법의 일부 단계들에 대한 세부 과정을 도시한 도면이다. 이하에서, 도 6 내지 도 8을 참조하여 안면 인식 체온 측정 방법에 대해 상세히 설명하도록 한다.
안면 인식 체온 측정 방법은 앞서 도 1 내지 도 5를 참조하여 설명한 안면 인식 체온 측정 장치(도 1의 100)를 이용한 체온 측정 방법이다. 예컨대, 아래에서 설명되는 안면 인식 체온 측정 방법의 각 단계들 및 세부 과정들은 상술한 체온 측정 프로그램으로 구현될 수 있으며, 프로세서(도 1의 140)에 의해 실행될 수 있다. 따라서, 앞서 도 1 내지 도 5를 참조하여 설명한 안면 인식 체온 측정 장치(도 1의 100)에 대한 설명은 아래에서 설명되는 안면 인식 체온 측정 방법에 동일하게 적용될 수 있다.
도 6에 도시된 바와 같이, 안면 인식 체온 측정 방법은, 얼굴 영역 설정 단계(S110), 온도 측정 영역 설정 단계(S120), 최대 적외선 강도값 산출 단계(S130), 온도 측정 대상의 적외선 강도값 산출 단계(S140) 및 체온 산출 단계(S150)를 포함한다.
얼굴 영역 설정 단계(S110)는 대상체에 대해 동시에 촬영한 영상 이미지 및 열화상 이미지 중 영상 이미지 내에서 얼굴을 검출하여 얼굴 영역을 설정하는 단계이다.
온도 측정 영역 설정 단계(S120)는 열화상 이미지에서 영상 이미지 내 얼굴 영역에 대응되는 온도 측정 영역을 설정하는 단계이다.
최대 적외선 강도값 산출 단계(S130)는 온도 측정 영역에서의 적외선 강도값 중 가장 높은 값인 최대 적외선 강도값을 산출하는 단계이다.
온도 측정 대상의 적외선 강도값 산출 단계(S140)는 최대 적외선 강도값에, 제1 내지 제3 보정값을 더한 온도 측정 대상의 적외선 강도값을 산출하는 단계이다. 제1 보정값은, 상기 안면 인식 체온 측정 장치에 의해 기획득된 상기 얼굴의 거리별 크기 데이터와 기설정된 거리 보상 배율을 토대로 산출되는 값이다. 제2 보정값은, 상기 안면 인식 체온 측정 장치를 통해, 특정 온도를 지니고 특정 거리에 놓인 물체에 대해 기온별로 기측정한 적외선 강도값들의 차이를 토대로 산출되는 값이다. 제3 보정값은, 상기 안면 인식 체온 측정 장치를 통해, 특정 온도를 지니고 특정 거리에 놓인 물체에 대해 기온의 변화 속도에 따라 기측정한 온도값을 토대로 산출되는 값이다. 제1 내지 제3 보정값은 각각 앞서 도 1을 참조하여 설명한 거리 보정값(fpad), 기온 보정값(fpae) 및 기온 변화 속도 보정값(comp)을 구하는 방법과 동일하게 산출될 수 있다.
체온 산출 단계(S150)는 온도 측정 대상의 적외선 강도값과 안면 인식 체온 측정 장치에 기설정된 적외선 기준값의 차이를 이용하여 대상체의 체온을 산출하는 단계이다.
안면 인식 체온 측정 방법은, 얼굴 영역 설정 단계(S110) 이전에, 안면 인식 체온 측정 장치에 포함된 카메라 모듈을 이용하여 대상체에 대해 동시에 촬영한 영상 이미지 및 열화상 이미지를 획득하는 단계를 더 포함할 수 있다.
일 예에서, 영상 이미지에는 복수개의 대상체 각각에 대한 복수개의 얼굴이 포함되고, 얼굴 영역 설정 단계(S110)는 사람의 얼굴에 대한 특징 정보를 학습하여 영상 이미지 내에서 사람의 얼굴을 추출하도록 학습된 인공지능 모델을 이용하여 영상 이미지 내 포함된 복수개의 얼굴을 구분하여 인식하는 단계를 더 포함할 수 있다.
도 7에 도시된 바와 같이, 온도 측정 영역 설정 단계(S120)는, 열화상 이미지에서 영상 이미지 내 얼굴 영역에 대응되는 대상 영역을 설정하는 단계(S121) 및 기설정된 분할 비율에 따라 구분되는 대상 영역의 상단부 및 하단부 중 상단부를 온도 측정 영역으로 설정하는 단계(S122)를 포함할 수 있다.
도 8에 도시된 바와 같이, 최대 적외선 강도값 산출 단계(S130)는 온도 측정 영역에 포함된 픽셀들 각각의 적외선 강도값을 산출하는 단계(S131) 및 픽셀들 각각의 적외선 강도값 중 가장 높은 값을 최대 적외선 강도값으로 설정하는 단계(S132)를 포함할 수 있다.
이상에서 설명한 안면 인식 체온 측정 방법은 컴퓨터에 의해 실행되는 프로그램 모듈과 같은 컴퓨터에 의해 실행가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체 및 통신 매체를 모두 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다.
본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 상술한 설명을 기초로 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해되어야만 한다. 본 발명의 범위는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
Claims (17)
- 안면 인식을 통해 체온을 측정하는 장치에 있어서,
카메라 모듈로부터 하나 이상의 대상체에 대해 동시에 촬영한 영상 이미지 및 열화상 이미지를 수신하는 통신 모듈;
상기 영상 이미지 및 열화상 이미지를 이용하여 체온을 측정하는 체온 측정 프로그램이 저장된 메모리; 및
상기 프로그램을 실행하는 프로세서를 포함하고,
상기 체온 측정 프로그램은,
영상 이미지 내에서 상기 대상체의 얼굴을 검출하여 얼굴 영역을 설정하고, 상기 열화상 이미지에서 상기 영상 이미지 내 얼굴 영역에 대응되는 온도 측정 영역을 설정하고, 상기 온도 측정 영역에서의 적외선 강도값 중 가장 높은 값인 최대 적외선 강도값을 산출하고, 상기 최대 적외선 강도값에 측정 거리에 따라 변동되는 특정 물체에 대한 적외선 강도값들을 기초로 산출되는 제1 보정값, 외부 기온에 따라 변동되는 특정 물체에 대한 적외선 강도값들을 기초로 산출되는 제2 보정값 및 외부 기온의 변화 속도에 따라 변동되는 특정 물체에 대한 적외선 강도값들을 기초로 산출되는 제3 보정값을 더한 온도 측정 대상의 적외선 강도값을 산출하고, 그리고, 상기 온도 측정 대상의 적외선 강도값과 상기 안면 인식 체온 측정 장치에 기설정된 적외선 기준값의 차이를 이용하여 상기 대상체의 체온을 산출하는 것을 수행하도록 구성되는, 안면 인식 체온 측정 장치. - 제1항에 있어서,
이미지 센서 및 적외선 센서를 구비하여 상기 영상 이미지 및 상기 열화상 이미지를 획득하는 카메라 모듈을 더 포함하도록 구성되는, 안면 인식 체온 측정 장치. - 제1항에 있어서,
상기 영상 이미지에는 복수개의 대상체 각각에 대한 복수개의 얼굴이 포함되고,
상기 체온 측정 프로그램은,
사람의 얼굴에 대한 특징 정보를 학습하여 영상 이미지 내에서 사람의 얼굴을 추출하도록 학습된 인공지능 모델을 이용하여 상기 영상 이미지 내 포함된 복수개의 얼굴을 구분하여 인식하는 것을 더 수행하도록 구성되는, 안면 인식 체온 측정 장치. - 제1항에 있어서,
상기 체온 측정 프로그램은,
상기 열화상 이미지에서 상기 영상 이미지 내 얼굴 영역에 대응되는 대상 영역을 설정하고, 기설정된 분할 비율에 따라 구분되는 상기 대상 영역의 상단부 및 하단부 중 상단부를 상기 온도 측정 영역으로 설정하는 것을 더 수행하도록 구성되는, 안면 인식 체온 측정 장치. - 제1항에 있어서,
상기 체온 측정 프로그램은,
상기 온도 측정 영역에 포함된 픽셀들 각각의 적외선 강도값을 산출하고, 상기 픽셀들 각각의 적외선 강도값 중 가장 높은 값을 상기 최대 적외선 강도값으로 설정하는 것을 더 수행하도록 구성되는, 안면 인식 체온 측정 장치. - 제1항에 있어서,
상기 제1 보정값은, 상기 안면 인식 체온 측정 장치에 의해 기획득된 상기 얼굴의 거리별 크기 데이터와 기설정된 거리 보상 배율을 토대로 산출되는 값인, 안면 인식 체온 측정 장치. - 제1항에 있어서,
상기 제2 보정값은, 상기 안면 인식 체온 측정 장치가, 특정 온도를 지니고 특정 거리에 놓인 물체에 대해 기온별로 기측정한 적외선 강도값들의 차이를 토대로 산출되는 값인, 안면 인식 체온 측정 장치. - 제1항에 있어서,
상기 제3 보정값은, 상기 안면 인식 체온 측정 장치가, 특정 온도를 지니고 특정 거리에 놓인 물체에 대해 기온의 변화 속도에 따라 기측정한 온도값들의 차이를 토대로 산출되는 값인, 안면 인식 체온 측정 장치. - 안면 인식 체온 측정 장치를 이용한 체온 측정 방법에 있어서,
(a) 하나 이상의 대상체에 대해 동시에 촬영한 영상 이미지 및 열화상 이미지 중 영상 이미지 내에서 얼굴을 검출하여 얼굴 영역을 설정하는 단계;
(b) 상기 열화상 이미지에서 상기 영상 이미지 내 얼굴 영역에 대응되는 온도 측정 영역을 설정하는 단계;
(c) 상기 온도 측정 영역에서의 적외선 강도값 중 가장 높은 값인 최대 적외선 강도값을 산출하는 단계;
(d) 상기 최대 적외선 강도값에 측정 거리에 따라 변동되는 특정 물체에 대한 적외선 강도값들을 기초로 산출되는 제1 보정값, 외부 기온에 따라 변동되는 특정 물체에 대한 적외선 강도값들을 기초로 산출되는 제2 보정값 및 외부 기온의 변화 속도에 따라 변동되는 특정 물체에 대한 적외선 강도값들을 기초로 산출되는 제3 보정값을 더한 온도 측정 대상의 적외선 강도값을 산출하는 단계; 및
(e) 상기 온도 측정 대상의 적외선 강도값과 상기 안면 인식 체온 측정 장치에 기설정된 적외선 기준값의 차이를 이용하여 상기 대상체의 체온을 산출하는 단계를 포함하는, 안면 인식 체온 측정 방법. - 제9항에 있어서,
상기 (a) 단계 이전에,
상기 안면 인식 체온 측정 장치에 포함된 카메라 모듈을 이용하여 상기 대상체에 대해 동시에 촬영한 영상 이미지 및 열화상 이미지를 획득하는 단계를 더 포함하는, 안면 인식 체온 측정 방법. - 제9항에 있어서,
상기 영상 이미지에는 복수개의 대상체 각각에 대한 복수개의 얼굴이 포함되고,
상기 (a) 단계는,
사람의 얼굴에 대한 특징 정보를 학습하여 영상 이미지 내에서 사람의 얼굴을 추출하도록 학습된 인공지능 모델을 이용하여 상기 영상 이미지 내 포함된 복수개의 얼굴을 구분하여 인식하는 단계를 더 포함하는, 안면 인식 체온 측정 방법. - 제9항에 있어서,
상기 (b) 단계는,
상기 열화상 이미지에서 상기 영상 이미지 내 얼굴 영역에 대응되는 대상 영역을 설정하는 단계; 및
기설정된 분할 비율에 따라 구분되는 상기 대상 영역의 상단부 및 하단부 중 상단부를 상기 온도 측정 영역으로 설정하는 단계를 포함하는, 안면 인식 체온 측정 방법. - 제9항에 있어서,
상기 (c) 단계는,
상기 온도 측정 영역에 포함된 픽셀들 각각의 적외선 강도값을 산출하는 단계; 및
상기 픽셀들 각각의 적외선 강도값 중 가장 높은 값을 상기 최대 적외선 강도값으로 설정하는 단계를 포함하는, 안면 인식 체온 측정 방법. - 제9항에 있어서,
상기 제1 보정값은, 상기 안면 인식 체온 측정 장치를 통해 기획득한 상기 얼굴의 거리별 크기 데이터와 기설정된 거리 보상 배율을 토대로 산출되는 값인, 안면 인식 체온 측정 방법. - 제9항에 있어서,
상기 제2 보정값은, 상기 안면 인식 체온 측정 장치를 통해, 특정 온도를 지니고 특정 거리에 놓인 물체에 대해 기온별로 기측정된 적외선 강도값들의 차이를 토대로 산출되는 값인, 안면 인식 체온 측정 방법. - 제9항에 있어서,
상기 제3 보정값은, 상기 안면 인식 체온 측정 장치를 통해, 특정 온도를 지니고 특정 거리에 놓인 물체에 대해 기온의 변화 속도에 따라 기측정된 온도값들의 차이를 토대로 산출되는 값인, 안면 인식 체온 측정 방법. - 제9항 내지 제16항 중 어느 한 하에 따른 안면 인식 체온 측정 방법을 수행하기 위한 컴퓨터 프로그램이 기록된 비일시적 컴퓨터 판독가능 기록매체.
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020210029947A KR102458065B1 (ko) | 2021-03-08 | 2021-03-08 | 안면 인식 체온 측정 장치 및 방법 |
US17/688,433 US20220283043A1 (en) | 2021-03-08 | 2022-03-07 | Apparatus and method for measuring body temperature by recognizing the face |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020210029947A KR102458065B1 (ko) | 2021-03-08 | 2021-03-08 | 안면 인식 체온 측정 장치 및 방법 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20220125968A KR20220125968A (ko) | 2022-09-15 |
KR102458065B1 true KR102458065B1 (ko) | 2022-10-25 |
Family
ID=83116171
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020210029947A KR102458065B1 (ko) | 2021-03-08 | 2021-03-08 | 안면 인식 체온 측정 장치 및 방법 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20220283043A1 (ko) |
KR (1) | KR102458065B1 (ko) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115875813B (zh) * | 2022-12-06 | 2024-07-19 | 珠海格力电器股份有限公司 | 送风控制方法、空调器及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101420200B1 (ko) | 2013-11-21 | 2014-07-21 | (주)토핀스 | 열화상 카메라를 이용한 체온 감지 시스템 |
KR102196813B1 (ko) | 2020-05-28 | 2020-12-30 | (주)한컴인텔리전스 | 열화상 카메라 및 실화상 카메라와 연동하여 출입자의 체온을 측정하는 전자 장치 및 그 동작 방법 |
KR102220654B1 (ko) | 2020-06-22 | 2021-02-26 | 쿨사인 주식회사 | 측정온도 보정시스템 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101112125B1 (ko) | 2009-10-23 | 2012-02-22 | (주)이지템 | 방문자 체온 측정 장치 및 방법 |
-
2021
- 2021-03-08 KR KR1020210029947A patent/KR102458065B1/ko active IP Right Grant
-
2022
- 2022-03-07 US US17/688,433 patent/US20220283043A1/en active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101420200B1 (ko) | 2013-11-21 | 2014-07-21 | (주)토핀스 | 열화상 카메라를 이용한 체온 감지 시스템 |
KR102196813B1 (ko) | 2020-05-28 | 2020-12-30 | (주)한컴인텔리전스 | 열화상 카메라 및 실화상 카메라와 연동하여 출입자의 체온을 측정하는 전자 장치 및 그 동작 방법 |
KR102220654B1 (ko) | 2020-06-22 | 2021-02-26 | 쿨사인 주식회사 | 측정온도 보정시스템 |
Also Published As
Publication number | Publication date |
---|---|
US20220283043A1 (en) | 2022-09-08 |
KR20220125968A (ko) | 2022-09-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109101873B (zh) | 用于提供针对兴趣对象的外部光源的特性信息的电子设备 | |
US11170301B2 (en) | Machine learning via double layer optimization | |
US10582121B2 (en) | System and method for fusing outputs of sensors having different resolutions | |
US10546194B2 (en) | Information processing apparatus, information processing method, and program | |
JP7061551B2 (ja) | 状態判定システム | |
CN111486962A (zh) | 基于红外成像的远距离人体面部测温***及实现方法 | |
US20140307104A1 (en) | Spectral estimation method, system and reference target design method | |
CN109916517B (zh) | 热影像处理***及方法 | |
US20200320683A1 (en) | Skin diagnostic device and skin diagnostic method | |
JP6822482B2 (ja) | 視線推定装置、視線推定方法及びプログラム記録媒体 | |
CN112418251B (zh) | 红外体温检测方法及*** | |
WO2022241964A1 (zh) | 测温方法、计算机设备和计算机可读存储介质 | |
CN113358231B (zh) | 红外测温方法、装置及设备 | |
JP2020149642A (ja) | 物体追跡装置および物体追跡方法 | |
US20210312233A1 (en) | Learning method, storage medium, and image processing device | |
JP6452235B2 (ja) | 顔検出方法、顔検出装置、及び顔検出プログラム | |
KR102458065B1 (ko) | 안면 인식 체온 측정 장치 및 방법 | |
JP6981277B2 (ja) | 検出装置、及び検出プログラム | |
KR101938361B1 (ko) | X선 영상 내 체형 윤곽선 기반의 골격 상태 예측방법 및 프로그램 | |
WO2019123554A1 (ja) | 画像処理装置、画像処理方法、及び、記録媒体 | |
CN116412915A (zh) | 一种温度测量方法、电子设备和计算机可读存储介质 | |
US20220011165A1 (en) | Elevated temperature screening using pattern recognition in thermal images | |
JP5727969B2 (ja) | 位置推定装置、方法、及びプログラム | |
JP2015232771A (ja) | 顔検出方法、顔検出システム、および顔検出プログラム | |
JP2018101211A (ja) | 車載器 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant |