[發(fā)明專利]一種實時人體溫度快速偵測法

有效

• 申請?zhí)枺?/td>: 201810399016.2
• 申請日: 2018-04-28
• 公開（公告）號: CN109029779B
• 公開（公告）日: 2020-02-14
• 發(fā)明（設計）人: 戴明郎;謝禎冏
• 申請（專利權）人: 華映科技(集團)股份有限公司
• 主分類號: G01K13/00
• 分類號: G01K13/00
• 代理公司: 35100 福州元創(chuàng)專利商標代理有限公司
• 代理人: 蔡學俊

本發(fā)明涉及一種實時人體溫度快速偵測法。首先，取得可見光與紅外線影像之物體的精簡化輪廓后，以動態(tài)規(guī)劃進行輪廓的交叉比對，再透過透視投影轉換將紅外線物體迭合至與之相似度最高的可見光物體上，并進行人體溫度計算。本發(fā)明使得紅外線和可見光影像融合，除了能取得體溫，還能辨識個別物體，能提升辨識效能，實現(xiàn)人體溫度快速偵測。

技術領域

本發(fā)明涉及一種實時人體溫度快速偵測法。

背景技術

現(xiàn)有的基于紅外的人體溫度檢測方式，由于紅外線攝影機擷取影像與可見光影像大不相同， 故以往透過紅外線設備監(jiān)控溫度時，須透過另一部攝影機擷取可見光影像，再進行人為的比對 辨識，如此在人流量大的場合，無法快速實現(xiàn)人體識別的同時實現(xiàn)人體溫度檢測，為此，需要 一種能夠進行可見光影像物體輪廓與紅外線影像熱體輪廓的自動比對、定位與迭合，省下人工 比對的麻煩的方式。

現(xiàn)有對于可見光影像與熱影像融合的相關文獻有：

1.動態(tài)調整多張可見光影像與熱影像融合比例之強健人臉辨識，施惟尊碩士論文

使用離散小波(Discrete Wavelet Transform,DWT)做可見光與紅熱影像的融合，并隨可見 光影像照明度的不同，調整可見光與熱影像的融合比例，接著對每個人連續(xù)的融合影像進行線 性鑒別式(Linear Discriminant Analysis,LDA)，再將融合后的影像之特征參數(shù)加以轉換，最后 利用歐氏距離進行人臉辨識。

2.可變性視覺環(huán)境下紅外線及可見光影像融合之研究，陳孟懌，世新大學圖文傳播暨數(shù)位 出版學碩士論文

使用主成分分析(Principle Components Analysis,PCA)嵌入小波多解析層將紅外線與可見 光影像融合。首先分別使用PCA和DWT將紅外線與可見光影像融合，分析兩種融合影像，取 出兩影像的優(yōu)點并融合之，得到嵌入式PCA小波多解析層融合影像。能在不同的視覺環(huán)境下保 有較佳的融合結果。

3.Fast and Accurate Registration of Visible and Infrared Videos,Socheat Sonn, Guillaume-Alexandre Bilodeau,Philippe Galinier,IEEE Conferenceon Computer Vision and Pattern Recognition Workshops,pp.308-313,2013

利用基于關鍵點和時間信息解決場景中之紅外線與可見光立體物體的定位問題。先取出物 體的輪廓并轉為多邊形，以此多邊形的頂點做為關鍵點，用以比對。再根據(jù)比對關鍵點計算轉 換矩陣并放在時間緩沖區(qū)內，累加緩沖區(qū)中的轉換矩陣，使用此轉換矩陣將紅外線影像轉換并 定位到可見光影像上。

4.Automatic Image Registration in Infrared-Visible Videos usingPolygon Vertices,Tanushri Chakravorty,Guillaume-Alexandre Bilodeau,EricGranger,2014

使用背景相減法取出物體，再利用多邊形逼近取得目標物體的形狀，接著偵測形狀上的關 鍵點，并根據(jù)這些關鍵點之間的歐氏距離與其形狀之凸包參數(shù)來比對物體。取得比對關鍵點后， 將比對關鍵點存放在時間緩沖區(qū)內，計算緩沖區(qū)內所有比對關鍵點各自的轉換矩陣，使用轉換 矩陣將紅外線轉換，計算紅外線與可見光影像的重迭比例，若比當前的轉換矩陣更好，便更新 轉換矩陣。