具体实施方式

如图所示，结合识别人脸的红外热成像人体温度差值检测方法，所述温度差值检测方法以数据输入处理模块20采集可见光摄像头单元2、红外热成像测温探头单元3的数据；所述可见光摄像头单元的拍摄视场与红外热成像测温探头单元的探测范围重合形成测温视场；温度差值检测方法以识别人脸模块3分析测温视场的可见光影像，当分析到可见光影像中存在人脸区域时，温度差值检测方法以红外热成像测温探头单元采集测温视场的红外影像，并通过温度数据处理算法模块4对测温视场红外影像人脸区域的灰度数据进行计算来获得人体温度。

所述可见光摄像头单元2、红外热成像测温探头单元3通过光路重合单元4使两者视场重合且拍摄景物相同；

所述温度差值检测方法通过设于红外热成像测温探头处的超声波测距单元50对人脸区域进行测距，当人脸与超声波测距单元的间距位于温度差值检测方法的距离设定范围内时，判定温度数据处理算法模块所计算的人体温度为人体温度有效值。

当温度差值检测方法检测到异常人体温度时，所述温度差值检测方法通过输出报警信号模块6报警，并将可见光影像中与异常人体温度对应的异常图像存入异常温度人脸存储模块60；

触发报警的判定依据为温度差报警阈值模块5计算的人脸温度与人体温度基准之间的差值，即ΔT=T₁-T₀，以消除环境因素对个体绝对温度检测造成的测量偏差；

所述温度差值检测方法以预设数量的人体温度有效值样本计算人体温度基准T₀，实时检测中，温度数据处理算法模块所计算的人脸温度为T₁。

所述温度差值检测方法在计算人体温度基准，以人体温度有效值的最近N个检测所得样本来计算其平均值，作为人体温度基准T₀，并在ΔT>1℃时，通过输出报警信号模块报警；所述输出报警信号模块包括声光报警单元；所述N为不小于三十的整数。

所述数据输入处理模块、识别人脸模块、温度数据处理算法模块依托计算设备运行；所述红外热成像测温探头单元包括红外测温摄像头；所述人体温度差值检测方法包括以下步骤；

步骤S1：把可见光摄像头单元2、红外热成像测温探头单元3、超声测距单元5、输出报警信号模块6与计算设备连接。

步骤S2：计算设备以驱动软件控制可见光摄像头单元、红外热成像测温探头单元、超声测距单元、输出报警信号模块运行，并通过通信接口模块接收数据及发送控制指令；

步骤S3：计算设备控制可见光摄像头单元拍摄测温视场中景物，所获得的可见光图像通过数据输入处理模块传到识别人脸模块；

步骤S4：通过识别人脸模块判断图像中是否存在人脸；

步骤S5：若存在人脸，启动红外测温摄像头；数据输入处理模块将红外测温摄像头采集的人脸灰度数据传入温度数据处理算法模块；

步骤S6：温度数据处理算法模块将灰度数据转化为温度数据，得出人脸的温度分布值，计算人脸额头部位的温度平均值来得到所测人体温度T₁；

步骤S7：计算人体温度T₁与人体温度基准T₀的差值，以消除环境温度、湿度、风速因素对个体绝对温度检测的偏差，具体为，计算设备开机第一次使用时先输入人体正常体温作为基准温度T₀,然后根据输入的T₁值个数及其平均值修定T₀，直到检测获得数据集中的人体温度有效值样本数量达到N个，当在检测中再次新增一个T₁值,则移出数据集中采样时间最早的T₁，再以平均值重新修定T₀；

步骤S8：实时检测的人脸温度为T₁与T₀相减,即ΔT=T₁-T₀，采用温度差值ΔT=T₁-T_0，作为报警判定依据;

步骤S9：温度差值Δ与报警模块5设定的报警值阈值比较，若图像中存在温度异常并高出阈值则输出报警信号；

步骤S10：将异常图像存入异常温度人脸存储模块60。

当所述人体温度差值检测方法选用低像素的红外测温摄像头和中低像素的可见光摄像头单元时，该人体温度差值检测方法用于公共场所入口处的人员依次顺序通过的场景，所述公共场所入口包括公交车门口，地铁入口或车站检票口，所述计算设备为安卓平板电脑1。

结合识别人脸的红外热成像人体温度差值检测装置，用于上述的结合识别人脸的红外热成像人体温度差值检测方法，所述检测装置包括计算设备和与之相连的可见光摄像头单元、红外热成像测温探头单元、超声波测距单元；所述可见光摄像头单元的拍摄视场与红外热成像测温探头单元的探测范围重合形成测温视场；所述计算设备包括用于识别测温视场可见光图像内人脸的识别人脸模块，还包括根据人脸红外影像来计算人体温度的温度数据处理算法模块；当识别人脸模块判定可见光图像中存在人脸区域时，超声波测距单元对人脸区域测距以评估其是否在检测装置的检测范围内，红外热成像测温探头单元采集人脸区域的红外影像并送至温度数据处理算法模块。

所述红外热成像测温探头单元包括红外测温摄像头；所述可见光摄像头单元包括可见光摄像头；所述可见光摄像头、红外测温摄像头的镜头光轴之间存在间距△；所述红外测温摄像头对准待检测目标或是待检测目标的活动区域；所述可见光摄像头前方设有包含玻璃光楔的光路重合单元；所述玻璃光楔对可见光摄像头的成像光路进行偏转以使可见光摄像头、红外测温摄像头的视场重合且拍摄景物相同。

所述可见光摄像头为中低像素的低价摄像头；所述红外测温摄像头为低像素规格的红外测温摄像头，像素规格包括24*24、24*32、32*32、32*64或64*64。

所述计算设备为安卓平板电脑，以包括串口的数据输入处理模块与可见光摄像头单元、红外热成像测温探头单元、超声波测距单元相连；所述识别人脸模块、温度数据处理算法模块均为安卓平板电脑内的APP。

本例中，N取值为三十。

本例中，以温度数据处理算法模块处理红外影像灰度并消除环境光干扰，例如通过距离补偿，剔除阳光射脸上的温度异常数据。

本例中，可见光摄像头是普通的200万元像素的CCD摄像头，与平板电脑连接，也可直接采用平板电脑的前置摄像头来进一步削减成本。

本例中，红外热成像测温探头单元与安卓平板设备连接，且使用的红外摄像头像素低,采用迈乐斯24*32,红外测温芯片：Melexis MLX90640是一款小体积、低成本的完全校准的32x24像素红外阵列，采用行业标准，带数字接口。传感器红外、TA和VDD输出均保存在内部RAM，可通过I²C访问（可满足众多应用在热分析方面日益增长的需求。传感器分辨率更高，同时价格极具吸引力。该器件的主要应用包括人物检测、防火、楼宇自动化、照明控制、监控、空调系统等）。

本例的步骤S4、S5中，安卓平板电脑1中的App控制可见光摄像头拍摄视场中景物，可见光图片通过数据输入处理模块传到识别人脸模块3；然后运行识别人脸模块，判断图像中是否存在人脸。识别人脸模块利用已成熟的安卓平板电脑端的人脸识别算法：可以使用虹软，百度，锐捷等一系列开源算法，判断可见光图像中是否有人脸。若存在人脸，因为经可见光与红外光光路重合单元（见图２），红外光图像与可见光图像重合，有可见光人脸存在就有相应的红外光人脸存在。通过安装于安卓平板电脑中的驱动软件启动红外摄像头，读取红外摄像探头的人脸轮廓中的图像灰度数据，输入安卓平板电脑。在安卓平板电脑中调用灰度--温度标定库，将红外灰度数据转换为温度值，其中安卓系统对于红外探头数据通信串口的驱动已具备，可以调用github中serial port关键字以下的安卓部分的开源代码。

数据输入处理模块将红外探头的人脸灰度数据传入温度数据处理算法模块，温度数据处理算法模块４将灰度数据转化为温度数据，得出人脸的温度分布值.将额头部位的温度平均,得到所测人体温度T₁。

将温度T₁传递到人体基准温度T₀计算模块,以消除环境温度、湿度、风速等对个体绝对温度检测的偏差。其方法为:开机第一次使用时先输入基准温度T₀=36.6℃,其次根据输入的T1值个数平均修定为T_0,直到30个,再次新增一个T1值,就移出第一个T1,再平均修定为T₀。

优选地，本发明还可以添加报警信号上传设备，将报警信息、异常人脸图片通过无线网络上传到相关管理部门,构建一段时期人体温度分布网。

本例适合于公共场所如地铁、公交等出入口和有门禁系统需人脸识别打卡出入口，对人体进行实时、快速、准确测温。可见光摄像头拍摄视场中的图像，通过识别人脸模块，判断是否有人脸进入视场;当判断有人脸时,红外热成像测温探头开启工作，将灰度值对应的原始温度数据通过串口传入平板安卓系统中温度数据处理算法模块，同时进行温度距离补偿，得到每个个体温度测量值T₁，同时结果输出到人体温度基准计算模块，与前二十九个有效温度值求和，得到每三十个人体温度平均值，以此为基准温度T₀，以消除环境温度、湿度、风速对人体基准温度的影响。T₁与T₀进行比较，判断差值是否超过1℃。若超出则判断为异常，启动报警模块发出语音报警信号。将可见光摄像头拍摄的人脸照片保存。采用可见光摄像头与红外摄像头结合的办法，通过识别人脸开启红外成像测温，不测与人脸无关物体的温度；仅测人脸部位的热成像温度，对红外摄像头像素要求降低（配合以视场角选择），降低红外探头成本，利于红外测温的推广。基于安卓系统开发，可接入测距、报警等更多的传感器，提高数据处理速度，更利设备便携。对于异常的人体温度信息可以保存，方便溯源。通过距离补偿所测温度值，以及剔除阳光射脸上的温度异常数据，并采用相同环境下的人体平均温度为基准，以温度差值为报警依据，提高报警准确率，降低漏减率。