[發明專利]一種基于機器學習的人體測溫補償方法

在審

• 申請號: 202010818853.1
• 申請日: 2020-08-14
• 公開（公告）號: CN112146761A
• 公開（公告）日: 2020-12-29
• 發明（設計）人: 李新;李征宇;趙宇迪
• 申請（專利權）人: 上海數川數據科技有限公司
• 主分類號: G01J5/00
• 分類號: G01J5/00;G01K13/00;G06N20/00
• 代理公司: 宿遷市永泰睿博知識產權代理事務所(普通合伙) 32264
• 代理人: 劉海莉

1.一種基于機器學習的人體測溫補償方法，包括紅外人體測溫系統(1)，其特征在于：所述紅外人體測溫系統(1)包括紅外測溫儀(2)、可見光攝像頭(3)、計算設備(4)和顯示屏(5)。

2.根據權利要求1所述的一種基于機器學習的人體測溫補償方法，其特征在于：所述紅外測溫儀(2)為一個接收被測物體紅外輻射并將其轉化為溫度輸出的裝置。

3.根據權利要求1所述的一種基于機器學習的人體測溫補償方法，其特征在于：所述可見光攝像頭(3)實時采集被測物體的圖像，并將采集到的圖像實時輸出給計算設備(4)。

4.根據權利要求1所述的一種基于機器學習的人體測溫補償方法，其特征在于：所述計算設備(4)接收紅外測溫儀(2)輸出的被測人體溫度及環境溫度，以及來自可見光攝像頭(3)的被測物體圖像，計算設備(4)負責執行人臉識別以及機器學習測溫補償算法，并將測溫結果疊加到被測人體圖像上，輸出到顯示屏(5)上展示。

5.根據權利要求1所述的一種基于機器學習的人體測溫補償方法，其特征在于：所述顯示屏(5)連接在計算設備(4)上，用于顯示經計算設備(4)處理后的被測物體圖像及溫度。

6.根據權利要求1所述的一種基于機器學習的人體測溫補償方法，其特征在于：本發明的實現方法包括以下步驟：

實現方法由兩個階段構成：(1)測溫補償模型學習階段，簡稱學習階段；(2)測溫補償模型執行階段，簡稱執行階段，以下分別對這兩個階段加以說明。

一、學習階段

(1)將計算設備(4)中的機器學習引擎工作模式設置為學習模式。

(2)被測人體面對紅外人體測溫系統(1)，用標準體溫計測量出被測人臉溫度t_r。

(3)計算設備(4)中的數據處理模塊接收來自紅外測溫儀(2)的被測人體溫度t₁和環境溫度t₂，加上接收時刻時間戳s₁后保持到本地數據庫。

(4)數據處理模塊接收來自可見光攝像頭(3)的圖像信息，調用機器學習引擎執行人臉識別算法，將檢測到的人臉位置信息(x，y，w，h)及當前時刻時間戳s₂存入本地數據庫，人臉位置信息中，(x，y，w，h)為識別到的人臉方框信息，其中x，y為人臉方框左上角在屏幕上的坐標，w為方框的寬度，h為方框的高度。

(5)以時間戳作為匹配條件，即s₁≈s₂，數據處理模塊將(x，y，w，h)、t₁、t₂、及被測人體實際溫度t_r進行合并生成一條學習記錄。

(6)改變以下測試條件，重復上述數據采集過程，生成多條學習記錄：被測人體與紅外人體測溫系統(1)的水平偏移距離及縱向垂直距離、環境溫度、被測人臉溫度(例如以熱敷方式提高人臉溫度)。

(7)數據處理模塊對學習記錄進行處理，以(x，y，w，h)、t₁、t₂為基礎提取出特征向量集合X；以多次測量值t_r組成標簽集合Y(label)，生成符合機器學習引擎需要的輸入矩陣數據。

(8)機器學習引擎在輸入矩陣數據上執行多個監督式回歸算法的學習過程，使用的算法包括多元多項式回歸算法，嶺回歸算法，套索回歸，彈性網絡回歸，支持向量回歸，根據每種算法輸出的精度，給予每種算法不同的權重。

(9)通過測試數據驗證學習準確率達到一定標準后，機器學習引擎保存每個算法模型的參數及其精確度權重值，結束學習過程。

二、執行階段

(1)在紅外人體測溫設備部署環境中，數據處理模塊不斷采集來自紅外測溫儀(2)輸出的被測人體溫度t₁及環境溫度t₂，以及來自可見光攝像頭(3)經由機器學習引擎識別到的人臉位置信息(x，y，w，h)。

(2)數據處理模塊以(x，y，w，h)、t₁、t₂為基礎提取出特征向量集合X輸入到已訓練好的算法模型，并結合每種算法的權重綜合得出被測人體的溫度。

(3)數據處理模塊將計算出的溫度與人臉圖片進行疊加后輸出到顯示屏(5)上。