基于深度学习的核酸报告检测的方法和装置与流程

1.本技术涉及人脸识别技术领域、计算机领域，尤其涉及基于深度学习的核酸报告检测的方法和装置。

背景技术：

2.目前，尤其是在人员密集且封闭的大型空间，例如办公大楼，生活商场等，在进门时会有红外体温测温仪以及安保人员查看核酸检测是否符合相关规定。
3.但在人流量大的时候，光凭安保人员去看，就会出现漏检以及没有看清楚展示的界面的情况、以及非法进入的情况。

技术实现要素：

4.为至少在一定程度上克服相关技术中进入人员密集且封闭的大型空间内出示核酸检测时，漏检和非法进入的问题，本技术提供基于深度学习的核酸报告检测的方法和装置。
5.本技术的方案如下：
6.一方面，本技术提出基于深度学习的核酸报告检测的方法,所述方法包括：
7.获取人体温度数据以及核酸检测报告数据；
8.利用所述人体温度数据，通过温度叠加分析，得到温度分析结果；
9.利用所述核酸检测报告数据，通过边缘盒子算法，得到核酸数据检测结果；
10.基于所述温度分析结果和所述核酸数据检测结果，得到核酸报告检测结果。
11.进一步地，所述获取人体温度数据以及核酸检测报告数据，包括：
12.获取所述人体温度数据，通过红外摄像头获取；
13.获取所述核酸检测报告数据，通过单目摄像头获取。
14.进一步地，所述获取人体温度数据以及核酸检测报告数据，还包括：
15.获取人体面部特征数据，通过红外摄像头获取。
16.进一步地，所述利用所述人体温度数据，通过温度叠加分析，得到温度分析结果，包括：
17.基于所述人体温度数据，通过向外发射红外辐射能量以及通过光电转换器叠加分析，得到温度分析结果。
18.进一步地，所述利用所述核酸检测报告数据，通过边缘盒子算法，得到核酸数据检测结果，包括：
19.s1.基于所述人体面部特征数据，通过欧氏距离和余弦距离来衡量人脸特征的相似度，若超出所设定阈值，则报警；
20.s2.基于所述核酸检测报告数据，判断核酸天数是否超过所设定的阈值，若超过所设定阈值，则报警；
21.s3.基于所述核酸检测报告数据，判断实时时间是否与当天时间一致，若误差大于
五分钟，则报警，得到核酸数据检测结果。
22.进一步地，所述利用所述核酸检测报告数据，通过边缘盒子算法，得到核酸数据检测结果，还包括：
23.基于所述核酸检测报告数据，判断规定区域内是否扫码异常，若规定区域内显示扫码异常，则报警。
24.进一步地，所述基于所述温度分析结果和所述核酸数据检测结果，得到核酸报告检测结果，包括：
25.基于所述温度分析结果和所述核酸数据检测结果，当出现一种或多种报警情况，则不通过核酸报告检测。
26.另一方面，本技术还提供了基于深度学习的核酸报告检测的装置，所述装置包括：
27.数据采集模块，用于获取人体温度数据以及核酸检测报告数据；
28.红外摄像分析模块，用于利用所述人体温度数据，通过温度叠加分析，得到温度分析结果；
29.单目摄像分析模块，用于利用所述核酸检测报告数据，通过边缘盒子算法，得到核酸数据检测结果；
30.核酸报告检测模块，用于基于所述温度分析结果和所述核酸数据检测结果，得到核酸报告检测结果。
31.本技术提供的技术方案可以包括以下有益效果：
32.通过获取人体温度数据以及核酸检测报告数据，利用所述人体温度数据，通过温度叠加分析，得到温度分析结果，利用所述核酸检测报告数据，通过边缘盒子算法，得到核酸数据检测结果；基于所述温度分析结果和所述核酸数据检测结果，得到核酸报告检测结果。本技术有助于解决进入人员密集且封闭的大型空间内出示核酸检测时，漏检和非法进入的问题。
33.应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本技术。
附图说明
34.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本技术的实施例，并与说明书一起用于解释本技术的原理。
35.图1是本技术一个实施例提供的一种基于深度学习的核酸报告检测的方法流程示意图；
36.图2是本技术另一个实施例提供的一种基于深度学习的核酸报告检测的装置结构示意图。
具体实施方式
37.这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本技术相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本技术的一些方面相一致的装置和方法的例子。
38.在实际生活中，人们在人员密集的大厦，商场这种场景下，都需要在进门时向安保人员展示核酸时间是否符合规定。
39.但在人流量大的时候，光凭安保人员去看，就会出现漏检以及没有看清楚展示的界面的情况出现，对于上述问题就会存在以下问题：
40.第一类情景是经过红外体温测温仪显示正常以及向安保人员展示正常的核酸报告，正常进入。
41.第二类情景是经过红外体温测温仪显示正常以及向安保人员展示核酸报告，超出规定时间，不允许进去。
42.第三类情景是经过红外体温测温仪显示正常，但自身忘记做核酸检测，他人要了一张正常的核酸报告截图，用截图来向安保人员展示，从而非法进入。
43.第四类情景经过红外体温测温仪显示正常，截取自身以前的扫码截图的核酸报告，用截图来向安保人员展示，从而非法进入。
44.第五类情景经过红外体温测温仪显示正常，自身觉得麻烦不想去扫场景码，从而点击本人自查的核酸，从而非法进入。
45.在这种场景里，如果有一个携带病毒的人非法进入，就会传播的人越来越多，所以对检查是否本人，是否扫了场景码以及核酸是否在规定时间内，显得尤为重要。
46.有鉴于此，本技术提出基于深度学习的核酸报告检测的方法和装置，帮助解决进入人员密集且封闭的大型空间内出示核酸检测时，漏检和非法进入的问题。
47.实施例一
48.今天上午选房的挺猛昂s1.获取人体温度数据以及核酸检测报告数据；
49.s2.利用所述人体温度数据，通过温度叠加分析，得到温度分析结果；
50.s3.利用所述核酸检测报告数据，通过边缘盒子算法，得到核酸数据检测结果；
51.s4.基于所述温度分析结果和所述核酸数据检测结果，得到核酸报告检测结果。
52.对于步骤s1,在一个实施例中，所述获取人体温度数据以及核酸检测报告数据，包括:
53.获取所述人体温度数据是通过红外摄像头获取，通过红外摄像头获取的数据还包括：人体面部特征数据；所述核酸检测报告数据是通过单目摄像头获取的。
54.对于步骤s2,在一个实施例中，所述利用所述人体温度数据，通过温度叠加分析，得到温度分析结果，包括：
55.通过红外摄像头检测人的体温，对于高于绝对零度的物体，都会向外发射红外辐射能量，而且温度与红外线波长成比例。成像原理，人体反射的光线，经过摄像头的光电传感器，转换成raw图像，每个pixel包含rgb三原分量。这些信息经过cpu处理，传输到显示器的framebuffer中，在显示器上显示出来。两大功能叠加使用，在成像基础上标示出人体温度。一个摄像头，连接显示器，可以在屏幕上显示人像并标示出该人体的体温。
56.对于步骤s3,在一个实施例中，所述利用所述核酸检测报告数据，通过边缘盒子算法，得到核酸数据检测结果，包括：
57.s3.1基于所述人体面部特征数据，通过欧氏距离和余弦距离来衡量人脸特征的相似度，若超出所设定阈值，则报警；
58.具体的，计算欧氏距离的公式为：
[0059][0060]
如式1所示，x1表示第一个点的第i维坐标,x2表示第二个点的第i维坐标n维欧氏空间是一个点集,它的每个点可以表示为 (x(1),x(2),...x(n)),其中x(i)(i＝1,2...n)是实数,称为x的第i个坐标, 两个点x和y＝(y(1),y(2)...y(n))之间的距离d(x,y)定义为上面的公式。
[0061]
具体的，计算余弦距离的公式为：
[0062][0063]
如式2所示，a和b是两个任意向量，除以它们模的乘积，就得到它们夹角的余弦值，其中向量ai和bi是向量a和b的每一个分量。
[0064]
当两个向量直接的夹角θ趋向0时，两个向量越接近，差异就越小。此时csc 0＝1，即越接近1值时，说明人脸越相似。
[0065]
欧氏距离计算的是空间中两个点的绝对距离，距离dist越小，特征越相似；
[0066]
余弦距离衡量的是空间中两个向量的夹角，夹角θ越靠近0，即dist 越接近1，特征越相似。
[0067]
具体的，输入的是两个人脸特征人脸特征由前面的欧氏距离和余弦距离算法获得，输出是两个特征之间的相似度。
[0068]
在本实施例中，通过欧氏距离和余弦距离来衡量人脸特征的相似度，是分析由红外摄像头所采集的脸部特征数据是否与单目摄像头采集的脸部特征数据相似，若相似度在90％以上，则不报警；若相似度在90％以下，则报警。
[0069]
s3.2基于所述核酸检测报告数据，判断核酸天数是否超过所设定的阈值，若超过所设定阈值，则报警；
[0070]
在本实施例中，具体的是分析由单目摄像头采集的核酸检测报告的数据中，核酸天数是否是在规定的天数内，若在规定的天数内，则不报警；若超出预定的时间，则报警。
[0071]
s3.3基于所述核酸检测报告数据，判断实时时间是否与当天时间一致，若误差大于五分钟，则报警，得到核酸数据检测结果。
[0072]
在本实施例中，是通过分析单目摄像头采集的核酸检测报告数据中，实时时间是否与当天时间一致，若误差在五分钟内，包括五分钟，则不报警；若误差大于五分钟，则报警。
[0073]
s3.4基于所述核酸检测报告数据，判断规定区域内是否扫码异常，若规定区域内显示扫码异常，则报警。
[0074]
具体的，是通过分析单目摄像头采集的核酸检测报告数据中，规定区域内是否扫码异常，若规定区域内显示扫码异常，则报警；若规定区域内不显示扫码异常，则不报警。
[0075]
对于步骤s4,在一个实施例中，所述基于所述温度分析结果和所述核酸数据检测结果，得到核酸报告检测结果，包括：
[0076]
如步骤s3中提到的所有的不报警的情况，只有满足所有不报警的条件，在屏幕上输出已通过；如果其中出现一种情况则报警，在屏幕上输出未通过，报警提示，帮助解决进入人员密集且封闭的大型空间内出示核酸检测时，漏检和非法进入的问题。
[0077]
在一个实施例中，本技术各部分实现商场或办公楼等特殊场景下存取物品的具体步骤如下：
[0078]
1、安装红外体温测试仪
[0079]
红外摄像头放置进门门口顶上，屏幕上放置单目摄像头，边缘盒子放置在屏幕下方。
[0080]
2、使用方法
[0081]
行人进入门口时红外摄像头拍摄传输到边缘盒子，利用算法在屏幕上展现出人脸以及温度。
[0082]
同时，行人拿出手机扫描场所码，展示给屏幕上的单目摄像头，单目摄像头开始工作，把数据传输到边缘盒子。
[0083]
检测核酸报告上的人脸是否和红外摄像头传回的人脸特征在90％以上，如低于90％报警。
[0084]
检测扫码时间，是否有人用原先的截图。
[0085]
检测特定区域是否是“扫码未见异常”，是否有正确的扫场所码。
[0086]
检测核酸报告的核酸时间是否在规定数字内，核酸日期是否在规定内。
[0087]
3、配合工作人员
[0088]
智能红外体温监测仪配合工作人员，减少了排队速度，增加了准确率。
[0089]
实施例二
[0090]
图2是本技术另一个实施例提供的一种基于深度学习的核酸报告检测的装置结构示意图。请参阅图2，基于深度学习的核酸报告检测的装置，包括：
[0091]
数据采集模块101，用于获取人体温度数据以及核酸检测报告数据；
[0092]
红外摄像分析模块102，用于利用所述人体温度数据，通过温度叠加分析，得到温度分析结果；
[0093]
单目摄像分析模块103，用于利用所述核酸检测报告数据，通过边缘盒子算法，得到核酸数据检测结果；
[0094]
核酸报告检测模块104，用于基于所述温度分析结果和所述核酸数据检测结果，得到核酸报告检测结果。
[0095]
在本实施例中，所述红外摄像分析模块102，包括：红外摄像头单元1021，用于检测人的体温。对于高于绝对零度的物体，都会向外发射红外辐射能量，而且温度与红外线波长成比例。成像原理，人体反射的光线，经过摄像头的光电传感器，转换成raw图像，每个pixel包含rgb三原分量。这些信息经过cpu处理，传输到显示器的framebuffer中，在显示器上显示出来。两大功能叠加使用，在成像基础上标示出人体温度。一个摄像头，连接显示器，可以在屏幕上显示人像并标示出该人体的体温。
[0096]
在一个实施例中，还包括ai识别模块105，ai识别模块中含有人脸识别，区域识别，数字对比以及人脸对比；其中人脸识别包括：识别人的脸部特征，区域识别包括：识别特定区域的特定内容，数字对比包括：对比特定区域的数字与设定的范围数字是否不一致，人脸对比包括：对比红外摄像头读取的脸部特征和单目摄像头读取的脸部特征是否一致；用于检测核酸报告是否存在超时，盗用他们，截图等违规操作。
[0097]
可以理解的是，上述各实施例中相同或相似部分可以相互参考，在一些实施例中
未详细说明的内容可以参见其他实施例中相同或相似的内容。
[0098]
需要说明的是，在本技术的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本技术的描述中，除非另有说明，“多个”的含义是指至少两个。
[0099]
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本技术的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本技术的实施例所属技术领域的技术人员所理解。
[0100]
应当理解，本技术的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。
[0101]
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
[0102]
此外，在本技术各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
[0103]
上述提到的存储介质可以是只读存储器，磁盘或光盘等。
[0104]
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本技术的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
[0105]
尽管上面已经示出和描述了本技术的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本技术的限制，本领域的普通技术人员在本技术的范围内可以对上述实施例进行变化、修改、替换和变型。

技术特征：

1.基于深度学习的核酸报告检测的方法，其特征在于，所述方法包括：获取人体温度数据以及核酸检测报告数据；利用所述人体温度数据，通过温度叠加分析，得到温度分析结果；利用所述核酸检测报告数据，通过边缘盒子算法，得到核酸数据检测结果；基于所述温度分析结果和所述核酸数据检测结果，得到核酸报告检测结果。2.根据权利要求1所述的方法，其特征在于，所述获取人体温度数据以及核酸检测报告数据，包括：获取所述人体温度数据，通过红外摄像头获取；获取所述核酸检测报告数据，通过单目摄像头获取。3.根据权利要求1所述的方法，其特征在于，所述获取人体温度数据以及核酸检测报告数据，还包括：获取人体面部特征数据，通过红外摄像头获取。4.根据权利要求1所述的方法，其特征在于，所述利用所述人体温度数据，通过温度叠加分析，得到温度分析结果，包括：基于所述人体温度数据，通过向外发射红外辐射能量以及通过光电转换器叠加分析，得到温度分析结果。5.根据权利要求1所述的方法，其特征在于，所述利用所述核酸检测报告数据，通过边缘盒子算法，得到核酸数据检测结果，包括：s1.基于所述人体面部特征数据，通过欧氏距离和余弦距离来衡量人脸特征的相似度，若超出所设定阈值，则报警；s2.基于所述核酸检测报告数据，判断核酸天数是否超过所设定的阈值，若超过所设定阈值，则报警；s3.基于所述核酸检测报告数据，判断实时时间是否与当天时间一致，若误差大于五分钟，则报警，得到核酸数据检测结果。6.根据权利要求4所述的方法，其特征在于，所述利用所述核酸检测报告数据，通过边缘盒子算法，得到核酸数据检测结果，还包括：基于所述核酸检测报告数据，判断规定区域内是否扫码异常，若规定区域内显示扫码异常，则报警。7.根据权利要求1所述的方法，其特征在于，所述基于所述温度分析结果和所述核酸数据检测结果，得到核酸报告检测结果，包括：基于所述温度分析结果和所述核酸数据检测结果，当出现一种或多种报警情况，则不通过核酸报告检测。8.基于深度学习的核酸报告检测的装置，其特征在于，所述装置包括：数据采集模块，用于获取人体温度数据以及核酸检测报告数据；红外摄像分析模块，用于利用所述人体温度数据，通过温度叠加分析，得到温度分析结果；单目摄像分析模块，用于利用所述核酸检测报告数据，通过边缘盒子算法，得到核酸数据检测结果；核酸报告检测模块，用于基于所述温度分析结果和所述核酸数据检测结果，得到核酸
报告检测结果。

技术总结

本申请涉及基于深度学习的核酸报告检测的方法和装置，通过获取人体温度数据以及核酸检测报告数据，利用所述人体温度数据，通过温度叠加分析，得到温度分析结果，利用所述核酸检测报告数据，通过边缘盒子算法，得到核酸数据检测结果；基于所述温度分析结果和所述核酸数据检测结果，得到核酸报告检测结果。本申请有助于解决进入人员密集且封闭的大型空间内出示核酸检测时，漏检和非法进入的问题。漏检和非法进入的问题。漏检和非法进入的问题。