热红外图像处理器以及人体温度检测系统的制作方法

本申请涉及人体温度检测技术领域，特别是涉及一种热红外图像处理器以及人体温度检测系统。

背景技术：

随着人们对指定场景内进行人体温度检测的需求越来越多，市场上也随之出现了很多的测温系统供用户使用。当前的体温测量大多为额温测量或者全画面温度测量。但是，由于额温测量的测量距离近、精度低以及测量时间长，在人流密集的区域容易造成人流阻塞，有可能造成高密度人群的集中感染或者二次感染。并且，由于全画面温度测量无法精确的对指定人体部位(例如人脸或者人手)做温度测量，精度低，容易被环境高温物体干扰，譬如说热咖啡，暖宝等。

针对上述的现有技术中存在的当前的体温测量大多为额温测量或者全画面温度测量，由于测量距离近，精度低，测量时间长，无法精确的对指定人体部位做温度测量以及容易被环境高温物体干扰，使得在进行体温测量的过程中，容易造成人流阻塞、高密度人群的集中感染或者二次感染、漏检、错检以及准确率低的技术问题，目前尚未提出有效的解决方案。

技术实现要素：

本公开提供了一种热红外图像处理器以及人体温度检测系统，以至少解决现有技术中存在的当前的体温测量大多为额温测量或者全画面温度测量，由于测量距离近，精度低，测量时间长，无法精确的对指定人体部位做温度测量以及容易被环境高温物体干扰，使得在进行体温测量的过程中，容易造成人流阻塞、高密度人群的集中感染或者二次感染、漏检、错检以及准确率低的技术问题。

根据本公开实施例的一个方面，提供了一种热红外图像处理器，包括人工智能处理模块，配置用于获取通过热红外图像采集设备采集的第一图像，并在第一图像中确定包含目标对象的指定人体部位的第一图像区域；以及温度检测模块，与人工智能处理模块连接，配置用于根据第一图像区域的图像信息，确定指定人体部位的温度。

根据本公开实施例的另一个方面，还提供了一种人体温度检测系统，包括：热红外图像采集设备；以及上述中任意一项所述的热红外图像处理器，其中热红外图像处理器与热红外图像采集设备通信连接，用于针对热红外图像采集设备采集的第一图像进行指定人体部位的温度检测。

在本实用新型实施例中，首先利用人工智能处理模块220获取通过热红外图像采集设备100采集的第一图像，并在第一图像中确定包含目标对象的指定人体部位的第一图像区域。然后然后通过与人工智能处理模块220连接温度检测模块230来根据第一图像区域的图像信息，确定指定人体部位的温度。从而能够满足多目标对象的指定人体部位同时进行温度检测，并对目标对象的指定人体部位做温度检测，温度检测精度高，快速的同时对高温个体及时排除，避免集中感染或者二次感染。同时，通过获取由热红外图像采集设备采集的第一图像来进行无感检测，无需停留，快速疏导人流。并且，在对目标对象的指定人体部位做温度检测，不会受到环境高温物体的干扰，排除错检，误检。从而解决了现有技术中存在的当前的体温测量大多为额温测量或者全画面温度测量，由于测量距离近，精度低，测量时间长，无法精确的对指定人体部位做温度测量以及容易被环境高温物体干扰，使得在进行体温测量的过程中，容易造成人流阻塞、高密度人群的集中感染或者二次感染、漏检、错检以及准确率低的技术问题。

根据下文结合附图对本申请的具体实施例的详细描述，本领域技术人员将会更加明了本申请的上述以及其他目的、优点和特征。

附图说明

后文将参照附图以示例性而非限制性的方式详细描述本申请的一些具体实施例。附图中相同的附图标记标示了相同或类似的部件或部分。本领域技术人员应该理解，这些附图未必是按比例绘制的。附图中：

图1是根据本公开实施例所述的人体温度检测系统的示意图；

图2是根据本公开实施例所述的添加有标识图形的第一图像的一个示意图；以及

图3是根据本公开实施例所述的添加有标识图形的第一图像的又一个示意图。

具体实施方式

需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。

为了使本技术领域的人员更好地理解本公开方案，下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本公开一部分的实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本公开保护的范围。

需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的术语在适当情况下可以互换，以便这里描述的本公开的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

实施例

图1是根据本申请实施例所述的人体温度检测系统的示意图。参考图1所示，本申请实施例的第一个方面提供了一种热红外图像处理器200，包括人工智能处理模块220，配置用于获取通过热红外图像采集设备100采集的第一图像，并在第一图像中确定包含目标对象的指定人体部位的第一图像区域；以及温度检测模块230，与人工智能处理模块220连接，配置用于根据第一图像区域的图像信息，确定指定人体部位的温度。

正如背景技术中所述的，随着人们对指定场景内进行人体温度检测的需求越来越多，市场上也随之出现了很多的测温系统供用户使用。当前的体温测量大多为额温测量或者全画面温度测量。但是，由于额温测量的测量距离近、精度低以及测量时间长，在人流密集的区域容易造成人流阻塞，有可能造成高密度人群的集中感染或者二次感染。并且，由于全画面温度测量无法精确的对指定人体部位(例如人脸或者人手)做温度测量，精度低，容易被环境高温物体干扰，譬如说热咖啡，暖宝等。

具体地，针对上述的问题，参考图1所示，本实施例的第一方面所提供的热红外图像处理器200首先利用人工智能处理模块220获取通过热红外图像采集设备100采集的第一图像，并在第一图像中确定包含目标对象的指定人体部位的第一图像区域。通过这种方式，可以在包含目标检测对象的全图像画面中筛选出只包含目标检测对象的指定人体部位(例如人脸和/或人手)的第一图像区域，从而能够在对目标对象的指定人体部位做温度检测。然后通过与人工智能处理模块220连接温度检测模块230来根据第一图像区域的图像信息，确定指定人体部位的温度。

从而，通过这种方式，本实施例的第一个方面所提供的热红外图像处理器200能够满足多目标对象的指定人体部位同时进行温度检测，并对目标对象的指定人体部位做温度检测，温度检测精度高，快速的同时对高温个体及时排除，避免集中感染或者二次感染。同时，通过获取由热红外图像采集设备100采集的第一图像来进行无感检测，无需停留，快速疏导人流。并且，在对目标对象的指定人体部位做温度检测，不会受到环境高温物体的干扰，排除错检，误检。从而解决了现有技术中存在的当前的体温测量大多为额温测量或者全画面温度测量，由于测量距离近，精度低，测量时间长，无法精确的对指定人体部位做温度测量以及容易被环境高温物体干扰，使得在进行体温测量的过程中，容易造成人流阻塞、高密度人群的集中感染或者二次感染、漏检、错检以及准确率低的技术问题。

此外，热红外图像处理器200是基于fpga构架的图像处理器。其中，该热红外图像处理器200例如可以是利用xilinx的zynqultrascale+mpsoc或intel的stratix10实现的图像处理器。

可选地，热红外图像处理器200还包括：预处理模块210，配置用于生成与第一图像对应的第二图像，其中第二图像适于预设的图像检测模型进行检测；并且人工智能处理模块220包括指定人体部位检测单元221以及指定人体部位映射单元222，其中指定人体部位检测单元221与预处理模块210连接，配置用于通过图像检测模型，在第二图像中检测包含指定人体部位的第二图像区域；指定人体部位映射单元222配置用于根据第二图像区域在第二图像中的位置信息，在第一图像中确定第一图像区域。

具体地，参照图1所示，热红外图像处理器200还包括预处理模块210，用于生成与第一图像对应的第二图像，其中第二图像适于预设的图像检测模型进行检测。由于目前的图像检测模型通常支持对有限范围内的分辨率的图像进行识别(例如分辨率为512*512、640*360、640*480或者其他)，因此为了保障人工智能处理模块220能够对第一图像中的目标对象进行有效的检测，在本实施例中需要通过预处理模块210对获取到的第一图像进行预处理，从而生成适于人工智能处理模块220进行检测的第二图像。

进一步地，人工智能处理模块220包括指定人体部位检测单元221以及指定人体部位映射单元222。其中指定人体部位检测单元221与预处理模块210连接，用于通过图像检测模型，在第二图像中检测包含指定人体部位的第二图像区域。在检测出包含指定人体部位的第二图像区域的情况下，指定人体部位映射单元222需要根据第二图像区域在第二图像中的位置信息，在第一图像中确定第一图像区域。从而，通过这种方式，不仅能够对第一图像中的目标对象进行有效的检测，还能够准确的在第一图像中确定第一图像区域。

可选地，预处理模块210包括以下的至少一项：分辨率转换单元211，配置用于将图像的分辨率转换成与图像检测模型匹配的分辨率；以及图像增强单元212，配置用于增强图像中的细节信息。

具体地，参照图1所示，预处理模块210包括分辨率转换单元211和图像增强单元212中的至少一项。其中，在热红外图像采集设备100采集的第一图像的分辨率低于人工智能处理模块220能够检测的图像的分辨率的情况下，分辨率转换单元211可以为上采样单元，用于对第一图像进行上采样操作，例如可以利用多相滤波器或者线性滤波器进行上采样，完成低分辨率到高分辨率的提升。从而，不再需要基于采集的热红外图像重新训练模型，而是先将图像的分辨率转换成与图像检测模型匹配的分辨率，然后利用现有的人工智能检测功能，对低分辨率的热红外图像进行有效检测。

此外，在热红外图像采集设备100采集的第一图像的分辨率高于人工智能处理模块220能够检测的图像的分辨率的情况下，分辨率转换单元211可以为下采样单元，用于对第一图像进行下采样操作，从而将第一图像的分辨率转换为与图像检测模型匹配的分辨率。

进一步地，由于热红外传感器本身成像特点以及分辨率较低等原因，热红外图像往往噪声高，导致物体的边缘信息被干扰。针对噪声高这个问题，本实施例通过图像增强单元212使用预设的去噪滤波算法进行去噪，以抑制图像中的噪声，同时不破坏物体的边缘。其中，常见的去噪滤波算法例如有双边滤波算法和导向滤波算法等。

优选地，由于热红外图像是根据物体表面温度成像的，而实际场景中物体和背景的温度差不会很大，所以物体的边缘细节在热红外图像中不明显。针对这个问题，本实施例还可以通过图像增强单元212使用预设的边缘锐化算法进行边缘增强，以增强物体的细节信息。其中，常见的边缘锐化算法例如有拉普拉斯滤波算法和sobel滤波算法等。

此外，需要特别说明的是，图像增强单元212不局限于包含去噪滤波算法和边缘锐化算法，也可以包含其他的可以增强图像质量的算法。

优选地，本实施例的预处理模块210还可以首先通过分辨率转换单元211将第一图像的分辨率转换为成与图像检测模型匹配的分辨率。然后通过图像增强单元212，对分辨率转换单元211输出的图像进行图像增强操作，抑制图像中的噪声，同时增强图像中的细节信息，从而生成适于人工智能处理模块220进行检测的第二图像。

可选地，根据第二图像区域在第二图像中的位置，在第一图像中确定第一图像区域的操作，包括：根据第二图像区域在第二图像中的位置信息以及第一图像和第二图像之间的位置映射关系，确定第一图像区域在第一图像中的位置信息；以及根据第一图像区域在第一图像中的位置信息，在第一图像中确定第一图像区域。

具体地，指定人体部位映射单元222首先根据第二图像区域在第二图像中的位置信息以及第一图像和第二图像之间的位置映射关系，例如利用预先设置的坐标转换算法，将第二图像中的位置信息转换为第一图像中相对应的位置信息，从而确定第一图像区域在第一图像中的位置信息。其中，所确定的第一图像区域在第一图像中的位置信息例如可以包括x,y,w,h，即第一图像区域在第一图像中的x,y坐标以及宽高信息。然后根据第一图像区域在第一图像中的位置信息，在第一图像中确定第一图像区域。通过这种方式，保障了所确定的第一图像区域的准确性。

可选地，根据第一图像区域的图像信息，确定指定人体部位的温度的操作，包括：在第一图像区域中选取像素值最高的预定数量的像素点；根据所选取的像素点的像素值，确定所选取的像素点对应的温度值；以及根据所选取的像素点对应的温度值求取平均温度值，并将平均温度值作为指定人体部位的温度。

具体地，温度检测模块230首先在第一图像区域中选取像素值最高的预定数量的像素点，然后根据所选取的像素点的像素值，确定所选取的像素点对应的温度值，最后根据所选取的像素点对应的温度值求取平均温度值，并将平均温度值作为目标对象的指定人体部位的温度。通过这种方式，可以准确的确定指定人体部位的温度。

可选地，热红外图像处理器200还包括温度异常检测模块250，与温度检测模块230连接，配置用于根据所确定的指定人体部位的温度以及预设的温度阈值，判定指定人体部位的温度是否异常。

具体地，参照图1所示，热红外图像处理器200还包括与温度检测模块230连接的温度异常检测模块250。本实施例通过温度异常检测模块250根据温度检测模块230所确定的指定人体部位的温度以及预设的温度阈值，判定目标对象的指定人体部位的温度是否异常。通过这种方式，能够对指定人体部位的温度异常的个体及时排除，避免感染。

可选地，热红外图像处理器200还包括图像融合模块240，与温度检测模块230以及温度异常检测模块250连接，配置用于在判定指定人体部位的温度异常的情况下，在第一图像区域的位置处添加标识图形。

在实践中，监控工作人员通常通过观看监控视频，对目标对象进行监控。因此如果能够在视频中添加用于识别目标对象和目标对象的温度分布信息的标记(例如使用颜色矩形框标记目标对象、添加脸部温度信息以及手部温度信息等标识图形)，则更加有利于监控工作人员观察监控视频。

具体地，图2实例性的示出了添加有标识图形的第一图像的一个示意图，图3实例性的示出了添加有标识图形的第一图像的又一个示意图。参照图1、图2以及图3所示，本实施例通过图像融合模块240判定温度检测模块230所检测到的目标对象的指定人体部位的温度是否异常，在判定目标对象的指定人体部位的温度异常的情况下，将第一图像与温度检测模块230检测到的指定人体部位的温度进行融合，并在第一图像区域的位置处添加标识图形。其中，参照图2和图3所示，例如在第一图像区域添加颜色矩形框，用于标记所检测出的目标对象的人脸和/或人手在第一图像中的位置，同时可以用不同颜色的矩形框来区分不同的目标对象的人脸和/或人手的温度是否异常。并且还可以在目标对象的具体部位(例如，额头、眼睛、鼻子等部分)添加具体的温度信息。从而，通过这种方式，可以向监控工作人员提供高清并具有标记的监控视频，有利于监控人员进行监控。

可选地，热红外图像处理器200还包括图像融合模块240，与温度检测模块230连接，配置用于在第一图像区域的位置处添加标识图形。

具体地，参照图2所示，本实施例通过图像融合模块240将温度检测模块230检测到的指定人体部位的温度与第一图像区域进行融合，然后在第一图像区域的位置处添加标识图形。其中，参照图2和图3所示，例如在第一图像区域添加颜色矩形框，用于标记所检测出的目标对象的人脸和/或人手在第一图像中的位置，同时可以用不同颜色的矩形框来区分不同的目标对象的人脸和/或人手的温度是否异常。并且还可以在目标对象的具体部位(例如，额头、眼睛、鼻子等部分)添加具体的温度信息。从而，通过这种方式，可以向监控工作人员提供高清并具有标记的监控视频，有利于监控人员进行监控。

可选地，指定人体部位包括人脸和/或人手。

具体地，人工智能模块220可以包括人脸识别模型和人手识别模型。因此可以通过人脸识别模型和人手识别模型从第一图像中确定包含目标对象的人脸和/或人手的图像区域，然后通过温度检测模块230来根据包含目标对象的人脸和/或人手的图像区域，确定目标对象的人脸和/或人手的温度。其中，人脸识别模型和人手识别模型例如都采用卷积神经网络，分别通过人脸样本和人手样本进行训练得到。

本申请实施例的第二个方面提供了一种人体温度检测系统，包括：热红外图像采集设备100；以及上述中任意一项所述的热红外图像处理器200，其中热红外图像处理器200与热红外图像采集设备100通信连接，用于针对热红外图像采集设备100采集的第一图像进行指定人体部位的温度检测。

具体地，参照图1所示，本申请实施例的第二个方面提供了一种人体温度检测系统，包括热红外图像采集设备100以及上述中任意一项所述的热红外图像处理器200。从而，可以通过热红外图像采集设备100(例如，热红外摄像机)采集热红外图像(对应于图1中的第一图像)，然后由热红外图像采集设备100将采集的热红外图像发送至热红外图像处理器200。热红外图像处理器200在接收到热红外图像采集设备100采集的热红外图像后，对热红外图像进行相应的指定人体部位(例如人脸和/或人手)的温度检测。

可选地，人体温度检测系统还包括：显示模块310，与热红外图像处理器200的图像融合模块240通信连接，用于显示添加有标识图形的第一图像。

具体地，参照上述的，图像融合模块240用于在第一图像区域的位置处添加标识图形。因此，参考图1所示，人体温度检测系统还包括显示模块310，与图像融合模块240连接，用于显示添加有标识图形的第一图像。同时，还可以将采集的目标对象温度、目标对象位置和添加有标识图形的第一图像的相关数据发送给远端服务器。从而，不仅能够向相关的工作人员显示带有目标对象的位置信息和温度信息的标记的第一图像，还使得远端服务器可以做进一步的数据分析。

可选地，人体温度检测系统还包括网络接口320，与热红外图像处理器200的图像融合模块240通信连接，用于通过网络传输添加有标识图形的第一图像。

具体地，参考图1所示，人体温度检测系统还包括网络接口320，可以通过网络接口320发送目标对象温度、目标对象位置和添加有标识图形的第一图像的相关数据给远端服务器做进一步数据分析。

可选地，人体温度检测系统还包括报警模块330，与热红外图像处理器200的温度异常检测模块250通信连接，用于在温度异常检测模块250判定目标对象的指定人体部位的温度异常的情况下，发出警报。

具体地，参考图1所示，人体温度检测系统还包括报警模块330，与温度异常检测模块250通信连接。在温度异常检测模块250判定目标对象的指定人体部位的温度异常的情况下，报警模块330发出警报。从而，通过这种方式，在检测到目标对象的指定人体部位的温度异常的情况下，能够及时的警示相关的工作人员。

从而，本实施例首先利用人工智能处理模块220获取通过热红外图像采集设备100采集的第一图像，并在第一图像中确定包含目标对象的指定人体部位的第一图像区域。然后然后通过与人工智能处理模块220连接温度检测模块230来根据第一图像区域的图像信息，确定指定人体部位的温度。从而能够满足多目标对象的指定人体部位同时进行温度检测，并对目标对象的指定人体部位做温度检测，温度检测精度高，快速的同时对高温个体及时排除，避免集中感染或者二次感染。同时，通过获取由热红外图像采集设备采集的第一图像来进行无感检测，无需停留，快速疏导人流。并且，在对目标对象的指定人体部位做温度检测，不会受到环境高温物体的干扰，排除错检，误检。从而解决了现有技术中存在的当前的体温测量大多为额温测量或者全画面温度测量，由于测量距离近，精度低，测量时间长，无法精确的对指定人体部位做温度测量以及容易被环境高温物体干扰，使得在进行体温测量的过程中，容易造成人流阻塞、高密度人群的集中感染或者二次感染、漏检、错检以及准确率低的技术问题。

除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为授权说明书的一部分。在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

为了便于描述，在这里可以使用空间相对术语，如“在……之上”、“在……上方”、“在……上表面”、“上面的”等，用来描述如在图中所示的一个器件或特征与其他器件或特征的空间位置关系。应当理解的是，空间相对术语旨在包含除了器件在图中所描述的方位之外的在使用或操作中的不同方位。例如，如果附图中的器件被倒置，则描述为“在其他器件或构造上方”或“在其他器件或构造之上”的器件之后将被定位为“在其他器件或构造下方”或“在其他器件或构造之下”。因而，示例性术语“在……上方”可以包括“在……上方”和“在……下方”两种方位。(该器件也可以其他不同方式定位旋转90度或处于其他方位)，并且对这里所使用的空间相对描述作出相应解释。

在本公开的描述中，需要理解的是，方位词如“前、后、上、下、左、右”、“横向、竖向、垂直、水平”和“顶、底”等所指示的方位或位置关系通常是基于附图所示的方位或位置关系，仅是为了便于描述本公开和简化描述，在未作相反说明的情况下，这些方位词并不指示和暗示所指的装置或元件必须具有特定的方位或者以特定的方位构造和操作，因此不能理解为对本公开保护范围的限制；方位词“内、外”是指相对于各部件本身的轮廓的内外。

以上所述，仅为本申请较佳的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应该以权利要求的保护范围为准。