CN112232208A - 红外人脸测温***及其方法 - Google Patents

红外人脸测温***及其方法 Download PDF

Info

Publication number
CN112232208A
CN112232208A CN202011108083.8A CN202011108083A CN112232208A CN 112232208 A CN112232208 A CN 112232208A CN 202011108083 A CN202011108083 A CN 202011108083A CN 112232208 A CN112232208 A CN 112232208A
Authority
CN
China
Prior art keywords
face
infrared
temperature measurement
image data
detection
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202011108083.8A
Other languages
English (en)
Inventor
吴海波
周台典
张志勇
陈莉
李腾
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Lanpu Jinjing Beijing Technology Co ltd
Original Assignee
Lanpu Jinjing Beijing Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Lanpu Jinjing Beijing Technology Co ltd filed Critical Lanpu Jinjing Beijing Technology Co ltd
Priority to CN202011108083.8A priority Critical patent/CN112232208A/zh
Publication of CN112232208A publication Critical patent/CN112232208A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
    • G01J5/0022—Radiation pyrometry, e.g. infrared or optical thermometry for sensing the radiation of moving bodies
    • G01J5/0025—Living bodies
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Computational Linguistics (AREA)
  • Human Computer Interaction (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Biomedical Technology (AREA)
  • Multimedia (AREA)
  • Computing Systems (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Radiation Pyrometers (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

一种红外人脸测温***及其方法，设置有红外测温装置，用于采集红外图像数据；设置有测温上位机，在该测温上位机中设置有图像采集模块，该图像采集模块的输入端与所述红外测温装置通信，获取红外图像数据；在所述测温上位机中设置人脸检测模块，用于对所述红外图像数据进行人脸检测，获取所述红外图像数据中人脸的位置信息；在述测温上位机中设置人脸判断模块，用于对人脸检测模块的输出结果进行判断，保留正确的人脸位置信息；在述测温上位机中设置红外测温模块，获取人脸位置的温度信息；还设置有展示模块，该展示模块与所述上位机的显示输出端连接，用于展示人体温度信息。

Description

红外人脸测温***及其方法
技术领域
本发明涉及人体温度测量技术领域，具体涉及红外人脸测温***及其方法。
背景技术
密集人群中的新冠肺炎防治工作是目前全球公认的难度较大工作，尤其是在火车站、机场、会所等人后密集的区域，对于一些人员流动性有很大的场所，这项工作更是难上加难。新冠肺炎最主要也是最明显的特征是体温比正常人偏高。所以，如果能够在人员密集的区域快速、准确的把体温偏高者与正常体温的人员区别出来时防治这类疾病的重要手段。目前，我们经常使用的传统体温测量的手段有很多种，但是都不能满足在人员密集的区域快速、准确的发现体温偏高者，而且，由于这类疾病既有很高的传染性。使得在使用传统手段进行体温测量时需要与被测量者接触，这就可能造成疾病的互相传染。红外测温技术作为一种非接触式的测温技术的优势开始逐渐重视起来。
目前红外人脸测温方法是通过双目摄像头来获取可见光图像和当前的红外图像，对当前的可见光图像进行人脸检测，将检测到的人脸位置信息通过坐标换算找到对应在红外图像上的红外人脸区域，再对当前红外人脸区域进行测温。由于人脸在可见光下特征比较明显，在红外图像中失去了大部分特征信息，所以此类方法利用可见光来做人脸检测，用红外图像呈现的温度信息来对人脸进行测温。此类方法依赖可见光谱和双目摄像头进行人脸检测，成本昂贵；将可见光人脸检测结果变换到红外热成像图像中，不同的像机变换尺度不同，会给后期的调试带来巨大的工作量，可维护性差。
发明内容
本发明针对现有技术的不足，提出一种结构简单，体积小巧，费用低廉，检测准确的红外人脸测温***及其方法。
具体技术方案如下：一种红外人脸测温***，设置有红外测温装置，用于采集红外图像数据；
设置有测温上位机，在该测温上位机中设置有图像采集模块，该图像采集模块的输入端与所述红外测温装置通信，获取红外图像数据；
在所述测温上位机中设置人脸检测模块，用于对所述红外图像数据进行人脸检测，获取所述红外图像数据中人脸的位置信息；
在述测温上位机中设置人脸判断模块，用于对人脸检测模块的输出结果进行判断，保留正确的人脸位置信息；
在述测温上位机中设置红外测温模块，获取人脸位置的温度信息；
还设置有展示模块，该展示模块与所述上位机的显示输出端连接，用于展示人体温度信息。
一种红外人脸测温***的方法，具体步骤为，步骤一：图像采集模块通过红外测温装置采集红外图像数据；
步骤二：人脸检测模块对红外图像数据进行检测，获取红外图像数据中的人脸位置信息；
步骤三：对红外图像数据中的人脸位置进行剪切；
步骤四：对剪切后的图像数据进行识别，判断是否为人脸图像，是则获取对应的位置信息，进入下一步；
步骤五：获取人脸图像取样的温度信息。
作为优化，所述步骤二具体为：
所述人脸检测采用深度学习的方法，采用分布串行的方式，分为检测和分类这两部分组成，所述检测网络部分采用10个卷积层提取原始图像的特征信息，采用5个池化层来压缩特征维度；由于人脸这一目标再图像中尺寸较小，为了提高网络对小目标的检出能力，使用了一个张量拼接的层，将上层网络的输出和下层网络的输出拼接到一起，进一步提高对小目标的检出能力；
所述检测网络输出后，根据输出结果进一步确定输出目标是否为人脸，采用6个卷积层和3个池化层来对提取检测结果中的特征信息，采用2个全连接层来回归到检测目标的概率，最后输出的结果为人脸的概率和非人脸的概率。
作为优化，所述步骤一具体为：将红外测温装置采集红外图像数据按照长宽比不变的原则调整成608*608，不足的地方用128的像素值替代。
作为优化，所述步骤二中人脸检测方法，首先加载训练好的人脸检测模型，提取图像的特征信息，最后得到两个输出分别为19*19*18和38*38*18，将这两个输出联合到一起，最后得到一个5415*6的二维矩阵，其中，5415表示图像一共预测了5415个预测框，6中前4个数表示每个预测框的中心坐标和长和宽，第5个数表示对应预测框的置信度得分值，即表示这个预测框有目标的概率；第6个数表示对应预测框所属人脸的概率。
本发明的有益效果为：***整体结构简单，实现全屏幕点测温，同时对多个目标进行定位、跟踪，并快速的计算出目标的温度信息。也可以设定温度阈值，超过此阈值则提示报警，并保存此时的图像数据。
红外人体测温精度的行业标准为±0.3℃，在本发明中使用的红外测温设备的测量精度是0.06℃，可使测温精度达到±0.1℃。并且可对图像画面内的所有人脸同时进行检测，检测时间在20ms以内，正面检测的正确率可到98％以上，人脸的最大角度偏差可到60°。
采用自定义的轻量级网络，计算量小；采用单目测温的方式，硬件成本低。
附图说明
图1为本发明的***框架示意图。
图2为本发明方法流程示意图。
图3为本发明中深度学习方法的网络结构图。
具体实施方式
下面结合附图对本发明的较佳实施例进行详细阐述，以使本发明的优点和特征能更易于被本领域技术人员理解，从而对本发明的保护范围做出更为清楚明确的界定。
如图1所示：一种红外人脸测温***，设置有红外测温装置，用于采集红外图像数据；设置有测温上位机，在该测温上位机中设置有图像采集模块，该图像采集模块的输入端与所述红外测温装置通信，获取红外图像数据；在所述测温上位机中设置人脸检测模块，用于对所述红外图像数据进行人脸检测，获取所述红外图像数据中人脸的位置信息；在述测温上位机中设置人脸判断模块，用于对人脸检测模块的输出结果进行判断，保留正确的人脸位置信息；在述测温上位机中设置红外测温模块，获取人脸位置的温度信息；还设置有展示模块，该展示模块与所述上位机的显示输出端连接，用于展示人体温度信息。
如图2所示：所述红外人脸测温***的方法，具体步骤为，步骤一：图像采集模块通过红外测温装置采集红外图像数据，并将红外测温装置采集红外图像数据按照长宽比不变的原则调整成608*608，不足的地方用128的像素值替代；
步骤二：人脸检测模块对红外图像数据进行检测，获取红外图像数据中的人脸位置信息；首先加载训练好的人脸检测模型，提取图像的特征信息，最后得到两个输出分别为19*19*18和38*38*18，将这两个输出联合到一起，最后得到一个5415*6的二维矩阵，其中，5415表示图像一共预测了5415个预测框，6中前4个数表示每个预测框的中心坐标和长和宽，第5个数表示对应预测框的置信度得分值，即表示这个预测框有目标的概率；第6个数表示对应预测框所属人脸的概率。
如图3所示：具体算法为，所述人脸检测采用深度学习的方法，采用分布串行的方式，分为检测和分类这两部分组成，所述检测网络部分采用10个卷积层提取原始图像的特征信息，采用5个池化层来压缩特征维度；由于人脸这一目标再图像中尺寸较小，为了提高网络对小目标的检出能力，使用了一个张量拼接的层，将上层网络的输出和下层网络的输出拼接到一起，进一步提高对小目标的检出能力；所述检测网络输出后，根据输出结果进一步确定输出目标是否为人脸，采用6个卷积层和3个池化层来对提取检测结果中的特征信息，采用2个全连接层来回归到检测目标的概率，最后输出的结果为人脸的概率和非人脸的概率。
步骤三：对红外图像数据中的人脸位置进行剪切，因为红外热成像图像质量的原因，所以很有必要对输出的结果进行进一步的确认，即判断检测网络的输出结果是否为人脸目标。根据检测网络检出的人脸坐标裁剪原始图像数据；
步骤四：对剪切后的图像数据进行识别，判断是否为人脸图像，是则获取对应的位置信息，进入下一步，将裁剪后的图像送入到二分类的网络进行验证，最终得到分类结果；
步骤五：获取人脸图像取样的温度信息。

Claims (5)

1.一种红外人脸测温***，其特征在于：设置有红外测温装置，用于采集红外图像数据；
设置有测温上位机，在该测温上位机中设置有图像采集模块，该图像采集模块的输入端与所述红外测温装置通信，获取红外图像数据；
在所述测温上位机中设置人脸检测模块，用于对所述红外图像数据进行人脸检测，获取所述红外图像数据中人脸的位置信息；
在所述测温上位机中设置人脸判断模块，用于对人脸检测模块的输出结果进行判断，保留正确的人脸位置信息；
在述测温上位机中设置红外测温模块，获取人脸位置的温度信息；
还设置有展示模块，该展示模块与所述上位机的显示输出端连接，用于展示人体温度信息。
2.根据权利要求1所述红外人脸测温***的方法，其特征在于：具体步骤为，步骤一：图像采集模块通过红外测温装置采集红外图像数据；
步骤二：人脸检测模块对红外图像数据进行检测，获取红外图像数据中的人脸位置信息；
步骤三：对红外图像数据中的人脸位置进行剪切；
步骤四：对剪切后的图像数据进行识别，判断是否为人脸图像，是则获取对应的位置信息，进入下一步；
步骤五：获取人脸图像取样的温度信息。
3.根据权利要求2所述红外人脸测温***的方法，其特征在于：所述步骤二具体为：
所述人脸检测采用深度学习的方法，采用分布串行的方式，分为检测和分类这两部分组成，所述检测网络部分采用10个卷积层提取原始图像的特征信息，采用5个池化层来压缩特征维度；由于人脸这一目标再图像中尺寸较小，为了提高网络对小目标的检出能力，使用了一个张量拼接的层，将上层网络的输出和下层网络的输出拼接到一起，进一步提高对小目标的检出能力；
所述检测网络输出后，根据输出结果进一步确定输出目标是否为人脸，采用6个卷积层和3个池化层来对提取检测结果中的特征信息，采用2个全连接层来回归到检测目标的概率，最后输出的结果为人脸的概率和非人脸的概率。
4.根据权利要求2所述红外人脸测温***的方法，其特征在于：所述步骤一具体为：将红外测温装置采集红外图像数据按照长宽比不变的原则调整成608*608，不足的地方用128的像素值替代。
5.根据权利要求2所述红外人脸测温***的方法，其特征在于：所述步骤二中人脸检测方法，首先加载训练好的人脸检测模型，提取图像的特征信息，最后得到两个输出分别为19*19*18和38*38*18，将这两个输出联合到一起，最后得到一个5415*6的二维矩阵，其中，5415表示图像一共预测了5415个预测框，6中前4个数表示每个预测框的中心坐标和长和宽，第5个数表示对应预测框的置信度得分值，即表示这个预测框有目标的概率；第6个数表示对应预测框所属人脸的概率。
CN202011108083.8A 2020-10-16 2020-10-16 红外人脸测温***及其方法 Pending CN112232208A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011108083.8A CN112232208A (zh) 2020-10-16 2020-10-16 红外人脸测温***及其方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011108083.8A CN112232208A (zh) 2020-10-16 2020-10-16 红外人脸测温***及其方法

Publications (1)

Publication Number Publication Date
CN112232208A true CN112232208A (zh) 2021-01-15

Family

ID=74119103

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011108083.8A Pending CN112232208A (zh) 2020-10-16 2020-10-16 红外人脸测温***及其方法

Country Status (1)

Country Link
CN (1) CN112232208A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113643467A (zh) * 2021-06-29 2021-11-12 南京信息工程大学 基于单片机的集成式红外成像闸门***、终端和检测方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107798336A (zh) * 2017-09-18 2018-03-13 广东电网有限责任公司东莞供电局 一种红外测温图像部件识别方法
CN110411570A (zh) * 2019-06-28 2019-11-05 武汉高德智感科技有限公司 基于人体检测和人体跟踪技术的红外人体温度筛查方法
CN110443102A (zh) * 2018-05-04 2019-11-12 北京眼神科技有限公司 活体人脸检测方法及装置
CN110674878A (zh) * 2019-09-26 2020-01-10 苏州航韧光电技术有限公司 一种双模决策级图像融合的目标检测方法及设备
CN111209822A (zh) * 2019-12-30 2020-05-29 南京华图信息技术有限公司 一种热红外图像的人脸检测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107798336A (zh) * 2017-09-18 2018-03-13 广东电网有限责任公司东莞供电局 一种红外测温图像部件识别方法
CN110443102A (zh) * 2018-05-04 2019-11-12 北京眼神科技有限公司 活体人脸检测方法及装置
CN110411570A (zh) * 2019-06-28 2019-11-05 武汉高德智感科技有限公司 基于人体检测和人体跟踪技术的红外人体温度筛查方法
CN110674878A (zh) * 2019-09-26 2020-01-10 苏州航韧光电技术有限公司 一种双模决策级图像融合的目标检测方法及设备
CN111209822A (zh) * 2019-12-30 2020-05-29 南京华图信息技术有限公司 一种热红外图像的人脸检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
JIA-YI CHANG 等: "Long-distance tiny face detection based on enhanced YOLOv3 for unmanned system", ARXIV, 9 October 2020 (2020-10-09) *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113643467A (zh) * 2021-06-29 2021-11-12 南京信息工程大学 基于单片机的集成式红外成像闸门***、终端和检测方法

Similar Documents

Publication Publication Date Title
US11551341B2 (en) Method and device for automatically drawing structural cracks and precisely measuring widths thereof
CN107169426B (zh) 一种基于深度神经网络的人群情绪异常检测和定位方法
CN111595453A (zh) 一种基于人脸识别的红外测温***及方法
CN111653368A (zh) 一种人工智能疫情大数据防控预警***
US20220180534A1 (en) Pedestrian tracking method, computing device, pedestrian tracking system and storage medium
CN111579077B (zh) 一种双波段图像位置校准及信息交互显示***及方法
WO2022104817A1 (zh) 一种非接触式体温测量方法和***
CN105389562A (zh) 一种时空约束的监控视频行人重识别结果的二次优化方法
CN111507306A (zh) 一种基于ai人脸距离检测的温度误差补偿方法
CN102073863A (zh) 基于深度指纹获取远距离视频监控目标特征尺寸的方法
CN112146761A (zh) 一种基于机器学习的人体测温补偿方法
CN103729620B (zh) 一种基于多视角贝叶斯网络的多视角行人检测方法
CN114463701B (zh) 一种基于多源大数据动物养殖数据挖掘的监测预警***
WO2023087420A1 (zh) 一种基于热红外视觉的停机坪人体动作识别方法及***
CN112541403B (zh) 一种利用红外摄像头的室内人员跌倒检测方法
CN111444837B (zh) 在极端环境下提升人脸检测可用性的测温方法及测温***
CN112131976A (zh) 一种自适应人像温度匹配和口罩识别方法及装置
CN112232208A (zh) 红外人脸测温***及其方法
CN113808202B (zh) 一种多目标检测和空间定位方法及其***
CN106248634A (zh) 果实外表皮光泽度测量装置及方法
CN111486961A (zh) 基于宽光谱人体额头成像与距离感知的高效额温估计方法
Yan et al. Dynamic group difference coding based on thermal infrared face image for fever screening
CN114926772B (zh) 一种咽拭子头部的跟踪与轨迹预测方法
CN109740458B (zh) 一种基于视频处理的体貌特征测量方法及***
CN104063689A (zh) 一种基于双目立体视觉的人脸图像识别方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination