[发明专利]基于红外和可见光的车站行人温度检测系统

权利要求书

1.一种基于红外和可见光的车站行人温度检测系统，包括前端采集设备和后端接收处理设备；所述前端采集设备是红外激光一体化摄像头；后端处理设备包括交换机和图像融合测温服务器；所述红外激光一体化摄像头采集到的红外视频帧和可见光视频帧通过交换机传给图像融合测温服务器；图像融合测温服务器对红外视频帧的红外图像和可见光视频帧的可见光图像进行处理并根据处理结果进行告警；所述图像融合测温服务器中，先对图像融合进行检测，再多目标跟踪体温检测，其特征是所述对图像融合进行检测是采用改进的YOLOv5目标检测网络对输入的红外图像和可见光图像进行融合和检测；对YOLOv5目标检测网络的改进方法为：

首先，采用基于DenseFuse的特征融合模块对红外图像和可见光图像进行特征融合：对于红外图像和可见光图像中任一种，在特征融合模块中，特征提取部分的C1层提取粗糙特征，然后用DenseBlock层提取深度特征；再用融合层融合红外图像和可见光图像的特征图；特征重建部分使用卷积层来重构最终融合的图像；

然后，在YOLOv5目标检测网络中对最终融合的图像进行处理，并采用三个DecoupledHead解耦头预测模块分别对目标框的类别及预测分数、正负样本和目标框的坐标信息进行预测；最后通过Concat模块把预测结果堆叠到一起输出；

对改进后的YOLOv5目标检测网络进行训练后，得到所需检测网络，把对红外图像和可见光图像输入训练后的网络模型，经处理后得到目标的检测框。

2.根据权利要求所述的基于红外和可见光的车站行人温度检测系统，其特征是基于DenseFuse的特征融合模块中，DenseFuse网络架构包括特征提取部分、融合层和特征重建部分：

特征提取部分包括C1层和DenseBlock层，C1层提取粗糙特征，DenseBlock层提取深度特征；

将红外图像和可见光图像分别输入特征提取部分，由特征提取部分分别提取它们的特征图；红外图像和可见光图像的特征图再由融合层融合；在融合层中，对特征图执行加法策略或者L1-范数策略；

特征重建部分使用卷积层来重构最终融合的图像，每个层的输出级联为随后的层的输入。

3.根据权利要求所述的基于红外和可见光的车站行人温度检测系统，其特征是在每个Decoupled Head解耦头预测模块中，将特征平行分成两路卷积特征，同时提前进行降维处理。

4.根据权利要求所述的基于红外和可见光的车站行人温度检测系统，其特征是在融合层中，对特征图执行加法策略或者L1-范数策略。