公共安全視頻監(jiān)控在新型冠狀病毒肺炎防治攻堅(jiān)戰(zhàn)中發(fā)揮了重要作用。針對(duì)中國(guó)人口密度高、人流量大、新型冠狀病毒肺炎易傳播的特點(diǎn),建立了融合可見光和紅外光雙光譜成像監(jiān)控的智能體溫檢測(cè)與健康大數(shù)據(jù)管理系統(tǒng),實(shí)現(xiàn)了無(wú)接觸快速體溫檢測(cè)與佩戴口罩情況下的人臉識(shí)別,快速完成人員信息登記。系統(tǒng)已在多地完成部署,通過了有效性和可靠性驗(yàn)證,測(cè)量速度快,響應(yīng)時(shí)間在30 ms以內(nèi);測(cè)量精度高,測(cè)量溫度誤差在±0.3℃以內(nèi);測(cè)量范圍廣,可監(jiān)控距離0.1～10 m;人臉抓拍率99%以上,識(shí)別率95%以上;健康大數(shù)據(jù)管理系統(tǒng)能實(shí)時(shí)監(jiān)控和追蹤回溯人員流動(dòng),在多維度上對(duì)人員信息和疫情發(fā)展大數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析,并對(duì)疫情發(fā)展動(dòng)態(tài)進(jìn)行建模和預(yù)測(cè),根據(jù)分析結(jié)果完善疫情防控策略,開展精準(zhǔn)高效的疫情防控。 

【文章來(lái)源】：北京航空航天大學(xué)學(xué)報(bào). 2020,46(09)北大核心EICSCD

【文章頁(yè)數(shù)】：8 頁(yè)

【部分圖文】：

圖1 雙光譜智能體溫檢測(cè)與健康大數(shù)據(jù)管理系統(tǒng)框架

如圖2所示,首先對(duì)前端視頻進(jìn)行預(yù)處理,包括光照歸一化、拍攝角度矯正、模糊圖像復(fù)原、圖像比對(duì)等;將紅外熱圖像和可見光圖像配準(zhǔn);采用Mask R-CNN網(wǎng)絡(luò)提取人體頭部目標(biāo)區(qū)域并映射到紅外熱圖像進(jìn)行測(cè)溫,然后利用圖像融合算法將可見光圖像和紅外熱圖像融合得到雙光譜圖像,同時(shí)將融合后的圖像送入卷積神經(jīng)網(wǎng)絡(luò)VGG-Net中,結(jié)合彩色圖像信息和熱成像圖像信息,對(duì)人臉區(qū)域進(jìn)行深度特征的提取,在檢測(cè)目標(biāo)區(qū)域溫度的同時(shí)識(shí)別人臉特征。2.2.1 圖像配準(zhǔn)

為了保留圖像的彩色信息,首先將配準(zhǔn)后的可見光圖像從RGB變換到HIS空間,并提取I分量,對(duì)配準(zhǔn)后的紅外熱圖像進(jìn)行灰度變換增強(qiáng)圖像效果,然后對(duì)可見光的I分量及變換后的紅外熱圖像進(jìn)行小波分解,得到各自的高頻子圖和低頻子圖,對(duì)高頻和低頻子圖分別處理,其中低頻子圖包含了圖像的輪廓信息,高頻子圖包含了圖像的細(xì)節(jié)信息,對(duì)低頻子圖采用以下策略進(jìn)行融合:當(dāng)紅外熱圖像和可見光圖像的低頻子圖系數(shù)值相近時(shí),取兩者平均值作為融合后的低頻系數(shù)值,反之,取其中較大值。對(duì)高頻子圖采用局域能量最大法進(jìn)行融合,首先對(duì)各自的高頻子圖區(qū)域方差計(jì)算,得出區(qū)域能量,然后計(jì)算出紅外熱圖像和可見光圖像在各自高頻子圖中所對(duì)應(yīng)的局部區(qū)域內(nèi)的特征相似度,并設(shè)定一個(gè)匹配閾值,根據(jù)特征相似度和匹配閾值之間的關(guān)系,確定融合后的高頻系數(shù)值。最后使用融合后的小波系數(shù)矩陣逆變換得到新的I分量,經(jīng)過HIS逆變換得到融合圖像。2.3 監(jiān)控視頻效果分析

【參考文獻(xiàn)】：
期刊論文
[1]淺議紅外測(cè)溫儀工作原理及應(yīng)用[J]. 師立國(guó).  東方企業(yè)文化. 2013(19)
[2]基于無(wú)線傳感器網(wǎng)絡(luò)的人體體溫監(jiān)測(cè)系統(tǒng)[J]. 王剛,高曉丁,唐明飛,譚東財(cái).  紡織高�；A(chǔ)科學(xué)學(xué)報(bào). 2012(01)



本文編號(hào)：3411052