在受控条件下，基于分割技术和姿态辅助技术的无人机热成像头部温度估计方法的比较评估 Owais Ahmed, Justin Guye, M. Hassan Tanveer, Adeel Khalid

《Drones》：Comparative Evaluation of Segmentation-Based and Pose-Assisted Head Temperature Estimation from UAS Thermal Imagery Under Controlled Conditions Owais Ahmed, Justin Guye, M. Hassan Tanveer and Adeel Khalid

基于无人机热成像的跨域人体检测与头部温度估算方法研究，通过对比YOLOv11等模型的性能，提出融合分割掩膜裁剪和姿态辅助关键点定位的双重处理流程，实验表明姿态辅助方法温度估算更符合人体生理范围（36-38°C），而分割方法因边界污染和太阳加热导致值偏高。研究为无人机热评估系统奠定方法论基础，并指出校准验证的必要性。

　　

摘要

本文提出了一种基于视觉的框架，用于从无人机（UAS）获取的航空热成像中检测人类并估算头部表面温度。通过对近期物体检测架构进行比较评估，确定了在不同飞行高度下最稳定、最可靠的热成像人体检测模型。所选框架整合了两种头部定位策略：基于分割的掩码切片和姿态辅助的关键点定位，以提取头部区域并从辐射度元数据中计算每个像素的温度值。结果表明，使用预训练的YOLOv11模型进行跨领域推理能够在受控的户外环境中实现可靠的人体检测。在两种方法中，姿态辅助方法得到的温度估计值更接近人体生理温度范围（36–38°C）；而基于分割的方法由于掩码边界污染和太阳表面加热的影响，导致温度值偏高。由于缺乏医疗级传感器的真实数据验证，这些发现仅代表相对比较，而非绝对精度指标。本研究为未来的基于UAS的热成像评估系统奠定了方法论基础，并指出了实际应用中的关键校准和验证要求。