红外测温仪温度精准测量方法、系统和存储介质与流程

1.本技术涉及红外测温仪技术领域，尤其是涉及一种红外测温仪温度精准测量方法、系统和存储介质。


背景技术：

2.在自然界中，一切温度高于绝对零度的物体都在不停地向周围空间发出红外辐射能量，红外测温仪则可以汇聚其视场内的目标红外辐射能量，视场的大小由测温仪的光学零件及其位置确定。红外能量聚焦在红外测温仪的光电探测器上并转变为相应的电信号。该信号经过放大器和信号处理电路，并根据仪器内的算法将放大处理后的信号转变为被测目标的温度值。
3.使用红外测温仪对人体进行测温时，需要手持红外测温仪放置于距离人体皮肤一定距离的位置处，通常用于采集人体额头或耳朵位置处的温度，通过红外测温仪外置的按钮触发测温，最终测得的温度将显示于红外测温仪的显示器上。
4.针对上述中的相关技术，发明人认为存在有以下缺陷：由于使用红外测温仪只需要了解基础的操作流程，不需要过多的专业知识，因此当非专业人员使用红外测温仪对他人进行测温时，可能会由于未提醒他人露出皮肤，导致测温过程受到头发、帽子等遮盖物的影响，而使得测温结果不准确。


技术实现要素：

5.为了改善测温时可能会由于未提醒他人露出皮肤，导致测温过程受到头发、帽子等遮盖物的影响，而使得测温结果不准确的缺陷，本技术提供一种红外测温仪温度精准测量方法、系统和存储介质。
6.第一方面，本技术提供一种红外测温仪温度精准测量方法，包括如下步骤：采集视场范围内人体表面皮肤的图像信息；通过颜色识别技术对所述图像信息进行分析，并计算所述人体表面皮肤的被遮挡率；判断所述被遮挡率是否超出预设的遮挡率阈值；若所述被遮挡率超出所述遮挡率阈值，则发出语音提示，并在所述语音提示之后重复上述所有步骤；若所述被遮挡率未超出所述遮挡率阈值，则测量所述人体表面皮肤的表面温度。
7.通过采用上述技术方案，在测温之前先根据视场范围采集人体表面皮肤的图像信息，由于人体皮肤的颜色处于一个固定的颜色范围内，因此可以根据颜色识别技术对采集到的图像信息进行分析，从而根据图像信息计算出测温范围内人体表面皮肤的被遮挡率，若被遮挡率较高，且超出了预设的遮挡率阈值，则说明遮挡物遮盖了大部分的人体表面皮肤，此时会发出语音提示以提醒被测人露出测温部分的皮肤，在语音提示后再次进行图像采集、图像分析和阈值判断，以保障测温时遮挡物对测温结果的影响可以忽略不计，因此当
被遮挡率未超出遮挡率阈值时，再测量人体表面皮肤的表面温度。
8.可选的，所述通过颜色识别技术对所述图像信息进行分析，并计算所述人体表面皮肤的被遮挡率包括如下步骤：基于rgb颜色模型生成所述人体表面皮肤的颜色阈值；获取所述图像信息中所有基础像素的rgb色值；判断所述rgb色值是否处于所述颜色阈值内；若所述rgb色值不处于所述颜色阈值内，则将对应的基础像素标记为非皮肤像素；若所述rgb色值处于所述颜色阈值内，则将对应的基础像素标记为第一初选像素；基于yuv颜色空间对所述图像信息中的所有基础像素进行筛选，并将筛选出的基础像素标记为第二初选像素；基于所述第一初选像素和所述第二初选像素在所述图像信息中标记出所述人体表面皮肤所对应的皮肤像素；根据所述皮肤像素的总数和所述基础像素的总数计算出所述人体表面皮肤的被遮挡率。
9.通过采用上述技术方案，采集到的图像信息为rgb图像，因此先根据rgb颜色模型生成出人体表面皮肤的颜色阈值，再根据颜色阈值对图像信息中的基础像素进行筛选，将筛选出的基础像素标记为第一初选像素。部分遮挡物的颜色可能与被测人表面皮肤的颜色非常接近，为增加计算被遮挡率的准确性，还可以基于yuv颜色空间对图像信息中的基础像素重新进行筛选，通过yuv颜色空间筛选出的基础像素则标记为第二初选像素，根据基础像素所被标记的标记信息，在图像信息中标记出被测人表面皮肤所对应的皮肤像素，并最终根据图像信息内皮肤像素的总数和基础像素的总数计算出人体表面皮肤的被遮挡率。
10.可选的，所述基于yuv颜色空间对所述图像信息中的所有基础像素进行筛选，并将筛选出的基础像素标记为第二初选像素包括如下步骤：将所述图像信息转换至yuv颜色空间，得到yuv颜色图像；从所述yuv颜色图像中提取分量图像；根据预设的cr分量阈值和预设的cb分量阈值在所述分量图像中进行像素筛选，筛选得到第一像素集合；通过otsu法对所述分量图像进行阈值分割处理，提取到第二像素集合；将所述第一像素集合和所述第二像素集合中重合的像素标记为第二初选像素。
11.通过采用上述技术方案，将rgb颜色空间的图像信息转换到yuv颜色空间，图像信息被转换为yuv颜色图像，再从转换后的yuv颜色图像中提取出分量图像，预设的分量阈值为体现人体表面皮肤正常肤色的色度阈值，因此将通过分量阈值筛选过后所保留的色度信号包含的像素集合作为第一像素集合。另外采用otsu法对分量图像进行阈值分割处理，得到二值化图像，在二值化图像中所保留的像素集合作为第二像素集合，比对阈值筛选和otsu法筛选两种筛选方式后最终得到的两个像素集合，两种筛选方式均未筛选掉的像素可以标记为第二初选像素，若被任意一种或多种筛选方式筛选掉的像素则不标记为第二初选像素。
12.可选的，所述基于所述第一初选像素和所述第二初选像素在所述图像信息中标记出所述人体表面皮肤所对应的皮肤像素包括如下步骤：
识别所述图像信息中所有基础像素的标记信息；根据所述标记信息判断对应的基础像素是否同时为所述第一初选像素和所述第二初选像素；若不同时为所述第一初选像素和所述第二初选像素，则不为对应的基础像素进行标记；若同时为所述第一初选像素和所述第二初选像素，则将对应的基础像素标记为所述人体表面皮肤所对应的皮肤像素。
13.通过采用上述技术方案，在rgb颜色空间和yuv颜色空间中，采用不同的方式为图像信息中的所有基础像素分别标记为了第一初选像素和/或第二初选像素，若其中一基础像素未被标记，或只被标记为了第一初选像素和第二初选像素中的任意一种，则说明该基础像素属于人体表面皮肤所对应的皮肤像素几率较小；若其中一基础像素被同时标记为了第一初选像素和第二初选像素，则说明该基础像素属于人体表面皮肤所对应的皮肤像素几率较大，因此可以将该基础像素再标记为皮肤像素。
14.可选的，所述测量所述人体表面皮肤的表面温度之后还包括如下步骤：根据预设的标准温度阈值和预设的标准粉尘浓度阈值构建温度修正模型；采集所述人体表面皮肤所在环境的环境温度和环境粉尘浓度；将所述环境温度和所述环境粉尘浓度代入所述温度修正模型计算得到温度修正值；通过所述温度修正值修正所述表面温度。
15.通过采用上述技术方案，在收集人体表面皮肤发射出的红外辐射能量时，周围环境的温度和粉尘浓度也会对收集过程造成一定的影响，为了进一步提升测温结果的准确性，可以根据正常环境下的标准温度阈值和标准粉尘浓度阈值构建出温度修正模型，再采集测温时周围环境的环境温度和环境粉尘浓度，通过温度修正模型对环境温度和环境粉尘浓度进行分析计算，可以得到用于修正测量结果的修正值，从而根据修正值将测量结果修正为理想环境下的测量结果，减少环境对测量结果的干扰，提升测量结果的准确性。
16.第二方面，本技术还提供一种红外测温仪温度精准测量系统，包括：采集模块，所述采集模块包括图像采集单元，所述图像采集单元预设有视场范围，用于采集所述视场范围内人体表面皮肤的图像信息；分析模块，与所述图像采集单元连接，用于接收所述图像信息，并通过颜色识别技术对所述图像信息进行分析计算，得到所述人体表面皮肤的被遮挡率；测量模块，预设有遮挡率阈值并与所述分析模块连接，用于比对所述遮挡率阈值和所述被遮挡率，并根据比对结果进行语音提示或温度测量；若所述测量模块比对出被遮挡率超出所述遮挡率阈值，则所述测量模块发出语音提示，并在所述语音提示之后重新采集所述图像信息；若所述测量模块比对出被遮挡率未超出所述遮挡率阈值，则所述测量模块测量所述人体表面皮肤的表面温度。
17.通过采用上述技术方案，在测温之前通过采集模块中的图像采集单元采集视场范围内人体表面皮肤的图像信息，由于人体皮肤的颜色处于一个固定的颜色范围内，因此可以通过分析模块并根据颜色识别技术对采集到的图像信息进行分析，从而根据图像信息计
算出测温范围内人体表面皮肤的被遮挡率，最后通过测量模块先进行判断，若被遮挡率较高，且超出了预设的遮挡率阈值，则说明遮挡物遮盖了大部分的人体表面皮肤，此时测量模块会发出语音提示以提醒被测人露出测温部分的皮肤，在语音提示后再次进行图像采集、图像分析和阈值判断，以保障测温时遮挡物对测温结果的影响可以忽略不计，因此当被遮挡率未超出遮挡率阈值时，再通过测量模块测量人体表面皮肤的表面温度。
18.可选的，所述分析模块包括：第一颜色分析单元，与所述图像采集单元连接，用于通过rgb颜色模型生成颜色阈值，并分析所述图像信息中所有基础像素的rgb色值，根据所述颜色阈值对所述rgb色值进行筛选，将筛选出来的rgb色值所对应的基础像素标记为第一初选像素；第二颜色分析单元，与所述图像采集单元连接，用于将所述图像信息转换为yuv颜色图像，并从所述yuv颜色图像中提取出分量图像，根据预设的分量阈值从所述分量图像中筛选出第一像素集合，根据otsu法从所述分量图像中提取出第二像素集合，将所述第一像素集合和所述第二像素集合中重复的像素标记为第二初选像素；标记单元，分别与所述第一颜色分析单元和所述第二颜色分析单元连接，用于根据所述第一初选像素和所述第二初选像素在所述图像信息中标记出所述人体表面皮肤所对应的皮肤像素；计算单元，分别与所述图像采集单元和所述标记单元连接，用于根据所述皮肤像素的总数和所述基础像素的总数计算出所述人体表面皮肤的被遮挡率。
19.通过采用上述技术方案，第一颜色分析单元基于rgb颜色空间对图像信息中的基础像素进行筛选，筛选出人体表面皮肤疑似对应的基础像素，并标记为第一初选像素，第二颜色分析单元则基于yuv颜色空间对图像信息分别进行阈值筛选和otsu法筛选，两种筛选方式所筛选出的重复的基础像素标记为人体表面皮肤疑似对应的第二初选像素，通过标记单元对基础像素进行进一步筛选，将同时标记有第一初选像素和第二初选像素的基础像素筛选出来并标记为人体表面皮肤所对应的皮肤像素，最后通过计算单元统计出图像信息中皮肤像素的总数和基础像素的总数，从而计算出人体表面皮肤的被遮挡率。
20.可选的，所述采集模块还包括：模型构建单元，预设有标准温度阈值和标准粉尘浓度阈值，用于根据所述标准温度阈值和所述标准粉尘浓度阈值构建温度修正模型；温度采集单元，用于采集所述人体表面皮肤所在环境的环境温度；粉尘浓度采集单元，用于采集所述人体表面皮肤所在环境的环境粉尘浓度；温度修正单元，分别与所述模型构建单元、所述温度采集单元和所述粉尘浓度采集单元连接，用于将所述环境温度和所述环境粉尘浓度代入所述温度修正模型计算得到温度修正值，并通过所述温度修正值修正所述表面温度。
21.通过采用上述技术方案，在收集人体表面皮肤发射出的红外辐射能量时，周围环境的温度和粉尘浓度也会对收集过程造成一定的影响，为了进一步提升测温结果的准确性，可以通过模型构建单元并根据正常环境下的标准温度阈值和标准粉尘浓度阈值构建出温度修正模型，再通过温度采集单元和粉尘浓度采集单元采集测温时周围环境的环境温度和环境粉尘浓度，采用温度修正单元并通过温度修正模型对环境温度和环境粉尘浓度进行分析计算，可以得到用于修正测量结果的修正值，从而根据修正值将测量结果修正为理想
环境下的测量结果，减少环境对测量结果的干扰，提升测量结果的准确性。
22.第三方面，本技术还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现如第一方面中所述的红外测温仪温度精准测量方法。
23.通过采用上述技术方案，通过程序的调取，在测温之前先根据视场范围采集人体表面皮肤的图像信息，由于人体皮肤的颜色处于一个固定的颜色范围内，因此可以根据颜色识别技术对采集到的图像信息进行分析，从而根据图像信息计算出测温范围内人体表面皮肤的被遮挡率，若被遮挡率较高，且超出了预设的遮挡率阈值，则说明遮挡物遮盖了大部分的人体表面皮肤，此时会发出语音提示以提醒被测人露出测温部分的皮肤，在语音提示后再次进行图像采集、图像分析和阈值判断，以保障测温时遮挡物对测温结果的影响可以忽略不计，因此当被遮挡率未超出遮挡率阈值时，再测量人体表面皮肤的表面温度。
24.综上所述，本技术包括以下至少一种有益技术效果：1.在测温之前先根据视场范围采集人体表面皮肤的图像信息，由于人体皮肤的颜色处于一个固定的颜色范围内，因此可以根据颜色识别技术对采集到的图像信息进行分析，从而根据图像信息计算出测温范围内人体表面皮肤的被遮挡率，若被遮挡率较高，且超出了预设的遮挡率阈值，则说明遮挡物遮盖了大部分的人体表面皮肤，此时会发出语音提示以提醒被测人露出测温部分的皮肤，在语音提示后再次进行图像采集、图像分析和阈值判断，以保障测温时遮挡物对测温结果的影响可以忽略不计，因此当被遮挡率未超出遮挡率阈值时，再测量人体表面皮肤的表面温度。
25.2.在收集人体表面皮肤发射出的红外辐射能量时，周围环境的温度和粉尘浓度也会对收集过程造成一定的影响，为了进一步提升测温结果的准确性，可以根据正常环境下的标准温度阈值和标准粉尘浓度阈值构建出温度修正模型，再采集测温时周围环境的环境温度和环境粉尘浓度，通过温度修正模型对环境温度和环境粉尘浓度进行分析计算，可以得到用于修正测量结果的修正值，从而根据修正值将测量结果修正为理想环境下的测量结果，减少环境对测量结果的干扰，提升测量结果的准确性。
附图说明
26.图1是本技术其中一实施例的红外测温仪温度精准测量方法的流程示意图。
27.图2是本技术其中一实施例的对图像信息进行分析并计算人体表面皮肤的被遮挡率的流程示意图。
28.图3是本技术其中一实施例的基于yuv颜色空间对基础像素进行筛选并进行标记的流程示意图。
29.图4是本技术其中一实施例的在图像信息中标记出人体表面皮肤所对应的皮肤像素的流程示意图。
30.图5是本技术其中一实施例的根据环境温度和环境粉尘浓度修正测量结果的流程示意图。
31.图6是本技术其中一实施例的红外测温仪温度精准测量系统的系统结构图。
32.图7是本技术其中一实施例的分析模块的系统结构图。
具体实施方式
33.以下结合附图1-7对本技术作进一步详细说明。
34.本技术实施例公开了一种红外测温仪温度精准测量方法。
35.参照图1，红外测温仪温度精准测量方法包括如下步骤：101，采集视场范围内人体表面皮肤的图像信息。
36.其中，视场范围由红外测温仪中的光学系统所决定。
37.102，通过颜色识别技术对图像信息进行分析，并计算人体表面皮肤的被遮挡率。
38.其中，通过颜色识别技术识别出图像信息中可能为人体表面皮肤所对应的像素，再根据识别出的像素比例计算出被遮挡率。
39.103，判断被遮挡率是否超出预设的遮挡率阈值，若是，则执行步骤104；若否，则执行步骤105。
40.104，发出语音提示，并在语音提示之后重复上述所有步骤。
41.其中，语音提示可以为“请勿遮挡皮肤”，通过语音提示可以提醒被测温人露出待测皮肤。
42.105，测量人体表面皮肤的表面温度。
43.本实施例的实施原理为：在测温之前先根据视场范围采集人体表面皮肤的图像信息，由于人体皮肤的颜色处于一个固定的颜色范围内，因此可以根据颜色识别技术对采集到的图像信息进行分析，从而根据图像信息计算出测温范围内人体表面皮肤的被遮挡率，若被遮挡率较高，且超出了预设的遮挡率阈值，则说明遮挡物遮盖了大部分的人体表面皮肤，此时会发出语音提示以提醒被测人露出测温部分的皮肤，在语音提示后再次进行图像采集、图像分析和阈值判断，以保障测温时遮挡物对测温结果的影响可以忽略不计，因此当被遮挡率未超出遮挡率阈值时，再测量人体表面皮肤的表面温度。
44.在图1所示实施例的步骤102中，可以基于rgb颜色空间和yuv颜色空间进行不同的筛选处理，将两种筛选结果中共同筛选出的像素标记为皮肤像素，再根据皮肤像素的比例计算出被遮挡率。具体通过图2实施例进行详细说明。
45.参照图2，对图像信息进行分析并计算人体表面皮肤的被遮挡率包括如下步骤：201，基于rgb颜色模型生成人体表面皮肤的颜色阈值。
46.其中，基于rgb颜色模型所生成的皮肤颜色阈值包括均匀光照环境下的颜色阈值和侧光环境下的颜色阈值。
47.202，获取图像信息中所有基础像素的rgb色值。
48.203，判断rgb色值是否处于颜色阈值内，若否，则执行步骤204；若是，则执行步骤205。
49.204，将对应的基础像素标记为非皮肤像素。
50.205，将对应的基础像素标记为第一初选像素。
51.206，基于yuv颜色空间对图像信息中的所有基础像素进行筛选，并将筛选出的基础像素标记为第二初选像素。
52.207，基于第一初选像素和第二初选像素在图像信息中标记出人体表面皮肤所对应的皮肤像素。
53.208，根据皮肤像素的总数和基础像素的总数计算出人体表面皮肤的被遮挡率。
54.其中，将皮肤像素的总数除以基础像素的总数即可计算出人体表面皮肤的被遮挡率。
55.本实施例的实施原理为：采集到的图像信息为rgb图像，因此先根据rgb颜色模型生成出人体表面皮肤的颜色阈值，再根据颜色阈值对图像信息中的基础像素进行筛选，将筛选出的基础像素标记为第一初选像素。部分遮挡物的颜色可能与被测人表面皮肤的颜色非常接近，为增加计算被遮挡率的准确性，还可以基于yuv颜色空间对图像信息中的基础像素重新进行筛选，通过yuv颜色空间筛选出的基础像素则标记为第二初选像素，根据基础像素所被标记的标记信息，在图像信息中标记出被测人表面皮肤所对应的皮肤像素，并最终根据图像信息内皮肤像素的总数和基础像素的总数计算出人体表面皮肤的被遮挡率。
56.在图2所示实施例的步骤206中，提取出yuv颜色图像中的分量图像，再对分量图像采用两种方式进行筛选，将两种方式筛选出的像素集合中重复的像素标记为第二初选像素。具体通过图3所示实施例进行详细说明。
57.参照图3，基于yuv颜色空间对基础像素进行筛选并进行标记包括如下步骤：301，将图像信息转换至yuv颜色空间，得到yuv颜色图像。
58.302，从yuv颜色图像中提取分量图像。
59.其中，提取出的分量图像中包括亮度信号y对应的分量图像和色度信号u、v对应的分量图像。
60.303，根据预设的cr分量阈值和预设的cb分量阈值在分量图像中进行像素筛选，筛选得到第一像素集合。
61.其中，在色度信号u、v对应的分量图像中，可以通过预设的cr分量阈值对色度信号u进行筛选，再通过预设的cb分量阈值对色度信号v进行二次筛选，从而筛选得到第一像素集合。
62.304，通过otsu法对分量图像进行阈值分割处理，提取到第二像素集合。
63.其中，在亮度信号y对应的分量图像中，基于预设的肤色阈值并通过otsu法进行阈值分割处理，otsu法的判据是最大类间方差，阈值分割处理后得到仅保留有疑似人体表面皮肤对应的像素，从而提取出第二像素集合。
64.305，将第一像素集合和第二像素集合中重合的像素标记为第二初选像素。
65.本实施例的实施原理为：将rgb颜色空间的图像信息转换到yuv颜色空间，图像信息被转换为yuv颜色图像，再从转换后的yuv颜色图像中提取出分量图像，预设的分量阈值为体现人体表面皮肤正常肤色的色度阈值，因此将通过分量阈值筛选过后所保留的色度信号包含的像素集合作为第一像素集合。另外采用otsu法对分量图像进行阈值分割处理，得到二值化图像，在二值化图像中所保留的像素集合作为第二像素集合，比对阈值筛选和otsu法筛选两种筛选方式后最终得到的两个像素集合，两种筛选方式均未筛选掉的像素可以标记为第二初选像素，若被任意一种或多种筛选方式筛选掉的像素则不标记为第二初选像素。
66.在图2所示实施例的步骤207中，根据基础像素的标记信息再次进行筛选，并将筛选出的基础像素标记为人体表面皮肤所对应的皮肤像素。具体通过图4所示实施例进行详
细说明。
67.参照图4，在图像信息中标记出人体表面皮肤所对应的皮肤像素包括如下步骤：401，识别图像信息中所有基础像素的标记信息。
68.402，根据标记信息判断对应的基础像素是否同时为第一初选像素和第二初选像素，若否，则执行步骤403；若是，则执行步骤404。
69.403，不为对应的基础像素进行标记。
70.404，将对应的基础像素标记为人体表面皮肤所对应的皮肤像素。
71.本实施例的实施原理为：在rgb颜色空间和yuv颜色空间中，采用不同的方式为图像信息中的所有基础像素分别标记为了第一初选像素和/或第二初选像素，若其中一基础像素未被标记，或只被标记为了第一初选像素和第二初选像素中的任意一种，则说明该基础像素属于人体表面皮肤所对应的皮肤像素几率较小；若其中一基础像素被同时标记为了第一初选像素和第二初选像素，则说明该基础像素属于人体表面皮肤所对应的皮肤像素几率较大，因此可以将该基础像素再标记为皮肤像素。
72.在图1所示实施例的步骤105之后，可以通过构建出的温度修正模型并结合环境温度和环境粉尘浓度对测温结果进行修正。具体通过图5所示实施例进行详细说明。
73.参照图5，根据环境温度和环境粉尘浓度修正测量结果包括如下步骤：501，根据预设的标准温度阈值和预设的标准粉尘浓度阈值构建温度修正模型。
74.其中，在温度修正模型中，标准温度阈值和标准粉尘浓度阈值作为变量系数，且分别对应有不同的权重，采集到的环境温度和环境粉尘浓度则作为变量输入，输入后所得到的输出结果则为修正值。
75.502，采集人体表面皮肤所在环境的环境温度和环境粉尘浓度。
76.503，将环境温度和环境粉尘浓度代入温度修正模型计算得到温度修正值。
77.504，通过温度修正值修正表面温度。
78.本实施例的实施原理为：在收集人体表面皮肤发射出的红外辐射能量时，周围环境的温度和粉尘浓度也会对收集过程造成一定的影响，为了进一步提升测温结果的准确性，可以根据正常环境下的标准温度阈值和标准粉尘浓度阈值构建出温度修正模型，再采集测温时周围环境的环境温度和环境粉尘浓度，通过温度修正模型对环境温度和环境粉尘浓度进行分析计算，可以得到用于修正测量结果的修正值，从而根据修正值将测量结果修正为理想环境下的测量结果，减少环境对测量结果的干扰，提升测量结果的准确性。
79.本技术实施例还公开一种红外测温仪温度精准测量系统。
80.参照图6，红外测温仪温度精准测量系统包括采集模块、分析模块和测量模块，其中采集模块包括图像采集单元，图像采集单元可以为微型摄像头。图像采集单元与分析模块电连接，图像采集单元用于采集人体表面皮肤的图像信息，并将采集到的图像信息发送至分析模块。分析模块与测量模块电连接，分析模块根据颜色识别技术对采集到的图像信息进行分析，从而根据图像信息计算出测温范围内人体表面皮肤的被遮挡率，分析模块将被遮挡率输出至测量模块。
81.通过测量模块对被遮挡率先进行判断，若被遮挡率较高，且超出了预设的遮挡率
阈值，则说明遮挡物遮盖了大部分的人体表面皮肤，此时测量模块会发出语音提示以提醒被测人露出测温部分的皮肤，在语音提示后再次进行图像采集、图像分析和阈值判断，以保障测温时遮挡物对测温结果的影响可以忽略不计，因此当被遮挡率未超出遮挡率阈值时，再通过测量模块测量人体表面皮肤的表面温度。
82.采集模块还包括模型构建单元、温度采集单元、粉尘浓度采集单元和温度修正单元，其中模型构建单元通过标准环境下的标准温度阈值和标准粉尘浓度阈值构建温度修正模型。温度采集单元可以为温度传感器，温度采集单元用于采集周围环境的环境温度，粉尘浓度采集单元可以为粉尘传感器，粉尘浓度采集单元用于采集周围环境的环境粉尘浓度。温度采集单元分别与模型构建单元、温度采集单元和粉尘浓度采集单元电连接，并将环境温度和环境粉尘浓度代入温度修正模型计算得到温度修正值，并通过温度修正值修正表面温度。
83.本实施例的实施原理为：在测温之前通过采集模块中的图像采集单元采集视场范围内人体表面皮肤的图像信息，由于人体皮肤的颜色处于一个固定的颜色范围内，因此可以通过分析模块并根据颜色识别技术对采集到的图像信息进行分析，从而根据图像信息计算出测温范围内人体表面皮肤的被遮挡率，最后通过测量模块先进行判断，再通过测量模块测量人体表面皮肤的表面温度。
84.但是在收集人体表面皮肤发射出的红外辐射能量时，周围环境的温度和粉尘浓度也会对收集过程造成一定的影响，为了进一步提升测温结果的准确性，可以通过模型构建单元并根据正常环境下的标准温度阈值和标准粉尘浓度阈值构建出温度修正模型，再通过温度采集单元和粉尘浓度采集单元采集测温时周围环境的环境温度和环境粉尘浓度，采用温度修正单元并通过温度修正模型对环境温度和环境粉尘浓度进行分析计算，可以得到用于修正测量结果的修正值，从而根据修正值将测量结果修正为理想环境下的测量结果，减少环境对测量结果的干扰，提升测量结果的准确性。
85.参照图7，分析模块包括第一颜色分析单元、第二颜色分析单元、标记单元和计算单元，第一颜色分析单元和第二颜色分析单元均与图像采集单元电连接，第一颜色分析单元从图像采集单元接收图像信息，通过rgb颜色模型生成颜色阈值，并分析图像信息中所有基础像素的rgb色值，根据颜色阈值对rgb色值进行筛选，将筛选出来的rgb色值所对应的基础像素标记为第一初选像素。
86.第二颜色分析单元从图像采集单元接收图像信息，将图像信息转换为yuv颜色图像，并从yuv颜色图像中提取出分量图像，根据预设的分量阈值从分量图像中筛选出第一像素集合，根据otsu法从分量图像中提取出第二像素集合，将第一像素集合和第二像素集合中重复的像素标记为第二初选像素。
87.标记单元分别与第一颜色分析单元和第二颜色分析单元电连接，标记单元根据第一初选像素和第二初选像素在图像信息中标记出人体表面皮肤所对应的皮肤像素。计算单元分别与图像采集单元和标记单元电连接，计算单元从图像采集单元接收图像信息并统计出基础像素的总数，从标记单元接收皮肤像素标记信息以统计出皮肤像素的总数，再计算出人体表面皮肤的被遮挡率。
88.本实施例的实施原理为：
第一颜色分析单元基于rgb颜色空间对图像信息中的基础像素进行筛选，筛选出人体表面皮肤疑似对应的基础像素，并标记为第一初选像素，第二颜色分析单元则基于yuv颜色空间对图像信息分别进行阈值筛选和otsu法筛选，两种筛选方式所筛选出的重复的基础像素标记为人体表面皮肤疑似对应的第二初选像素，通过标记单元对基础像素进行进一步筛选，将同时标记有第一初选像素和第二初选像素的基础像素筛选出来并标记为人体表面皮肤所对应的皮肤像素，最后通过计算单元统计出图像信息中皮肤像素的总数和基础像素的总数，从而计算出人体表面皮肤的被遮挡率。
89.本技术实施例还公开一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时使处理器实现如图1-图5中所示的红外测温仪温度精准测量方法。
90.本实施例的实施原理为：通过程序的调取，在测温之前先根据视场范围采集人体表面皮肤的图像信息，由于人体皮肤的颜色处于一个固定的颜色范围内，因此可以根据颜色识别技术对采集到的图像信息进行分析，从而根据图像信息计算出测温范围内人体表面皮肤的被遮挡率，若被遮挡率较高，且超出了预设的遮挡率阈值，则说明遮挡物遮盖了大部分的人体表面皮肤，此时会发出语音提示以提醒被测人露出测温部分的皮肤，在语音提示后再次进行图像采集、图像分析和阈值判断，以保障测温时遮挡物对测温结果的影响可以忽略不计，因此当被遮挡率未超出遮挡率阈值时，再测量人体表面皮肤的表面温度。
91.以上均为本技术的较佳实施例，并非依此限制本技术的保护范围，故：凡依本技术的结构、形状、原理所做的等效变化，均应涵盖于本技术的保护范围之内。