基于人像识别和感兴趣区域定位的 红外图像测温研究

非接触式温度测量是应对“新冠”、流感等传播性疫情进行大流量防疫筛查的有效手段,可以避免交叉感染的风险,能够实现公共场合的人体体温监测。本文基于YOLOv5和红外相机设计了人像识别及测温系统,使用红外图像进行人脸目标检测,提出了一套依靠人脸及遮挡物的额头区域辅助定位算法。针对人像以及有眼镜、口罩、帽子等遮挡情况构建了数据集,对红外图像的人像识别进行了训练和预测,实现了针对面部感兴趣区域(额头)的精准定位,并通过该定位实现人体测温,采用C#开发了软件界面,实现了对红外图像及其温度的可视化显示与管理。经过实验测试,基于YOLOv5的预测平均准确率为94%,额头区域的辅助定位精度达到97.3%,算法对红外测温效果的影响在±0.15℃以内。系统可长期运行,且对多应用场景具有较好的适用性。