An diesem Projekt arbeiteten Spezialisten für React, C++, Qt und Python. Unsere Teammitglieder hatten auch Kenntnisse über Methoden der künstlichen Intelligenz und verwandte Bibliotheken wie OpenCV. Zunächst machten wir uns mit dem bestehenden Temperaturmesssystem und den möglichen Einsatzorten des Systems - Fabriken, Krankenhäuser, öffentliche Gebäude - vertraut. Mit diesen Informationen sammelten wir die Anforderungen des Kunden und begannen mit dem Entwurf eines Websystems.

Wir erstellten die Front-End- und Back-End-Schichten des Systems mit REST-APIs und Möglichkeiten zur Datenspeicherung. Anschließend entwickelte unser Team Algorithmen für Computer Vision und die Messung der Körpertemperatur. Mit einer Sammlung von RGB-Daten trainierten wir maschinelle Lernmodelle für die Gesichtserkennung. Wir entwickelten Algorithmen zur Messung der Körpertemperatur auf der Basis von Wärmebildprojektionen auf RGB-Bildern und verknüpften diese mit den erkannten Personen. Das BCF-Team integrierte das Websystem mit algorithmischen Modulen und implementierte Lösungen der künstlichen Intelligenz. Alle Komponenten wurden gründlich getestet, um sicherzustellen, dass alle Anforderungen erfüllt werden.

Unser Team lieferte ein MVP-Gebäudemanagementsystem, das mit einer Wärmebildkamera und einer Digitalkamera verbunden ist. Unsere Lösung ermöglicht die Erkennung von zuvor registrierten Personen anhand eines Kamerabildes. Die von uns entwickelten und implementierten Algorithmen analysieren die Körpertemperatur und verknüpfen die Daten mit dem Gesicht. Dank dieser innovativen Lösung ist das System in der Lage, Informationen über die Körperwärme mit einer bestimmten Person zu verknüpfen.

Mit der anfänglichen Personendatenbank ist es einfach zu kontrollieren, wer das Gebäude regelmäßig betritt, z.B. Krankenhauspersonal. Das System bietet die Möglichkeit, Fieber effizient zu erkennen, z.B. bei der Bekämpfung von Pandemien.

Die automatische Verknüpfung von Wärmebildkameradaten mit Gesichtserkennungsalgorithmen ermöglicht eine schnelle, sichere und effiziente Identifizierung von erkrankten Personen. Durch die Implementierung von Lösungen der künstlichen Intelligenz, wie z.B. maschinelles Lernen, wird sich das System im Laufe seiner Nutzung selbst verbessern und weiterentwickeln.