大流量人體紅外測溫篩查方法研究

何少杰,胡 月，鹿 瑋,田 宇,高延爍,肖萁宣

(1.中國電子科技集團公司第十一研究所,北京 100015;2.航天恒星科技有限公司，北京 10094)

1 引 言

新型冠狀病毒感染疫情從2020年1月底開始大面積爆發,該病毒傳染性強,危險性高。1月底正值春運時期,返鄉及回城旅客流量大、持續久,人員密集區域疫情防控壓力大。在機場樞紐、火車站、客運站等人流密集地區,做好疫情初檢工作,降低疾病傳播風險,篩選出高溫發熱患者,是疫情防控的重要環節。基于紅外測溫的廣域遠距離大流量人群體溫篩查設備在此次疫情防控中得到了廣泛應用,并取得了一定的成效[1]。本文針對現有紅外測溫篩查設備在實際應用中的不足,提出了基于動態數據統計的大流量人體紅外測溫篩查方法,并得到實際驗證。

2 紅外測溫篩查原理

只要高于絕對零度的物體,都會向外輻射能量,其輻射能包括各種波長,其中波長范圍在0.76～1000 μm之間的稱為紅外光波。紅外光的物理特性具有很強的熱效應,溫度越高,發出的熱輻射越強,這正是紅外測溫技術所感興趣的。紅外測溫技術的理論基礎是普朗克分布定律,該定律揭示了黑體輻射能量在不同溫度下按波長的分布規律,其數學表達式為:

(1)

式中,Ebλ為黑體光譜輻射通量密度,W·cm-2μm-1；c1稱為第一輻射常數,c1=3.7415×10-12W·cm2；c2稱為第二輻射常數,c2=1.43879×10-12cm·K；λ為光譜輻射的波長,μm；T為黑體的熱力學溫度,K。

紅外測溫的基本結構包括:光學鏡頭和紅外探測器。紅外熱像儀可以將接收到的紅外波段的熱輻射能量轉換為電信號,經過放大、補償,AD轉換后成為數字信號,在顯示器上通過圖像顯示出來。圖像中的每一個點的灰度值與被測物體上該點發出并到達光電轉換器件的輻射能量相對應。經過運算,就可以從紅外熱像儀的圖像上讀出被測物體表面的每一個點的輻射溫度值,這是紅外測溫的基本原理[2],如圖1所示。

圖1 紅外測溫基本結構框圖

為了提高測溫準確性,目前紅外測溫篩查設備多與可見光人臉識別、目標檢測技術相結合:在可見光圖像下檢測人臉區域,采用基于 Faster-RCNN、YOLO系列等深度學習算法,增強數據集的適用性,提高對非正臉、戴口罩的臉的檢測準確性和檢測速度。利用PNN、LVQ 網絡進行人臉朝向識別,對人臉候選框進行朝向判斷,進一步確定人臉額頭區域。可見光與熱紅外的圖像配準部分,利用特征點匹配方法實現圖像的精確配準,實時地將可見光圖像的人臉額頭區域映射到熱紅外圖像上,有效地解決不同成像距離的圖像配準偏差[3]。最后根據預先設置的高溫閾值,篩查人群中的疑似高溫人員。如圖2所示,紅外測溫篩查設備包括紅外采集模塊、可見光采集模塊、計算處理模塊和多媒體顯示模塊等四個部分。

圖2 紅外測溫篩查設備組成框圖

相應的,如圖3所示,紅外測溫篩查設備具有視頻圖像采集功能,包括獲取人體紅外熱成像、人臉等圖像信息,紅外熱成像圖像中除了視頻信號外還包含了溫度幀,作為原始溫度的輸入；以及通過分析處理與顯示功能,包括目標檢測、溫度分析和數據分析,并提供信息顯示和存儲功能,并能根據設定的溫度閾值實現對疑似高溫被測目標的自動報警。

圖3 紅外測溫篩查設備功能模塊圖

3 紅外測溫篩查應用中的不足之處

紅外測溫篩查應用中存在的主要不足之處有:

1)熱像儀自身因溫漂、環境溫度、大氣透過率等因素導致測溫不準。

2)熱像儀視場中存在熱力管、熱飲、暖氣等干擾熱源導致測溫結果偏高。

3)熱像儀與被測人員之間的距離引起的溫衰問題,如在有效測溫作用距離內,同一人員離熱像儀越遠測溫結果越低。

4)人體本身的生理特征導致的測溫、預警不準,例如人員面部表面溫度不等同于體溫,此外人體溫度會隨環境、時間等因素的變化而變化,這對紅外測溫篩查設備判定某個人是否為疑似發燒人員都會帶來困難。

上述不足中,前三個均存在有效的解決手段:

針對第一點,可通過優化紅外測溫篩查設備測溫算法[4-9]以及配套參考黑體的方法能夠大大提升紅外測溫篩查設備的測溫準度,目前市面主流紅外測溫篩查設備的都能將測溫誤差控制在±0.3 K以內(設定測溫距離下)。

針對第二點,通過可見光人臉識別輔助確定熱像儀測溫范圍的方法[10],熱像儀只測量人臉范圍內的溫度數值,能夠有效排除干擾熱源的影響。

針對第三點,可通過對被測目標光學測距方法得到被測目標距離,在對應的距離上通過距離-溫度曲線做被測目標溫度補償修正[10]。

本文重點論述第四個不足之處的解決方法。

本文采用的方法是用紅外測溫篩查設備在一小段時間內、相似場景下測得大量人員的額頭溫度,根據動態數據統計算法,將個人額頭溫度轉換為正常人平均體溫附近的某一溫度,表示為該人的體溫,人的正常體溫范圍為36～37 ℃[11],我們取36.5 ℃為正常人的平均體溫。為了統一名稱,我們將轉換前的紅外測溫篩查設備測得人員額頭溫度稱為體表溫度,轉換后的溫度為顯示溫度。具體轉換方法在下一節介紹。

4 大流量人群測溫篩查方法

(2)

其次,通過紅外測溫篩查設備的外置溫度傳感器測得的環境溫度,通過將紅外測溫篩查設備測得的體表溫度歸一化為人體在該環境溫度下的體溫數值,并將其呈現在溫度顯示界面上。由于紅外測溫篩查設備只能測得額頭的表面溫度,該數值受環境溫度及測溫距離影響,由于選用的紅外測溫篩查設備已經給距離溫衰作了溫度補償,因此須根據環境與體溫的對應關系,將測得的第n名人員的額溫近似歸一化為體溫Tn,即顯示溫度。轉換公式如下:

(3)

最后,結合雙光成像、人臉識別、篩查,設備完整的工作流程如圖4所示。

圖4 紅外測溫篩查設備工作流程

5 實驗結果分析

本文選用中國電子科技集團公司第十一研究所研制的BOPCLU-640ST型人體紅外測溫傳感器用作測溫篩查設備,紅外探測器采用640×512,17 μm氧化釩探測器,紅外光學視場達到31°×25°,可實現大范圍、大流量人員測溫；同時配備1080P高清廣角可見光攝像機用作人臉檢測。實物如圖5所示。

圖5 紅外測溫篩查設備實際安裝圖

通過紅外測溫篩查設備分別在冬季(2月,測試環境溫度16 ℃)和夏季(8月,測試環境溫度28 ℃)測得兩組對比數據,被測人員距紅外測溫篩查設備均為5 m,紅外測溫篩查設備所有參數都一致,每組數據包含紅外測溫篩查設備測得額頭體表溫度、經數據處理后設備的顯示溫度以及被測人員的真實腋下溫度(用腋下溫度近似為人體溫度)。其中冬季樣本容量為201人次,夏季樣本容量為204人次,具體如圖6和7所示。

圖6 冬季實驗結果

圖7 夏季實驗結果

從冬季和夏季的實驗結果中可以看出:

1)經過數據處理,紅外測溫篩查設備測得的額頭體表溫度均被線性轉換到36.5℃附近,顯示溫度符合體溫讀數習慣。

2)每個被測人員的顯示溫度與真實腋下體溫誤差較小,且受環境溫度變化影響較小。其中冬季測溫誤差為:0.12 ℃(RMS),夏季測溫誤差為:0.11 ℃(RMS)。能夠滿足實際應用需求。大流量場景下的實際應用如圖8所示。

圖8 實際應用測溫界面

6 結 語

本文針對紅外測溫篩查設備常見不足,提出了基于動態數據統計的大流量人群測溫篩查方法,結合高分辨率、大視場的紅外測溫篩查設備,經過不同季節的實驗和實際應用,驗證了這種方法在大流量場景下的測溫準確性。后續,我們將在此測溫篩查設備的基礎上形成區域聯網,對重點區域形成人員體溫常態化監測,為相關部門提供區域人員體溫變化支撐。