[發(fā)明專(zhuān)利]一種紅外人體測(cè)溫的校準(zhǔn)方法以及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 202010167209.2
• 申請(qǐng)日: 2020-03-11
• 公開(kāi)（公告）號(hào): CN111458030B
• 公開(kāi)（公告）日: 2021-04-09
• 發(fā)明（設(shè)計(jì)）人: 劉鑫;莊浩;張繼勇
• 申請(qǐng)（專(zhuān)利權(quán)）人: 華瑞新智科技（北京）有限公司
• 主分類(lèi)號(hào): G01J5/00
• 分類(lèi)號(hào): G01J5/00;G01K15/00;G06K9/62
• 代理公司: 北京君慧知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11716
• 代理人: 董延麗

1.一種紅外人體測(cè)溫的校準(zhǔn)方法，其特征在于，所述方法包括：

獲取圖像數(shù)據(jù)以及紅外人體測(cè)溫結(jié)果，將所述圖像數(shù)據(jù)輸入至預(yù)先訓(xùn)練的第一模型，得到所述圖像數(shù)據(jù)對(duì)應(yīng)的特征表達(dá)向量，其中，所述第一模型為卷積神經(jīng)網(wǎng)絡(luò)分類(lèi)模型，所述圖像數(shù)據(jù)為被測(cè)體溫者所處環(huán)境的圖像數(shù)據(jù)；

獲取當(dāng)前的環(huán)境數(shù)據(jù)，并將當(dāng)前的環(huán)境數(shù)據(jù)、所述圖像數(shù)據(jù)對(duì)應(yīng)的特征表達(dá)向量與當(dāng)前的紅外人體測(cè)溫結(jié)果輸入至預(yù)先訓(xùn)練的第二模型，確定出當(dāng)前的紅外人體測(cè)溫結(jié)果與對(duì)應(yīng)的人體真實(shí)溫度之間的預(yù)測(cè)差值，其中，所述環(huán)境數(shù)據(jù)包括溫度數(shù)據(jù)、濕度數(shù)據(jù)以及時(shí)間數(shù)據(jù)中的一項(xiàng)或多項(xiàng)；

根據(jù)所述預(yù)測(cè)差值對(duì)當(dāng)前的紅外人體測(cè)溫結(jié)果進(jìn)行校準(zhǔn)。

2.根據(jù)權(quán)利要求1所述的紅外人體測(cè)溫的校準(zhǔn)方法，其特征在于，所述將圖像數(shù)據(jù)輸入至預(yù)先訓(xùn)練的第一模型，得到所述圖像數(shù)據(jù)對(duì)應(yīng)的特征表達(dá)向量，具體包括：

提取所述圖像數(shù)據(jù)中的像素值，并將所述像素值輸入至所述第一模型，經(jīng)過(guò)多層卷積和池化操作，得到圖像數(shù)據(jù)對(duì)應(yīng)的特征表達(dá)向量，其中，所述圖像數(shù)據(jù)對(duì)應(yīng)的特征表達(dá)向量包括所述圖像數(shù)據(jù)的語(yǔ)義信息。

3.根據(jù)權(quán)利要求1所述的紅外人體測(cè)溫的校準(zhǔn)方法，其特征在于，所述將所述圖像數(shù)據(jù)的特征表達(dá)向量與當(dāng)前的紅外人體測(cè)溫結(jié)果輸入至預(yù)先訓(xùn)練的第二模型之前，所述方法包括：

獲得訓(xùn)練數(shù)據(jù)，其中，所述訓(xùn)練數(shù)據(jù)包括多組環(huán)境數(shù)據(jù)、每組環(huán)境數(shù)據(jù)對(duì)應(yīng)的圖像數(shù)據(jù)、每組環(huán)境數(shù)據(jù)對(duì)應(yīng)的紅外人體測(cè)溫結(jié)果以及每組紅外人體測(cè)溫結(jié)果對(duì)應(yīng)的人體真實(shí)溫度；

將所述每組環(huán)境數(shù)據(jù)對(duì)應(yīng)的圖像數(shù)據(jù)輸入至所述第一模型，得到圖像數(shù)據(jù)對(duì)應(yīng)的特征表達(dá)向量；

建立初始的第二模型；

根據(jù)所述訓(xùn)練數(shù)據(jù)中的多組環(huán)境數(shù)據(jù)、每組環(huán)境數(shù)據(jù)對(duì)應(yīng)的紅外人體測(cè)溫結(jié)果、每組紅外人體測(cè)溫結(jié)果對(duì)應(yīng)的人體真實(shí)溫度以及圖像數(shù)據(jù)對(duì)應(yīng)的特征表達(dá)向量，訓(xùn)練初始的第二模型，得出符合預(yù)設(shè)條件的第二模型。

4.根據(jù)權(quán)利要求3所述的紅外人體測(cè)溫的校準(zhǔn)方法，其特征在于，所述根據(jù)所述訓(xùn)練數(shù)據(jù)中的多組環(huán)境數(shù)據(jù)、每組環(huán)境數(shù)據(jù)對(duì)應(yīng)的紅外人體測(cè)溫結(jié)果、每組紅外人體測(cè)溫結(jié)果對(duì)應(yīng)的人體真實(shí)溫度以及圖像數(shù)據(jù)對(duì)應(yīng)的特征表達(dá)向量，訓(xùn)練初始的第二模型之前，所述方法還包括：

根據(jù)預(yù)先設(shè)定閾值，刪除所述訓(xùn)練數(shù)據(jù)中不符合要求的紅外人體測(cè)溫結(jié)果。

5.根據(jù)權(quán)利要求3所述的紅外人體測(cè)溫的校準(zhǔn)方法，其特征在于，所述根據(jù)所述訓(xùn)練數(shù)據(jù)中的多組環(huán)境數(shù)據(jù)、每組環(huán)境數(shù)據(jù)對(duì)應(yīng)的紅外人體測(cè)溫結(jié)果、每組紅外人體測(cè)溫結(jié)果對(duì)應(yīng)的人體真實(shí)溫度以及圖像數(shù)據(jù)對(duì)應(yīng)的特征表達(dá)向量，訓(xùn)練初始的第二模型之前，所述方法還包括：

計(jì)算所述訓(xùn)練數(shù)據(jù)中每組紅外人體測(cè)溫結(jié)果與對(duì)應(yīng)的人體真實(shí)溫度的差值，并將所述訓(xùn)練數(shù)據(jù)中每組紅外人體測(cè)溫結(jié)果與對(duì)應(yīng)的人體真實(shí)溫度的差值標(biāo)記為標(biāo)簽數(shù)據(jù)；

所述根據(jù)所述訓(xùn)練數(shù)據(jù)中的多組環(huán)境數(shù)據(jù)、每組環(huán)境數(shù)據(jù)對(duì)應(yīng)的紅外人體測(cè)溫結(jié)果、每組紅外人體測(cè)溫結(jié)果對(duì)應(yīng)的人體真實(shí)溫度以及圖像數(shù)據(jù)對(duì)應(yīng)的特征表達(dá)向量，訓(xùn)練初始的第二模型，具體包括：

根據(jù)所述訓(xùn)練數(shù)據(jù)中的多組環(huán)境數(shù)據(jù)、圖像數(shù)據(jù)對(duì)應(yīng)的特征表達(dá)向量以及所述標(biāo)簽數(shù)據(jù)，訓(xùn)練初始的第二模型。

6.根據(jù)權(quán)利要求5所述的紅外人體測(cè)溫的校準(zhǔn)方法，其特征在于，所述根據(jù)所述訓(xùn)練數(shù)據(jù)中的多組環(huán)境數(shù)據(jù)、圖像數(shù)據(jù)對(duì)應(yīng)的特征表達(dá)向量以及所述標(biāo)簽數(shù)據(jù)，訓(xùn)練初始的第二模型，具體包括：

選取多個(gè)機(jī)器學(xué)習(xí)回歸算法，將所述訓(xùn)練數(shù)據(jù)中的多組環(huán)境數(shù)據(jù)、圖像數(shù)據(jù)對(duì)應(yīng)的特征表達(dá)向量以及所述標(biāo)簽數(shù)據(jù)，輸入至多個(gè)機(jī)器學(xué)習(xí)回歸算法，訓(xùn)練出多個(gè)基礎(chǔ)模型；

將每個(gè)基礎(chǔ)模型得出的紅外人體測(cè)溫結(jié)果與對(duì)應(yīng)的人體真實(shí)溫度之間的預(yù)測(cè)差值，作為新的訓(xùn)練數(shù)據(jù)，并將新的訓(xùn)練數(shù)據(jù)輸入至上層模型，最終訓(xùn)練出符合預(yù)設(shè)條件的第二模型。

7.根據(jù)權(quán)利要求6所述的紅外人體測(cè)溫的校準(zhǔn)方法，其特征在于，所述回歸算法包括線(xiàn)性回歸算法、神經(jīng)網(wǎng)絡(luò)算法、嶺回歸算法、決策樹(shù)回歸算法中一種或多種；

所述上層模型包括梯度提升決策樹(shù)算法、極端梯度提升算法、輕量梯度提升算法中的一種。