红外热像仪外场测温的大气透过率二次标定

为了实现测温红外热像仪的外场精确测温,研究了大气透过率的二次标定。建立了红外热像仪的外场远距离测温标定模型,采用一个标准面源黑体和红外热像仪对大气透过率进行了二次标定。首先,用标准面源黑体的设置温度标定大气透过率的二次修正系数;然后,在已知目标感兴趣区域发射率的情况下,用二次修正系数对未知辐射源测量值进行修正,实现未知辐射源目标辐射温度的准确测量。实验显示,随黑体设置温度从50℃不断升高(二次大气透过率近似为1),大气二次透过率修正系数在50～100℃内迅速下降,在100～200℃内下降趋势减缓,逐渐接近于约为0.7的常数。实验结果为测温红外热像仪外场精确测温提供了保证。

基于红外注意力提升机制的热成像测温区域实例分割

AI+热成像人体温度监测系统被广泛用于人群密集的人体实时温度测量。此类系统检测人的头部区域进行温度测量,由于各类遮挡,温度测量区域可能太小而无法正确测量。为了解决这个问题,该文提出一种融合红外注意力提升机制的无锚点实例分割网络,用于实时红外热成像温度测量区域实例分割。该文所提出的实例分割网络在检测阶段和分割阶段融合红外空间注意力模块(ISAM),旨在准确分割红外图像中的头部裸露区域,以进行准确实时的温度测量。结合公共热成像面部数据集和采集的红外热成像数据集,制作了"热成像温度测量区域分割数据集"用于网络训练。实验结果表明:该方法对红外热成像图像中头部裸露测温区域的平均检测精度达到88.6%,平均分割精度达到86.5%,平均处理速度达到33.5 fps,在评价指标上优于大多数先进的实例分割方法。