CN112927816A - 一种体温检测系统、体温趋势预测方法及系统 - Google Patents
一种体温检测系统、体温趋势预测方法及系统 Download PDFInfo
- Publication number
- CN112927816A CN112927816A CN202110111145.9A CN202110111145A CN112927816A CN 112927816 A CN112927816 A CN 112927816A CN 202110111145 A CN202110111145 A CN 202110111145A CN 112927816 A CN112927816 A CN 112927816A
- Authority
- CN
- China
- Prior art keywords
- data
- temperature measurement
- temperature
- compensation
- body temperature
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000036760 body temperature Effects 0.000 title claims abstract description 93
- 238000001514 detection method Methods 0.000 title claims abstract description 55
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000009529 body temperature measurement Methods 0.000 claims abstract description 145
- 238000004364 calculation method Methods 0.000 claims abstract description 27
- 238000012545 processing Methods 0.000 claims abstract description 22
- 238000007405 data analysis Methods 0.000 claims abstract description 11
- 230000008569 process Effects 0.000 claims description 24
- 230000007613 environmental effect Effects 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 6
- 208000031636 Body Temperature Changes Diseases 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 5
- 238000012935 Averaging Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 238000005192 partition Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 8
- 230000006870 function Effects 0.000 abstract description 4
- 238000004140 cleaning Methods 0.000 abstract description 3
- 238000012544 monitoring process Methods 0.000 abstract description 3
- 230000002265 prevention Effects 0.000 abstract description 3
- 210000001061 forehead Anatomy 0.000 description 9
- 238000005259 measurement Methods 0.000 description 6
- 206010037660 Pyrexia Diseases 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 210000000707 wrist Anatomy 0.000 description 3
- 241000700605 Viruses Species 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 210000000214 mouth Anatomy 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- QSHDDOUJBYECFT-UHFFFAOYSA-N mercury Chemical compound [Hg] QSHDDOUJBYECFT-UHFFFAOYSA-N 0.000 description 1
- 229910052753 mercury Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000037000 normothermia Effects 0.000 description 1
- 238000011895 specific detection Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/80—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for detecting, monitoring or modelling epidemics or pandemics, e.g. flu
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/0022—Radiation pyrometry, e.g. infrared or optical thermometry for sensing the radiation of moving bodies
- G01J5/0025—Living bodies
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/02—Constructional details
- G01J5/025—Interfacing a pyrometer to an external device or network; User interface
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/80—Calibration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J2005/0077—Imaging
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Human Computer Interaction (AREA)
- Theoretical Computer Science (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Multimedia (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明提供一种体温检测系统、体温趋势预测方法及系统，涉及体温检测设备技术领域，包括接口组件和计算组件，所述接口组件用于输入用于体温趋势预测的信息数据及图像、输出体温趋势预测结果信息，计算组件用于生成体温补偿数据；利用这样的一种体温检测系统、体温趋势预测方法及系统，测温终端具有红外无接触测温、对象身份识别功能、体温数据上传功能，整个系统利用有线无线网络，将智能终端、智能网关及数据服务器构成一个体温预警系统，对被测人员在确认身份信息同时完成人体温度的监测，还可将绑定人员信息的人体温度数据上传至云平台进行数据清洗、数据分析、建模处理分析，满足了人员防控需求。
Description
技术领域
本发明涉及体温检测设备技术领域，涉及红外测温技术、图像处理技术，尤其是一种体温检测系统、体温趋势预测方法及系统。
背景技术
人体的体温是反应人体健康程度的重要参数之一，在相当比例的健康判断中发挥着高效作用。新冠疫情影响下，体温检测成为疫情早期排查的重要手段。
根据一般体温理论，人体的正常体温为37℃，这也被市场上的绝大多数体温检测产品作为产品技术逻辑设计的理论依据，将37℃作为人体的基本体温阈值。部分产品为了降低错误预警发生率，在37℃点阈值的基础上设置了限定范围的可调整策略，或者设置了误差范围。进而将实际检测结果与阈值比较，输出结论性信号，如是否为可能的病毒携带者等。
然而，以上设计逻辑存在以下问题：
37℃的正常体温结论是有前提条件的。
前提条件的一方面，该体温值是大量样本的平均值，并不是所有样本的真值，具有统计学意义，但不具备个体含义。举例来说：如果测量样本是甲、乙和丙共三人，其中甲的体温是36.5℃，乙的体温是37.2℃，丙的体温是37.3℃，在医学上三人体温都是正常体温，三人的体温平均值是37.0℃。但对于甲而言，如果其体温升高到37.3℃，则在医学上乙有低烧的可能，但同样是37.3℃的乙和丙，则不存在低烧可能。在实际中，根据统计结论可以发现，不同的人种、不同的生活区域(如西南和东北，亚洲和美洲等地域的不同)会导致平均正常体温的不同。
前提条件的另一方面，样本的测量应具有相对稳定且前后一致的测定条件的，一般地，可以以水银温度计测量口腔或者腋下五分钟以上作为测定条件。具体比如，对同一个个体而言，其腋下温度、额头温度、口腔温度均不相同，而且差别较大，一般可达到2-3℃，远远超出了代表健康程度的体温变化值(如温度升高1℃即可认为存在发烧症状)。这在实践中为监管工作带来了隐患可能：按一般监管规定，体温检测会设定以预警值，通常为不超过37.5℃(也根据具体的检测对象而定)。但由于检测环境的开放性，会导致测试条件无法固定，部分现场检测为了满足程序的正当性要求，通常会更换检测点(如本该检测颈部衣服覆盖部位体温的，更换为检测暴露的额温)，以满足被检测对象符合温度条件的需求，使监管形同虚设。如甲的腋下温度达到37.8℃，但暴露的额头温度为37.0℃，这会导致通过额头温度检测的方式不预警而通过腋下温度检测出现预警的矛盾结论。
此外，体温检测的另一重要前提是时间稳定性，比如样本甲的颈部温度稳定状态下是37.0℃，但如果甲是刚从低温的户外到达检测点，可能检测温度会低于35.0℃。同理，如果甲刚从空调作用下环境温度达到30℃的车内下车检测，检测温度可能会达到38.0℃以上。这两种情况在实践中已经成为对检测预警监管的严重阻碍，是检测预警错误的重要因素。
所以，无论是样本个体地差异还是测量条件的变化，都会使37℃的体温阈值失去意义。
发明内容
为了实现上述目的，本发明采用的技术方案是：
一种体温趋势预测系统，包括接口组件和计算组件，所述接口组件用于输入用于体温趋势预测的信息数据及图像、输出体温趋势预测结果信息，计算组件用于生成体温补偿数据；
所述接口组件包括：
测温数据接口，所述测温数据接口用于获取检测区域图像中对象的测温数据；
预测结果接口，所述预测结果接口用于输出预测结果信息；
测温图像接口，所述测温图像接口用于获取检测区域的图像；
所述计算组件包括：
补偿计算单元，所述补偿计算单元与测温图像接口、测温数据接口以及预测结果接口连接，根据检测区域的图像生成体温补偿数据，对对象的测温数据进行补偿后，发送给预测结果接口。
优选的，所述接口组件还包括身份信息接口、对象数据接口，身份信息接口输入能够用于识别对象身份的信息，对象数据接口用于输入对象的历史测温数据；
所述计算组件还包括第一补偿单元，所述第一补偿单元与身份信息接口和对象数据接口连接，根据特定的某个对象在不同时间段和/或不同温度环境下的历史测温数据与当前测温数据对比，生成第一补偿值。
优选的，所述计算组件还包括第二补偿单元，所述第二补偿单元与测温图像接口连接，根据多个不同对象的测温数据相互对比，将多个对象的差值或偏差比例进行算数平均，生成第二补偿值；
所述第二补偿单元包括：
图像拆分模块，所述图像拆分模块用于将检测区域图像中的对象进行拆分，拆分成不同部位的图像，并且获取不同部位的信息以及对应的测温数据；
温度分类模块，所述温度分类模块将某一对象的部位信息以及对应的测温数据与标准阈值进行单独的逐一比对，根据差值大小和/或着装信息进行分类，得到第一分类数据和第二分类数据；
补偿值计算模块，所述补偿值计算模块获取第二分类数据，将多个对象的差值或偏差比例进行算数平均，生成第二补偿值。
优选的，所述计算组件还包括图像处理单元和第三补偿单元，所述图像处理单元获取测温图像接口输入的检测区域图像，图像处理单元进行区域划分，所述第三补偿单元获取特定区域内图像的对象及其温度信息，将多个对象的差值或偏差比例进行算数平均，生成第三补偿值。
优选的，所述计算组件还包括模式控制单元，所述模式控制单元与图像处理单元、补偿计算单元连接；
所述模式控制单元根据图像处理单元划分的区域信息进行模式控制，使用第一补偿值和/或第二补偿值和/第三补偿值与标准阈值叠加形成补偿值；
补偿计算单元使用补偿值与测温数据接口输入的测温数据进行比较，并且将比较结果通过预测数据接口进行输出。
优选的，所述接口组件还包括数据修正接口，所述数据修正接口用于输出第一补偿值和/或第二补偿值和/第三补偿值。
本申请还提供一种体温趋势预测方法，包括以下步骤：
S1：获取测温图像，根据对象位置对图像进行分割，逐一获取每个对象的测温数据；
S2：补偿计算，根据测温图像生成补偿值，使用补偿值与测温数据进行比较；
S3输出比较结果。
优选的，步骤S2包括第一补偿值计算过程，所述第一补偿值计算过程包括以下步骤：
A1：逐一获取步骤S1中每个对象的身份信息，所述身份信息包括同一对象不同时间段的测温数据集和/或同一对象不同环境温度下的测温数据集；
A2：将步骤S1获取的对象测温数据叠加到A1的测温数据集中，通过时间先后进行排序，以单个对象的相对温度参数进行比较，计算测温数据变化趋势的增量值，增量值为第一补偿值。
优选的，步骤S2包括第二补偿值计算过程，所述第二补偿值计算过程包括以下步骤：
B1：逐一获取步骤S1中每个对象的测温图像，根据不同的身体部位对图像进行分割，并且单独获取每个部位的测温数据，将每个部位的测温数据与标准阈值进行差值计算；
B2：根据差值绝对值以及绝对值阈值进行分类，差值绝对值大于或等于绝对值阈值的数据为第一分类，其余数据为第二分类；
B3：根据第二分类的测温数据，将多个对象的差值或偏差比例进行算数平均，生成第二补偿值。
优选的，第二补偿值计算过程还包括以下步骤：
B4：获取B2的第一分类中的测温数据，将第一分类数据包含的部位信息以及对应的温度差信息写入到动态数据池；
B5：获取第二分类数据以及动态数据池中的数据将多个对象的差值或偏差比例进行算数平均，修正第二补偿值。
优选的，步骤S2包括第三补偿值计算过程，所述第三补偿值计算过程包括以下步骤：
C1：获取S1的测温图像，对测温图像进行区域划分，区域划分根据前置环境识别或者手动划分；
C2：获取特定区域内图像的对象及其温度信息，将多个对象的差值或偏差比例进行算数平均，生成第三补偿值。
优选的，步骤S2包括模式控制过程，模式控制过程使用第一补偿值和/或第二补偿值和/第三补偿值与标准阈值叠加形成补偿值。
本申请还提供一种体温检测系统，包括：
测温单元，所述测温单元具有分区测温能力，在测温的同时获取测温图像，将图像中的检测对象进行对象识别和分割，提取标准检测区域的测温值；
对象档案单元，所述对象档案单元用于存储被测对象的身份档案，并且构建具有对象身份档案的测温数据集，能够实现对个体温度的追踪；
身份识别单元，所述身份识别单元用于区分不同的对象，能够获取对象的身份信息，从对象档案单元中提取同一对象的测温数据集；
体温趋势预测系统，所述体温趋势预测系统与测温单元、身份识别单元以及对象档案单元连接，对测温单元获取的对象的测温数据进行补偿，并预测体温变化趋势，输出预警信号。
优选的，还包括数据分析服务器、网关设备以及测温终端，数据分析服务器通过网关设备以无线网络的方式或有线方式与测温终端进行通讯连接。
本发明的有益效果体现在，提供一种体温趋势预测系统，系统设置多个补偿策略，可实现对多种环境的补偿，具体的，包括基于单个个体同一时间段或者同一环境温度下的体温数据结合实时测得的体温数据得到单个个体的体温变化趋势，进行补偿；还包括基于同一环境下多个个体不同部位的数据推算环境补偿值，对个体体温数据进行补偿；还包括通过区域划分来区分处在不同前置环境下的个体进行针对性的补偿；最终实现对多种环境的补偿。
本申请还提供一种体温检测系统，测温终端具有红外无接触测温、对象身份识别功能、体温数据上传功能，整个系统利用有线无线网络，将智能终端、智能网关及数据服务器构成一个体温预警系统，对被测人员在确认身份信息同时完成人体温度的监测，还可将绑定人员信息的人体温度数据上传至云平台进行数据清洗、数据分析、建模处理分析，满足了人员防控需求。
附图说明
图1为本发明实施例的一种体温趋势预测系统结构图；
图2为本发明实施例的第二补偿单元结构图；
图3为本发明实施例的一种体温预警系统结构图。
具体实施方式
下面结合附图及本发明的实施例对本发明的方法作进一步详细的说明。
实施例1
参阅图1-2，本发明实施例提供一种温趋势预测系统，包括接口组件和计算组件，所述接口组件用于输入用于体温趋势预测的信息数据及图像、输出体温趋势预测结果信息，计算组件用于生成体温补偿数据；
所述接口组件包括：
测温数据接口，所述测温数据接口用于获取检测区域图像中对象的测温数据；
预测结果接口，所述预测结果接口用于输出预测结果信息；
测温图像接口，所述测温图像接口用于获取检测区域的图像；
所述计算组件包括：
补偿计算单元，所述补偿计算单元与测温图像接口、测温数据接口以及预测结果接口连接，根据检测区域的图像生成体温补偿数据，对对象的测温数据进行补偿后，发送给预测结果接口。
优选的，所述接口组件还包括身份信息接口、对象数据接口，身份信息接口输入能够用于识别对象身份的信息，对象数据接口用于输入对象的历史测温数据；
所述计算组件还包括第一补偿单元，所述第一补偿单元与身份信息接口和对象数据接口连接，根据特定的某个对象在不同时间段和/或不同温度环境下的历史测温数据与当前测温数据对比，生成第一补偿值。
在本实施例中，第一补偿单元用于实现对个体温度的跟踪，通过对象数据接口获取用户甲的连续一周的体温数据类聚分析，实现以个体为对象的相对温度参数比较，并以温度差值作为预警条件，并可实现对个体体温趋势的预测判断。
在具体实现过程中，对象数据接口能够获取某个特定用户不同时间段以及不同环境温度下的历史温度数据，与同一时间段或者统一环境温度下的历史数据进行趋势判断，并生成第一补偿值，例如对象甲与同一时间段下的历史测温数据温度升高0.3℃，则能够通过第一补偿值判断，输出预警信息。
优选的，所述计算组件还包括第二补偿单元，所述第二补偿单元与测温图像接口连接，根据多个不同对象的测温数据相互对比，将多个对象的差值或偏差比例进行算数平均，生成第二补偿值；
所述第二补偿单元包括：
图像拆分模块，所述图像拆分模块用于将检测区域图像中的对象进行拆分，拆分成不同部位的图像，并且获取不同部位的信息以及对应的测温数据；
温度分类模块，所述温度分类模块将某一对象的部位信息以及对应的测温数据与标准阈值进行单独的逐一比对，根据差值大小和/或着装信息进行分类，得到第一分类数据和第二分类数据；
补偿值计算模块，所述补偿值计算模块获取第二分类数据，将多个对象的差值或偏差比例进行算数平均，生成第二补偿值。
在本实施例中，首先逐一针图像中每个对象进行分割，获取每个对象的不同身体部位的测温数据，例如额头温度、手部温度以及颈部温度等，系统预设了标准阈值，标准阈值是指每个部位的标准温度值，将每个部位的测温数据与标准阈值进行差值计算，并且根据差值绝对值以及绝对值阈值进行分类，差值绝对值大于或等于绝对值阈值的数据为第一分类，其余数据为第二分类，绝对值阈值是根据实际情况调整设定的参数，一般情况下为0.3-0.5℃。
第一分类包括了对象某部位的测温数据与标准阈值的差值绝对值高于了设定的绝对值阈值，其余数据为第二分类，根据第二分类的测温数据，将多个对象的差值或偏差比例进行算数平均，生成第二补偿值。
在本实施例中，第二补偿值用于分析对象不同部位的温度与标准值进行对比，并且过滤掉异常数据，进行补偿。
对于第一分类的数据，将第一分类数据包含的部位信息以及对应的温度差信息写入到动态数据池；获取第二分类数据以及动态数据池中的数据将多个对象的差值或偏差比例进行算数平均，修正第二补偿值。
在具体实现过程中，暴露处(额头、手等主要体温检测部位)受环境影响较大，且检测位置位于该环境中或者该环境边缘(如商场入口即是位于外部环境的边缘，一般认为以通常的通行方式，距离在3min以内的位置均属于环境边缘的范围)。
由于环境温度是实时变化的，如果采用固定的环境补偿会存在不合实际的情况，容易导致错误预警。解决这个问题可以采用智能环境补偿策略。具体的可选方式是，第二分类的数据是与标准阈值差值较小的数值，此分类能够在上述场景中区分出收环境温度影响较小的部位，例如衣物覆盖的颈部，通过第二分类的数据进行补偿，能够降低环境温度变化对测温结果的影响，对于受环境温度影响较大的部位，例如暴露在阳光下的额头温度和手腕温度，即第一分类的数据包含的部位信息以及对应的温度差信息写入到动态数据池，分析动态数据池中的多个用户的温度数据，获取第二分类数据以及动态数据池中的数据将多个对象的差值或偏差比例进行算数平均，修正第二补偿值。例如多个对象手腕部温度与标准阈值差异超过了绝对值阈值，则判定当前环境可能对该部位温度影响较大，则通过动态数据池中的数据对这些部位的数据进行修正，修正第二补偿值，并且通过动态数据池对补偿参数进行动态更新。
优选的，所述计算组件还包括图像处理单元和第三补偿单元，所述图像处理单元获取测温图像接口输入的检测区域图像，图像处理单元进行区域划分，所述第三补偿单元获取特定区域内图像的对象及其温度信息，将多个对象的差值或偏差比例进行算数平均，生成第三补偿值。
在本实施例中，图像处理单元对测温图像进行识别，能够区分多个补偿策略，以实现对多个固定环境的补偿。比如同样设置在商场门口的检测设备，被检查对象主要有两种，一种为自驾车到达，一种为步行到达，假设自驾车到达一般会开启车载空调，则会形成两种有差异且差异固定的前置环境，两种环境的补偿值会明显不同。
在具体实现过程中，通过图像识别人行道以及机动车入口，或者通过手动进行区域划分指定，对于机动车入口，认定为机动车的前置场景，针对机动车内开启空调的对象，生成第三补偿值，针对此类用户进行具有针对性的补偿，系统设置多个补偿策略，可实现对多种环境的补偿。使用时，如果有一种补偿方式能够满足补偿后结果的正确性，则将该补偿方式作为该次检测的补偿方式。
优选的，所述计算组件还包括模式控制单元，所述模式控制单元与图像处理单元、补偿计算单元连接；
所述模式控制单元根据图像处理单元划分的区域信息进行模式控制，使用第一补偿值和/或第二补偿值和/第三补偿值与标准阈值叠加形成补偿值；
补偿计算单元使用补偿值与测温数据接口输入的测温数据进行比较，并且将比较结果通过预测数据接口进行输出。
在本实施例中，结合模式控制进行补偿选择，模式识别比如通过图像识别识别对象是走路到达还是驾车到达，进而自动匹配补偿策略进行检测及预警。
优选的，所述接口组件还包括数据修正接口，所述数据修正接口用于输出第一补偿值和/或第二补偿值和/第三补偿值。
修正数据接口能够将修正值进行反馈，用于实现补偿参数的智能计算及更新。
本申请还提供一种体温趋势预测方法，包括以下步骤：
S1：获取测温图像，根据对象位置对图像进行分割，逐一获取每个对象的测温数据；
S2：补偿计算，根据测温图像生成补偿值，使用补偿值与测温数据进行比较；
S3输出比较结果。
优选的，步骤S2包括第一补偿值计算过程，所述第一补偿值计算过程包括以下步骤：
A1：逐一获取步骤S1中每个对象的身份信息，所述身份信息包括同一对象不同时间段的测温数据集和/或同一对象不同环境温度下的测温数据集；
A2：将步骤S1获取的对象测温数据叠加到A1的测温数据集中，通过时间先后进行排序，以单个对象的相对温度参数进行比较，计算测温数据变化趋势的增量值，增量值为第一补偿值。
第一补偿单元用于实现对个体温度的跟踪，通过对象数据接口获取用户甲的连续一周的体温数据类聚分析，实现以个体为对象的相对温度参数比较，并以温度差值作为预警条件，并可实现对个体体温趋势的预测判断。
优选的，步骤S2包括第二补偿值计算过程，所述第二补偿值计算过程包括以下步骤：
B1：逐一获取步骤S1中每个对象的测温图像，根据不同的身体部位对图像进行分割，并且单独获取每个部位的测温数据，将每个部位的测温数据与标准阈值进行差值计算；
B2：根据差值绝对值以及绝对值阈值进行分类，差值绝对值大于或等于绝对值阈值的数据为第一分类，其余数据为第二分类；
B3：根据第二分类的测温数据，将多个对象的差值或偏差比例进行算数平均，生成第二补偿值。
在本实施例中，第二补偿值用于补偿时间稳定性，其补偿参数的设置是根据设备的系统的使用场景设定的。比如场景为商场入口，对应一般进入商场前会长时间暴露在室外环境中，室外环境会对对象形成较为稳定一致的影响偏差，通过检测室外环境温度，根据检测的环境温度生成第二补偿值。对于从室外环境进入的被测对象适用第二补偿阈值进行判断。
优选的，第二补偿值计算过程还包括以下步骤：
B4：获取B2的第一分类中的测温数据，将第一分类数据包含的部位信息以及对应的温度差信息写入到动态数据池；
B5：获取第二分类数据以及动态数据池中的数据将多个对象的差值或偏差比例进行算数平均，修正第二补偿值。
在本实施例中，第二补偿值用于分析对象不同部位的温度与标准值进行对比，并且过滤掉异常数据，进行补偿。
对于第一分类的数据，将第一分类数据包含的部位信息以及对应的温度差信息写入到动态数据池；获取第二分类数据以及动态数据池中的数据将多个对象的差值或偏差比例进行算数平均，修正第二补偿值。
在具体实现过程中，暴露处(额头、手等主要体温检测部位)受环境影响较大，且检测位置位于该环境中或者该环境边缘(如商场入口即是位于外部环境的边缘，一般认为以通常的通行方式，距离在3min以内的位置均属于环境边缘的范围)。
由于环境温度是实时变化的，如果采用固定的环境补偿会存在不合实际的情况，容易导致错误预警。解决这个问题可以采用智能环境补偿策略。具体的可选方式是，第二分类的数据是与标准阈值差值较小的数值，此分类能够在上述场景中区分出收环境温度影响较小的部位，例如衣物覆盖的颈部，通过第二分类的数据进行补偿，能够降低环境温度变化对测温结果的影响，对于受环境温度影响较大的部位，例如暴露在阳光下的额头温度和手腕温度，即第一分类的数据包含的部位信息以及对应的温度差信息写入到动态数据池，分析动态数据池中的多个用户的温度数据，获取第二分类数据以及动态数据池中的数据将多个对象的差值或偏差比例进行算数平均，修正第二补偿值。
优选的，步骤S2包括第三补偿值计算过程，所述第三补偿值计算过程包括以下步骤：
C1：获取S1的测温图像，对测温图像进行区域划分，区域划分根据前置环境识别或者手动划分；
C2：获取特定区域内图像的对象及其温度信息，将多个对象的差值或偏差比例进行算数平均，生成第三补偿值。
优选的，步骤S2包括模式控制过程，模式控制过程使用第一补偿值和/或第二补偿值和/第三补偿值与标准阈值叠加形成补偿值。
在本实施例中，图像处理单元对测温图像进行识别，能够区分多个补偿策略，以实现对多个固定环境的补偿。比如同样设置在商场门口的检测设备，被检查对象主要有两种，一种为自驾车到达，一种为步行到达，假设自驾车到达一般会开启车载空调，则会形成两种有差异且差异固定的前置环境，两种环境的补偿值会明显不同。
在具体实现过程中，通过图像识别人行道以及机动车入口，或者通过手动进行区域划分指定，对于机动车入口，认定为机动车的前置场景，针对机动车内开启空调的对象，生成第三补偿值，针对此类用户进行具有针对性的补偿，系统设置多个补偿策略，可实现对多种环境的补偿。使用时，如果有一种补偿方式能够满足补偿后结果的正确性，则将该补偿方式作为该次检测的补偿方式。
参阅图3，本申请还提供一种体温检测系统，包括：
测温单元，所述测温单元具有分区测温能力，在测温的同时获取测温图像，将图像中的检测对象进行对象识别和分割，提取标准检测区域的测温值；
对象档案单元，所述对象档案单元用于存储被测对象的身份档案，并且构建具有对象身份档案的测温数据集，能够实现对个体温度的追踪；
身份识别单元，所述身份识别单元用于区分不同的对象，能够获取对象的身份信息，从对象档案单元中提取同一对象的测温数据集；
体温趋势预测系统，所述体温趋势预测系统与测温单元、身份识别单元以及对象档案单元连接，对测温单元获取的对象的测温数据进行补偿，并预测体温变化趋势，输出预警信号。
优选的，还包括数据分析服务器、网关设备以及测温终端，数据分析服务器通过网关设备以无线网络的方式或有线方式与测温终端进行通讯连接。
在本实施例中，身份识别单元，可以是能够试读电子标签的读卡器、人脸识别系统、图像识别系统(如应用于50个人的固定群体体温跟踪测量，公司内部使用场景下较为常见，就不必做到人脸识别或指纹识别的精准度，而只需要做到能区分50个个体的图像识别系统即可，如通过体型、走路姿态等少量易识别参数即可实现身份识别)。
对于开放场景的使用，可以引入人脸识别系统，应用于未知、不特定对象的识别，典型应用场景比如机场、商场、车站、酒店等开放的公共场所，该识别可以作为单独的服务单元布置在云端、或者接入第三方服务实现。
在具体实现过程中，数据分析服务器通过无线网关设备以无线网络的方式(或有线方式)与测温终端进行通讯连接，无线连接支持WIFI、4G/5G等通讯手段，从而实现对智能终端中的被测人体温度值进行采集，对于体温异常进行预警处理。
本发明中的测温终端具有远距离精确测温、身份证识别、面部特征识别、无线通讯和告警、预警功能，不但实现了被测人员在确认身份信息同时完成人体温度的监测，还可将绑定人员信息的人体温度数据上传至上层数据分析服务器进行数据处理分析，大大提高了病毒防控效率。
对于数据分析服务器，云端平台将所有检测数据汇总后，进行数据清洗后，通过增量学习的方式，建立人体、环境、时段、国家区域(或人种肤色)等多变量因素的网络模型，该模型数据可以同步至各终端进行离线检测。终端也可以通过4G/5G等低时延网络将数据上传至云端分析平台导入模型进行计算后，将预警结果反馈至终端输出。
在本发明的实施例的描述中，需要理解的是，术语“上”、“下”、“前”、“后”、“左”、“右”、“坚直”、“水平”、“中心”、“顶”、“底”、“顶部”、“底部”、“内”、“外”、“内侧”、“外侧”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了使于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。其中，“里侧”是指内部或围起来的区域或空间。“外围”是指某特定部件或特定区域的周围的区域。
在本发明的实施例的描述中，术语“第一”、“第二”、“第三”、“第四”仅用以描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”、“第三”、“第四”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。
在本发明的实施例的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“组装”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
在本发明的实施例的描述中，具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
在本发明的实施例的描述中，需要理解的是，“-”和“～”表示的是两个数值之同的范围，并且该范围包括端点。例如:“A-B”表示大于或等于A，且小于或等于B的范围。“A～B”表示大于或等于A，且小于或等于B的范围。
在本发明的实施例的描述中，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
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。
Claims (10)
1.一种体温趋势预测系统，其特征在于：包括接口组件和计算组件，所述接口组件用于输入用于体温趋势预测的信息数据及图像、输出体温趋势预测结果信息，计算组件用于生成体温补偿数据；
所述接口组件包括：
测温数据接口，所述测温数据接口用于获取检测区域图像中对象的测温数据；
预测结果接口，所述预测结果接口用于输出预测结果信息；
测温图像接口，所述测温图像接口用于获取检测区域的图像；
所述计算组件包括：
补偿计算单元，所述补偿计算单元与测温图像接口、测温数据接口以及预测结果接口连接，根据检测区域的图像生成体温补偿数据，对对象的测温数据进行补偿后，发送给预测结果接口。
2.根据权利要求1所述的一种体温趋势预测系统，其特征在于：所述接口组件还包括身份信息接口、对象数据接口，身份信息接口输入能够用于识别对象身份的信息，对象数据接口用于输入对象的历史测温数据；
所述计算组件还包括第一补偿单元，所述第一补偿单元与身份信息接口和对象数据接口连接，根据特定的某个对象在不同时间段和/或不同温度环境下的历史测温数据与当前测温数据对比，生成第一补偿值。
3.根据权利要求1所述的一种体温趋势预测系统，其特征在于：所述计算组件还包括第二补偿单元，所述第二补偿单元与测温图像接口连接，根据多个不同对象的测温数据相互对比，将多个对象的差值或偏差比例进行算数平均，生成第二补偿值；
所述第二补偿单元包括：
图像拆分模块，所述图像拆分模块用于将检测区域图像中的对象进行拆分，拆分成不同部位的图像，并且获取不同部位的信息以及对应的测温数据；
温度分类模块，所述温度分类模块将某一对象的部位信息以及对应的测温数据与标准阈值进行单独的逐一比对，根据差值大小和/或着装信息进行分类，得到第一分类数据和第二分类数据；
补偿值计算模块，所述补偿值计算模块获取第二分类数据，将多个对象的差值或偏差比例进行算数平均，生成第二补偿值。
所述计算组件还包括动态数据池；
所述第二补偿单元还包括环境温度补偿模块，所述环境温度补偿模块获取第一分类数据，将第一分类数据包含的部位信息以及对应的温度差信息写入到动态数据池，所述补偿值计算模块获取第二分类数据以及动态数据池中的数据将多个对象的差值或偏差比例进行算数平均，修正第二补偿值。
4.根据权利要求3所述的一种体温趋势预测系统，其特征在于：所述计算组件还包括图像处理单元和第三补偿单元，所述图像处理单元获取测温图像接口输入的检测区域图像，图像处理单元进行区域划分，所述第三补偿单元获取特定区域内图像的对象及其温度信息，将多个对象的差值或偏差比例进行算数平均，生成第三补偿值。
5.根据权利要求4所述的一种体温趋势预测系统，其特征在于：所述计算组件还包括模式控制单元，所述模式控制单元与图像处理单元、补偿计算单元连接；
所述模式控制单元根据图像处理单元划分的区域信息进行模式控制，使用第一补偿值和/或第二补偿值和/第三补偿值与标准阈值叠加形成补偿值；
补偿计算单元使用补偿值与测温数据接口输入的测温数据进行比较，并且将比较结果通过预测数据接口进行输出。
所述接口组件还包括数据修正接口，所述数据修正接口用于输出第一补偿值和/或第二补偿值和/第三补偿值。
6.用于权利要求1-5任一项的体温趋势预测系统的一种体温趋势预测方法，其特征在于，包括以下步骤：
S1：获取测温图像，根据对象位置对图像进行分割，逐一获取每个对象的测温数据；
S2：补偿计算，根据测温图像生成补偿值，使用补偿值与测温数据进行比较；
S3输出比较结果。
7.根据权利要求6所述的一种体温趋势预测方法，其特征在于，步骤S2包括第一补偿值计算过程，所述第一补偿值计算过程包括以下步骤：
A1：逐一获取步骤S1中每个对象的身份信息，所述身份信息包括同一对象不同时间段的测温数据集和/或同一对象不同环境温度下的测温数据集；
A2：将步骤S1获取的对象测温数据叠加到A1的测温数据集中，通过时间先后进行排序，以单个对象的相对温度参数进行比较，计算测温数据变化趋势的增量值，增量值为第一补偿值。
8.根据权利要求7所述的一种体温趋势预测方法，其特征在于，步骤S2包括第二补偿值计算过程，所述第二补偿值计算过程包括以下步骤：
B1：逐一获取步骤S1中每个对象的测温图像，根据不同的身体部位对图像进行分割，并且单独获取每个部位的测温数据，将每个部位的测温数据与标准阈值进行差值计算；
B2：根据差值绝对值以及绝对值阈值进行分类，差值绝对值大于或等于绝对值阈值的数据为第一分类，其余数据为第二分类；
B3：根据第二分类的测温数据，将多个对象的差值或偏差比例进行算数平均，生成第二补偿值。
第二补偿值计算过程还包括以下步骤：
B4：获取B2的第一分类中的测温数据，将第一分类数据包含的部位信息以及对应的温度差信息写入到动态数据池；
B5：获取第二分类数据以及动态数据池中的数据将多个对象的差值或偏差比例进行算数平均，修正第二补偿值。
9.根据权利要求7所述的一种体温趋势预测方法，其特征在于，步骤S2包括第三补偿值计算过程，所述第三补偿值计算过程包括以下步骤：
C1：获取S1的测温图像，对测温图像进行区域划分，区域划分根据前置环境识别或者手动划分；
C2：获取特定区域内图像的对象及其温度信息，将多个对象的差值或偏差比例进行算数平均，生成第三补偿值。
步骤S2包括模式控制过程，模式控制过程使用第一补偿值和/或第二补偿值和/第三补偿值与标准阈值叠加形成补偿值。
10.一种体温检测系统，其特征在于，包括：
测温单元，所述测温单元具有分区测温能力，在测温的同时获取测温图像，将图像中的检测对象进行对象识别和分割，提取标准检测区域的测温值；
对象档案单元，所述对象档案单元用于存储被测对象的身份档案，并且构建具有对象身份档案的测温数据集，能够实现对个体温度的追踪；
身份识别单元，所述身份识别单元用于区分不同的对象，能够获取对象的身份信息，从对象档案单元中提取同一对象的测温数据集；
体温趋势预测系统，所述体温趋势预测系统与测温单元、身份识别单元以及对象档案单元连接，对测温单元获取的对象的测温数据进行补偿，并预测体温变化趋势，输出预警信号。
还包括数据分析服务器、网关设备以及测温终端，数据分析服务器通过网关设备以无线网络的方式或有线方式与测温终端进行通讯连接。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110111145.9A CN112927816B (zh) | 2021-01-27 | 2021-01-27 | 一种体温检测系统、体温趋势预测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110111145.9A CN112927816B (zh) | 2021-01-27 | 2021-01-27 | 一种体温检测系统、体温趋势预测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112927816A true CN112927816A (zh) | 2021-06-08 |
| CN112927816B CN112927816B (zh) | 2021-11-23 |
Family
ID=76166953
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110111145.9A Active CN112927816B (zh) | 2021-01-27 | 2021-01-27 | 一种体温检测系统、体温趋势预测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112927816B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070122173A1 (en) * | 2005-11-25 | 2007-05-31 | Sharp Kabushiki Kaisha | Temperature control device, temperature control method, fixing device, image forming apparatus, temperature control program, computer-readable recording medium, and computer data signal |
| CN111588353A (zh) * | 2020-04-09 | 2020-08-28 | 北京雪扬科技有限公司 | 一种体温测量方法 |
| CN111626985A (zh) * | 2020-04-20 | 2020-09-04 | 北京农业信息技术研究中心 | 基于图像融合的家禽体温检测方法及禽舍巡检系统 |
| CN111681770A (zh) * | 2020-04-15 | 2020-09-18 | 梅州市青塘实业有限公司 | 异常目标的智能检测方法、装置、计算机设备及存储介质 |
| CN111693147A (zh) * | 2020-06-12 | 2020-09-22 | 北京百度网讯科技有限公司 | 温度补偿的方法、装置、电子设备及计算机可读存储介质 |
| CN111916219A (zh) * | 2020-07-17 | 2020-11-10 | 深圳中集智能科技有限公司 | 检验检疫智能安全预警方法、装置及电子系统 |
-
2021
- 2021-01-27 CN CN202110111145.9A patent/CN112927816B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070122173A1 (en) * | 2005-11-25 | 2007-05-31 | Sharp Kabushiki Kaisha | Temperature control device, temperature control method, fixing device, image forming apparatus, temperature control program, computer-readable recording medium, and computer data signal |
| CN111588353A (zh) * | 2020-04-09 | 2020-08-28 | 北京雪扬科技有限公司 | 一种体温测量方法 |
| CN111681770A (zh) * | 2020-04-15 | 2020-09-18 | 梅州市青塘实业有限公司 | 异常目标的智能检测方法、装置、计算机设备及存储介质 |
| CN111626985A (zh) * | 2020-04-20 | 2020-09-04 | 北京农业信息技术研究中心 | 基于图像融合的家禽体温检测方法及禽舍巡检系统 |
| CN111693147A (zh) * | 2020-06-12 | 2020-09-22 | 北京百度网讯科技有限公司 | 温度补偿的方法、装置、电子设备及计算机可读存储介质 |
| CN111916219A (zh) * | 2020-07-17 | 2020-11-10 | 深圳中集智能科技有限公司 | 检验检疫智能安全预警方法、装置及电子系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112927816B (zh) | 2021-11-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111681770B (zh) | 异常目标的智能检测方法、装置、计算机设备及存储介质 | |
| WO2019152472A1 (en) | Face concealment detection | |
| US20210043018A1 (en) | Smart door system | |
| EP3327654A1 (en) | Methods and systems for recommending skin care products | |
| Hernandez-Penaloza et al. | A multi-sensor fusion scheme to increase life autonomy of elderly people with cognitive problems | |
| CN112146761A (zh) | 一种基于机器学习的人体测温补偿方法 | |
| JP2018042620A (ja) | 呼気アルコール検知のための認証システム及び認証方法 | |
| US20220083782A1 (en) | Item monitoring for doorbell cameras | |
| Koutli et al. | Abnormal behavior detection for elderly people living alone leveraging IoT sensors | |
| CN112418251A (zh) | 红外体温检测方法及系统 | |
| CN112504461A (zh) | 智能测温系统及测温方法 | |
| CN110244574A (zh) | 智能家居控制方法、装置、系统和存储介质 | |
| CN112365618A (zh) | 一种基于人脸识别和二维码测温考勤系统及方法 | |
| CN111854964A (zh) | 一种测量体温的方法、装置、测温工具及存储介质 | |
| CN112927816B (zh) | 一种体温检测系统、体温趋势预测方法及系统 | |
| CN113627448A (zh) | 构建人体热舒适预测模型的方法、预测方法及系统 | |
| CN112183380B (zh) | 基于人脸识别的客流量分析方法和系统、电子设备 | |
| CN212721763U (zh) | 一种基于人脸识别红外热场测温系统 | |
| WO2022132436A1 (en) | System and method for video analytics for thermography procedure compliance | |
| CN110659594B (zh) | 一种基于AlphaPose的热舒适姿态估计方法 | |
| CN111896119A (zh) | 红外测温方法及电子设备 | |
| CN112880660B (zh) | 一种智能建筑WiFi和红外热成像仪的融合定位系统及方法 | |
| CN114964506A (zh) | 基于红外热成像的室内人体热舒适智能调控方法和系统 | |
| CN110969209B (zh) | 一种陌生人识别方法、装置、电子设备及存储介质 | |
| CN111652173B (zh) | 一种适合综合商场内人流管控的采集方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20230423 Address after: 518000 20B, West Block, East Changxing Square, North Changxing Road, Taoyuan Road, Nanshan District, Shenzhen, Guangdong Province Patentee after: SHENZHEN XIN YUPENG ELECTRONIC TECHNOLOGY Co.,Ltd. Address before: 528000 No.110, block B, application enterprise building, 12 Lecong Avenue West, Lecong Town, Shunde District, Foshan City, Guangdong Province Patentee before: GUANGDONG SHUNDE ROBUST INTELLIGENT TECHNOLOGY CO.,LTD. |