TW201826999A - 體溫異常個體偵測系統與方法 - Google Patents
體溫異常個體偵測系統與方法 Download PDFInfo
- Publication number
- TW201826999A TW201826999A TW106102912A TW106102912A TW201826999A TW 201826999 A TW201826999 A TW 201826999A TW 106102912 A TW106102912 A TW 106102912A TW 106102912 A TW106102912 A TW 106102912A TW 201826999 A TW201826999 A TW 201826999A
- Authority
- TW
- Taiwan
- Prior art keywords
- image
- module
- body temperature
- temperature
- thermal image
- Prior art date
Links
Landscapes
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本發明提供一種體溫異常個體偵測系統與方法,以偵測一區域內體溫異常的個體。此系統包括相連接之感測模組與處理模組。感測模組持續地產生此區域的熱影像、將熱影像劃分為多個網格影像,並判斷是否存在溫度超過門檻溫度的網格影像,最後根據超過門檻溫度的網格影像判斷出目標熱影像。處理模組產生目標熱影像之溫度對時間的關係圖,並據此判斷該區域內是否存在體溫異常的個體,且若是,則根據目標熱影像的溫度與目標熱影像中每個網格影像的座標發出警示訊息,以回報體溫異常之個體於此區域內的位置及其體溫。
Description
本發明乃是關於一種偵測系統與方法,特別是指一種體溫異常個體偵測系統與方法,能夠偵測一區域內是否存在體溫異常的個體,且能回報該個體於此區域內的位置及該個體的影像。
就目前常見的體溫偵測系統而言,多是以發燒疫情篩檢為主要目的。此類的體溫偵測系統多適用於人員流動較為頻繁與密集的區域,例如,機場大廳、醫院大廳、辦公大樓、百貨公司等。然而,此類的體溫偵測系統並無法確切地掌握體溫異常之個體於被偵測區域內的位置。另外,由於此類的體溫偵測系統均單純以熱影像作為篩檢的依據,因此即便於被偵測區域中發現有體溫異常的個體,也無從得知該個體的外貌甚至是其身份。
本發明提供一種體溫異常個體偵測系統,用以偵測一區域內是否存在體溫異常的個體。此種體溫異常個體偵測系統包括感測模組與處理模組,其中處理模組連接於感測模組。感測模組包括影像擷取模組、影像解構模組與誤差排除模組。影像解構模組連接於影像擷取模組,誤差排除模組連接於影像解構模組。
影像擷取模組用以持續地針對該區域產生熱影像。影像解構模組用以根據預先設定之座標系統將該區域的熱影像劃分為複數個網格影像,並分別地判斷熱影像中是否存在溫度超過門檻溫度的網格影像,其中熱影像的每個網格影像具有以該座標系統定位之座標。誤差排除模組根據超過門檻溫度的網格影像判斷出目標熱影像。
處理模組包括影像分析模組與判斷模組,其中判斷模組連接於影像分析模組。影像分析模組接收目標熱影像,以獲得該目標熱影像中各網格影像之溫度對時間的關係圖。接著,影像分析模組根據該關係圖判斷該區域內是否存在體溫異常的個體。目標熱影像的溫度是否隨時間上升。若影像分析模組判斷出該區域內存在體溫異常的個體,則判斷模組根據目標熱影像中每個網格影像的座標發出警示訊息,以回報體溫異常之個體於該區域內所在的位置。
於本發明所提供之體溫異常個體偵測系統的一實施例中,影像擷取模組更持續地針對該區域產生實際影像,每一實際影像對應於每一熱影像,且影像解構模組根據預先設定之座標系統將該區域的實際影像劃分為複數個網格影像,其中實際影像的每個網格影像具有以該座標系統定位之座標。此外,處理模組更包括特徵辨識模組。根據目標熱影像產生之時間以及目標熱影像中每個網格影像的座標,特徵辨識模組找出實際影像中對應的該些網格影像,並對該些網格影像進行特徵辨識。
於本發明所提供之體溫異常個體偵測系統的一實施例中,於特徵辨識模組找出實際影像中對應的該些網格影像後,特徵辨識模組將該些網格影像還原成三維影像,以針對五官特徵或顱骨特徵對此三維影像進行特徵辨識。
本發明實施例另提供一種發燒個體偵測方法,適用於一種發燒個體偵測系統,用以偵測一區域內是否存在發燒的一個體。所適用的發燒個體偵測系統包括相連接之感測模組與處理模組。
感測模組包括影像擷取模組、影像解構模組與誤差排除模組,影像解構模組連接於影像擷取模組,且誤差排除模組連接於影像解構模組。處理模組包括影像分析模組與判斷模組,且判斷模組連接於影像分析模組。
此種體溫異常個體偵測方法包括:透過影像擷取模組,持續地針對該區域產生一熱影像;透過影像解構模組,根據預先設定之座標系統將該區域的熱影像劃分為複數個網格影像,其中熱影像的每個網格影像具有以該座標系統定位之座標;透過誤差排除模組,根據超過一門檻溫度的網格影像判斷出目標熱影像;透過影像分析模組,接收目標熱影像,以獲得目標熱影像中各網格影像之溫度對時間的關係圖;透過判斷模組,根據關係圖判斷該區域內是否存在體溫異常的個體,且若該區域內存在體溫異常的個體,根據目標熱影像中每個網格影像的座標發出警示訊息,以回報體溫異常之個體於該區域內所在的位置。
於本發明所提供之體溫異常個體偵測方法的一實施例中,體溫異常個體偵測方法更包括:透過影像擷取模組,持續地針對該區域產生實際影像,其中每一實際影像對應於每一熱影像;以及透過影像解構模組,根據預先設定之座標系統將該區域的實際影像劃分為複數個網格影像,其中實際影像的每個網格影像具有以該座標系統定位之座標。此外,於此實施例中,體溫異常個體偵測方法所適用的體溫異常個體偵測系統更包括特徵辨識模組,且體溫異常個體偵測方法更包括:透過特徵辨識模組,根據目標熱影像產生之時間以及目標熱影像中每個網格影像的座標,找出實際影像中對應的該些網格影像,並對該些網格影像進行特徵辨識。
於本發明所提供之體溫異常個體偵測方法的一實施例中,於找出該實際影像中對應的該些網格影像後,特徵辨識模組將該些網格影像還原成三維影像,以針對五官特徵或顱骨特徵對此三維影像進行特徵辨識。
綜上所述,利用本發明所提供之體溫異常個體偵測系統與方法,便能夠自動地偵測出一區域內體溫異常症狀的個體,並且得知該個體目前位於此區域的哪個位置,以及獲得該個體的實際影像。由於體溫異常的症狀對於許多疾病來說係為一種警示症狀,若能及時發現將有利於疾病的診斷與治療。因此,透過本發明所提供之體溫異常個體偵測系統與方法,醫護人員就能先了解目前候診間內的所有人中是否有人具有體溫異常的症狀;此外,醫護人員還能進一步得知具有此種症狀的人其位置以及身份。如以一來,將有利於醫護人員對此人進行即時的照護。
為使能更進一步瞭解本發明之特徵及技術內容,請參閱以下有關本發明之詳細說明與附圖,但是此等說明與所附圖式僅係用來說明本發明,而非對本發明的權利範圍作任何的限制。
10‧‧‧感測模組
12‧‧‧影像擷取模組
14‧‧‧影像解構模組
16‧‧‧誤差排除模組
20‧‧‧處理模組
22‧‧‧影像分析模組
24‧‧‧判斷模組
26‧‧‧特徵辨識模組
27‧‧‧位移追蹤模組
28‧‧‧影像還原模組
T‧‧‧溫度回歸線
A~E‧‧‧網格影像
S601~S607‧‧‧步驟
S701~S703、S704A~S704B、S705A~S705B、S706A~S706B、S707~S708‧‧‧步驟
圖1為根據本發明例示性實施例所繪示之體溫異常個體偵測系統之方塊圖。
圖2為將熱影像區分為多個網格影像的示意圖。
圖3為目標熱影像中各網格影像之溫度對時間的一關係圖。
圖4為根據本發明另一例示性實施例所繪示之體溫異常個體偵測系統之方塊圖。
圖5A與圖5B分別顯示了針對一區域於同一時間所拍攝之熱影像與實際影像。
圖6為根據本發明例示性實施例所繪示之體溫異常個體偵測方法的流程圖。
圖7為根據本發明另一例示性實施例所繪示之體溫異常個體偵測方法的流程圖。
在下文將參看隨附圖式更充分地描述各種例示性實施例,在隨附圖式中展示一些例示性實施例。然而,本發明概念可能以許多不同形式來體現,且不應解釋為限於本文中所闡述之例示性實施例。
確切而言,提供此等例示性實施例使得本發明將為詳盡且完整,且將向熟習此項技術者充分傳達本發明概念的範疇。
在諸圖式中,類似數字始終指示類似元件。
本發明提供之體溫異常個體偵測系統及其方法可自動地偵測出一區域內是否有個體具有體溫異常的症狀,並透過物聯網將資料傳遞至醫護人員端的裝置。
本發明提供之體溫異常個體偵測系統及其方法所適用之區域係為一小範圍的區域。舉例來說,本發明提供之體溫異常個體偵測系統及其方法適用於醫院的候診間…等。於以下的敘述中,將舉多個實施例來具體說明本發明提供之體溫異常個體偵測系統及其方法。
〔體溫異常個體偵測系統的一實施例〕
請參照圖1,圖1為根據本發明例示性實施例所繪示之體溫異常個體偵測系統之方塊圖。如前述,本實施例所提供之體溫異常個體偵測系統所適用之區域係為一小範圍的區域,如:醫院的候診間,但本發明並不以此為限。
如圖1所示,本實施例所提供之體溫異常個體偵測系統係包括感測模組10與處理模組20。如圖1所示,感測模組10與處理模組20相連接。感測模組10主要包括影像擷取模組12、影像解構模組14 與誤差排除模組16,且處理模組20主要包括影像分析模組22與判斷模組24。
影像解構模組14連接於影像擷取模組12,且誤差排除模組16連接於影像解構模組14。此外,影像分析模組22與判斷模組24相連接。須說明地是,於本實施例中,影像擷取模組12主要係以用以進行影像擷取的感測器硬體(如:熱像儀、攝像機…等),影像解構模組14與誤差排除模組16主要係以用以進行影像解構與誤差排除之韌體來實現(如:電腦…等),此外,影像分析模組22與判斷模組24則主要係以設置於雲端的伺服器設備來實現(如:雲端伺服器)。
進一步說明,影像擷取模組12係用以持續地針對一區域產生熱影像。於本實施例中,影像擷取模組12至少包括有一熱像儀,來對被偵測區域持續地拍攝熱影像。於其他實施例中,考量到單一台熱像儀可能無法拍攝到整個被偵測區域,因此影像擷取模組12亦可包括多台熱像儀,以對整個被偵測區域進行完整的偵測。
影像解構模組14係用以根據預先設定之一座標系統將一區域的熱影像劃分為複數個網格影像,以使誤差排除模組16接續地判斷每張熱影像中是否存在溫度超過一門檻溫度的網格影像。於本實施例中,
影像解構模組14係以一個自訂的座標系統來將影像擷取模組12所拍攝的熱影像劃分成多個網格影像,並且此熱影像中的每個網格影像係以該座標系統之座標來進行定位。須說明地是,透過空間座標轉換的方式,每個網格影像於此座標系統中的座標均可轉換為實際空間中的位置資訊,此處關於座標轉換的細節應為本發明所屬技術領域中具有通常知識者所熟悉,故於此不多做描述。值得注意地是,前述門檻溫度係為攝氏37.5度,根據多數醫院臨床文獻的記載,攝氏37.5度為人體於健康狀態下的平均體溫。
誤差排除模組16係以根據超過門檻溫度的網格影像判斷出一目標熱影像。請參照圖2,圖2為將熱影像區分為多個網格影像的示意圖。如圖2所示,網格影像依據顏色的深淺度顯示高低不同的溫度,顏色較淺的網格影像所代表的溫度較低,反之,顏色較深的網格影像所代表的溫度較高。此外,顏色最深的網格影像即為超過門檻溫度的網格影像。也就是說,顏色最深的網格影像即可能被誤差排除模組16判斷為目標熱影像。
接著將進一步說明誤差排除模組16由複數個網格影像中判斷書目標熱影像的細節。當誤差排除模組16根據超過門檻溫度的網格影像判斷目標熱影像時,誤差排除模組16係將複數個超過門檻溫度之相鄰網格影像作聯集(如圖2中的A處),並判斷A處即為目標熱影像。
然而,被劃分為多個網格影像的熱影像中可能出現僅有單個網格影像其溫度超過門檻溫度的情形(如圖2中的B處),或者可能出現零星的幾個網格影像其溫度超過門檻溫度的情形(如圖2中的C處)。就體溫異常的個體於熱影像中的面積來看,前述兩種情況不可能為體溫異常的個體,也就是說,前述兩種情況無法被判斷為目標熱影像。
因此,於本實施例中,為了排除讓影像中並非由體溫異常之個體所顯示的熱點,超過門檻溫度之相鄰網格影像的數目必須大於等於一門檻數目。
接下來,於誤差排除模組16判斷出目標熱影像後,此熱影像會由處理模組20中的影像分析模組22接收。根據所接收的熱影像,影像分析模組22便可獲得目標熱影像中各網格影像之溫度對時間的一關係圖,且根據此關係圖,判斷模組24便能判斷該區域內是否存在體溫異常的個體。舉例來說,請參照圖3,圖3即為目標熱影像中各網格影像之溫度對時間的一關係圖。
進一步說明,當判斷模組24根據目標熱影像中各網格影像之溫度對時間的關係圖來判斷該區域內是否存在體溫異常的個體時,判斷模組24會對該關係圖進行迴歸分析,以獲得一溫度回歸線(如圖3所示之溫度回歸線T)。接著,根據所獲得之溫度回歸線,判斷模組24便能判斷目標熱影像的溫度是否大於等於一警戒溫度。值得注意地是,此警戒溫度為攝氏38.5度。根據多數醫院臨床文獻的記載,當人體體溫介於攝氏37.5度至攝氏38.5度之間時,仍可視作人體處於健康狀態下;然而,當人體體溫超出攝氏38.5度時,則表示人體可能正處於於異常狀態下。
因此,若判斷模組24判斷目標熱影像的溫度大於等於攝氏38.5度,則可確定被偵測的區域內存在有體溫異常的個體。此時,判斷模組24便會根據目標熱影像的溫度與目標熱影像中每個網格影像的座標發出一警示訊息,以回報發燒之個體於此區域內所在的位置。也就是說,警示訊息可包含由目標熱影像於預設之座標系統所轉換出的實際空間中的座標,以及目標熱影像的溫度(即,體溫異常之個體的體溫)。
須說明地是,復如圖3所示,前述溫度回歸線T係根據目標熱影像中各網格影像之溫度對時間的關係圖中一個時間區段(即圖3中的t-△t~t+△t)裡所記錄的溫度數據所獲得。
因此,若根據溫度回歸線T,判斷模組24判斷目標熱影像的溫度並未大於等於攝氏38.5度,則表示該個體於時間區段(t-△t~t+△t)間雖具有較高的體溫,但則人體並非處於異常狀態下。於是,判斷模組24便不會針對此目標熱影像做出「被偵測的區域內存在有體溫異常的個體」之判斷。
對於不同種類的疾病來說,其體溫異常的情形有其特徵,也就是說,由溫度隨著時間的變化來看,不同種類的疾病所引起的體溫異常症狀略有差異。因此,於本實施例中,判斷模組24可選擇進一步地將目標熱影像中各網格影像之溫度對時間的關係圖與 預先儲存的複數個參考圖作比較。須說明地是,不同的參考圖顯示了不同種類的疾病造成人體體溫異常時,人體體溫隨著時間的變化。
簡言之,判斷模組24除了能根據目標熱影像中各網格影像之溫度對時間的關係圖判斷出一區域內是否存在體溫異常的個體,判斷模組24還則能初步地判斷出可能是何種疾病造成該個體之體溫異常。
承上述,若目標熱影像中各網格影像之溫度對時間的關係圖與複數個參考圖之一相符,則判斷模組24判斷此區域內存在體溫異常的個體,並根據目標熱影像的溫度、目標熱影像中每個網格影像的座標以及比較出相符的參考圖發出一警示訊息。須說明地是,前述警示訊息可包含由目標熱影像於預設之座標系統所轉換出的實際空間中的座標、目標熱影像的溫度(即,體溫異常之個體的體溫)以及體溫異常的個體可能患有的疾病。
如此一來,本實施例所提供之體溫異常個體偵測系統便能在候診階段協助醫護人員獲知後診間內是否有體溫異常的個體,還能初步地了解該個體可能患有的疾病。
為了更具體地說明本發明所述之體溫異常個體偵測系統,以下將再舉一實施例來作更進一步的說明。於接下來的實施例中,將描述不同於上述圖1所繪示之實施例的部分,且其餘省略部分與上述圖1所繪示之實施例相同。此外,為說明便利起見,相似之參考數字或標號指示相似之元件。
〔體溫異常個體偵測系統的另一實施例〕
請參照圖4,圖4為根據本發明另一例示性實施例所繪示之體溫異常個體偵測系統之方塊圖。如前述實施例,本實施例所提供之體溫異常個體偵測系統所適用之區域同樣為一小範圍的區域,如:醫院的候診間,但本發明並不以此為限。
本實施例所提供之體溫異常個體偵測系統與前述實施例所提供之體溫異常個體偵測系統具有類似的系統架構與相近的工作機制。惟,於系統架構上,本實施例所提供之體溫異常個體偵測系統與前述實施例所提供之體溫異常個體偵測系統的差異之一在於,於本實施例中,處理模組20更包括了特徵辨識模組26、位移追蹤模組27與影像還原模組28。如圖4所示,特徵辨識模組26、位移追蹤模組27與影像還原模組28均連接於判斷模組24。須說明地勢,影像擷取模組12主要係以用以進行影像擷取的感測器硬體(如:熱像儀、攝像機…等),影像解構模組14與誤差排除模組16主要係以用以進行影像解構與誤差排除之韌體來實現(如:電腦…等),此外,影像分析模組22、判斷模組24特徵辨識模組26、位移追蹤模組27與影像還原模組28則主要係以設置於雲端的伺服器設備來實現(如:雲端伺服器)。
此外,於工作機制上,本實施例所提供之體溫異常個體偵測系統與前述實施例所提供之體溫異常個體偵測系統的其一差異在於,於產生熱影像的同時,於本實施例中,影像擷取模組12也持續地針對一區域產生一實際影像。也就是說,於本實施例中,影像擷取模組12至少包括有一熱像儀與一個一般的攝影裝置,來對被偵測區域持續地拍攝熱影像與實際影像,其中攝影裝置所拍攝的每一實際影像係對應於熱像儀所拍攝之每一熱影像。
於本實施例中,影像解構模組14係用以根據預先設定之一座標系統將一區域的熱影像與實際影像分別地劃分為複數個網格影像。同樣地,於本實施例中,影像解構模組14係以一個自訂的座標系統來將影像擷取模組12所拍攝的熱影像與實際影像分別地劃分成多個網格影像,並且將該熱影像與該實際影像中的每個網格影像係以該座標系統之座標來進行定位。須說明地是,透過空間座標轉換的方式,該熱影像與該實際影像中的每個網格影像於此座標系統中的座標均可轉換為實際空間中的位置資訊,此處關於 座標轉換的細節應為本發明所屬技術領域中具有通常知識者所熟悉,故於此不多做描述。
特徵辨識模組26與影像還原模組28的工作機制為本實施例所提供之體溫異常個體偵測系統與前述實施例所提供之體溫異常個體偵測系統於工作機制上的另一差異。
請參照圖5A與圖5B,圖5A與圖5B分別顯示了針對一區域於同一時間所拍攝之熱影像與實際影像。於本實施例中,當誤差排除模組16判斷出目標熱影像(如圖5A所示之D處)時,目標熱影像會由處理模組20中的影像分析模組22接收;同時,根據對應目標熱影像之熱影像被拍攝之時間以及目標熱影像中每個網格影像的座標,特徵辨識模組26會找出相同時間被拍攝之實際影像中對應的該些網格影像(如圖5B所示之E處),以對該些網格影像進行特徵辨識。
於本實施例中,由於特徵辨識模組26對該些網格影像所進行的特徵辨識為人物的特徵辨識,因此特徵辨識模組26會先將該些網格影像還原成一三維影像,以根據此三維影像進行特徵辨識。舉例來說,特徵辨識模組26會優先針對五官特徵來對此三維影像進行特徵辨識,然若特徵辨識模組26由此三維影像中辨識不出五官特徵,特徵辨識模組26便會接著針對顱骨特徵來對此三維影像進行特徵辨識。然而,此處僅為了例示說明特徵辨識模組26對三維影像進行特徵辨識的方式,並非用以限制本發明。根據辨識出的生物特徵(如:五官特徵或顱骨特徵),判斷模組24便能由一資料庫(未圖示)中比對出該個體的身分。須說明地是,此資料庫儲存有多筆身分資訊與其對應之生物特徵,並可為建置於本實施例之體溫異常個體偵測系統中的內建資料庫,或者可為一外部資料庫,例如,本實施例之體溫異常個體偵測系統可與各大醫療院所的病歷資料庫連接。
再者,考量到若該個體係因身體不適而出現體溫異常的情形,則合理地該個體於短時間內無法移動太大的距離更不可能離開正被偵測的區域。因此,於本實施例中,位移追蹤模組27會利用預先設定之該座標系統來對目標熱影像於該區域內經過一預設時間後的位移作紀錄。接著,由判斷模組24判斷目標熱影像於該區域內經過該預設時間後的位移是否超過一預設距離。進一步地,若目標熱影像於該區域內經過該預設時間後的位移超過該預設距離,則判斷模組24便判斷此目標熱影像並非是體溫異常之個體的影像。於是,處理模組20便停止對此目標熱影像之相關資料與數據進行處理。
除此之外,為了能夠獲知體溫異常之個體當前的外貌,以便於醫護人員於候診間內快速地將其找尋,於本實施例中,影像還原模組28會將特徵辨識模組26所找出之實際影像中的該些網格影像進行影像還原,以產生體溫異常之個體當前的影像。也就是說,於本實施例中,警示訊息除了可包含由目標熱影像於預設之座標系統所轉換出的實際空間中的座標、目標熱影像的溫度(即,體溫異常個體的體溫)以及體溫異常的個體可能患有的疾病之外,警示訊息還可包含體溫異常之個體的身分,以及其當前的外貌。
接下來,於以下的敘述中將以多個實施例說明可於圖1與圖4所繪示之體溫異常個體偵測系統中執行的體溫異常個體偵測方法,故請一併照圖1-4與圖5A-5B以利理解。
〔體溫異常個體偵測方法的一實施例〕
請參照圖6,圖6為根據本發明例示性實施例所繪示之體溫異常個體偵測方法的流程圖。
本實施例所提供之體溫異常個體偵測方法可適用於前述圖1所繪示之體溫異常個體偵測系統。復請參照圖1,前述圖1所繪示之體溫異常個體偵測系統係包括感測模組10與處理模組20。如圖1所示,感測模組10與處理模組20相連接。感測模組10主要包括影 像擷取模組12、影像解構模組14與誤差排除模組16,且處理模組20主要包括影像分析模組22與判斷模組24。影像解構模組14連接於影像擷取模組12,且誤差排除模組16連接於影像解構模組14。此外,影像分析模組22與判斷模組24相連接。本實施例所提供之體溫異常個體偵測方法則可描述如以下之步驟,即如圖6所示。
於步驟S601中,透過影像擷取模組12持續地針對一區域產生一熱影像。於步驟S602中,透過影像解構模組14,根據預先設定之一座標系統將該區域的熱影像劃分為複數個網格影像,其中該熱影像的每個網格影像具有以該座標系統定位之一座標。於步驟S603中,透過誤差排除模組16,根據超過一門檻溫度的網格影像判斷出一目標熱影像。於步驟S604中,透過影像分析模組22,接收該目標熱影像,並產生目標熱影像中各網格影像之溫度對時間的一關係圖。於步驟S605中,透過判斷模組24,根據前述關係圖判斷該區域內是否存在體溫異常的個體。若判斷模組24未判斷出該區域內存在體溫異常的個體,則回到步驟S603,繼續判斷目標熱影像;然若判斷模組24判斷出目標熱影像的溫度隨時間上升,則進入步驟S606。於步驟S606中,判斷模組24將目標熱影像中各網格影像之溫度對時間的關係圖與預先儲存的複數個參考圖作比較,以找出與目標熱影像中各網格影像之溫度對時間的關係圖符合的參考圖。最後,進入步驟S607,於步驟S607中,判斷模組24判斷該區域內存在體溫異常的個體,於是根據目標熱影像中每個網格影像的座標,判斷模組24發出一警示訊息,以回報體溫異常之個體於該區域內所在的位置。
須說明地是,關於本實施例所提供之體溫異常個體偵測方法中的各步驟S601~S607的相關細節均已描述於前述針對圖1-圖3的相關說明中,於此便不再細述。
〔體溫異常個體偵測方法的另一實施例〕
請參照圖7,圖7為根據本發明另一例示性實施例所繪示之體溫異常個體偵測方法的流程圖。
本實施例所提供之體溫異常個體偵測方法可適用於前述圖4所繪示之體溫異常個體偵測系統。復請參照圖4,前述圖4所繪示之體溫異常個體偵測系統係包括感測模組10與處理模組20。如圖4所示,感測模組10與處理模組20相連接。感測模組10主要包括影像擷取模組12、影像解構模組14與誤差排除模組16,且處理模組20主要包括影像分析模組22、判斷模組24、特徵辨識模組26、位移追蹤模組27與影像還原模組28。影像解構模組14連接於影像擷取模組12,且誤差排除模組16連接於影像解構模組14。此外,影像分析模組22、特徵辨識模組26、位移追蹤模組27與影像還原模組28均與判斷模組24相連接。本實施例所提供之體溫異常個體偵測方法可描述如以下之步驟,即如圖7所示。
於步驟S701中,透過影像擷取模組12持續地針對一區域產生一熱影像與一實際影像。於步驟S702中,透過影像解構模組14,根據預先設定之一座標系統將該區域的熱影像與實際影像分別地劃分為複數個網格影像,其中該熱影像與該實際影像的每個網格影像均具有以該座標系統定位之一座標。於步驟S703中,透過誤差排除模組16,根據超過一門檻溫度的網格影像判斷出一目標熱影像。
與前述實施例所提供之體溫異常個體偵測方法的最大差異在於,於目標熱影像在步驟S703中被判斷出來後,即進入步驟S704A與步驟S704B,以對目標熱影像進行特徵辨識,進而獲得體溫異常之個體的身分資訊。
於步驟S704A中,根據目標熱影像被拍攝之時間以及目標熱影像中每個網格影像的座標,特徵辨識模組26找出實際影像中對應的該些網格影像。接著,於步驟S704B中,特徵辨識模組26將該些網格影像還原成三維影像,以根據該三維影像進行特徵辨識。
接下來,於步驟S705A中,根據預先設定之座標系統,位移追蹤模組27紀錄目標熱影像於該區域內經過一預設時間後的位移,接著於步驟S705B中,判斷模組24判斷目標熱影像於該區域內經過該預設時間後的位移是否超過一預設距離。若於步驟S705B中,判斷模組24判斷目標熱影像於該區域內經過該預設時間後的位移超過該預設距離,則回到步驟S703,以繼續判斷目標熱影像。另一方面,若於步驟S705B中,判斷模組24判斷目標熱影像於該區域內經過該預設時間後的位移未超過該預設距離,則進入步驟S706A。
於步驟S706A中,影像分析模組22接收目標熱影像,並產生目標熱影像中各網格影像之溫度對時間的一關係圖。接著,於步驟S706B中,判斷模組24對該關係圖進行迴歸分析並獲得一溫度回歸線,並根據此溫度回歸線判斷目標熱影像的溫度是否大於等於一警戒溫度。若於步驟S706B中,判斷模組24根據此溫度回歸線判斷目標熱影像的溫度小於該警戒溫度,則回到步驟S703,以繼續判斷目標熱影像。另一方面,若於步驟S706B中,判斷模組24根據此溫度回歸線判斷目標熱影像的溫度大於等於該警戒溫度,則進入步驟S707。
於步驟S707中,判斷模組24將目標熱影像中各網格影像之溫度對時間的關係圖與預先儲存的複數個參考圖作比較,以比對出與目標熱影像中各網格影像之溫度對時間的關係圖相符之一參考圖。最後,於步驟S708中,判斷模組24判斷區域內存在體溫異常的個體,並根據目標熱影像的溫度與目標熱影像中每個網格影像的座標發出一警示訊息,以回報體溫異常之個體於該區域內所在的位置以及其異常的體溫。
須說明地是,關於本實施例所提供之體溫異常個體偵測方法中的各步驟S701~S703、S704A~S704B、S705A~S705B、S706A~S706B、S707~S708的相關細節均已描述於前述針對圖2-4與圖5A-5B的相關說明中,於此便不再細述。
〔實施例的可能功效〕
綜上所述,利用本發明所提供之體溫異常個體偵測系統與方法,便能夠自動地偵測出一區域內體溫異常的個體,並且得知該個體目前位於此區域的哪個位置,以及獲得該個體的實際影像。
也就是說,透過本發明所提供之體溫異常個體偵測系統與方法,於候診階段,醫護人員就能先了解目前位於候診間內的所有人中是否有人具有體溫異常的症狀;此外,醫護人員還能進一步得知體溫異常的人於候診間所處的位置以及此人的身份與外貌。如此一來,將有利於醫護人員對此人進行即時的照護。
除此之外,於本發明所提供之體溫異常個體偵測系統與方法中,透過誤差排除模組與位移追蹤模組,能夠有效地排除並非體溫異常之個體的熱影像,使得本發明所提供之體溫異常個體偵測系統與方法更加精確可靠。
以上所述僅為本發明之實施例,其並非用以侷限本發明之專利範圍。
Claims (10)
- 一種體溫異常個體偵測系統,用以偵測一區域內是否存在體溫異常的一個體,包括:一感測模組,包括:一影像擷取模組,用以持續地針對該區域產生一熱影像;一影像解構模組,連接於該影像擷取模組,用以根據預先設定之一座標系統將該區域的該熱影像劃分為複數個網格影像,其中該熱影像的每個網格影像具有以該座標系統定位之一座標;以及一誤差排除模組,連接於該影像解構模組,根據超過一門檻溫度的該網格影像判斷出一目標熱影像;以及一處理模組,連接於該感測模組,包括:一影像分析模組,接收該目標熱影像,用以產生該目標熱影像中各網格影像之溫度對時間的一關係圖;以及一判斷模組,連接於該影像分析模組,用以根據該關係圖判斷該區域內是否存在體溫異常的該個體,且若該區域內存在體溫異常的該個體,該判斷模組根據該目標熱影像中每個網格影像的該座標發出一警示訊息,以回報體溫異常之該個體於該區域內所在的位置。
- 如請求項1所述之體溫異常個體偵測系統,其中當該判斷模組判斷該區域內是否存在體溫異常的該個體時,該判斷模組將該目標熱影像中各網格影像之溫度對時間的該關係圖與預先儲存的複數個參考圖作比較,以比對出與該目標熱影像中各網格影像之溫度對時間的該關係圖相符之該參考圖之一。
- 如請求項1所述之體溫異常個體偵測系統,其中當該誤差排除模組根據超過該門檻溫度的該網格影像判斷出該目標熱影像 時,該誤差排除模組將複數個超過該門檻溫度之相鄰的該網格影像作聯集,以判斷出該目標熱影像,其中超過該門檻溫度之相鄰的該網格影像的數目大於等於一門檻數目。
- 如請求項1所述之體溫異常個體偵測系統,其中,該影像擷取模組更持續地針對該區域產生一實際影像,每一該實際影像對應於每一該熱影像,且該影像解構模組根據預先設定之該座標系統將該區域的該實際影像劃分為複數個網格影像,其中該實際影像的每個網格影像具有以該座標系統定位之一座標;其中,該處理模組更包括一特徵辨識模組,根據該目標熱影像產生之時間以及該目標熱影像中每個網格影像的該座標,該特徵辨識模組找出該實際影像中對應的該些網格影像,並對該些網格影像進行特徵辨識;其中,該處理模組更包括一位移追蹤模組,根據預先設定之該座標系統,該位移追蹤模組紀錄該目標熱影像於該區域內經過一預設時間後的位移,並由該判斷模組判斷該目標熱影像於該區域內經過該預設時間後的位移是否超過一預設距離;其中,該處理模組更包括一影像還原模組,當該判斷模組判斷該目標熱影像的溫度大於等於該警戒溫度時,根據該特徵辨識模組所找出之該實際影像中對應的該些網格影像,該影像還原模組將該些網格影像進行影像還原,以獲得體溫異常之該個體的影像。
- 如請求項4所述之體溫異常個體偵測系統,其中於該特徵辨識模組找出該實際影像中對應的該些網格影像後,該特徵辨識模組將該些網格影像還原成一三維影像,以根據該三維影像進行特徵辨識;其中該特徵辨識模組係針對五官特徵或顱骨特徵對該三 維影像進行特徵辨識;其中當該判斷模組根據該目標熱影像中各網格影像之溫度對時間的該關係圖判斷該區域內是否存在體溫異常的該個體時,該判斷模組對該關係圖進行迴歸分析並獲得一溫度回歸線,以根據該溫度回歸線判斷該目標熱影像的溫度是否大於等於一警戒溫度。
- 一種體溫異常個體偵測方法,適用於一種體溫異常個體偵測系統,用以偵測一區域內是否存在體溫異常的一個體,該體溫異常個體偵測系統包括相連接之一感測模組與一處理模組,該感測模組包括一影像擷取模組、一影像解構模組與一誤差排除模組,該影像解構模組連接於該影像擷取模組且該誤差排除模組連接於該影像解構模組,該處理模組包括一影像分析模組與一判斷模組,該判斷模組連接於該影像分析模組,該體溫異常個體偵測方法包括:透過該影像擷取模組,持續地針對該區域產生一熱影像;透過該影像解構模組,根據預先設定之一座標系統將該區域的該熱影像劃分為複數個網格影像,其中該熱影像的每個網格影像具有以該座標系統定位之一座標;透過該誤差排除模組,根據超過一門檻溫度的該網格影像判斷出一目標熱影像;透過該影像分析模組,接收該目標熱影像,以獲得該目標熱影像中各網格影像之溫度對時間的一關係圖;透過該判斷模組,根據該關係圖判斷該區域內是否存在體溫異常的該個體,且若該區域內存在體溫異常的該個體,根據該目標熱影像中每個網格影像的該座標發出一警示訊息,以回報體溫異常之該個體於該區域內所在的位置。
- 如請求項6所述之體溫異常個體偵測方法,更包括:透過該判斷模組,將該目標熱影像中各網格影像之溫度對時間的該關係圖與預先儲存的複數個參考圖作比較,以比對出與該目標熱影像中各網格影像之溫度對時間的該關係圖相符之該參考圖;其中該些參考圖係根據複數種具體溫異常症狀之疾病的病灶量表所產生之人體體溫對時間的關係圖。
- 如請求項6所述之體溫異常個體偵測方法,其中於根據超過該門檻溫度的該網格影像判斷出該目標熱影像的步驟中,該誤差排除模組將複數個超過該門檻溫度之相鄰的該網格影像作聯集,以判斷出該目標熱影像,其中超過該門檻溫度之相鄰的該網格影像的數目大於等於一門檻數目;其中,該體溫異常個體偵測系統更包括一特徵辨識模組,且該體溫異常個體偵測方法更包括:透過該特徵辨識模組,根據該目標熱影像產生之時間以及該目標熱影像中每個網格影像的該座標,找出該實際影像中對應的該些網格影像,並對該些網格影像進行特徵辨識;其中,於根據該關係圖判斷該區域內是否存在體溫異常的該個體時的步驟中,該判斷模組對該關係圖進行迴歸分析並獲得一溫度回歸線,以根據該溫度回歸線判斷該目標熱影像的溫度是否大於等於一警戒溫度。
- 如請求項6所述之體溫異常個體偵測方法,更包括:透過該影像擷取模組,持續地針對該區域產生一實際影像,其中每一該實際影像對應於每一該熱影像;以及透過該影像解構模組,根據預先設定之該座標系統將該區域的該實際影像劃分為複數個網格影像,其中該實際影像的每 個網格影像具有以該座標系統定位之一座標;其中,於找出該實際影像中對應的該些網格影像後,該特徵辨識模組將該些網格影像還原成一三維影像,以根據該三維影像進行特徵辨識;其中,該特徵辨識模組係針對五官特徵或顱骨特徵對該三維影像進行特徵辨識。
- 如請求項8所述之體溫異常個體偵測方法,其中該體溫異常個體偵測系統更包括一位移追蹤模組,且該體溫異常個體偵測方法更包括:透過該位移追蹤模組,根據預先設定之該座標系統,紀錄該目標熱影像於該區域內經過一預設時間後的位移;以及透過該判斷模組,判斷該目標熱影像於該區域內經過該預設時間後的位移是否超過一預設距離;其中,該體溫異常個體偵測系統更包括一影像還原模組,且該體溫異常個體偵測方法更包括:根據該特徵辨識模組所找出之該實際影像中對應的該些網格影像,透過該影像還原模組,將該些網格影像進行影像還原,以獲得體溫異常之該個體的影像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW106102912A TWI626926B (zh) | 2017-01-25 | 2017-01-25 | 體溫異常個體偵測系統與方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW106102912A TWI626926B (zh) | 2017-01-25 | 2017-01-25 | 體溫異常個體偵測系統與方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI626926B TWI626926B (zh) | 2018-06-21 |
TW201826999A true TW201826999A (zh) | 2018-08-01 |
Family
ID=63255816
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW106102912A TWI626926B (zh) | 2017-01-25 | 2017-01-25 | 體溫異常個體偵測系統與方法 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI626926B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111768877A (zh) * | 2020-06-16 | 2020-10-13 | 天启慧眼(北京)信息技术有限公司 | 体温检测方法、装置、设备及计算机存储介质 |
TWI741502B (zh) * | 2020-02-20 | 2021-10-01 | 艾科科技股份有限公司 | 時間連續性偵測判斷系統及方法 |
TWI779367B (zh) * | 2020-10-15 | 2022-10-01 | 鉭騏實業有限公司 | 差異補償熱成像檢測裝置及其方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI743379B (zh) * | 2018-07-18 | 2021-10-21 | 昇雷科技股份有限公司 | 生理徵象偵測系統之生理徵象訊號的偵測方法及生理徵象訊號之信心度的評估方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006333133A (ja) * | 2005-05-26 | 2006-12-07 | Sony Corp | 撮像装置、撮像方法、プログラム、プログラム記録媒体並びに撮像システム |
TWI557678B (zh) * | 2014-01-28 | 2016-11-11 | 姜崇義 | 智慧型監控系統 |
-
2017
- 2017-01-25 TW TW106102912A patent/TWI626926B/zh active
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI741502B (zh) * | 2020-02-20 | 2021-10-01 | 艾科科技股份有限公司 | 時間連續性偵測判斷系統及方法 |
CN111768877A (zh) * | 2020-06-16 | 2020-10-13 | 天启慧眼(北京)信息技术有限公司 | 体温检测方法、装置、设备及计算机存储介质 |
TWI779367B (zh) * | 2020-10-15 | 2022-10-01 | 鉭騏實業有限公司 | 差異補償熱成像檢測裝置及其方法 |
Also Published As
Publication number | Publication date |
---|---|
TWI626926B (zh) | 2018-06-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102021999B1 (ko) | 인체 감시 발열 경보 장치 | |
US20210345885A1 (en) | Biological information management apparatus, biological information management method, program, and recording medium | |
JP7065350B2 (ja) | システム及び方法 | |
TWI626926B (zh) | 體溫異常個體偵測系統與方法 | |
KR101729327B1 (ko) | 듀얼 카메라를 이용한 체온 추적 모니터링 시스템 | |
US20200146557A1 (en) | Smart Body Temperature Screening System at Controlled Area | |
US9993182B2 (en) | Computer vision system for ambient long-term gait assessment | |
Stone et al. | Unobtrusive, continuous, in-home gait measurement using the Microsoft Kinect | |
JP6666488B2 (ja) | 画像抽出装置 | |
Ulleri et al. | Development of contactless employee management system with mask detection and body temperature measurement using TensorFlow | |
KR20120036638A (ko) | 다종센서를 융합 관리하는 헬스케어 시스템 | |
TWI738034B (zh) | 影像之生物體的生理訊號配對方法及生理訊號配對系統 | |
TWI581760B (zh) | 異常心跳訊號檢測方法及其電子裝置 | |
Farah et al. | Respiratory rate measurement in children using a thermal imaging camera | |
AU2020464165B2 (en) | Non-contact and non-intrusive continuous monitoring platform | |
ES2966109T3 (es) | Dispositivo y programa de estimación de entorno de instalación | |
Al-Kalidi et al. | Respiratory rate measurement in children using a thermal camera | |
KR101479415B1 (ko) | 피부 발한 반응을 이용한 신경 진단시스템 | |
JP6810977B2 (ja) | 監視システム、監視方法、監視プログラムおよびその記録媒体 | |
TWI613993B (zh) | 熱成像式遠端照護系統及方法 | |
CN112753076B (zh) | 医学监测*** | |
KR102248251B1 (ko) | 체열정보를 이용한 의료진단 보조장치 | |
KR102333947B1 (ko) | 멀티 모달 영상을 이용한 열 추적 및 열 판별 기술을 활용한 감염 질환 예방 방법 및 장치 | |
Djuniadi et al. | Deep Neural Network with Hyperparameter Tuning on Early Detection for Symptom Recognition in Suspected Covid-19. | |
CN117562503A (zh) | 一种基于红外热像技术的非接触式疼痛级别评估*** |