CN111105372A - 热红外图像处理器、系统、方法及装置 - Google Patents
热红外图像处理器、系统、方法及装置 Download PDFInfo
- Publication number
- CN111105372A CN111105372A CN201911260052.1A CN201911260052A CN111105372A CN 111105372 A CN111105372 A CN 111105372A CN 201911260052 A CN201911260052 A CN 201911260052A CN 111105372 A CN111105372 A CN 111105372A
- Authority
- CN
- China
- Prior art keywords
- thermal infrared
- infrared image
- image
- target object
- processor
- 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
Links
- 238000000034 method Methods 0.000 title abstract description 23
- 238000001514 detection method Methods 0.000 claims abstract description 73
- 238000007781 pre-processing Methods 0.000 claims abstract description 27
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 25
- 230000004927 fusion Effects 0.000 claims description 21
- 238000005070 sampling Methods 0.000 claims description 14
- 238000001914 filtration Methods 0.000 claims description 9
- 239000003550 marker Substances 0.000 claims description 4
- 238000003672 processing method Methods 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 230000002708 enhancing effect Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000009529 body temperature measurement Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 210000001061 forehead Anatomy 0.000 description 2
- 230000002146 bilateral effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Studio Devices (AREA)
- Radiation Pyrometers (AREA)
- Image Processing (AREA)
Abstract
本申请公开了一种热红外图像处理器、系统、方法及装置。其中,热红外图像处理器(20)包括预处理模块(210)以及人工智能处理模块(220),其中所述预处理模块(210)配置用于根据所述热红外图像处理器(20)接收的第一热红外图像,生成适于所述人工智能处理模块(220)进行检测的第二热红外图像;以及所述人工智能处理模块(220)配置用于检测所述第二热红外图像中的目标对象。
Description
技术领域
本申请涉及人工智能技术领域,具体而言,涉及一种热红外图像处理器、系统、方法及装置。
背景技术
随着人们对指定场景内物体进行温度监测的需求越来越多,市场上也随之出现了很多的测温系统供用户使用。目前的测温系统都是采用热红外摄像机进行图像采集,然后根据热红外图像的像素信息得出图像中各部分的温度值。但是现有的高分辨率的热红外摄像机价格昂贵,而低分辨率的热红外摄像机虽然价格低但是采集的热红外图像分辨率低,图像模糊,轮廓不清晰,从而在对图像中的物体进行检测时,容易导致漏检、错检、准确率低以及有效检测率低等问题出现。并且现有的热红外摄像机不具备人工智能检测功能,因此需要基于采集的热红外图像重新训练模型,费事费力。
针对上述的现有技术中存在的高分辨率热红外摄像机采集的高分辨热红外图像虽然能进行目标对象检测但是价格非常昂贵,而低分辨率的热红外摄像机虽然价格低但是采集的热红外图像分辨率低,图像模糊,轮廓不清晰,使得在对图像中的目标对象进行检测时,容易导致漏检、错检、准确率低以及有效检测率低的问题出现的技术问题,目前尚未提出有效的解决方案。
发明内容
本公开提供了一种热红外图像处理器、系统、方法及装置,以至少解决现有技术中存在的高分辨率热红外摄像机采集的高分辨热红外图像虽然能进行目标对象检测但是价格非常昂贵,而低分辨率的热红外摄像机虽然价格低但是采集的热红外图像分辨率低,图像模糊,轮廓不清晰,使得在对图像中的目标对象进行检测时,容易导致漏检、错检、准确率低以及有效检测率低的问题出现的技术问题。
根据本公开实施例的一个方面,提供一种热红外图像处理器,包括预处理模块以及人工智能处理模块,其中预处理模块配置用于根据热红外图像处理器接收的第一热红外图像,生成适于人工智能处理模块进行检测的第二热红外图像;以及人工智能处理模块配置用于检测第二热红外图像中的目标对象。
根据本公开实施例的另一个方面,提供一种热红外图像处理系统,包括:图像采集设备;以及根据上面所述的热红外图像处理器,热红外图像处理器与图像采集设备连接,接收图像采集设备采集的热红外图像。
根据本公开实施例的另一个方面,还提供一种热红外图像处理系统,包括:图像采集设备、高清显示模块和网络接口模块;以及根据上面所述的热红外图像处理器,其中,热红外图像处理器与图像采集设备连接,接收图像采集设备采集的热红外图像;高清显示模块与热红外图像处理器中的图像融合模块连接,用于高清晰度显示图像融合模块生成的第三热红外图像;以及网络接口模块与热红外图像处理器中的图像融合模块连接,用于发送目标对象温度、目标对象位置和第三热红外图像的相关数据给远端服务器。
根据本公开实施例的另一个方面,提供了一种热红外图像处理方法,包括:根据预设的预处理算法和第一热红外图像,生成适于进行图像检测的第二热红外图像;以及在第二热红外图像中检测目标对象。
根据本公开实施例的另一个方面,提供了一种存储介质。存储介质包括存储的程序,其中,在程序运行时由处理器执行以上所述的方法。
根据本公开实施例的另一个方面,提供了一种热红外图像处理装置,包括:处理器;以及存储器,与处理器连接,用于为处理器提供处理以下处理步骤的指令:根据预设的预处理算法和第一热红外图像,生成适于进行图像检测的第二热红外图像;以及在第二热红外图像中检测目标对象。
在本发明实施例中,首先根据第一热红外图像,生成进行图像检测的第二热红外图像,然后在第二热红外图像中检测目标对象。达到了可以对低分辨率的热红外摄像机采集的热红外图像中的目标对象进行有效的检测,避免了漏检和错检等情况出现,大大提高了检测的准确率的技术效果。进而解决了现有技术中存在的高分辨率热红外摄像机采集的高分辨热红外图像虽然能进行目标对象检测但是价格非常昂贵,而低分辨率的热红外摄像机虽然价格低但是采集的热红外图像分辨率低,图像模糊,轮廓不清晰,使得在对图像中的目标对象进行检测时,容易导致漏检、错检、准确率低以及有效检测率低的问题出现的技术问题。
根据下文结合附图对本申请的具体实施例的详细描述,本领域技术人员将会更加明了本申请的上述以及其他目的、优点和特征。
附图说明
后文将参照附图以示例性而非限制性的方式详细描述本申请的一些具体实施例。附图中相同的附图标记标示了相同或类似的部件或部分。本领域技术人员应该理解,这些附图未必是按比例绘制的。附图中:
图1是根据本公开实施例1的第一个方面所述的热红外图像处理器的示意图;
图2是根据本公开实施例1的第二个方面所述的热红外图像处理器的示意图;
图3是根据本公开实施例1的第三个方面所述的热红外图像处理系统的示意图;
图4是根据本公开实施例1的第四个方面所述的热红外图像处理系统的示意图;
图5是根据本公开实施例1的第五个方面所述的热红外图像处理系统的示意图;
图6是根据本公开实施例1的第六个方面所述的热红外图像处理方法的流程图;以及
图7是根据本公开实施例2所述的图像处理装置的示意图。
具体实施方式
需要说明的是,在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
为了使本技术领域的人员更好地理解本公开方案,下面将结合本公开实施例中的附图,对本公开实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本公开一部分的实施例,而不是全部的实施例。基于本公开中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本公开保护的范围。
需要说明的是,本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的术语在适当情况下可以互换,以便这里描述的本公开的实施例。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
实施例1
图1是根据本申请实施例1的第一个方面所述的热红外图像处理器20的示意图。参考图1所示,本申请提供了一种热红外图像处理器20,包括预处理模块210以及人工智能处理模块220,其中预处理模块210配置用于根据热红外图像处理器20接收的第一热红外图像,生成适于人工智能处理模块220进行检测的第二热红外图像;以及人工智能处理模块220配置用于检测第二热红外图像中的目标对象。
正如背景技术中所述的,随着人们对指定场景内物体进行温度监测的需求越来越多,市场上也随之出现了很多的测温系统供用户使用。目前的测温系统都是采用热红外摄像机进行图像采集,然后根据热红外图像的像素信息得出图像中各部分的温度值。但是现有的高分辨率的热红外摄像机价格昂贵,而低分辨率的热红外摄像机虽然价格低但是采集的热红外图像分辨率低,图像模糊,轮廓不清晰,从而在对图像中的物体进行检测时,容易导致漏检、错检、准确率低以及有效检测率低等问题出现。并且现有的热红外摄像机不具备人工智能检测功能,因此需要基于采集的热红外图像重新训练模型,费事费力。
针对上述的现有技术中存在的问题,参照图1所示,本实施例中的热红外图像处理器20在接收到低分辨率的热红外图像(对应于上述的第一热红外图像)的情况下,由于第一热红外图像的分辨率低(例如但不限于是分辨率为160*120~384*288的低分辨率图像),无法对第一热红外图像中的目标对象进行有效的检测。因此在本实施例中,通过预处理模块210对接收到的第一热红外图像进行预处理,从而生成适于人工智能处理模块220进行检测的第二热红外图像。然后通过人工智能处理模块220检测第二热红外图像中的目标对象。
在一个具体实施例中,预处理模块210包括以下所述的至少一个单元:上采样单元211和图像增强单元212,其中上采样单元211配置用于对第一热红外图像进行上采样操作,从而生成第二热红外图像;图像增强单元212配置用于根据预设的算法对第一热红外图像进行图像增强操作,从而生成第二热红外图像;以及图像增强单元212还配置用于根据预设的图像增强算法,增强上采样单元211输出的高分辨率热红外图像中的细节信息,从而生成第二热红外图像。
具体地,关于无法对低分辨率的第一热红外图像进行目标对象的有效检测的原因,本申请主要考虑两方面的因素。第一方面为受限于算力资源的限制,目前的图像检测识别算法,通常支持对有限范围内的分辨率的图像进行识别(例如分辨率为512*512、640*360、640*480或者其他);第二方面为由于低分辨率的第一热红外图像中的图像模糊,轮廓不清晰,无法细节呈现目标对象的各个特征。例如在目标对象为人的情况下,第一热红外图像无法清晰的呈现出人体轮廓、头部以及四肢等特征。
进一步地,针对于上述的第一方面存在的问题,本实施例的预处理模块210通过上采样单元211对第一热红外图像进行上采样,将第一热红外图像的分辨率转换为适于人工智能处理模块220进行检测的第二热红外图像。其中,第一热红外图像的分辨率低于第二热红外图像的分辨率。例如:所接收的第一热红外图像可以是分辨率为160*120~384*288的低分辨率图像,而适于人工智能处理模块220检测的第二热红外图像的分辨率例如为512*512、640*360、640*480或者其他。因此,预处理模块210例如可以利用多相滤波器或者线性滤波器进行上采样,完成低分辨率到高分辨率的提升。从而,不再需要基于采集的热红外图像重新训练模型,而是利用现有的人工智能检测功能,对低分辨率的热红外图像进行有效检测。
进一步地,针对于上述的第二方面存在的问题,本实施例的预处理模块210通过图像增强单元212根据预设的算法对第一热红外图像进行图像增强操作,从而生成第二热红外图像。
在一个具体实施例中,由于热红外传感器本身成像特点以及分辨率较低等原因,热红外图像往往噪声高,导致物体的边缘信息被干扰。针对噪声高这个问题,图像增强单元212使用预设的去噪滤波算法进行去噪,以抑制图像中的噪声,同时不破坏物体的边缘。其中,常见的去噪滤波算法例如有双边滤波算法和导向滤波算法等。
在另一个具体实施例中,由于热红外图像是根据物体表面温度成像的,而实际场景中物体和背景的温度差不会很大,所以物体的边缘细节在热红外图像中不明显。针对这个问题,图像增强单元212使用预设的边缘锐化算法进行边缘增强,以增强物体的细节信息。其中,常见的边缘锐化算法例如有拉普拉斯滤波算法和sobel滤波算法等。
此外,需要特别说明的是,图像增强单元212不局限于包含去噪滤波算法和边缘锐化算法,也可以包含其他的可以增强图像质量的算法。
优选地,针对于上述的第一方面存在的问题,本实施例的预处理模块210还可以首先通过上采样单元211对第一热红外图像进行上采样操作,完成低分辨率到高分辨率的提升。然后通过图像增强单元212,对上采样单元211输出的高分辨率热红外图像进行图像增强操作,抑制高分辨率热红外图像中的噪声,同时增强高分辨率热红外图像中的细节信息,从而生成适于人工智能处理模块220进行检测的第二热红外图像。其中,图像增强单元212可以使用上述预设的去噪滤波算法进行去噪,以抑制上采样单元211输出的高分辨率热红外图像中的噪声,同时不破坏物体的边缘。此外,图像增强单元212还可以使用上述预设的图像增强算法进行边缘增强,以增强上采样单元211输出的高分辨率热红外图像中的物体的细节信息。
从而,在本实施例中,所提供的热红外图像处理器20首先通过预处理模块210对接收到的第一热红外图像进行预处理,生成适于人工智能处理模块220进行检测的第二热红外图像,然后通过人工智能处理模块220检测第二热红外图像中的目标对象。达到了可以对低分辨率的热红外摄像机采集的热红外图像中的目标对象进行有效的检测,避免了漏检和错检等情况出现,大大提高了检测的准确率的技术效果。进而解决了现有技术中存在的高分辨率热红外摄像机采集的高分辨热红外图像虽然能进行目标对象检测但是价格非常昂贵,而低分辨率的热红外摄像机虽然价格低但是采集的热红外图像分辨率低,图像模糊,轮廓不清晰,使得在对图像中的目标对象进行检测时,容易导致漏检、错检、准确率低以及有效检测率低的问题出现的技术问题。
此外,参考图2所示,根据本实施例1的第二个方面,提供了一种热红外图像处理器20的示意图。具体地,在图1的基础上,热红外图像处理器20还包括温度检测模块230,温度检测模块230包括定位单元231和温度检测单元232,其中定位单元231配置用于根据目标对象在第二热红外图像中的第一位置信息,确定目标对象在第一热红外图像中的第二位置信息;以及温度检测单元232配置用于根据第一热红外图像中第二位置信息所对应的像素信息,确定与目标对象对应的温度分布信息。
具体地,由于热红外图像处理器在从低分辨率的热红外摄像机接收到低分辨率的热红外图像后,通常需要通过上采样的方式、图像增强的方式或者两者相结合的方式将低分辨率的热红外图像转换为适于现有的图像检测识别算法的高分辨率的热红外图像,然后再进行目标对象的检测。在这种情况下,会造成温度信息的损失,使得转换得到的高分辨率的热红外图像中目标对象的温度分布信息不准确。
针对上述的问题,参考图2所示,在本实施例的第一方面的基础上,第二个方面所提供的热红外图像处理器20首先通过温度检测模块230中的定位单元231根据目标对象在第二热红外图像中的第一位置信息,确定目标对象在第一热红外图像中的第二位置信息。其中,定位单元231可以利用预先设置的坐标转换算法,将第二热红外图像中的第一位置信息转换为第一热红外图像中相对应的第二位置信息。然后,通过温度检测模块230中的温度检测单元232,根据该第二位置信息对应的像素信息,获取其对应的温度值,从而确定与目标对象对应的温度分布信息。通过这种方式,可以准确的确定目标对象的温度分布信息的效果。解决了上述存在的转换得到的高分辨率的热红外图像中目标对象的温度分布信息不准确的问题。
可选地,还包括图像融合模块240,图像融合模块240配置用于根据第一位置信息和温度分布信息,在第二热红外图像中的目标对象的位置处添加标记,生成第三热红外图像的同时缓存目标对象的目标对象温度、目标对象位置和第三热红外图像的相关数据。
在实践中,监控工作人员通常通过观看监控视频,对目标对象进行监控。因此如果能够在视频中添加用于识别目标对象和目标对象的温度分布信息的标记(例如使用颜色矩形框标记目标对象、在相对脸部温度信息、额头温度信息等),则更加有利于监控工作人员观察监控视频。但是,正如前面所述,如果要在低分辨率的热红外图像中检测出目标对象,就必须将低分辨率的热红外图像转换为适于人工智能处理模块220的高分辨率热红外图像。
在这种情况下,参考图2所示,热红外图像处理器20还包括图像融合模块240,通过图像融合模块240将人工智能处理模块220检测出的第一位置信息和温度检测模块230所确定的温度分布信息与预处理模块210生成的第二热红外图像进行融合,在第二热红外图像中的目标对象的位置处添加位置信息和温度信息的标记。例如,在目标对象周围添加颜色矩形框,用于标记所检测出的目标对象在热红外图像中的位置,同时可以在目标对象的具体部位(例如,额头、脸部以及四肢等部分)添加具体的温度信息,生成带有目标对象的位置信息和温度信息的标记的高分辨率的第三热红外图像,同时缓存目标对象的目标对象温度、目标对象位置和第三热红外图像的相关数据。从而,通过这种方式,可以向监控工作人员提供高清并具有标记的监控视频,有利于监控人员进行监控。
此外,参考图3所示,根据本实施例1的第三个方面,提供了一种热红外图像处理系统,包括:图像采集设备10;以及根据上面所述的热红外图像处理器20,热红外图像处理器20与图像采集设备10连接,接收图像采集设备10采集的热红外图像。
从而,可以通过图像采集设备10(例如,热红外摄像机)采集热红外图像(对应于图3中的第一热红外图像),然后由图像采集设备10将采集的热红外图像发送至热红外图像处理器20。热红外图像处理器20在接收到图像采集设备10采集的热红外图像后,对热红外图像进行相应的处理。
此外,参考图4所示,根据本实施例1的第四个方面,提供了一种热红外图像处理系统,包括:高清显示模块30和网络接口模块31;以及上面所述的热红外图像处理器20,高清显示模块30与热红外图像处理器20中的图像融合模块240连接,用于显示图像融合模块240生成的第三热红外图像。网络接口模块31与热红外图像处理器20中的图像融合模块240连接,用于发送目标对象温度、目标对象位置和第三热红外图像的相关数据给远端服务器。
具体地,参照上述的,图像融合模块240生成的第三热红外图像为高分辨率的且带有目标对象的位置信息和温度信息的标记。因此,参考图4所示,热红外图像处理系统不仅包括上述图3中所示的热红外图像处理器20,还包括高清显示模块30和网络接口模块31,与图像融合模块240连接,分别用于显示第三热红外图像和将采集的目标对象温度、目标对象位置和第三热红外图像的相关数据发送给远端服务器。从而,不仅能够向相关的工作人员显示高分辨率的且带有目标对象的位置信息和温度信息的标记的第三热红外图像,还使得远端服务器可以做进一步的数据分析。
此外,参考图5所示,根据本实施例1的第五个方面,提供了一种热红外图像处理系统,包括:图像采集设备10、高清显示模块30和网络接口模块31;以及根据上面所述的热红外图像处理器20,其中热红外图像处理器20与图像采集设备10连接,接收图像采集设备10采集的热红外图像;高清显示模块30与热红外图像处理器20中的图像融合模块240连接,用于显示图像融合模块240生成的第三热红外图像;以及网络接口模块31与热红外图像处理器20中的图像融合模块240连接,用于发送目标对象温度、目标对象位置和第三热红外图像的相关数据给远端服务器。
具体地,结合图1至图4所示,热红外图像处理系统包括图像采集设备10、高清显示模块30、网络接口模块31以及根据上面所述的热红外图像处理器20。通过图像采集设备10(例如,热红外摄像机)采集热红外图像(对应于图5中的第一热红外图像),然后由图像采集设备10将采集的第一热红外图像发送至热红外图像处理器20。热红外图像处理器20在接收到图像采集设备10采集的第一热红外图像后,对第一热红外图像进行相应的处理,并通过热红外图像处理器20中的图像融合模块240生成第三热红外图像。使得所生成第三热红外图像为高分辨率的且带有目标对象的位置信息和温度信息的标记。最后,通过高清显示模块30显示所生成的第三热红外图像,以及通过网络接口模块31发送目标对象温度、目标对象位置和第三热红外图像的相关数据给远端服务器做进一步数据分析。
此外,参考图6所示,根据本实施例1的第六个方面,提供了一种热红外图像处理方法,包括:
S602:根据预设的预处理算法和第一热红外图像,生成适于进行图像检测的第二热红外图像;以及
S604:在第二热红外图像中检测目标对象。
具体地,关于本实施例第六个方面所述的方法的具体描述可以参考根据本实施例第一个方面所述的热红外图像处理器的相关描述。从而本方法首先根据预设的预处理算法和第一热红外图像,生成进行图像检测的第二热红外图像,然后在第二热红外图像中检测目标对象。达到了可以对低分辨率的热红外摄像机采集的热红外图像中的目标对象进行有效的检测,避免了漏检和错检等情况出现,大大提高了检测的准确率的技术效果。进而解决了现有技术中存在的高分辨率热红外摄像机采集的高分辨热红外图像虽然能进行目标对象检测但是价格非常昂贵,而低分辨率的热红外摄像机虽然价格低但是采集的热红外图像分辨率低,图像模糊,轮廓不清晰,使得在对图像中的目标对象进行检测时,容易导致漏检、错检、准确率低以及有效检测率低的问题出现的技术问题。
可选地,根据预设的预处理算法和第一热红外图像,生成适于进行图像检测的第二热红外图像的操作,包括以下所述的至少一项操作:对第一热红外图像进行上采样,从而生成第二热红外图像;以及根据预设的算法对第一热红外图像进行图像增强操作,从而生成第二热红外图像。
可选地,根据预设的算法对第一热红外图像进行图像增强操作,从而生成第二热红外图像的操作,包括:根据预设的去噪滤波算法,抑制第一热红外图像中的噪声,从而生成第二热红外图像;或根据预设的去噪滤波算法,抑制通过上采样操作得到的高分辨率热红外图像中的噪声,从而生成第二热红外图像。
可选地,根据预设的算法对第一热红外图像进行图像增强操作,从而生成第二热红外图像的操作,包括:根据预设的图像增强算法,增强第一热红外图像中的细节信息,从而生成第二热红外图像;或根据预设的图像增强算法,增强通过上采样操作得到的高分辨率热红外图像中的细节信息,从而生成第二热红外图像。
可选地,还包括:根据目标对象在第二热红外图像中的第一位置信息,确定目标对象在第一热红外图像中的第二位置信息;以及根据第一热红外图像中第二位置信息所对应的像素信息,确定与目标对象对应的温度分布信息。
可选地,还包括:根据第一位置信息和温度分布信息,在第二热红外图像中的目标对象的位置处添加标记,生成第三热红外图像的同时缓存目标对象的目标对象温度、目标对象位置和第三热红外图像的相关数据。
此外,根据本实施例的第七个方面,提供了一种存储介质。存储介质包括存储的程序,其中,在程序运行时由处理器执行以上任意一项所述的方法。
实施例2
图7示出了根据本实施例所述的热红外图像处理装置700,该装置700与根据实施例1的第六个方面所述的方法相对应。参考图7所示,该装置700包括:处理器710;以及存储器720,与处理器710连接,用于为处理器710提供处理以下处理步骤的指令:根据预设的预处理算法和第一热红外图像,生成适于进行图像检测的第二热红外图像;以及在第二热红外图像中检测目标对象。
可选地,根据预设的预处理算法和第一热红外图像,生成适于进行图像检测的第二热红外图像的操作,包括以下所述的至少一项操作:对第一热红外图像进行上采样,从而生成第二热红外图像;以及根据预设的算法对第一热红外图像进行图像增强操作,从而生成第二热红外图像。
可选地,根据预设的算法对第一热红外图像进行图像增强操作,从而生成第二热红外图像的操作,包括:根据预设的去噪滤波算法,抑制第一热红外图像中的噪声,从而生成第二热红外图像;或根据预设的去噪滤波算法,抑制通过上采样操作得到的高分辨率热红外图像中的噪声,从而生成第二热红外图像。
可选地,根据预设的算法对第一热红外图像进行图像增强操作,从而生成第二热红外图像的操作,包括:根据预设的图像增强算法,增强第一热红外图像中的细节信息,从而生成第二热红外图像;或根据预设的图像增强算法,增强通过上采样操作得到的高分辨率热红外图像中的细节信息,从而生成第二热红外图像。
可选地,存储器720还用于为处理器710提供处理以下处理步骤的指令:根据目标对象在第二热红外图像中的第一位置信息,确定目标对象在第一热红外图像中的第二位置信息;以及根据第一热红外图像中第二位置信息所对应的像素信息,确定与目标对象对应的温度分布信息。
可选地,存储器720还用于为处理器710提供处理以下处理步骤的指令:根据第一位置信息和温度分布信息,在第二热红外图像中的目标对象的位置处添加标记,生成第三热红外图像的同时缓存目标对象的目标对象温度、目标对象位置和第三热红外图像的相关数据。
从而根据本实施例,热红外图像处理装置700首先根据预设的预处理算法和第一热红外图像,生成进行图像检测的第二热红外图像,然后在第二热红外图像中检测目标对象。达到了可以对低分辨率的热红外摄像机采集的热红外图像中的目标对象进行有效的检测,避免了漏检和错检等情况出现,大大提高了检测的准确率的技术效果。进而解决了现有技术中存在的高分辨率热红外摄像机采集的高分辨热红外图像虽然能进行目标对象检测但是价格非常昂贵,而低分辨率的热红外摄像机虽然价格低但是采集的热红外图像分辨率低,图像模糊,轮廓不清晰,使得在对图像中的目标对象进行检测时,容易导致漏检、错检、准确率低以及有效检测率低的问题出现的技术问题。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。同时,应当明白,为了便于描述,附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为授权说明书的一部分。在这里示出和讨论的所有示例中,任何具体值应被解释为仅仅是示例性的,而不是作为限制。因此,示例性实施例的其它示例可以具有不同的值。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
为了便于描述,在这里可以使用空间相对术语,如“在……之上”、“在……上方”、“在……上表面”、“上面的”等,用来描述如在图中所示的一个器件或特征与其他器件或特征的空间位置关系。应当理解的是,空间相对术语旨在包含除了器件在图中所描述的方位之外的在使用或操作中的不同方位。例如,如果附图中的器件被倒置,则描述为“在其他器件或构造上方”或“在其他器件或构造之上”的器件之后将被定位为“在其他器件或构造下方”或“在其他器件或构造之下”。因而,示例性术语“在……上方”可以包括“在……上方”和“在……下方”两种方位。(该器件也可以其他不同方式定位旋转90度或处于其他方位),并且对这里所使用的空间相对描述作出相应解释。
在本公开的描述中,需要理解的是,方位词如“前、后、上、下、左、右”、“横向、竖向、垂直、水平”和“顶、底”等所指示的方位或位置关系通常是基于附图所示的方位或位置关系,仅是为了便于描述本公开和简化描述,在未作相反说明的情况下,这些方位词并不指示和暗示所指的装置或元件必须具有特定的方位或者以特定的方位构造和操作,因此不能理解为对本公开保护范围的限制;方位词“内、外”是指相对于各部件本身的轮廓的内外。
以上所述,仅为本申请较佳的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应该以权利要求的保护范围为准。
Claims (10)
1.一种热红外图像处理器(20),其特征在于,包括预处理模块(210)以及人工智能处理模块(220),其中
所述预处理模块(210)配置用于根据所述热红外图像处理器(20)接收的第一热红外图像,生成适于所述人工智能处理模块(220)进行检测的第二热红外图像;以及
所述人工智能处理模块(220)配置用于检测所述第二热红外图像中的目标对象。
2.根据权利要求1所述的热红外图像处理器(20),其特征在于,所述预处理模块(210)包括以下所述的至少一个单元:上采样单元(211)和图像增强单元(212),其中
所述上采样单元(211)配置用于对所述第一热红外图像进行上采样操作,从而生成所述第二热红外图像;以及
所述图像增强单元(212)配置用于根据预设的算法对所述第一热红外图像进行图像增强操作,从而生成所述第二热红外图像。
3.根据权利要求2所述的热红外图像处理器(20),其特征在于,
所述图像增强单元(212)配置用于根据预设的去噪滤波算法,抑制所述第一热红外图像中的噪声,从而生成所述第二热红外图像;或
所述图像增强单元(212)配置用于根据所述预设的去噪滤波算法,抑制所述上采样单元(211)输出的高分辨率热红外图像中的噪声,从而生成所述第二热红外图像。
4.根据权利要求2所述的热红外图像处理器(20),其特征在于,
所述图像增强单元(212)配置用于根据预设的图像增强算法,增强所述第一热红外图像中的细节信息,从而生成所述第二热红外图像;或
所述图像增强单元(212)配置用于根据所述预设的图像增强算法,增强所述上采样单元(211)输出的高分辨率热红外图像中的细节信息,从而生成所述第二热红外图像。
5.根据权利要求1所述的热红外图像处理器(20),其特征在于,还包括温度检测模块(230),所述温度检测模块(230)包括定位单元(231)和温度检测单元(232),其中
所述定位单元(231)配置用于根据所述目标对象在所述第二热红外图像中的第一位置信息,确定所述目标对象在所述第一热红外图像中的第二位置信息;以及
所述温度检测单元(232)配置用于根据所述第一热红外图像中所述第二位置信息所对应的像素信息,确定与所述目标对象对应的温度分布信息。
6.根据权利要求5所述的热红外图像处理器(20),其特征在于,还包括图像融合模块(240),所述图像融合模块(240)配置用于根据所述第一位置信息和所述温度分布信息,在所述第二热红外图像中的所述目标对象的位置处添加标记,生成第三热红外图像的同时缓存所述目标对象的目标对象温度、目标对象位置和所述第三热红外图像的相关数据。
7.一种热红外图像处理系统,其特征在于,包括:图像采集设备(10);以及根据权利要求1至6中任意一项所述的热红外图像处理器(20),所述热红外图像处理器(20)与所述图像采集设备(10)连接,接收所述图像采集设备(10)采集的热红外图像。
8.一种热红外图像处理系统,其特征在于,包括:图像采集设备(10)、高清显示模块(30)和网络接口模块(31);以及根据权利要求6中所述的热红外图像处理器(20),其中
所述热红外图像处理器(20)与所述图像采集设备(10)连接,接收所述图像采集设备(10)采集的热红外图像;
所述高清显示模块(30)与所述热红外图像处理器(20)中的所述图像融合模块(240)连接,用于高清晰度显示所述图像融合模块(240)生成的所述第三热红外图像;以及
所述网络接口模块(31)与所述热红外图像处理器(20)中的所述图像融合模块(240)连接,用于发送所述目标对象温度、所述目标对象位置和所述第三热红外图像的相关数据至远端服务器。
9.一种热红外图像处理方法,其特征在于,包括:
根据预设的预处理算法和第一热红外图像,生成适于进行图像检测的第二热红外图像,其中所述第一热红外图像为低分辨率的热红外图像;以及
在所述第二热红外图像中检测目标对象。
10.一种热红外图像处理装置,其特征在于,包括:
处理器;以及
存储器,与所述处理器连接,用于为所述处理器提供处理以下处理步骤的指令:
根据预设的预处理算法和第一热红外图像,生成适于进行图像检测的第二热红外图像;以及
在所述第二热红外图像中检测目标对象。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911260052.1A CN111105372A (zh) | 2019-12-10 | 2019-12-10 | 热红外图像处理器、系统、方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911260052.1A CN111105372A (zh) | 2019-12-10 | 2019-12-10 | 热红外图像处理器、系统、方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111105372A true CN111105372A (zh) | 2020-05-05 |
Family
ID=70422666
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911260052.1A Pending CN111105372A (zh) | 2019-12-10 | 2019-12-10 | 热红外图像处理器、系统、方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111105372A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113762233A (zh) * | 2020-06-05 | 2021-12-07 | 北京都是科技有限公司 | 车牌检测方法、系统、装置及热红外图像处理器 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108090397A (zh) * | 2016-11-22 | 2018-05-29 | 天津长城科安电子科技有限公司 | 基于红外图像的行人检测系统 |
CN108665487A (zh) * | 2017-10-17 | 2018-10-16 | 国网河南省电力公司郑州供电公司 | 基于红外和可见光融合的变电站作业对象和目标定位方法 |
CN109448009A (zh) * | 2018-11-21 | 2019-03-08 | 国网江苏省电力有限公司扬州供电分公司 | 用于输电线路检测的红外图像处理方法及装置 |
CN109580004A (zh) * | 2018-12-18 | 2019-04-05 | 深圳码隆科技有限公司 | 一种温度检测方法及装置 |
CN110111272A (zh) * | 2019-04-24 | 2019-08-09 | 江西理工大学应用科学学院 | 一种人工智能红外图像处理仪、控制系统及控制方法 |
CN110136132A (zh) * | 2019-05-24 | 2019-08-16 | 国网河北省电力有限公司沧州供电分公司 | 设备发热故障的检测方法、检测装置及终端设备 |
CN110472542A (zh) * | 2019-08-05 | 2019-11-19 | 深圳北斗通信科技有限公司 | 一种基于深度学习的红外图像行人检测方法及检测系统 |
-
2019
- 2019-12-10 CN CN201911260052.1A patent/CN111105372A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108090397A (zh) * | 2016-11-22 | 2018-05-29 | 天津长城科安电子科技有限公司 | 基于红外图像的行人检测系统 |
CN108665487A (zh) * | 2017-10-17 | 2018-10-16 | 国网河南省电力公司郑州供电公司 | 基于红外和可见光融合的变电站作业对象和目标定位方法 |
CN109448009A (zh) * | 2018-11-21 | 2019-03-08 | 国网江苏省电力有限公司扬州供电分公司 | 用于输电线路检测的红外图像处理方法及装置 |
CN109580004A (zh) * | 2018-12-18 | 2019-04-05 | 深圳码隆科技有限公司 | 一种温度检测方法及装置 |
CN110111272A (zh) * | 2019-04-24 | 2019-08-09 | 江西理工大学应用科学学院 | 一种人工智能红外图像处理仪、控制系统及控制方法 |
CN110136132A (zh) * | 2019-05-24 | 2019-08-16 | 国网河北省电力有限公司沧州供电分公司 | 设备发热故障的检测方法、检测装置及终端设备 |
CN110472542A (zh) * | 2019-08-05 | 2019-11-19 | 深圳北斗通信科技有限公司 | 一种基于深度学习的红外图像行人检测方法及检测系统 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113762233A (zh) * | 2020-06-05 | 2021-12-07 | 北京都是科技有限公司 | 车牌检测方法、系统、装置及热红外图像处理器 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111256833B (zh) | 体温检测方法、系统、装置及热红外图像处理器 | |
CN111189544A (zh) | 人体温度检测方法、系统、装置及热红外图像处理器 | |
JP6554169B2 (ja) | 物体認識装置及び物体認識システム | |
JP6700752B2 (ja) | 位置検出装置、位置検出方法及びプログラム | |
CN109949347B (zh) | 人体跟踪方法、装置、系统、电子设备和存储介质 | |
CN102833486B (zh) | 一种实时调节视频图像中人脸显示比例的方法及装置 | |
CN110309787B (zh) | 一种基于深度相机的人体坐姿检测方法 | |
JP6732522B2 (ja) | 画像処理装置、画像処理方法およびプログラム | |
CN111522073B (zh) | 目标对象佩戴口罩情况的检测方法及热红外图像处理器 | |
CN101512551A (zh) | 用于测量动物身高的方法和系统 | |
CN106919806A (zh) | 一种人体监测方法、装置以及系统及计算机可读存储设备 | |
CN111289110A (zh) | 人体温度检测方法、系统、装置及热红外图像处理器 | |
JP6261266B2 (ja) | 移動体検知装置 | |
US10460466B2 (en) | Line-of-sight measurement system, line-of-sight measurement method and program thereof | |
EP2609567A1 (en) | Sensor data processing | |
JP2001175868A (ja) | 人物検出方法及び装置 | |
CN111487320A (zh) | 基于三维光学成像传感器的三维超声成像方法和系统 | |
JP2008286638A (ja) | 身長推定装置および身長推定方法 | |
CN111428600A (zh) | 吸烟检测方法、系统、装置及热红外图像处理器 | |
CN114894337B (zh) | 一种用于室外人脸识别测温方法及装置 | |
CN105180802A (zh) | 一种物体尺寸信息识别方法和装置 | |
CN111105372A (zh) | 热红外图像处理器、系统、方法及装置 | |
CN111707372B (zh) | 人体温度检测方法、系统、装置及图像处理器 | |
CN211783870U (zh) | 热红外图像处理器以及人体温度检测系统 | |
WO2020196520A1 (en) | Method, system and computer readable media for object detection coverage estimation |
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 |