一种基于室内环境下的测温方法及系统
文献发布时间:2023-06-19 12:22:51
技术领域
本发明涉及一种测温系统,属于测量技术领域。
背景技术
目前市面上的人脸测温PAD在户内测温时存在误报体温的情况,主要是因为在某些场景下无法准确获得待测人员的环境温度,如设备安装在写字楼一楼门口或医院室内门口处时,人员刚刚从室外到室内,其人员所处的环境温度还未与室内环境温度达到热平衡,需要采用室外温度作为其环境温度进行测试;目前现有的技术方案根本对人员是从室外到室内还是一直处于室内环境不做任何的区分,无论啥场景都是直接获取室内场景温度进行计算,从而导致获取到的环境温度不准确,最终导致计算出的人体体温值不准确。
发明内容
本发明所要解决的技术问题是针对上述现有技术存在的不足,而提供一种针对室内环境的提高测温准确度的测温方法及装置。
为解决上述技术问题,本发明采用的技术方案是:
一种基于室内环境下的测温方法,包括:
获取进入位于室内测温区域人员的人体表面测量温度,并对进入位于室内测温区域的人员进行轨迹跟踪;
根据轨迹跟踪结果,判断人员是否是从室外进入室内;如果人员是从室外进入室内,则获取室外环境温度;如果人员不是从室外进入室内,则获取室内环境温度;
对于从室外进入室内的人员,采用室外环境温度和人体表面测量温度计算被测人体皮肤表面真实温度;对于不是从室外进入室内的人员,采用室内环境温度和人体表面测量温度计算被测人体皮肤表面真实温度;
通过被测人体皮肤表面真实温度,计算最终的人体温度。
获取室外环境温度的方法是:
通过矩阵测温模块获取人员头部以下身体衣物的表面温度;
对获取的身体衣物的表面温度进行统计处理去除异常值,统计量为:
式中,X i 为第i个样本的样本值;i=1,2…n,n为样本数;μ为样本平均值;s为样本标准差;Gn为格拉布斯检验统计量;
根据剔除水平α判断异常值Xn是否该剔除,当Gn>GP(n)时,Xn为高度异常值,剔除异常值Xn,GP(n)为剔除水平α格拉布斯检验临界值;
剔除异常值后,将剩余的数据值进行均均值,作为室外环境温度。
一种基于室内环境下的测温系统,包括AI摄像机和测温人脸识别PAD,其特征在于:
所述AI摄像机对室内测温的人员进行室内和室外轨迹的判断跟踪和标记ID值,确定每个ID值对应人员的是否是从室外进入室内;并将该轨迹跟踪结果及对应ID值传递给到测温人脸识别PAD;
所述测温人脸识别PAD包括人脸识别模块、测温模块以及温度处理模块;
人脸识别模块用于与AI摄像机获取的人员ID值进行匹配;
测温模块用于温度测量;当ID值对应人员的是从室外进入室内,则获取ID值对应人员的人体皮肤表面测量温度和头部以下身体衣物的表面温度;当ID值对应人员的不是从室外进入室内,则获取ID值对应人员的人体皮肤表面测量温度和室内环境温度;
温度处理模块对测温模块获取的温度进行处理,得到人体温度。
与现有技术相比,本发明的有益效果是:
1.本发明提出了一种基于室内环境下的矩阵测温+AI摄像机的测温系统,该系统的优点是通过AI摄像机的头肩跟踪算法对进入人员进行划分,从而对先对人员进行是否是从室外进入室内进行判断,如果是室外进入室内,则获取人员身体衣服的表面温度作为室外环境温度,而并非室内的环境温度,从而解决了从室外进入室内人员的温度补偿计算的精准性,避免了转换后的体表温度与真实体温有差异的情况发生。
2.对从室外进行室内的人员,在获取其身体衣物的表面温度作为环境温度时,使用到数学统计计算方法提出掉异常温度数据,保证结果的准确性。从而能够获取到准确的环境温度。
附图说明
图1是本发明的测温方法的流程图。
具体实施方式
下面结合附图,对本发明作详细说明:
如图1所示,本发明一种基于室内环境下的测温方法,包括:
获取进入位于室内测温区域人员的人体表面测量温度,并对进入位于室内测温区域的人员进行轨迹跟踪:人员的轨迹跟踪可通过AI摄像机的跟踪算法实现。
根据轨迹跟踪结果,判断人员是否是从室外进入室内;如果人员是从室外进入室内,则获取室外环境温度;如果人员不是从室外进入室内,则获取室内环境温度;
对于从室外进入室内的人员,采用室外环境温度和人体表面测量温度计算被测人体皮肤表面真实温度;对于不是从室外进入室内的人员,采用室内环境温度和人体表面测量温度计算被测人体皮肤表面真实温度To;
通过被测人体皮肤表面真实温度To,计算最终的人体温度Tb。
本发明一种基于室内环境下的测温系统,包括:AI摄像机和人脸识别PAD。
AI摄像机对室内测温的人员进行轨迹判断跟和标记ID值;AI摄像机抓拍的范围就是室内和室外的所有环境,并将摄像机的室内和室外进行区域划分,AI摄像机内部需要植入头肩跟踪算法。人员进行摄像机识别跟踪区域时需要对每个人进行唯一ID值标记,并使用头肩跟踪算法对齐进行轨迹跟踪,如该ID是从室外区域坐标进入到室内区域,则判断该ID值的人员是从室外进入到室内。并将该轨迹跟踪结果及对应ID值传递给到测温人脸识别PAD。
人脸识别PAD用于人脸识别和测温。测温模块为MLX90640,获取的是矩阵的数据。
当人员进行人脸识别PAD的识别区域时,则要求进行人脸识别和额头测温。当人脸像素大小满足要求并完成人脸识别的同时,并行获取矩阵测温数据。
如果AI摄像机判断出人员是从室外进入室内,故需要通过人脸识别PAD的测温模块获取被测人员身体衣物的表面温度作为室外环境温度Tc。
被测人员身体衣物的表面温度通过为矩阵测温数据的下半部分数据进行处理(下半部分对应的就是人员的中部和下部身体,其测的温度值就是衣物等温度)得到。因有可能人员随身会携带热源或冷源在身体表面,需要对下半部分数据进行数据处理,采用数学统计方法剔除异常数据,从而获得衣物表面温度,详细如下:
计算统计量:
式中,X i 为第i个样本的样本值;i=1,2…n,n为样本数;μ为样本平均值;s为样本标准差;Gn为格拉布斯检验统计量;
根据检出水平α判断异常值Xn是否异常,当Gn>G99(n)时,Xn为异常值,剔除异常值Xn,G99(n)为检出水平α格拉布斯检验临界值;
剔除异常值后,将剩余的数据值进行均均值,作为衣物表面温度及环境温度Tc。
关于异常值的剔除,具体操作如下:
下面要把计算值Gi与格拉布斯表给出的临界值GP(n)比较,如果计算的Gi值大于表中的临界值GP(n),则能判断该测量数据是异常值,可以剔除。但是要提醒,临界值GP(n)与两个参数有关:检出水平α (与置信概率P有关)和测量次数n (与自由度f有关)。
确定检出水平α:如果要求严格,检出水平α可以定得小一些,例如定α=0.01,那么置信概率P=1-α=0.99;如果要求不严格,α可以定得大一些,例如定α=0.10,即P=0.90;通常定α=0.05,P=0.95。我们采用α=0.01。
查格拉布斯表获得临界值:根据选定的P值(此处为0.99)和测量次数n(假设n为10),查格拉布斯表,横竖相交得临界值G99(10)=2.410。
格拉布斯表——临界值GP(n)
根据检出水平α判断异常值Xn是否异常,当Gn>G99(n)时,Xn为异常值,剔除异常值Xn,G99(n)为检出水平α格拉布斯检验临界值。
当通过AI摄像机的跟踪算法轨迹判断出人员一直处于室内环境徘徊或未发现该人员是从室外进行室内,则统一认为该人员一直在室内。
AI摄像机判断PAD前是否有人,无人则立即获取到室内环境温度Ta,该室内环境温度Ta将为室内人员的体温测量提供计算依据。判断是否有人或物体在PAD面前主要是担心获取到从户外进行的人员的身体环境温度或者异常物体的温度,从而造成混淆。因为室内环境温度基本在一段时间内是处于热平衡状态,设备预装的时候,都会对设备进行预校准,保证PAD前无人或无物体时获取的环境温度是准确的。
然后室内人员进入PAD识别区域时并行进行人脸识别和人体测温,获取到人体表皮测量温度Tr,并将室内环境温度Ta与Tr值进行计算转换,输出人体温度Tb。
通过室内环境温度Ta与人体皮肤表面真实温度To,计算出人体温度Tb的方法是:
第一步,根据室内环境温度Ta和人体皮肤表面测量温度Tr,计算人体皮肤表面真实温度To:
其中,
第二步,根据人体皮肤表面真实温度To,计算人体温度Tb:
Tb=-a1To
式中,a1、a2、a3、a4、a5、a6、a7分别为设定系数; a1、a2、a3、a4、a5、a6、a7分别取值为:a1=0.000125;a2=0.0283429488;a3=2.67004808;a4=133.762569;a5=3758.41829;a6=56155.4892;a7=348548.755。
当通过AI摄像机的跟踪算法轨迹判断出人员是从室外进入室内的。人员进入PAD识别区域时并行进行人脸识别和人体测温,获取到人体表皮测量温度Tr,并将获取人员下半身衣服的温度作为室外环境温度Tc与人体表皮测量温度Tr值进行计算转换,输出人体温度Tb。
通过室外环境温度Tc与人体皮肤表面真实温度To,计算出人体温度Tb的方法是:
第一步,根据室外环境温度Tc和体皮肤表面测量温度Tr,计算人体皮肤表面真实温度To:
其中,
第二步,根据人体皮肤表面真实温度To,计算人体温度Tb:
Tb=-a1To
式中,a1、a2、a3、a4、a5、a6、a7分别为设定系数; a1、a2、a3、a4、a5、a6、a7分别取值为:a1=0.000125;a2=0.0283429488;a3=2.67004808;a4=133.762569;a5=3758.41829;a6=56155.4892;a7=348548.755。
后续需要将Tb与阈值的最小值和最大值进行对比,温度低于最小值时,语音播报低温过低,如高于最大值,则语音提示温度过高,进行蜂鸣器报警。
- 一种基于室内环境下的测温方法及系统
- 一种室内环境下基于信道状态信息的跌倒事件检测方法