CN111582157A - 一种人体识别方法、装置、设备及计算机可读存储介质 - Google Patents
一种人体识别方法、装置、设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN111582157A CN111582157A CN202010377779.4A CN202010377779A CN111582157A CN 111582157 A CN111582157 A CN 111582157A CN 202010377779 A CN202010377779 A CN 202010377779A CN 111582157 A CN111582157 A CN 111582157A
- Authority
- CN
- China
- Prior art keywords
- image
- human body
- target
- temperature
- training set
- 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.)
- Granted
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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/55—Depth or shape recovery from multiple images
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Multimedia (AREA)
- Computing Systems (AREA)
- Human Computer Interaction (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Image Analysis (AREA)
- Eye Examination Apparatus (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明实施例公开了一种人体识别方法、装置、设备及计算机可读存储介质,该方法包括如下步骤:获取目标人体的温度图像和所述目标人体对应的左目视野图像和右目视野图像;根据所述目标人体对应的左目视野图像和右目视野图像,得到目标人体的深度图像;对所述目标人体的温度图像和目标人体的深度图像进行处理,得到目标图像;根据预先训练好的人体识别模型对所述目标图像进行识别。本发明通过目标人体的温度图像直接排除非肢体区域,避免非人体被识别到,通过深度图像排除掉预设距离以外的范围,减少识别范围,可以有效的解决通过色彩进行识别低效且容错率低的问题,提高了识别准确率的同时也不需要额外设备支撑,降低了成本。
Description
技术领域
本发明涉及图像识别技术领域,具体涉及一种人体识别方法、装置、设备及计算机可读存储介质。
背景技术
人体识别在门禁系统、安全监控、人机交互、医疗诊断等领域具有广泛的应用前景和经济价值。传统的人体识别技术通常采用印制好的marker进行识别,当marker垂直于相机时,无法拍摄到可识别的人体特征,需要手柄协助拍摄,成本较高;且户外光线随时间跨度变化比较大,也会造成基于marker对图像的识别结果不稳定,影响识别准确度。故亟待提出一种在复杂的环境中满足识别要求的人体识别方法。
发明内容
因此,本发明要解决的技术问题在于克服现有技术中基于marker对图像的识别结果不稳定,影响识别准确度的缺陷,从而提供一种人体识别方法、装置、设备及计算机可读存储介质。
根据第一方面,本发明实施例公开了一种人体识别方法,包括如下步骤:获取目标人体的温度图像和所述目标人体对应的左目视野图像和右目视野图像;根据所述目标人体对应的左目视野图像和右目视野图像,得到目标人体的深度图像;对所述目标人体的温度图像和目标人体的深度图像进行处理,得到目标图像;根据预先训练好的人体识别模型对所述目标图像进行识别。
可选地,所述获取目标人体的温度图像之前,所述方法还包括:获取温度图像;确定所述温度图像中每个像素点对应的温度值;将满足预设温度范围的温度值对应的像素点构成的图像作为所述目标人体的温度图像。
可选地,所述根据预先训练好的人体识别模型对所述目标图像进行识别之前,所述方法还包括:获取温度图像训练集和深度图像训练集,所述温度图像训练集的图像和深度图像训练集中的图像一一对应;对所述温度图像训练集的图像和深度图像训练集中的图像进行处理,得到目标图像训练集;根据所述目标图像训练集对机器学习模型进行训练,得到所述人体识别模型。
可选地,根据所述目标图像训练集对机器学习模型进行训练,得到所述人体识别模型之后,所述方法还包括:对所述人体识别模型进行测试;将满足测试要求的人体识别模型对所述目标图像进行识别。
根据第二方面,本发明实施例还公开了一种人体识别装置,包括:第一获取模块,用于获取目标人体的温度图像和所述目标人体对应的左目视野图像和右目视野图像;深度图像获得模块,用于根据所述目标人体对应的左目视野图像和右目视野图像,得到目标人体的深度图像;第一处理模块,用于对所述目标人体的温度图像和目标人体的深度图像进行处理,得到目标图像;识别模块,用于根据预先训练好的人体识别模型对所述目标图像进行识别。
可选地,所述装置还包括:第二获取模块,用于获取温度图像;确定模块,用于确定所述温度图像中每个像素点对应的温度值;温度图像获得模块,用于将满足预设温度范围的温度值对应的像素点构成的图像作为所述目标人体的温度图像。
可选地,所述装置还包括:第三获取模块,用于获取温度图像训练集和深度图像训练集,所述温度图像训练集的图像和深度图像训练集中的图像一一对应;第二处理模块,用于对所述温度图像训练集的图像和深度图像训练集中的图像进行处理,得到目标图像训练集;训练模块,用于根据所述目标图像训练集对机器学习模型进行训练,得到所述人体识别模型。
可选地,所述装置还包括:测试模块,用于对所述人体识别模型进行测试;应用模块,用于将满足测试要求的人体识别模型对所述目标图像进行识别。
根据第三方面,本发明实施例还公开了一种人体识别设备,包括:红外成像仪,用于获取温度图像;双目摄像头,用于获取目标人体对应的左目视野图像和右目视野图像;控制器,分别与所述红外成像仪、所述双目摄像头连接,包括至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器执行如第一方面或第一方面任一可选实施方式所述的人体识别方法的步骤。
根据第四方面,本发明实施例还公开了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如第一方面或第一方面任一可选实施方式所述的人体识别方法的步骤。
本发明技术方案,具有如下优点:
本发明提供的人体识别方法及装置,通过获取目标人体的温度图像和目标人体对应的左目视野图像和右目视野图像,根据目标人体对应的左目视野图像和右目视野图像,得到目标人体的深度图像,对目标人体的温度图像和目标人体的深度图像进行处理,得到目标图像,根据预先训练好的人体识别模型对目标图像进行识别。本发明通过目标人体的温度图像直接排除非肢体区域,避免非人体被识别到,通过深度图像排除掉预设距离以外的范围,减少识别范围,可以有效的解决通过色彩进行识别低效且容错率低的问题,提高了识别准确率的同时也不需要额外设备支撑,降低了成本。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例1中人体识别方法的一个具体示例的流程图;
图2为本发明实施例2中人体识别装置的一个具体示例的原理框图;
图3为本发明实施例3中人体识别设备的一个具体示例图;
图4为本发明实施例3中控制器的一个具体示例图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,还可以是两个元件内部的连通,可以是无线连接,也可以是有线连接。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
此外,下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
实施例1
本发明实施例提供一种人体识别方法,可应用于手机等终端设备,如图1所示,包括如下步骤:
步骤S11:获取目标人体的温度图像和目标人体对应的左目视野图像和右目视野图像。
示例性地,该温度图像的获取方式可以为红外成像仪直接获取,本发明实施例对该温度图像的获取方式不作限定,本领域技术人员可以根据实际情况选择。该左目视野图像和右目视野图像可以由终端的双目摄像头拍摄获取,也可以由单目摄像头平行移动拍摄,本发明实施例对该左目视野图像和右目视野图像的获取方式不作限定,本领域技术人员可以根据实际情况选择。
当在户外拍摄目标人体的图像时,可能会存在一些人体石像、模型等其他非人体,根据目标人体的温度图像可排除掉非人体的温度范围,减少识别物的数量范围,降低识别计算量。
步骤S12:根据目标人体对应的左目视野图像和右目视野图像,得到目标人体的深度图像。
示例性地,深度图像也被称为距离图像,是指将从图像采集器到场景中各点的距离作为像素值的图像。根据目标人体对应的左目视野图像和右目视野图像,得到目标人体的深度图像可以为通过两张图的视差图计算得到,视差图的获得方法可以为使用OpenCV中的BM算法或者SGBM算法计算得到,本发明实施例对该视差图的获得方法不作限定,本领域技术人员可以根据实际情况选择。
根据视差图的视差值得到深度图像的深度值可以为:
depth=(f*baseline)/disp
其中,depth表示深度值,单位为毫米;f表示归一化的焦距;baseline是两个相机光心之间的距离,称作基线距离;disp是视差图对应的视差值,单位为像素。
当目标人体在复杂的场景中时,进行人体识别时将消耗非常大的运算来排除不该在识别范围中的图像,利用深度图像排除掉预设范围的图像,减少识别的图像,降低了计算量,该预设范围可以为1m,本发明实施例对该预设范围不作限定,本领域技术人员可以根据实际目标人体进行设定。
步骤S13:对目标人体的温度图像和目标人体的深度图像进行处理,得到目标图像。
示例性地,在本发明实施例中,对目标人体的温度图像和目标人体的深度图像进行处理,得到目标图像可以为对目标人体的温度图像和目标人体的深度图像直接做交集处理,例如,当目标场景不太复杂时,可以以目标人体的深度图像为基础图像,排除掉非人体的范围得到目标图像;当温度差较大时,可以以目标人体的温度图像为基础图像,排除掉预设范围内的距离得到目标图像。本发明实施例对该处理方法不作限定,本领域技术人员可以根据图像的实际情况选择。将温度图像和深度图像做交集处理后得到的目标图像进一步缩小了待识别图像的范围,减少计算量。
步骤S14:根据预先训练好的人体识别模型对目标图像进行识别。
以目标用户向整容医院发送图像为例对本发明实施例提供的方法进行说明。用户可以利用终端的双目摄像头拍摄目标人体对应的左目视野图像和右目视野图像,利用红外成像仪拍摄目标人体的温度图像,根据左目视野图像和右目视野图像以及温度图像得到待识别图像,将待识别图像输入到预先训练好的人体识别模型中进行识别,得到该目标用户的人体识别图像,将该人体识别图像发送到整容医院的终端,使得整容医院接收到仅包含目标用户的图像。
对于目标用户上传的图像,在对目标人体的温度图像和目标人体的深度图像进行处理后得到的目标图像中除了目标用户,可能还包含其他人体结构,如目标用户在拍摄图像时,将位于其后面的其他人体拍进图像,使得目标用户上传的图像可能包含其他人体的部分头部图像,该部分头部图像可能不能通过温度图像以及深度图像予以排除。为了保证人体识别效果,通过预先训练好的人体识别模型对目标图像进行进一步识别处理,得到仅包含目标用户的人体图像。
本发明提供的人体识别方法,通过获取目标人体的温度图像和目标人体对应的左目视野图像和右目视野图像,根据目标人体对应的左目视野图像和右目视野图像,得到目标人体的深度图像,对目标人体的温度图像和目标人体的深度图像进行处理,得到目标图像,根据预先训练好的人体识别模型对目标图像进行识别。本发明通过目标人体的温度图像直接排除非肢体区域,避免非人体被识别到,通过深度图像排除掉预设距离以外的范围,减少识别范围,可以有效的解决通过色彩进行识别低效且容错率低的问题,提高了识别准确率的同时也不需要额外设备支撑,降低了成本。
作为本发明一个可选实施方式,步骤S11之前,该人体识别方法还包括:
获取温度图像。
示例性地,该温度图像可以直接由终端的红外成像仪等温度图像获取设备获得,本发明实施例对该温度图像的获取方式不作限定,本领域技术人员可以根据实际情况选择。
确定温度图像中每个像素点对应的温度值。
示例性地,在本发明实施例中,确定温度图像中每个像素点对应的温度值具体可以为先通过红外摄像头镜头的镜片材质选择过滤反射掉绝大多数光线,仅允许通过较窄取值范围的远红外光照射到温度传感器表面得到温度图像,通过光电效应来计算包含有微弱的远红外光的温度图像中每个像素点对应的温度值。
将满足预设温度范围的温度值对应的像素点构成的图像作为目标人体的温度图像。
示例性地,该预设温度范围可以为35°-40°,本发明实施例对该温度范围不作限定,本领域技术人员可以根据实际使用情况设定。将目标人体温度不在预设温度范围内的像素点去除,将满足预设温度范围的温度值对应的像素点构成的图像作为目标人体的温度图像。
作为本发明一个可选实施方式,步骤S14之前,该人体识别方法还包括:
获取温度图像训练集和深度图像训练集,温度图像训练集的图像和深度图像训练集中的图像一一对应。
示例性地,该温度图像训练集和深度图像训练集可以通过红外成像仪和双目摄像头直接采集得到,也可以直接从已建立的图像训练集搜索获得,该温度图像训练集中的每一个温度图像以及对应的深度图像训练集中的深度图像为对同一采集对象同时采集得到。本发明实施例对该温度图像训练集和深度图像训练集的获取方式不作限定,本领域技术人员可以根据实际情况选择。
对温度图像训练集的图像和深度图像训练集中的图像进行处理,得到目标图像训练集。目标图像的获取方式见步骤S13的描述,在此不再赘述,对温度图像训练集和深度图像训练集中一一对应的图像进行相同处理后,得到目标图像训练集。
根据目标图像训练集对机器学习模型进行训练,得到人体识别模型。
示例性地,根据目标图像训练集,可以对机器学习模型进行有监督或无监督训练,得到人体识别模型,本发明实施例对该训练方式不作限定。本领域技术人员可以根据实际使用需要确定。通过目标图像训练集不断对机器学习模型进行训练,直至识别准确率大于预设值。
作为本发明一个可选实施方式,上述根据目标图像训练集对机器学习模型进行训练,得到人体识别模型步骤之后,该人体识别方法还包括:
对人体识别模型进行测试。
示例性地,在本发明实施例中,对人体识别模型进行测试可以为获取一定数量的测试图像集,将该测试图像集输入到人体识别模型中进行测试,判断该人体识别模型是否满足条件。
将满足测试要求的人体识别模型对目标图像进行识别。
示例性地,该满足测试需求的人体识别模型可以是训练得到的人体识别模型的识别准确率满足识别要求,如对于目标人体图像识别场景的识别要求是识别准确率大于95%,本发明实施例对该测试要求不作限定,本领域技术人员可以根据实际情况设定。则当人体识别模型对测试图像集的识别准确率大于95%时,确定该人体识别模型为可用的人体识别模型,基于该人体识别模型对目标图像进行识别。
实施例2
本施例提供一种人体识别装置,如图2所示,包括:
第一获取模块21,用于获取目标人体的温度图像和目标人体对应的左目视野图像和右目视野图像;具体实现方式见实施例1中步骤S11,在此不再赘述。
深度图像获得模块22,用于根据目标人体对应的左目视野图像和右目视野图像,得到目标人体的深度图像;具体实现方式见实施例1中步骤S12,在此不再赘述。
第一处理模块23,用于对目标人体的温度图像和目标人体的深度图像进行处理,得到目标图像;具体实现方式见实施例1中步骤S13,在此不再赘述。
识别模块24,用于根据预先训练好的人体识别模型对目标图像进行识别。具体实现方式见实施例1中步骤S14,在此不再赘述。
本发明提供的人体识别装置,通过获取目标人体的温度图像和目标人体对应的左目视野图像和右目视野图像,根据目标人体对应的左目视野图像和右目视野图像,得到目标人体的深度图像,对目标人体的温度图像和目标人体的深度图像进行处理,得到目标图像,根据预先训练好的人体识别模型对目标图像进行识别。本发明通过目标人体的温度图像直接排除非肢体区域,避免非人体被识别到,通过深度图像排除掉预设距离以外的范围,减少识别范围,可以有效的解决通过色彩进行识别低效且容错率低的问题,提高了识别准确率的同时也不需要额外设备支撑,降低了成本。
作为本发明一个可选实施方式,该人体识别装置还包括:
第二获取模块,用于获取温度图像;具体实现方式见实施例1中对应的步骤,在此不再赘述。
确定模块,用于确定温度图像中每个像素点对应的温度值;具体实现方式见实施例1中对应的步骤,在此不再赘述。
温度图像获得模块,用于将满足预设温度范围的温度值对应的像素点构成的图像作为目标人体的温度图像。具体实现方式见实施例1中对应的步骤,在此不再赘述。
作为本发明一个可选实施方式,该人体识别装置还包括:
第三获取模块,用于获取温度图像训练集和深度图像训练集,温度图像训练集的图像和深度图像训练集中的图像一一对应;具体实现方式见实施例1中对应的步骤,在此不再赘述。
第二处理模块,用于对温度图像训练集的图像和深度图像训练集中的图像进行处理,得到目标图像训练集;具体实现方式见实施例1中对应的步骤,在此不再赘述。
训练模块,用于根据目标图像训练集对机器学习模型进行训练,得到人体识别模型。具体实现方式见实施例1中对应的步骤,在此不再赘述。
作为本发明一个可选实施方式,该人体识别装置还包括:
测试模块,用于对人体识别模型进行测试;具体实现方式见实施例1中对应的步骤,在此不再赘述。
应用模块,用于将满足测试要求的人体识别模型对目标图像进行识别。具体实现方式见实施例1中对应的步骤,在此不再赘述。
实施例3
本发明实施例还公开了一种人体识别设备,如图3所示,包括:
红外成像仪31,用于获取温度图像。
双目摄像头32,用于获取目标人体对应的左目视野图像和右目视野图像。
控制器33,分别与红外成像仪31、双目摄像头32连接,如图4所示,该控制器包括至少一个处理器42;以及与至少一个处理器42通信连接的存储器41;其中,存储器41存储有可被至少一个处理器42执行的指令,指令被至少一个处理器42执行,以使至少一个处理器42执行如上述实施例1的人体识别方法的步骤。
实施例4
本发明实施例还提供了一种计算机存储介质,所述计算机存储介质存储有计算机可执行指令,该计算机可执行指令可执行上述任意方法实施例中的人体识别方法。其中,所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)、随机存储记忆体(Random Access Memory,RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive,缩写:HDD)或固态硬盘(Solid-State Drive,SSD)等;所述存储介质还可以包括上述种类的存储器的组合。
显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (10)
1.一种人体识别方法,其特征在于,包括如下步骤:
获取目标人体的温度图像和所述目标人体对应的左目视野图像和右目视野图像;
根据所述目标人体对应的左目视野图像和右目视野图像,得到目标人体的深度图像;
对所述目标人体的温度图像和目标人体的深度图像进行处理,得到目标图像;
根据预先训练好的人体识别模型对所述目标图像进行识别。
2.根据权利要求1所述的方法,其特征在于,所述获取目标人体的温度图像之前,所述方法还包括:
获取温度图像;
确定所述温度图像中每个像素点对应的温度值;
将满足预设温度范围的温度值对应的像素点构成的图像作为所述目标人体的温度图像。
3.根据权利要求1所述的方法,其特征在于,所述根据预先训练好的人体识别模型对所述目标图像进行识别之前,所述方法还包括:
获取温度图像训练集和深度图像训练集,所述温度图像训练集的图像和深度图像训练集中的图像一一对应;
对所述温度图像训练集的图像和深度图像训练集中的图像进行处理,得到目标图像训练集;
根据所述目标图像训练集对机器学习模型进行训练,得到所述人体识别模型。
4.根据权利要求3所述的方法,其特征在于,根据所述目标图像训练集对机器学习模型进行训练,得到所述人体识别模型之后,所述方法还包括:
对所述人体识别模型进行测试;
将满足测试要求的人体识别模型对所述目标图像进行识别。
5.一种人体识别装置,其特征在于,包括:
第一获取模块,用于获取目标人体的温度图像和所述目标人体对应的左目视野图像和右目视野图像;
深度图像获得模块,用于根据所述目标人体对应的左目视野图像和右目视野图像,得到目标人体的深度图像;
第一处理模块,用于对所述目标人体的温度图像和目标人体的深度图像进行处理,得到目标图像;
识别模块,用于根据预先训练好的人体识别模型对所述目标图像进行识别。
6.根据权利要求5所述的装置,其特征在于,所述装置还包括:
第二获取模块,用于获取温度图像;
确定模块,用于确定所述温度图像中每个像素点对应的温度值;
温度图像获得模块,用于将满足预设温度范围的温度值对应的像素点构成的图像作为所述目标人体的温度图像。
7.根据权利要求5所述的装置,其特征在于,所述装置还包括:
第三获取模块,用于获取温度图像训练集和深度图像训练集,所述温度图像训练集的图像和深度图像训练集中的图像一一对应;
第二处理模块,用于对所述温度图像训练集的图像和深度图像训练集中的图像进行处理,得到目标图像训练集;
训练模块,用于根据所述目标图像训练集对机器学习模型进行训练,得到所述人体识别模型。
8.根据权利要求7所述的装置,其特征在于,所述装置还包括:
测试模块,用于对所述人体识别模型进行测试;
应用模块,用于将满足测试要求的人体识别模型对所述目标图像进行识别。
9.一种人体识别设备,其特征在于,包括:
红外成像仪,用于获取温度图像;
双目摄像头,用于获取目标人体对应的左目视野图像和右目视野图像;
控制器,分别与所述红外成像仪、所述双目摄像头连接,包括至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器执行如权利要求1-4任一所述的人体识别方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-4中任一项所述的人体识别方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010377779.4A CN111582157B (zh) | 2020-05-07 | 2020-05-07 | 一种人体识别方法、装置、设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010377779.4A CN111582157B (zh) | 2020-05-07 | 2020-05-07 | 一种人体识别方法、装置、设备及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111582157A true CN111582157A (zh) | 2020-08-25 |
CN111582157B CN111582157B (zh) | 2023-07-28 |
Family
ID=72126281
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010377779.4A Active CN111582157B (zh) | 2020-05-07 | 2020-05-07 | 一种人体识别方法、装置、设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111582157B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115183876A (zh) * | 2022-09-09 | 2022-10-14 | 国网山西省电力公司电力科学研究院 | 电力设备温度测量方法及装置、存储介质、计算机设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109101935A (zh) * | 2018-08-20 | 2018-12-28 | 深圳市中视典数字科技有限公司 | 基于热成像相机的人物动作捕捉系统和方法 |
WO2019056988A1 (zh) * | 2017-09-25 | 2019-03-28 | 杭州海康威视数字技术股份有限公司 | 人脸识别方法及装置、计算机设备 |
CN109961062A (zh) * | 2019-04-16 | 2019-07-02 | 北京迈格威科技有限公司 | 图像识别方法、装置、终端和可读存储介质 |
CN111091063A (zh) * | 2019-11-20 | 2020-05-01 | 北京迈格威科技有限公司 | 活体检测方法、装置及系统 |
-
2020
- 2020-05-07 CN CN202010377779.4A patent/CN111582157B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019056988A1 (zh) * | 2017-09-25 | 2019-03-28 | 杭州海康威视数字技术股份有限公司 | 人脸识别方法及装置、计算机设备 |
CN109101935A (zh) * | 2018-08-20 | 2018-12-28 | 深圳市中视典数字科技有限公司 | 基于热成像相机的人物动作捕捉系统和方法 |
CN109961062A (zh) * | 2019-04-16 | 2019-07-02 | 北京迈格威科技有限公司 | 图像识别方法、装置、终端和可读存储介质 |
CN111091063A (zh) * | 2019-11-20 | 2020-05-01 | 北京迈格威科技有限公司 | 活体检测方法、装置及系统 |
Non-Patent Citations (2)
Title |
---|
XIAOWEI SONG ET AL.: "Depth-based human body enhancement in the infrared video", 《IEEE XPLORE》 * |
汪家琦等: "基于多模态深度融合网络可穿戴式导盲设备", 《科技创新导报》, no. 33 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115183876A (zh) * | 2022-09-09 | 2022-10-14 | 国网山西省电力公司电力科学研究院 | 电力设备温度测量方法及装置、存储介质、计算机设备 |
CN115183876B (zh) * | 2022-09-09 | 2022-12-09 | 国网山西省电力公司电力科学研究院 | 电力设备温度测量方法及装置、存储介质、计算机设备 |
Also Published As
Publication number | Publication date |
---|---|
CN111582157B (zh) | 2023-07-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2018161877A1 (zh) | 处理方法、处理装置、电子装置和计算机可读存储介质 | |
EP3496383A1 (en) | Image processing method, apparatus and device | |
CN110929566B (zh) | 基于可见光和近红外双目摄像头的人脸活体检测方法 | |
CN110490936B (zh) | 车辆摄像头的标定方法、装置、设备及可读存储介质 | |
CN109429060B (zh) | 瞳孔距离测量方法、可穿戴眼部设备及存储介质 | |
CN106570899B (zh) | 一种目标物体检测方法及装置 | |
CN107016348B (zh) | 结合深度信息的人脸检测方法、检测装置和电子装置 | |
CN109934108B (zh) | 一种多目标多种类的车辆检测和测距系统及实现方法 | |
JP2009116742A (ja) | 車載用画像処理装置、画像処理方法、および、プログラム | |
CN109753925B (zh) | 一种虹膜特征提取的方法和设备 | |
CN104102069B (zh) | 一种成像系统的对焦方法及装置、成像系统 | |
CN109035307B (zh) | 基于自然光双目视觉的设定区域目标追踪方法及系统 | |
CN112528974B (zh) | 测距方法、装置、电子设备及可读存储介质 | |
CN105180802B (zh) | 一种物体尺寸信息识别方法和装置 | |
CN111179330A (zh) | 一种基于卷积神经网络的双目视觉场景深度估计方法 | |
CN109447902B (zh) | 一种图像拼接方法、装置、储存介质及设备 | |
CN107146257B (zh) | 一种自适应水质的水下相机标定装置 | |
CN111582157B (zh) | 一种人体识别方法、装置、设备及计算机可读存储介质 | |
CN110291771B (zh) | 一种目标对象的深度信息获取方法及可移动平台 | |
CN113420704A (zh) | 一种基于视觉传感器的物体识别方法、装置及机器人 | |
CN113553920A (zh) | 注视方向特征采集方法、装置、计算机设备和存储介质 | |
CN110992291B (zh) | 基于三目视觉的测距方法、系统及存储介质 | |
CN111935389A (zh) | 拍摄对象切换方法、装置、拍摄设备及可读存储介质 | |
KR20150069739A (ko) | 스테레오비전 기반의 어류 개체수 측정방법과 이를 적용한 패턴인식 시스템 | |
CN111144219A (zh) | 一种基于3d结构光的虹膜识别装置及方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |