[发明专利]基于Re-ID的非接触式发烧人员追踪系统及其追踪方法

权利要求书

1.一种基于Re-ID的非接触式发烧人员追踪系统，其特征在于，包括：

目标采集前端，包括红外热成像仪和至少两个摄像头，所述红外热成像仪和所述摄像头电连接；

监控摄像群，包括至少两个监控摄像头；

主控端，所述主控端分别与所述目标采集前端和所述监控摄像群通信连接，能够存储并处理所述目标采集前端和所述监控摄像群发送的信息。

2.根据权利要求1所述的一种基于Re-ID的非接触式发烧人员追踪系统，其特征在于，所述主控端包括控制器、计算机可读存储介质和处理器，所述控制器分别与所述目标采集前端和所述监控摄像群通信连接，所述计算机可读存储介质能够存储计算机程序和所述控制器发送的数据，所述处理器能够运行所述计算机程序。

3.应用于权利要求1所述的一种基于Re-ID的非接触式发烧人员追踪系统的追踪方法，其特征在于，包括：

识别所述体温异常者，并获取所述体温异常者的人像；

获取所述监控摄像头的拍摄画面；

使用yolov3模型分别处理所述人像和所述拍摄画面，分别得到检索图和检索图库，所述检索图库包括至少两个检索样本；

对所述检索图和所述检索样本进行预处理；

将所述检索图和所述检索样本输入重识别神经网络模型，得到排序数据；

根据所述排序数据得到所述体温异常者的行踪。

4.根据权利要求3所述的一种基于Re-ID的非接触式发烧人员追踪方法，其特征在于，所述发现所述体温异常者，并获取所述体温异常者的人像包括：

基于所述红外热成像仪测量被测者的体温；

若所述体温大于预设值，则所述红外热成像仪向所述摄像头发送报警信息；

控制/基于所述摄像头拍摄所述体温异常者，获得所述人像。

5.根据权利要求3所述的一种基于Re-ID的非接触式发烧人员追踪方法，其特征在于，所述使用yolov3模型分别处理所述人像和所述拍摄画面，分别得到检索图和检索图库，所述检索图库包括至少两个检索样本之前，包括以下步骤：

对所述yolov3模型进行训练，使其能够识别出人。

6.根据权利要求3所述的一种基于Re-ID的非接触式发烧人员追踪方法，其特征在于，所述对所述检索图和所述检索样本进行预处理包括：对所述检索图和所述检索样本进行参数矫正、ISP优化和噪声去除。

7.根据权利要求3所述的一种基于Re-ID的非接触式发烧人员追踪方法，其特征在于，所述将所述检索图和所述检索样本输入重识别神经网络模型，得到排序数据包括：

提取所述检索图的第一特征信息和所述检索样本的第二特征信息；

根据所述第一特征信息将所述检索图转换成第一矩阵向量，根据所述第二特征信息将所述检索样本转换成第二矩阵向量；

分别计算所述第一矩阵向量与每个所述检索样本的所述第二矩阵向量的距离，根据所述距离对每个所述检索样本进行排序，得到所述排序数据。

8.根据权利要求3所述的一种基于Re-ID的非接触式发烧人员追踪方法，其特征在于，所述将所述检索图和所述检索样本输入重识别神经网络模型，得到排序数据之前包括以下步骤：

搭建原始重识别神经网络模型；

将训练数据导入所述原始重识别神经网络模型，得到训练排序数据；

根据所述训练排序数据计算首位命中率和平均精度；

若所述首位命中率大于预设首位命中率，且所述平均精度大于预设平均精度，则得到所述重识别神经网络模型。

9.根据权利要求8所述的一种基于Re-ID的非接触式发烧人员追踪方法，其特征在于，所述搭建原始重识别神经网络模型包括：

使用Resnet50作为基础骨干网络；

在所述基础骨干网络中加入学习全局信息分支和关注局部细节信息分支的模型，得到所述原始重识别神经网络模型。

10.根据权利要求8所述的一种基于Re-ID的非接触式发烧人员追踪方法，其特征在于，所述训练数据包括Market1501数据集和DukeMTMC-reid数据集。