一种基于热成像仪测量人体脸部温度校准方法与流程

技术特征：

1.一种基于热成像仪测量人体脸部温度校准方法，其特征在于，包含以下顺序的步骤：

s1、红外热像仪每次采集的温度像素点阵是二维数组pixel；

s2、遍历温度像素数组pixel，寻找温度像素数组pixel中包含32℃-45℃范围的所有数据赋值给一维数组filter；

s3、按递增顺序排序一维数组filter；

s4、从排序后的filter中取3/4分位点的数据做为基准，从一维数组filter中取第q3个元素作为基准数,得到基准温度s＝filter[q3]；

其中，

s5、从二维数组pixel中寻找所有符合s±diff的像素位置标1，不符合s±diff的像素位置标0，赋值给二维数组pixel_bin，并且从二维数组pixel_bin找出值为1的边界并且居中在最大的正方形赋值给二维数组face；

其中，diff是指基准温度误差范围，二维数组pixel_bin的宽高与二维数组pixel相同，二维数组face的宽高不会超过二维数组pixel的宽高；

s6、二维数组face为人脸温度的轮廓，二维数组face的顶部数据为额头部位数据，额头部位数据中所有元素为1对应的温度像素数组pixel元素的值的平均值是额头表面温度temperature；

s7、额头表面温度拟合成体内温度，经过实验得出拟合函数：

body_temperature＝0.7797×temperature+9.7271；

其中，body_temperature是人体体内温度。

2.根据权利要求1所述基于热成像仪测量人体脸部温度校准方法，其特征在于，步骤s1中，所述二维数组pixel已经经过距离拟合、额头表面温度换算为人体温度。

3.根据权利要求1所述基于热成像仪测量人体脸部温度校准方法，其特征在于，步骤s2中，所述一维数组filter的数组长度范围由pixel决定；如果pixel是32×32的二维数组则filter的最大长度为32×32＝1024，其他依此类推。

4.根据权利要求1所述基于热成像仪测量人体脸部温度校准方法，其特征在于，步骤s1中，所述二维数组pixel为32×32的温度像素点阵：

5.根据权利要求1所述基于热成像仪测量人体脸部温度校准方法，其特征在于，步骤s2中，所述一维数组filter为：

6.根据权利要求1所述基于热成像仪测量人体脸部温度校准方法，其特征在于，步骤s3中，所述按递增顺序排序一维数组filter为：

7.根据权利要求1所述基于热成像仪测量人体脸部温度校准方法，其特征在于，步骤s4中，所述一维数组filter的长度为20,基准温度s＝filter[q3]＝36.5。

8.根据权利要求1所述基于热成像仪测量人体脸部温度校准方法，其特征在于，步骤s5中，假设所述diff＝0.7，则寻找二维数组pixel所有元素值在36.5±0.7范围的像素位置标1，其它标为0；

从二维数组pixel_bin中找出值为1的边界并且居中在最大的正方形；

在二维数组pixel_bin中值为1横跨3列5行，所以最大的正方形是5×5，将5×3数组居中放进5×5的正方形中，得到二维数组face；

能够看出以上二维数组face是人脸温度的轮廓,第1行是额头部位，第2、3、4行是眼睛到嘴巴的部位，第5行是脖子部位。

9.根据权利要求1所述基于热成像仪测量人体脸部温度校准方法，其特征在于，步骤s5中，所述二维数组face第1行[01100]每个元素分别对应二维数组pixel中[p9,8p9,9p9,10p9,11p9,12]元素，求二维数组face第1行所有元素为1对应的温度像素数组pixel元素的值的平均值是额头表面温度：

temperature＝average(p9,9,p9,10)。

10.根据权利要求1所述基于热成像仪测量人体脸部温度校准方法，其特征在于，所述二维数组face还用于判断人脸是否被遮挡物遮挡，具体包括训练模型与模型识别两部分：

一、训练模型部分：

1、数学模型定义：

(1)学习率k＝0.1；

(2)输入层神经元数：input_num＝100；将二维数组face压缩或者放大成10×10二维数组，然后将每行按顺序排列成长度为100的一维数组，所以input_num＝100；

(3)输出层神经元数：output_num＝1；由于输出结果要么是被遮挡要么不被遮挡，所以只要输出1个数就能够表示是否被遮挡，接近0表示不被遮挡，接近1表示被遮挡；

(4)隐藏层神经元数:hide_layout_num＝10；

(5)激活函数使用因为sigmoid函数将变量映射到0,1之间刚好能够表示接近0表示不被遮挡，接近1表示被遮挡，sigmoid函数的导数函数为sigmoid(z)'＝sigmoid(z)(1-sigmoid(z))；

(6)误差函数为其中，cj是第j个face样本实际值与输出值的平方误差，ej是第j个face样本的实际值与输出值的差；

(7)隐藏层的权重w²是input_num×hide_layout_num的二维数组，偏置b²是长度为hide_layout_num的一维数组，神经元a²是长度为hide_layout_num的一维数组；

(8)输出层的权重w³是hide_layout_num×output_num的二维数组，偏置b³是长度为output_num的一维数组，神经元a³是长度为output_num的一维数组；

(9)神经元计算函数calc_cell(x,w,b)＝sigmoid(x·w+b)；其中，x·w是两个数组的内积，x是输入神经元的值,w是权重与每个x数组元素一一对应，b是偏置；

2、模型训练过程：

(1)随机初始化隐藏层的权重w²与偏置b²，输出层的权重w³与偏置b³；j为样本下标，max_j为样本数,input_val＝[input_val1input_val2...input_valmax_j]为face样本数组，每个样本元素是长度为100的数组；

(2)定义w²、b²、w³、b³的偏导分别为dw²、db²、dw³、db³初始值为0；

(3)x＝input_valj是input_val数组第j个数组压缩或放大成10×10二维数组后将每行按顺序排列成长度为100的一维数组x＝[x1x2...x99x100]；

(4)输入第j个样本计算隐藏层每个神经元的值：

其中，下标i是隐藏层第i个神经元，取值范围是1-10，循环计算第1至第10个隐藏层的神经元值,是隐藏层第i个神经元，是长度为100的一维数组是的所有输入权重，是的偏置；

(5)输入所有隐藏层神经元样本计算输出层每个神经元的值：

a³＝calc_cell(a²,w³,b³)，

其中，a³是输出层神经元，w³是长度为10的一维数组是a³的所有输入权重，b³是a³的偏置；

(6)计算第j个样本的误差关于输出层神经元的偏导：

其中，a³为预测值，real_yj是第j个样本的实际值；

(7)计算第j个样本的误差关于隐藏层神经元的偏导：

其中，d³×w³是矩阵相乘；

(8)计算并累加第j个样本的误差关于输出层权重的偏导：

(9)计算并累加第j个样本的误差关于输出层偏置的偏导：

(10)计算并累加第j个样本的误差关于隐藏层权重的偏导：

其中，下标i是隐藏层第i个神经元，取值范围是1-10，循环计算第1至第10个隐藏层的神经元值；

(11)计算并累加第j个样本的误差关于隐藏层偏置的偏导：

其中，下标i是隐藏层第i个神经元，取值范围是1-10，循环计算第1至第10个隐藏层的神经元值；

(12)将j++继续第3步，直到j＝max_j执行步骤(13)；

(13)更新隐藏层、输出层的权重与偏置：

w³＝w³+(-k×dw³)，

b³＝b³+(-k×db³)，

w²＝w²+(-k×dw²)，

b²＝b²+(-k×db²)；

(14)将j＝0继续第3步，直到的值非常小，训练参数完成；

二、模型计算过程：

1、x是实时采集到的二维数组face压缩或放大成10×10二维数组后将每行按顺序排列成长度为100的一维数组x＝[x1x2...x99x100]；

2、计算隐藏层每个神经元的值：

其中，下标i是隐藏层第i个神经元，取值范围是1-10，循环计算第1至第10个隐藏层的神经元值,是隐藏层第i个神经元，是长度为100的一维数组是的所有输入权重，是的偏置；

3、输入所有隐藏层神经元样本计算输出层每个神经元的值：

a³＝calc_cell(a²,w³,b³)，

其中，a³是输出层神经元，w³是长度为10的一维数组是a³的所有输入权重，b³是a³的偏置；

4、如果a³大于或等于某一阈值，则判定人脸被被遮挡。

技术总结
本发明公开的一种基于热成像仪测量人体脸部温度校准方法，包含以下顺序的步骤：红外热像仪每次采集的温度像素点阵是二维数组pixel，并计算基准温度；计算出表征人脸温度轮廓的二维数组face；由二维数组face得出额头表面温度，最终拟合成体内温度。本发明可实现快速、精确找出人体头部的额头部位的像素温度，实现人体头部被遮挡也能够准确测量人体温度。

技术研发人员：林宇翔;陈果
受保护的技术使用者：广东品学软件开发有限公司
技术研发日：2020.04.29
技术公布日：2020.10.30