[发明专利]红外热像体温监测仪的自校准方法

权利要求书

1.红外热像体温监测仪的自校准方法，其特征在于，包括如下步骤：

S1：判断距离上一次红外热像体温监测仪进行校准的时间是否达到时长t1，若是，则执行S2，否则，继续监控距离上一次红外热像体温监测仪进行校准的时间的时长；

S2：利用红外热像体温监测仪，实时获取监测区域的红外图像S以及温度T，之后，遍历温度T并判断其中是否存在大于预设温度阈值T₀的值，若不存在，则判定监测区域内没有行人，满足自动校准条件，执行S4，否则，判定监测区域内可能存在行人，执行S3；

S3：判断红外图像S中是否存在行人，若存在，则延时t2时长，并返回至S2继续执行，否则，执行S4；

S4：通过串口控制红外热像体温监测仪进行温度自动校准，并在完成自动校准后返回至S1，等待下一次校准。

2.按照权利要求1所述红外热像体温监测仪的自校准方法，其特征在于：S2中，预设温度阈值T₀的值为35℃。

3.按照权利要求1所述红外热像体温监测仪的自校准方法，其特征在于：S3中判断红外图像S中是否存在行人包括如下步骤：

S31：获取监测区域中温度大于预设温度阈值T₀的值，并查找其在红外图像S中位置坐标，认定这些坐标点组成的区域为疑似目标检测区域S₀，并在疑似目标检测区域S₀的基础上向外扩5～8个像素，得到区域S₁；

S32：在区域S₁中提取目标的轮廓特征，并将上述特征信息输入到经过训练的BP神经网络，实现对目标的识别。

4.按照权利要求3所述红外热像体温监测仪的自校准方法，其特征在于：S32中，目标的轮廓特征包括目标的外部轮廓特征以及圆形度特征。

5.按照权利要求4所述红外热像体温监测仪的自校准方法，其特征在于：S32中，目标的轮廓特征的提取方法如下：利用Sobel算子对区域S₁进行边缘提取得到目标的轮廓S₂，并将轮廓S₂的轮廓信息作为目标的外部轮廓特征。

6.按照权利要求5所述红外热像体温监测仪的自校准方法，其特征在于：S32中，将目标的圆形度信息作为其圆形度特征，圆形度是区域边界周长的平方与其面积的比值，得到目标的轮廓S₂后，计算S₂的面积以及S₂的周长，其中，S₂的面积为轮廓S₂内像素点个数，S₂的周长为相邻像素点的距离的累加和，圆形度的计算公式为：其中，S_k为目标的面积，即S₂的面积，L_k为目标的周长，即为S₂的周长。

7.按照权利要求1所述红外热像体温监测仪的自校准方法，其特征在于：S32前，还包括训练BP神经网络的步骤，其中，BP神经网络的训练过程如下：采用BP神经网络，将不同体型、性别、身高的行人，分别以不同的行走速度在室内环境下的行走视频作为其训练信号，同时，选取箱子、盒子等物体的运动视频作为神经网络的训练信号。

8.按照权利要求7所述红外热像体温监测仪的自校准方法，其特征在于：BP神经网络隐含层节点数为20，隐含层神经元采用tansig函数，输出层采用logsig函数。

9.按照权利要求1所述红外热像体温监测仪的自校准方法，其特征在于：S1中，t1为30～60min。

10.按照权利要求1所述红外热像体温监测仪的自校准方法，其特征在于：S3中，t2为5～10s。