您好,歡迎來到易龍商務網!
發布時間:2021-01-21 14:27  
【廣告】







大范圍多點快速體溫測量是控制疫情蔓延的重要手段,如何基于現有場景對流動人員進行體溫篩查快速布控成為防疫的迫切需求。傳統測溫方案是使用額溫槍進行體溫檢測,平均測溫時間要20~30秒/人,無法滿足量大的測溫場景。雙光譜智能體溫檢測系統,是利用可見光結合紅外熱成像技術來開發的。紅外熱像技術在疾病防控領域的應用,主要是通過人體發出的紅外輻射,測量人體體溫,通過體溫的監測,來及時發現患有性疾病的人群,及時對疑似病患進行的深度檢查,避免疾病的傳播。
紅外熱像儀還可以同時觀察到場景中多人的體溫,因此對于體溫檢測的工作效率要遠遠大于普通體溫測量設備。同時,由于系統帶有可見光鏡頭,加上AI人臉識別算法,不僅可以滿足體溫檢測,還能夠對固定人員出入的場景增加人員考勤和陌生人預警等功能。雙光譜智能體溫檢測系統可用在人員密集的場所進行大面積檢測,快速檢測發熱人員并智能報警,自動追蹤體溫發熱人員。

AI 熱成像人臉識別熱成像和低照度雙光相結合,可通過AI的深度學習技術加持,實現在黑暗中準確識別人臉。當使用熱成像照相機拍攝面部圖像時,主要的挑戰在于捕獲的熱圖像必須與目標人物的常規可見圖像的監視圖像庫相匹配。需要將構建出來的圖像與數據庫中的已知面部進行匹配,才能識別出目標。這項熱成像人臉識別技術在追捕逃犯、打擊、夜間作戰方面有很大的用武之地。基于此,美國研究實驗室開發出了一套基于深度學習的 AI 識別系統。通過卷積神經網絡的處理,熱圖像中人的眼睛、鼻子、嘴唇等的邊界被標記出來,從而可以確定出人臉的整體形狀。接下來,非線性回歸模型將這些特征映射到相應的面孔樣貌中。
這種被稱為“多區域合成”的系統通過損失函數進行訓練,熱圖像和可見圖像之間的誤差會被化,從而可以構建出一個相對準確的人臉圖像。從熱圖像中合成可見光圖像是異質人臉識別中十分有前景的一項方法,可以利用已有的在可見光人臉數據庫上訓練的面部識別軟件,并且更有效地進行跨光譜匹配。提出了一個利用全局和局部五官來增強判別性的可見光人臉圖像合成方法。
