双光谱智能体温检测与健康大数据管理系统

发布时间：2021-09-28 02:16

　　公共安全视频监控在新型冠状病毒肺炎防治攻坚战中发挥了重要作用。针对中国人口密度高、人流量大、新型冠状病毒肺炎易传播的特点,建立了融合可见光和红外光双光谱成像监控的智能体温检测与健康大数据管理系统,实现了无接触快速体温检测与佩戴口罩情况下的人脸识别,快速完成人员信息登记。系统已在多地完成部署,通过了有效性和可靠性验证,测量速度快,响应时间在30 ms以内;测量精度高,测量温度误差在±0.3℃以内;测量范围广,可监控距离0.1～10 m;人脸抓拍率99%以上,识别率95%以上;健康大数据管理系统能实时监控和追踪回溯人员流动,在多维度上对人员信息和疫情发展大数据进行统计分析,并对疫情发展动态进行建模和预测,根据分析结果完善疫情防控策略,开展精准高效的疫情防控。 

【文章来源】：北京航空航天大学学报. 2020,46(09)北大核心EICSCD

【文章页数】：8 页

【部分图文】：

图1 双光谱智能体温检测与健康大数据管理系统框架

如图2所示,首先对前端视频进行预处理,包括光照归一化、拍摄角度矫正、模糊图像复原、图像比对等;将红外热图像和可见光图像配准;采用Mask R-CNN网络提取人体头部目标区域并映射到红外热图像进行测温,然后利用图像融合算法将可见光图像和红外热图像融合得到双光谱图像,同时将融合后的图像送入卷积神经网络VGG-Net中,结合彩色图像信息和热成像图像信息,对人脸区域进行深度特征的提取,在检测目标区域温度的同时识别人脸特征。2.2.1 图像配准

为了保留图像的彩色信息,首先将配准后的可见光图像从RGB变换到HIS空间,并提取I分量,对配准后的红外热图像进行灰度变换增强图像效果,然后对可见光的I分量及变换后的红外热图像进行小波分解,得到各自的高频子图和低频子图,对高频和低频子图分别处理,其中低频子图包含了图像的轮廓信息,高频子图包含了图像的细节信息,对低频子图采用以下策略进行融合:当红外热图像和可见光图像的低频子图系数值相近时,取两者平均值作为融合后的低频系数值,反之,取其中较大值。对高频子图采用局域能量最大法进行融合,首先对各自的高频子图区域方差计算,得出区域能量,然后计算出红外热图像和可见光图像在各自高频子图中所对应的局部区域内的特征相似度,并设定一个匹配阈值,根据特征相似度和匹配阈值之间的关系,确定融合后的高频系数值。最后使用融合后的小波系数矩阵逆变换得到新的I分量,经过HIS逆变换得到融合图像。2.3 监控视频效果分析

【参考文献】：
期刊论文
[1]浅议红外测温仪工作原理及应用[J]. 师立国.  东方企业文化. 2013(19)
[2]基于无线传感器网络的人体体温监测系统[J]. 王刚,高晓丁,唐明飞,谭东财.  纺织高校基础科学学报. 2012(01)



本文编号：3411052