面向室内环境控制的人员信息检测系统的设计与实现
为了自动获取室内环境中人员信息(数量、性别、体表温度信息),实现对室内环境设备进行有效调节及控制,提升室内人员的舒适度,提出一套基于红外热图像及可见光图像融合的面向室内环境控制的人员信息检测系统.系统通过同步采集室内场景中的可见光图像及红外热图像,并利用相机的视场角进行图像配准.针对传统基于面部的人员检测方法易受到侧脸、背身等头部多姿态的影响,而导致检测精度下降的问题,采用基于更快速区域卷积神经网络(faster region-based convolutional neural network,Faster R-CNN)的头部检测算法在可见光图像中精准检测人员的头部位置,并进行人数统计;依据头部区域采用基于深度学习的性别检测算法,判断人员性别;将可见光图像中捕获的人员头部区域映射在红外热图像对应位置,利用红外热图像的温度标尺以及颜色映射关系,自动计算得到室内人员的体表温度,提高系统的独立性和可操作性.实验结果表明,本系统可以自动准确地检测实际场景中的室内人员,并获取人员个数、性别以及体表温度,实现对上述信息的有效统计和可视化显示,为控制室内环境提供良好的技术基础和数据支撑.
人员信息检测、红外热图像、图像融合、深度学习、更快速区域卷积神经网络(FasterR-CNN)、室内环境
46
TP391(计算技术、计算机技术)
"十三五"国家重点研发计划资助项目2016YFC0700306-06
2020-05-28(万方平台首次上网日期,不代表论文的发表时间)
共10页
456-465