[发明专利]基于人脸识别的自动体温信息采集系统

权利要求书

1.基于人脸识别的自动体温信息采集系统，其特征在于，包括图像采集模块、温度获取模块、温度采集模块；

所述图像采集模块用于获取体温检测区域的可见光图像和红外图像；

所述温度获取模块用于基于所述可见光图像和所述红外图像获取处于体温检测区域内的人员的体温数据；

所述温度采集模块用于对所述体温数据进行存储；

所述温度获取模块包括可见光图像处理单元、测温区域匹配单元和体温数据计算单元；

所述可见光图像处理单元用于获取所述可见光图像中的第一测温区域；

所述测温区域匹配单元用于从所述红外图像中获取所述第一测温区域对应的第二测温区域；

所述体温数据计算单元用于基于所述第二测温区域获取所述人员的体温数据；

所述获取所述可见光图像中的第一测温区域，包括：

对所述可见光图像进行降噪处理，获得降噪图像；

对所述降噪图像进行图像分割处理，获得前景区域图像；

对所述前景区域图像进行图像识别，获取所述前景区域图像中包含的人脸区域图像；

将所述人脸区域图像输入到预设的神经网络模型中，获得第一测温区域；

所述对所述可见光图像进行降噪处理，获得降噪图像，包括：

将所述可见光图像转换为灰度图像；

对所述灰度图像进行降噪处理，获得降噪图像；

所述对所述灰度图像进行降噪处理，获得降噪图像，包括：

对所述灰度图像进行降噪处理，获得第一图像；

获取所述第一图像的降噪得分，判断所述降噪得分是否大于预设的降噪得分阈值，若是，则将所述第一图像作为降噪图像，若否，则对所述第一图像再次进行降噪处理，获得降噪图像；

所述对所述灰度图像进行降噪处理，获得第一图像，包括：

对所述灰度图像进行小波分解，获得高频小波系数和低频小波系数；

对于高频小波系数，采用下述方式进行处理：

若hp(u,v)≤yh₁，则使用下述公式对高频小波系数进行处理：

式中，(u,v)表示坐标，hp(u,v)表示处理前的高频小波系数，yh₁和yh₂分别表示预设的第一判断参数和第二判断参数，bhp(u,v)表示处理后的高频小波系数，qval表示判断函数，c表示预设的比例参数，th表示预设的判断函数阈值，c∈[1,1.5]；

若yh₁＜hp(u,v)＜yh₂，则使用下述公式对高频小波系数进行处理：

式中，(u,v)表示坐标，hp(u,v)表示处理前的高频小波系数，yh₁和yh₂分别表示预设的第一判断参数和第二判断参数，bhp(u,v)表示处理后的高频小波系数，qval表示判断函数，c表示预设的比例参数，th表示预设的判断函数阈值，c∈[1,1.5]；

若yh₂≤hp(u,v)，则使用下述公式对高频小波系数进行处理：

bhp(u,v)＝|hp(u,v)|，

式中，(u,v)表示坐标，hp(u,v)表示处理前的高频小波系数，bhp(u,v)表示处理后的高频小波系数；

对于低频小波系数，采用下述方式进行处理：

式中，(s,t)表示坐标，U_s,t表示处理前的低频小波系数中的(s,t)处的像素点的k×k大小的邻域中的所有像素点的坐标的集合，(s',t')表示U_s,t中包含的坐标，lp(s',t')表示处理前的低频小波系数中(s',t')处的像素点的像素值，numU_s,t表示U_s,t中包含的元素的总数；blp(s,t)表示处理前的低频小波系数中的(s,t)处的像素点进行计算后的值，

分别对处理前的低频小波系数中的每个像素点进行上述处理，得到处理后的低频小波系数；

对处理后的高频小波系数和处理后的低频小波系数进行重构，获得第一图像。

2.根据权利要求1所述的基于人脸识别的自动体温信息采集系统，其特征在于，所述自动体温信息采集系统还包括温度报警模块，所述温度报警模块用于在所述体温数据超出预设的体温阈值时，发出报警提示。