一种基于人脸识别的体温检测和轨迹追踪方法

1.本发明涉及体温检测系统技术领域，尤其涉及一种基于人脸识别的体温检测和轨迹追踪方法。


背景技术：

2.流行性传染病具有高度传染性，若不及时加以控制容易造成大规模疫情的发生，对人民群众的生命安全和社会稳定形成威胁。在出现感染者时，及时整理其最近一段时间内曾去过的地方、接触过的人是十分重要的，可以及时发现并控制密切接触者，以防止感染者数量进一步增加，目前还原感染者的移动轨迹主要是通过手机信号定位的方式实现，但在感染者未携带手机时无法实现移动轨迹还原，可能会遗漏信号不好的地方，并且只能在感染者确诊后实现。部分流行性传染病的感染者会有发热、体温升高的表现，因此通过图像采集设备和体温检测设备监测行人中的体温异常者，并进一步研究其移动轨迹将成为一种具有可行性且更有优势的方法。


技术实现要素：

3.鉴于此，本发明的目的在于提供一种基于人脸识别的体温检测和轨迹追踪方法，以克服或至少部分解决现有技术所存在的上述问题。
4.为实现上述发明目的，本发明提供一种基于人脸识别的体温检测和轨迹追踪方法，包括以下步骤：
5.获取行人脸部图像，同时获取行人的体温数据；
6.遍历预先建立的人脸图像数据库，将行人脸部图像与人脸图像数据库内的人脸图像数据进行对比，若找到匹配度高于第一预设阈值的人脸图像数据，则对匹配度高于第一预设阈值的人脸图像数据对应的检测对象属性进行更新，所述更新包括将行人的体温数据和行人脸部图像获取地点添加到检测对象属性中，若未找到匹配度高于第一预设阈值的人脸图像数据，则创建新的检测对象；
7.分析所有检测对象属性中的最新体温数据是否大于第二预设阈值，若有检测对象属性中的最新体温数据大于第二预设阈值，生成提示信息并基于检测对象属性生成检测对象移动轨迹。
8.进一步的，在获取行人的体温数据后，计算温度补偿数据，根据温度补偿数据对行人的体温数据进行补偿修正，在更新检测对象属性时，将补偿修正后的体温数据添加到检测对象属性中。
9.进一步的，所述计算温度补偿数据具体包括以下步骤：
10.通过传感器采集环境数据和相应的检测数据，将环境数据和相应的检测数据划分为训练集和测试集；
11.通过训练集对神经网络模型进行训练，通过测试集对神经网络模型进行测试判断其是否满足期望；
12.将实时的环境数据和检测数据输入到神经网络模型中，获得温度补偿数据。
13.进一步的，所述计算温度补偿数据具体还包括以下步骤：
14.建立环境知识图谱、检测对象知识图谱和生理知识库；
15.获取环境事件信息，基于环境事件信息更新环境知识图谱；
16.在获取行人脸部图像的同时获取行人全身图像和场景图像，基于行人全身图像和场景图像更新检测对象知识图谱；
17.基于环境知识图谱、检测对象知识图谱和生理知识库计算温度补偿数据。
18.进一步的，在根据检测对象属性生成检测对象移动轨迹后，还包括步骤：
19.获取相关人员限制条件，所述相关人员限制条件包括时间条件和距离条件；
20.根据时间条件和距离条件查询在时间条件限制下与检测对象移动轨迹之间距离满足距离条件的其他检测对象；
21.根据其他检测对象属性确定相关人员。
22.进一步的，在基于检测对象属性生成检测对象移动轨迹后，还包括步骤：
23.获取检测对象属性查询条件；
24.根据检测对象属性查询条件查询符合条件的检测对象；
25.通过可视化界面展示符合条件的检测对象属性和移动轨迹。
26.进一步的，在基于检测对象属性生成检测对象移动轨迹后，对检测对象移动轨迹进行模糊加密处理，所述模糊加密处理具体包括：
27.模糊处理，确定检测对象移动轨迹中各个历史位置所属区域，生成检测对象基于区域的移动轨迹；
28.加密处理，对检测对象移动轨迹中的各个历史位置坐标通过加密算法进行处理。
29.进一步的，所述加密算法具体包括以下步骤：
30.获取各个历史位置坐标对应的人脸图像和/或体温数据获取设备的识别码，基于所述识别码生成第一密钥，通过所述第一密钥对历史位置坐标进行加密；
31.获取移动轨迹对应的检测对象人脸图像数据，提取检测对象人脸图像数据特征点，根据检测对象人脸图像数据特征点位置信息生成第二密钥，通过所述第二密钥对移动轨迹涉及的人脸图像和/或体温数据获取设备的识别码进行加密。
32.进一步的，在接收到获取检测对象移动轨迹的请求时，向请求方发送检测对象基于区域的移动轨迹，若进一步接收到获取检测对象原始移动轨迹的请求时，获取请求方的人脸图像并提取请求方人脸图像特征点，根据请求方人脸图像特征点位置信息生成第三密钥，通过第三密钥对经过加密的识别码进行解密，若解密成功，则基于解密获得的识别码生成第一密钥，通过所述第一密钥对经过加密的历史位置坐标进行解密，基于解密获得的历史位置坐标还原检测对象原始移动轨迹。
33.与现有技术相比，本发明的有益效果是：
34.本发明所提供的一种基于人脸识别的体温检测和轨迹追踪方法，在获取行人脸部图像的同时获取行人的体温数据，通过将新采集的行人脸部图像与人脸图像数据库中存储的人脸图像数据进行对比，若有相匹配的人脸图像数据，则将行人体温数据和位置信息更新到对应的检测对象属性中，否则创建新的检测对象，从而对所有的行人体温数据进行建档保存，当数据库中有检测对象属性的最新体温数据大于第二预设阈值时，基于检测对象
属性生成其移动轨迹，从而便于排查与体温异常者有过接触的人群，在室外、室内等多种不同场合均可应用，具有较高的实用性。
附图说明
35.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的优选实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
36.图1是本发明实施例提供的一种基于人脸识别的体温检测和轨迹追踪方法整体结构示意图。
37.图2是本发明实施例提供的一种温度补偿数据计算方法流程示意图。
38.图3是本发明实施例提供的另一种温度补偿数据计算方法流程示意图。
39.图4是本发明实施例提供的相关人员确定流程示意图。
40.图5是本发明实施例提供的检测对象查询流程示意图。
41.图6是本发明实施例提供的加密算法流程示意图。
具体实施方式
42.以下结合附图对本发明的原理和特征进行描述，所列举实施例只用于解释本发明，并非用于限定本发明的范围。
43.参照图1，本实施例提供一种基于人脸识别的体温检测和轨迹追踪方法，所述方法包括以下步骤：
44.s101、获取行人脸部图像，同时获取行人的体温数据。示例性地，该步骤中行人脸部图像和体温数据可以是分别通过视频监控设备/图像采集设备和体温检测设备获取，也可以是通过同时具有图像采集和体温检测的一体化设备实现。
45.s102、遍历预先建立的人脸图像数据库，将行人脸部图像与人脸图像数据库内的人脸图像数据进行对比，若找到匹配度高于第一预设阈值的人脸图像数据，则对匹配度高于第一预设阈值的人脸图像数据对应的检测对象属性进行更新，所述更新包括将行人的体温数据和行人脸部图像获取地点添加到检测对象属性中，若未找到匹配度高于第一预设阈值的人脸图像数据，则创建新的检测对象。
46.所述人脸图像数据库建立后内部可以预存一部分检测对象的数据，例如检测对象的姓名等基本信息、其脸部图像等，此时检测对象的体温数据字段的值为空，当开始进行检测后，若获取到的行人脸部图像与人脸图像数据库相匹配，说明该行人为检测对象，则将该检测对象的位置信息——即行人脸部图像的获取地点和体温数据更新到相应的检测对象属性中。若未找到相匹配的人脸图像数据，则说明人脸图像数据库中还未收录该检测对象，此时为其创建新的检测对象，并将其位置信息和体温数据更新到新创建的检测对象属性中。所述第一预设阈值为行人脸部图像与预存人脸图像数据的相似度标准，两者相似度高于或等于第一预设阈值时认为两者实际相同，第一预设阈值的具体值可以根据实际需求进行设定。
47.s103、分析所有检测对象属性中的最新体温数据是否大于第二预设阈值，若有检
测对象属性中的最新体温数据大于第二预设阈值，生成提示信息并基于检测对象属性生成检测对象移动轨迹。所述第二预设阈值用于衡量检测对象的最新体温是否异常，若检测对象高于第二预设阈值，说明检测对象的体温高于正常值，需要进一步基于检测对象的历史位置信息生成其移动轨迹，以便于后续排查与该检测对象有过接触的人群；若检测对象的体温不高于预设阈值，则说明检测对象的体温正常，进行对下一检测对象的体温数据的检测。
48.目前实现非接触式测温主要采用的是红外测温设备，其检测速度快，且不用于人体产生接触，红外测温是利用原理
‑‑
自然界中温度高于绝对零度(-273℃)的任何物体，随时都向外辐射出电磁波(红外线)。而物体向外辐射的红外线本身具有不稳定的因素，且会随着距离衰减，这就导致红外采集会出现对于不同距离条件下采集结果的差异，即所获取的行人体温数据可能会不准确，为了解决这一问题，本实施例中在获取行人的体温数据后，计算温度补偿数据，根据温度补偿数据对行人的体温数据进行补偿修正，在更新检测对象属性时，将补偿修正后的体温数据添加到检测对象属性中，使得所测得的体温数据更加准确，避免出现误判情况。
49.作为一种优选的示例，参照图2，所述计算温度补偿数据具体包括以下步骤：
50.s201、通过传感器采集环境数据和相应的检测数据，将环境数据和相应的检测数据划分为训练集和测试集。其中，所述环境数据包括温度数据和湿度数据；所述检测数据可以包括体温检测设备与检测对象之间的距离数据。
51.s202、通过训练集对神经网络模型进行训练，通过测试集对神经网络模型进行测试判断其是否满足期望。通过对神经网络模型进行训练，使神经网络能够基于不同的环境温度数据和体温检测设备与被检测对象之间的距离数据，计算环境和检测距离对于检测对象体温数据的影响数值，即温度补偿数据。通过测试集对神经网络模型进行测试以判断神经网络模型的计算精度是否满足需求，若仍不能满足需求，则继续通过训练集进行迭代训练。
52.s203、将实时的环境数据和检测数据输入到神经网络模型中，获得温度补偿数据。在完成对神经网络模型的训练后，将实时的环境数据输入到神经网络模型中，神经网络模型根据实时的环境数据和检测数据输出实际温度补偿数据，通过该温度补偿数据对所获取的行人体温数据进行补偿，从而提高体温检测的精确度。
53.人在经过不同的活动后其体温也会发生变化，例如夏天长时间呆在商场内的人的体温一般会低于其长时间在户外的体温，刚运动后的体温也会高于平时的体温，目前的体温检测无法区分出所测得的行人体温是否为稳定体温或者由于某种情况导致的暂时体温，为了解决这一技术问题，参照图3，所述计算温度补偿数据具体还包括以下步骤：
54.s301、建立环境知识图谱、检测对象知识图谱和生理知识库。其中，所述环境知识图谱用于描述行人所在环境的知识资源及其载体；所述检测对象知识图谱用于描述关于作为检测对象的行人自身的知识资源及其载体，通过环境知识图谱和检测对象知识图谱可以挖掘、分析、构建、绘制和显示知识及它们之间的相互联系。所述生理知识库用于存储生理知识，所述生理知识用于描述检测对象在不同条件下会产生的生理变化。
55.s302、获取环境事件信息，基于环境事件信息更新环境知识图谱。所述环境事件信息用于描述检测对象所处环境中的事物和事件，所述事件包括刚发生一段时间的事件、正
在发生的事件和将要发生的事件。环境事件信息的获取可以是通过网络获取检测对象所在区域的信息，例如通过网络获取到a区域为大型商业广场，则可以据此生成相应的环境事件信息。
56.s303、在获取行人脸部图像的同时获取行人全身图像和场景图像，基于行人全身图像和场景图像更新检测对象知识图谱。可以根据检测对象身上的着装和场景生成相应的检测对象知识资源，例如，通过图像识别分析出检测对象穿着一身运动装和跑步鞋，且通过对场景图像进行分析得出当前场景为公园时，可得出检测对象正在运动的知识资源，从而更新检测对象知识图谱。
57.s304、基于环境知识图谱、检测对象知识图谱和生理知识库计算温度补偿数据。本实施例中通过实时更新的环境知识图谱、检测对象知识图谱，可以分析出检测对象正处于何种场景中，做了或正在做或将要做什么事情，并结合生理知识库中检测对象在不同条件下的生理变化，可以得出相应的温度补偿数据，例如当分析出检测对象正在跑步时，根据生理知识库中人在跑步状态下体温的上升幅度、实时的场景温度等条件可进一步分析出检测对象的体温上升幅度，从而得到相应的温度补偿数据，结合神经网络模型输出的温度补偿数据可以进一步提高体温检测的精确度。
58.作为一种优选的示例，参照图4，在根据检测对象属性生成检测对象移动轨迹后，还包括步骤：
59.s401、获取相关人员限制条件，所述相关人员限制条件包括时间条件和距离条件。所述时间条件用于限制相关人员与体温异常的检测对象处于同一区域的时间长短，所述距离条件用于限制相关人员与体温异常的检测对象之间的相隔距离。
60.s402、根据时间条件和距离条件查询在时间条件限制下与检测对象移动轨迹之间距离满足距离条件的其他检测对象。
61.s403、根据其他检测对象属性确定相关人员。人脸图像数据库中存储了多个检测对象的历史位置信息，当人脸图像数据库中的其他检测对象与体温异常的检测对象处于同一区域的时长满足时间条件的限制，且两者之间的相隔距离未超出距离条件的限制时，则认定满足时间条件和距离条件的检测对象为相关人员。
62.参照图5，在基于检测对象属性生成检测对象移动轨迹后，还包括步骤：
63.s501、获取检测对象属性查询条件。
64.s502、根据检测对象属性查询条件查询符合条件的检测对象。
65.s503、通过可视化界面展示符合条件的检测对象属性和移动轨迹。
66.本实施例中，通过输出对检测对象属性的限制查询条件，可以从人脸图像数据库中查询符合查询条件的检测对象并可视化其属性和移动轨迹，从而使得用户可以根据需求查询特定的检测对象。
67.在目前的传染病疫情处理中，媒体通常会发布出感染者最近一段时间的活动轨迹，以便民众对照判断自身是否为密切接触者，但这些被发布的活动轨迹部分过于详细，容易导致感染者的隐私暴露，为了解决这一问题，在基于检测对象属性生成检测对象移动轨迹后，对检测对象移动轨迹进行模糊加密处理，所述模糊加密处理具体包括：
68.模糊处理，确定检测对象移动轨迹中各个历史位置所属区域，生成检测对象基于区域的移动轨迹，检测对象基于区域的移动轨迹相对于检测对象的原始移动轨迹，仅公开
了检测对象哪些时间在哪些区域内活动过；加密处理，对检测对象移动轨迹中的各个历史位置坐标通过加密算法进行处理。通过对检测对象移动轨迹进行模糊加密处理，可以在基于检测对象移动轨迹实现传染病防控的同时，防止检测对象的隐私被过度暴露。
69.作为一种优选的示例，参照图6，所述加密算法具体包括以下步骤：
70.s601、获取各个历史位置坐标对应的人脸图像和/或体温数据获取设备的识别码，基于所述识别码生成第一密钥，通过所述第一密钥对历史位置坐标进行加密。所述识别码用于唯一识别人脸图像获取设备、体温数据获取设备，基于所述识别码生成第一密钥，可以是将所述识别码输入到密钥生成算法中，也可以是基于某种规则将识别码转换为固定长度的字符串。
71.s602、获取移动轨迹对应的检测对象人脸图像数据，提取检测对象人脸图像数据特征点，根据检测对象人脸图像数据特征点位置信息生成第二密钥，通过所述第二密钥对移动轨迹涉及的人脸图像和/或体温数据获取设备的识别码进行加密。所述特征点位置信息为该特征点在人脸图像中的坐标，当人脸图像为二维平面图像时，所述坐标包括纵坐标和横坐标；当人脸图像为三维图像时，所述坐标还可以包括深度坐标。所述根据检测对象人脸图像数据特征点位置信息生成第二密钥，同样可以是将所述特征点位置信息输入到密钥生成算法中输出相应的密钥，或者是基于某种规则将特征点位置信息转换为固定长度的字符串。
72.相应的，在接收到获取检测对象移动轨迹的请求时，向请求方发送检测对象基于区域的移动轨迹，若进一步接收到获取检测对象原始移动轨迹的请求时，获取请求方的人脸图像并提取请求方人脸图像特征点，根据请求方人脸图像特征点位置信息生成第三密钥，通过第三密钥对经过加密的识别码进行解密，若解密成功，则基于解密获得的识别码生成第一密钥，通过所述第一密钥对经过加密的历史位置坐标进行解密，基于解密获得的历史位置坐标还原检测对象原始移动轨迹，使得仅有检测对象本人或者获得检测对象本人授权后使用其脸部图像的用户可以获取到检测对象的原始移动轨迹，加强对检测对象隐私的保护力度。
73.以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。