大流量人体红外测温筛查方法研究

何少杰,胡 月，鹿 玮,田 宇,高延烁,肖萁宣

(1.中国电子科技集团公司第十一研究所,北京 100015;2.航天恒星科技有限公司，北京 10094)

1 引 言

新型冠状病毒感染疫情从2020年1月底开始大面积爆发,该病毒传染性强,危险性高。1月底正值春运时期,返乡及回城旅客流量大、持续久,人员密集区域疫情防控压力大。在机场枢纽、火车站、客运站等人流密集地区,做好疫情初检工作,降低疾病传播风险,筛选出高温发热患者,是疫情防控的重要环节。基于红外测温的广域远距离大流量人群体温筛查设备在此次疫情防控中得到了广泛应用,并取得了一定的成效[1]。本文针对现有红外测温筛查设备在实际应用中的不足,提出了基于动态数据统计的大流量人体红外测温筛查方法,并得到实际验证。

2 红外测温筛查原理

只要高于绝对零度的物体,都会向外辐射能量,其辐射能包括各种波长,其中波长范围在0.76～1000 μm之间的称为红外光波。红外光的物理特性具有很强的热效应,温度越高,发出的热辐射越强,这正是红外测温技术所感兴趣的。红外测温技术的理论基础是普朗克分布定律,该定律揭示了黑体辐射能量在不同温度下按波长的分布规律,其数学表达式为:

(1)

式中,Ebλ为黑体光谱辐射通量密度,W·cm-2μm-1；c1称为第一辐射常数,c1=3.7415×10-12W·cm2；c2称为第二辐射常数,c2=1.43879×10-12cm·K；λ为光谱辐射的波长,μm；T为黑体的热力学温度,K。

红外测温的基本结构包括:光学镜头和红外探测器。红外热像仪可以将接收到的红外波段的热辐射能量转换为电信号,经过放大、补偿,AD转换后成为数字信号,在显示器上通过图像显示出来。图像中的每一个点的灰度值与被测物体上该点发出并到达光电转换器件的辐射能量相对应。经过运算,就可以从红外热像仪的图像上读出被测物体表面的每一个点的辐射温度值,这是红外测温的基本原理[2],如图1所示。

图1 红外测温基本结构框图

为了提高测温准确性,目前红外测温筛查设备多与可见光人脸识别、目标检测技术相结合:在可见光图像下检测人脸区域,采用基于 Faster-RCNN、YOLO系列等深度学习算法,增强数据集的适用性,提高对非正脸、戴口罩的脸的检测准确性和检测速度。利用PNN、LVQ 网络进行人脸朝向识别,对人脸候选框进行朝向判断,进一步确定人脸额头区域。可见光与热红外的图像配准部分,利用特征点匹配方法实现图像的精确配准,实时地将可见光图像的人脸额头区域映射到热红外图像上,有效地解决不同成像距离的图像配准偏差[3]。最后根据预先设置的高温阈值,筛查人群中的疑似高温人员。如图2所示,红外测温筛查设备包括红外采集模块、可见光采集模块、计算处理模块和多媒体显示模块等四个部分。

图2 红外测温筛查设备组成框图

相应的,如图3所示,红外测温筛查设备具有视频图像采集功能,包括获取人体红外热成像、人脸等图像信息,红外热成像图像中除了视频信号外还包含了温度帧,作为原始温度的输入；以及通过分析处理与显示功能,包括目标检测、温度分析和数据分析,并提供信息显示和存储功能,并能根据设定的温度阈值实现对疑似高温被测目标的自动报警。

图3 红外测温筛查设备功能模块图

3 红外测温筛查应用中的不足之处

红外测温筛查应用中存在的主要不足之处有:

1)热像仪自身因温漂、环境温度、大气透过率等因素导致测温不准。

2)热像仪视场中存在热力管、热饮、暖气等干扰热源导致测温结果偏高。

3)热像仪与被测人员之间的距离引起的温衰问题,如在有效测温作用距离内,同一人员离热像仪越远测温结果越低。

4)人体本身的生理特征导致的测温、预警不准,例如人员面部表面温度不等同于体温,此外人体温度会随环境、时间等因素的变化而变化,这对红外测温筛查设备判定某个人是否为疑似发烧人员都会带来困难。

上述不足中,前三个均存在有效的解决手段:

针对第一点,可通过优化红外测温筛查设备测温算法[4-9]以及配套参考黑体的方法能够大大提升红外测温筛查设备的测温准度,目前市面主流红外测温筛查设备的都能将测温误差控制在±0.3 K以内(设定测温距离下)。

针对第二点,通过可见光人脸识别辅助确定热像仪测温范围的方法[10],热像仪只测量人脸范围内的温度数值,能够有效排除干扰热源的影响。

针对第三点,可通过对被测目标光学测距方法得到被测目标距离,在对应的距离上通过距离-温度曲线做被测目标温度补偿修正[10]。

本文重点论述第四个不足之处的解决方法。

本文采用的方法是用红外测温筛查设备在一小段时间内、相似场景下测得大量人员的额头温度,根据动态数据统计算法,将个人额头温度转换为正常人平均体温附近的某一温度,表示为该人的体温,人的正常体温范围为36～37 ℃[11],我们取36.5 ℃为正常人的平均体温。为了统一名称,我们将转换前的红外测温筛查设备测得人员额头温度称为体表温度,转换后的温度为显示温度。具体转换方法在下一节介绍。

4 大流量人群测温筛查方法

(2)

其次,通过红外测温筛查设备的外置温度传感器测得的环境温度,通过将红外测温筛查设备测得的体表温度归一化为人体在该环境温度下的体温数值,并将其呈现在温度显示界面上。由于红外测温筛查设备只能测得额头的表面温度,该数值受环境温度及测温距离影响,由于选用的红外测温筛查设备已经给距离温衰作了温度补偿,因此须根据环境与体温的对应关系,将测得的第n名人员的额温近似归一化为体温Tn,即显示温度。转换公式如下:

(3)

最后,结合双光成像、人脸识别、筛查,设备完整的工作流程如图4所示。

图4 红外测温筛查设备工作流程

5 实验结果分析

本文选用中国电子科技集团公司第十一研究所研制的BOPCLU-640ST型人体红外测温传感器用作测温筛查设备,红外探测器采用640×512,17 μm氧化钒探测器,红外光学视场达到31°×25°,可实现大范围、大流量人员测温；同时配备1080P高清广角可见光摄像机用作人脸检测。实物如图5所示。

图5 红外测温筛查设备实际安装图

通过红外测温筛查设备分别在冬季(2月,测试环境温度16 ℃)和夏季(8月,测试环境温度28 ℃)测得两组对比数据,被测人员距红外测温筛查设备均为5 m,红外测温筛查设备所有参数都一致,每组数据包含红外测温筛查设备测得额头体表温度、经数据处理后设备的显示温度以及被测人员的真实腋下温度(用腋下温度近似为人体温度)。其中冬季样本容量为201人次,夏季样本容量为204人次,具体如图6和7所示。

图6 冬季实验结果

图7 夏季实验结果

从冬季和夏季的实验结果中可以看出:

1)经过数据处理,红外测温筛查设备测得的额头体表温度均被线性转换到36.5℃附近,显示温度符合体温读数习惯。

2)每个被测人员的显示温度与真实腋下体温误差较小,且受环境温度变化影响较小。其中冬季测温误差为:0.12 ℃(RMS),夏季测温误差为:0.11 ℃(RMS)。能够满足实际应用需求。大流量场景下的实际应用如图8所示。

图8 实际应用测温界面

6 结 语

本文针对红外测温筛查设备常见不足,提出了基于动态数据统计的大流量人群测温筛查方法,结合高分辨率、大视场的红外测温筛查设备,经过不同季节的实验和实际应用,验证了这种方法在大流量场景下的测温准确性。后续,我们将在此测温筛查设备的基础上形成区域联网,对重点区域形成人员体温常态化监测,为相关部门提供区域人员体温变化支撑。