一种基于FPGA的高精度快速红外测温系统的制作方法

一种基于fpga的高精度快速红外测温系统
技术领域
1.本发明涉及红外测温技术领域，具体为一种基于fpga的高精度快速红外测温系统。


背景技术：

2.红外热成像体温快速筛选系统采用热成像、非接触式红外测温技术，具有专用热成像算法的红外成像摄像头和温度补偿算法的成像软件，具有异常声光报警功能，达到全自动、快速、精确温度筛查的目的。
3.目前的红外测温针对试用场景的密集人群情况，其核心技术是行人检测及跟踪，在此基础上进行人体额头定位，由于人群密集导致了不同人身体部分相互重叠，为排除这一部分的干扰，只需要聚焦于头部，更进一步的对额头进行定位，另外疫情期间人们大都会选择戴口罩出行，这对定位额头位置更加困难使得增大了体温检测的误差。


技术实现要素：

4.（一）解决的技术问题针对现有技术的不足，本发明提供了一种基于fpga的高精度快速红外测温系统，解决由于人群密集导致了不同人身体部分相互重叠，为排除这一部分的干扰，只需要聚焦于头部，更进一步的对额头进行定位，另外疫情期间人们大都会选择戴口罩出行，这对定位额头位置更加困难使得增大了体温检测的误差的问题。
5.（二）技术方案为实现以上目的，本发明通过以下技术方案予以实现：一种基于fpga的高精度快速红外测温系统，包括行人检测与追踪、口罩人脸检测及分类、人体额头定位、非接触红外额头测温、温度补偿，所述行人检测与追踪中的行人追踪是在高密度人员流动区，如办公楼、小区、商场、教学楼等公共场所入口启用行人跟踪监测，实时捕捉待测行人目标，行人检测是实现行人跟踪以及行人特征数据提取的前提，行人检测效果的好坏会直接影响后续的操作效果，所述口罩人脸检测及分类是由于在疫情特殊时期绝大多数行人佩戴口罩出行，发现行人轨迹后，需要基于面部遮挡识别的算法自动分类、识别出口罩遮挡面部的人群，为后续额头定位和红外测温打下基础，所述非接触红外额头测温是指采用非接触的方式进行红外额头测温，所述非接触红外额头测温的环节包括图像配准、温度提取、温度校正，所述温度补偿是为了弥补红外测温过程中红外探测器会受到很多因素的干扰，导致测温精度较低，无法满足高精度测温的需求，所述温度补偿包括针对环境的温度的补偿、针对距离的温度补偿。
6.优选的，使用yolov3算法训练针对行人进行训练检测，对于输入的行人视频检测出身体轮廓bodybox，再通过deep sort追踪算法对人体的运动轨迹进行追踪实现对行人检测和追踪。引入了reid模型从而利用外观信息计算余弦距离；deep指的是引入的reid模型是一个提取外观信息的深度模型，最后输出128d向量；在hungarian算法时，使用级联匹配
的方式，指的是多次使用hungarian算法对不同消失时长的轨迹进行匹配。
7.优选的，采用摄像机连续的采集监控场景的图像，通过计算机的检测和识别发现人员（比如蒙面、护目镜遮挡、口罩等五官显示不全者），在序列图像的人头定位的基础上根据正常人脸与口罩人脸特征的差异性，进行遮挡人脸的定位与识别。
8.优选的，通过摄像机摄取行人的面部图像，经过vgg19转化成图像特征，在分成两个分支，一个分支预测五官的关键点的置信度，另一个分支预测五官的亲和度，然后将五官的关键点聚类，对五官关键点骨架组装成面部轮廓，再通过五官关键点几何距离估算出额头中心位置。
9.优选的，采用基于热红外图像与可见光图像相结合的物体表面温度检测方法，在仿射变换的基础上实现一种修正方法实现图像的精确配准，实时地将可见光图像的待测区域映射到热红外图像上。然后对热红外图像进行图像运算，最终获取运动物体特定区域的温度。
10.优选的，所述针对环境温度的补偿采用基于 bp 神经网络的红外测温补偿校正方案，将环境温度和红外实测温度作为输入，高精度温度传感器实测值作为输出来训练网络。
11.优选的，所述针对距离的温度补偿是通过比较多项式和指数拟合函数的相关系数，得出基于指数函数的温度-距离拟合关系。在此基础上，依据温度变化速率提出温度-距离的分段数学模型。
12.（三）有益效果本发明提供了一种基于fpga的高精度快速红外测温系统。具备以下有益效果：通过使用yolov3算法训练针对行人进行训练检测，对于输入的行人视频检测出身体轮廓bodybox，再通过deep sort追踪算法对人体的运动轨迹进行追踪，再配合openpose算法对人体进行额头定位分析可以精准计算出儿童的中心位置，并使用红外聚焦测温，有效地提高体温检测的便捷性和精确性。
附图说明
13.图1为本发明所提出的一种基于fpga的高精度快速红外测温系统的人体测温解决方案处理流程图；图2为本发明所提出的一种基于fpga的高精度快速红外测温系统的yolov3网络结构图；图3为本发明所提出的一种基于fpga的高精度快速红外测温系统的人体额头定位流程图；图4为本发明所提出的一种基于fpga的高精度快速红外测温系统的环境温度补偿算法流程图。
14.其中，图3中s是置信度网络， l是亲和度向量场网络。
具体实施方式
15.下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
16.如图1-4所示，本发明实施例提供一种基于fpga的高精度快速红外测温系统，包括行人检测与追踪、口罩人脸检测及分类、人体额头定位、非接触红外额头测温、温度补偿，行人检测与追踪中的行人追踪是在高密度人员流动区，如办公楼、小区、商场、教学楼等公共场所入口启用行人跟踪监测，实时捕捉待测行人目标，行人检测是实现行人跟踪以及行人特征数据提取的前提，行人检测效果的好坏会直接影响后续的操作效果，口罩人脸检测及分类是由于在疫情特殊时期绝大多数行人佩戴口罩出行，发现行人轨迹后，需要基于面部遮挡识别的算法自动分类、识别出口罩遮挡面部的人群，为后续额头定位和红外测温打下基础，非接触红外额头测温是指采用非接触的方式进行红外额头测温，非接触红外额头测温的环节包括图像配准、温度提取、温度校正，温度补偿是为了弥补红外测温过程中红外探测器会受到很多因素的干扰，导致测温精度较低，无法满足高精度测温的需求，温度补偿包括针对环境的温度的补偿、针对距离的温度补偿。
17.使用yolov3算法训练针对行人进行训练检测，对于输入的行人视频检测出身体轮廓bodybox，再通过deep sort追踪算法对人体的运动轨迹进行追踪实现对行人检测和追踪，基于深度学习的行人目标检测方法主要有rcnn和yolo ，rcnn的效果更好，但速度慢，实际应用时实时检测较难，落地效果较差，与之相比，yolo框架已更新到了 yolo v3版本，速度超过30帧，采用yolo3在不牺牲太多精度的情景下可实现实时的检测效果，deep sort是多目标跟踪算法，基本思想是tracking-by-detection，利用运动模型和外观信息进行数据关联，运行速率主要由检测算法所决定。算法对每一帧进行目标检测（一般应用在行人检测），后续通过带权值的hungarian算法对之前的运动轨迹和当前检测对象进行匹配，形成物体的运动轨迹。权值由点和运动轨迹的马氏距离及图像块的相似性（这里用向量的余弦距离）加权求和得到。kalman滤波在计算马氏距离时，用于预测运动分布的协方差矩阵。
18.采用摄像机连续的采集监控场景的图像，通过计算机的检测和识别发现人员（比如蒙面、护目镜遮挡、口罩等五官显示不全者），在序列图像的人头定位的基础上根据正常人脸与口罩人脸特征的差异性，进行遮挡人脸的定位与识别，口罩人脸检测及分类模型参考百度飞桨的开源模型，该模型由两个功能单元组成，可以分别完成口罩人脸的检测和口罩人脸的分类。经测试，模型的人脸检测算法基于 faceboxes 的主干网络加入了超过 10 万张口罩人脸数据训练，可在准确率 98% 的情况下，召回率显著提升30%。而人脸口罩判断模型可实现对人脸是否佩戴口罩的判定，口罩判别准确率达到 96.5%，满足常规口罩检测需求，通过实际场景数据进行二次模型优化，进一步提升模型准确率和召回率。
19.通过摄像机摄取行人的面部图像，经过vgg19转化成图像特征，在分成两个分支，一个分支预测五官的关键点的置信度，另一个分支预测五官的亲和度，然后将五官的关键点聚类，对五官关键点骨架组装成面部轮廓，再通过五官关键点几何距离估算出额头中心位置，人脸识别定位通常由图像获取、图像预处理、人脸检测、面部关键点定位与人脸识别五个部分组成，其流程分为输入图像、预测关键点置信度 、关键点亲和度向量、关键点聚类、骨架组装。
20.采用基于热红外图像与可见光图像相结合的物体表面温度检测方法，在仿射变换的基础上实现一种修正方法实现图像的精确配准，实时地将可见光图像的待测区域映射到热红外图像上，然后对热红外图像进行图像运算，最终获取运动物体特定区域的温度，实际
场景中，可能出现因口罩护目镜等因素不同遮挡部分区域，导致遮挡部分温度明显低于正常温度值，使得最终提取到的待测区域的温度值出现较大偏差，对于待测区域，并非直接对面部区域内的每个像素点获取温度并计算平均值，针对待测区域，利用 5
×
5 的模板对热红外图像运算，如式所示：式中x(i）表示热红外图像中像素点对应的温度值；f(i) 表示函数代表滑窗内温度值的众数；y(i）表示运算后热红外图像中像素点的温度值；d 表示滑窗内满足条件的像素点，该待测区域温度提取的算子，首先遍历待测区域的每个像素点，计算区域内的平均温度，并剔除温度低于平均温度的像素点，计算感兴趣区域的温度点的众数，代表待测区域的温度。
21.针对环境温度的补偿采用基于bp神经网络的红外测温补偿校正方案，将环境温度和红外实测温度作为输入，高精度温度传感器实测值作为输出来训练网络，基于bp神经网络的红外温度测量环境温度补偿算法有3个步骤，分别为bp神经网络构建、训练和测试数据。
22.针对距离的温度补偿是通过比较多项式和指数拟合函数的相关系数，得出基于指数函数的温度-距离拟合关系，在此基础上，依据温度变化速率提出温度-距离的分段数学模型，随着距离的增加，红外测温值呈现先急剧下降，之后逐渐平缓至某一稳定状态的趋势，且当热源温度越高，达到这一稳定状态的距离就越长依据温度变化速率提出温度-距离的分段数学模型，形式如下（460k热源温度下模型，需根据实际场景重新拟合）：其中y为补偿后温度；为红外测温值；x为测温距离；k为斜率，通过上述方案对测温数据进行误差补偿，实现非接触红外温度的精准测量。
23.尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。