CN111595450B - 测量温度的方法、装置、电子设备和计算机可读存储介质 - Google Patents

测量温度的方法、装置、电子设备和计算机可读存储介质 Download PDF

Info

Publication number
CN111595450B
CN111595450B CN202010415405.7A CN202010415405A CN111595450B CN 111595450 B CN111595450 B CN 111595450B CN 202010415405 A CN202010415405 A CN 202010415405A CN 111595450 B CN111595450 B CN 111595450B
Authority
CN
China
Prior art keywords
temperature
information
keypoints
weight information
target portion
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.)
Active
Application number
CN202010415405.7A
Other languages
English (en)
Other versions
CN111595450A (zh
Inventor
冯浩城
岳海潇
王珂尧
张刚
范彦文
余席宇
韩钧宇
刘经拓
丁二锐
王海峰
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.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and 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 Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202010415405.7A priority Critical patent/CN111595450B/zh
Publication of CN111595450A publication Critical patent/CN111595450A/zh
Priority to US17/998,881 priority patent/US20230213388A1/en
Priority to JP2022569508A priority patent/JP2023525378A/ja
Priority to KR1020227041892A priority patent/KR20220166368A/ko
Priority to PCT/CN2020/120964 priority patent/WO2021227350A1/zh
Priority to EP20935969.4A priority patent/EP4151968A4/en
Application granted granted Critical
Publication of CN111595450B publication Critical patent/CN111595450B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • G06N3/0464—Convolutional networks [CNN, ConvNet]
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
    • G01K13/00—Thermometers specially adapted for specific purposes
    • G01K13/20—Clinical contact thermometers for use with humans or animals
    • G01K13/223—Infrared clinical thermometers, e.g. tympanic
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
    • G01K7/00—Measuring temperature based on the use of electric or magnetic elements directly sensitive to heat ; Power supply therefor, e.g. using thermoelectric elements
    • G01K7/42—Circuits effecting compensation of thermal inertia; Circuits for predicting the stationary value of a temperature
    • 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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/09—Supervised learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G06V10/12—Details of acquisition arrangements; Constructional details thereof
    • G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
    • G06V10/143—Sensing or illuminating at different wavelengths
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
    • G06V10/449—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters
    • G06V10/451—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters with interaction between the filter responses, e.g. cortical complex cells
    • G06V10/454—Integrating the filters into a hierarchical structure, e.g. convolutional neural networks [CNN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • 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
    • 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
    • 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
    • G06V40/168—Feature extraction; Face representation
    • 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
    • G06V40/168—Feature extraction; Face representation
    • G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
    • 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
    • G01J2005/0077—Imaging
    • 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
    • G01J5/02—Constructional details
    • G01J5/025—Interfacing a pyrometer to an external device or network; User interface

Landscapes

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

Abstract

本公开的实施例涉及一种用于测量温度方法、装置、电子设备、计算机可读存储介质和计算机程序产品，涉及人工智能领域。该方法可以包括对输入图像中的对象的目标部位进行检测。该方法进一步包括基于目标部位的检测结果确定目标部位的关键点和关键点的权重信息，权重信息指示关键点被遮挡的概率。该方法还可以包括获取关键点的温度信息。此外，该方法可以进一步包括至少基于关键点的温度信息和权重信息，确定目标部位的温度。本公开的技术方案可以快速高效且低成本地获取行人的体温信息，从而降低温度测量的时间和人力成本。

Description

测量温度的方法、装置、电子设备和计算机可读存储介质
技术领域
本公开的实施例主要涉及计算机领域，并且更具体地，涉及用于测量温度的方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
背景技术
随着我国经济以及交通建设的发展，在公共交通的进站口、景点以及场馆的入口经常会出现高密度的人流。由于可能出现并长期存在的传染病疫情，对高密度人流的体温测量以及身份信息的识别都是疫情防控的重要环节。然而目前的无接触式体温测量手段通常是安保、防疫人员通过体温枪逐个地对行人进行体温检测，以及通过扫描身份证等方式逐个地对行人进行身份识别。这种方式显然是低效的。并且，由于可能造成人流拥堵，高密度人流的聚集通常不可避免，进而造成更多人群被感染。如何高效且准确地实现体温测量是疫情防控工作亟待解决的问题。
发明内容
根据本公开的示例实施例，提供了一种用于测量温度的方案。
在本公开的第一方面中，提供了一种用于测量温度的方法。该方法可以包括对输入图像中的对象的目标部位进行检测。该方法进一步包括基于目标部位的检测结果确定目标部位的关键点和关键点的权重信息，权重信息指示关键点被遮挡的概率。该方法还可以包括获取关键点的温度信息。此外，该方法可以进一步包括至少基于关键点的温度信息和权重信息，确定目标部位的温度。
在本公开的第二方面中，提供了一种用于测量温度的装置，包括：目标部位检测模块，被配置为对输入图像中的对象的目标部位进行检测；关键点信息确定模块，被配置为基于所述目标部位的检测结果确定所述目标部位的关键点和所述关键点的权重信息，所述权重信息指示所述关键点被遮挡的概率；温度信息获取模块，被配置为获取所述关键点的温度信息；以及温度确定模块，被配置为至少基于所述关键点的所述温度信息和所述权重信息，确定所述目标部位的温度。
在本公开的第三方面中，提供了一种电子设备，包括一个或多个处理器；以及存储装置，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现根据本公开的第一方面的方法。
在本公开的第四方面中，提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现根据本公开的第一方面的方法。
在本公开的第五方面中，提供了一种用于测量温度的系统，包括：图像采集模块，被配置为提供与对象的目标部位相关联的输入图像；计算模块，与图像采集模块通信连接，所述计算模块被配置为实现根据本公开的第一方面的方法；以及输出展示模块，被配置为展示计算模块的处理结果。
在本公开的第六方面中，提供了一种计算机程序产品，包括计算机程序，该计算机程序在被处理器执行时实现根据本公开的第一方面的方法。
应当理解，发明内容部分中所描述的内容并非旨在限定本公开的实施例的关键或重要特征，亦非用于限制本公开的范围。本公开的其它特征将通过以下的描述变得容易理解。
附图说明
结合附图并参考以下详细说明，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中，相同或相似的附图标注表示相同或相似的元素，其中：
图1示出了本公开的多个实施例能够在其中实现的示例环境的示意图；
图2示出了本公开的多个实施例能够在其中实现的详细示例环境的示意图；
图3示出了根据本公开的实施例的用于测量温度的过程的流程图；
图4示出了根据本公开的实施例的用于基于检测结果确定关键点及其权重信息的示意图；
图5示出了根据本公开的实施例的用于测量温度的系统的框图；
图6示出了根据本公开的实施例的用于测量温度的装置的框图；以及
图7示出了能够实施本公开的多个实施例的计算设备的框图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
在本公开的实施例的描述中，术语“包括”及其类似用语应当理解为开放性包含，即“包括但不限于”。术语“基于”应当理解为“至少部分地基于”。术语“一个实施例”或“该实施例”应当理解为“至少一个实施例”。术语“第一”、“第二”等等可以指代不同的或相同的对象。下文还可能包括其他明确的和隐含的定义。
为了应对疫情防控，通常可以利用基于热成像技术的无接触且自动化的体温测量手段来同时测量多个行人的体温。例如，可以利用红外热成像设备来获取行人面部的红外热成像图。当红外热成像图中显示行人面部为高温状态(例如，额头部位显示为红色)时，检测设备即可确定该行人出现发热状况，并发出报警信息。
然而，这种类型的测温技术存在测温精度易受周边环境影响。例如，行人的面部周边可能被高温的物体(例如，手机、热饮等)遮挡。又例如，行人的面部周边可能被低温的物体(例如，冷食、冷饮等)遮挡。还例如，一位不发热的行人的面部可能被发热的行人遮挡。这些遮挡情况通常会导致温度误报，从而影响检测设备的性能。此外，在面部被遮挡的情况下，传统的人脸识别机制也通常会输出不准确的识别结果。
如上文提及的，亟需一种温度测量方法，来快速高效且低成本地获取行人的体温信息，从而降低温度测量的时间和人力成本。
根据本公开的实施例，提出了一种用于测量温度的方案。在该方案中，可以基于摄像头采集的输入图像来对对象的目标部位的关键点进行确定，同时还进一步确定每个关键点的权重信息。这里，权重信息用于指示关键点被遮挡的概率。另一方面，还可以通过诸如红外热成像设备的温度感测设备来获取关键点处的温度信息，并且基于关键点的温度信息以及权重信息来确定该目标部位的温度。以此方式，即便存在诸如人的面部的目标部位被高温物体(例如，手机、热饮等)遮挡的情况，该被遮挡的部位的关键点的权重信息可以被确定为很小或者可以忽略。由此，可以更多地基于未被遮挡或收到其他异常温度影响的部位的温度来确定行人的体温。
以下将参照附图来具体描述本公开的实施例。图1示出了本公开的多个实施例能够在其中实现的示例环境100的示意图。如图1所示，示例环境100中包含输入图像110、计算设备120、温度感测图像130和输出的温度150。此外，计算设备110中还包含卷积神经网络(CNN)140。应理解，图1中的CNN 140仅是示例性的，还可以被其他具备学习功能的人工智能网络所替代。
输入图像110可以是由与计算设备120相连接的图像获取设备获取的实时监控图像。作为示例，图像获取设备可以设置在人流量较大的公共场所，以便获取经过该场所的人群中的每一个人的图像信息。应理解，获取图像信息的对象可以不限于人，而是还可以包含需要批量测量体温的动物(例如，动物园或饲养场所内的动物)。另外，输入图像110还可以是与被监控的对象的多帧图像，即，视频。计算设备120可以接收输入图像110，并通过计算设备110中的CNN 140来确定被监控对象的诸如脸部的目标部位的检测区域，进而确定关键点及其权重信息。
另一方面，计算设备120还接收温度感测图像130。温度感测图像130可以由诸如红外热成像设备的温度感测设备来获取。通过将诸如红外热成像设备的温度感测设备和上文描述的图像获取设备进行配准，从而实现两设备成像的像素级对齐。由此，计算设备120可以确定每个关键点的温度信息，并通过诸如加权平均等方式基于更具有参考意义的关键点的温度信息来确定被监控对象的温度150。
在图1中，基于输入图像110和温度感测图像130生成温度150的关键在于：计算设备110中的CNN 140是通过预先训练构建的，下文将通过图2对CNN 140的构建和使用进行描述。
图2示出了本公开的多个实施例能够在其中实现的详细示例环境200的示意图。与图1类似地，示例环境200可以包含计算设备220、输入图像210和输出结果250。区别在于，示例环境200总体上可以包括模型训练系统270和模型应用系统280。作为示例，模型训练系统270和/或模型应用系统280可以在如图1所示的计算设备120或如图2所示的计算设备220中实现。应当理解，仅出于示例性的目的描述示例环境200的结构和功能并不旨在限制本文所描述主题的范围。本文所描述主题可以在不同的结构和/或功能中实施。
如前所述，确定被监控对象的诸如脸部的目标部位的检测区域的过程以及确定关键点及其权重信息的过程均可以分为两个阶段：模型训练阶段和模型应用阶段。作为示例，对于确定目标部位的检测区域的过程，在模型训练阶段中，模型训练系统270可以利用训练数据集260来训练确定检测区域的CNN 240。在模型应用阶段中，模型应用系统280可以接收经训练的CNN 240，从而由CNN 240基于输入图像210确定检测区域。应理解，训练数据集260可以是海量的被标注的监控图像。
作为另一示例，对于确定关键点及其权重信息的过程，在模型训练阶段中，模型训练系统270可以利用训练数据集260来训练确定关键点及其权重信息的CNN 240。在模型应用阶段中，模型应用系统280可以接收经训练的CNN 240，从而由CNN 240基于确定的检测区域确定关键点及其权重信息。应理解，也可以训练CNN 240直接基于输入图像110确定关键点及其权重信息。
在其他实施例中，CNN 240可以被构建为用于确定关键点及其权重信息的学习网络。这样的学习网络也可以被称为学习模型，或者被简称为网络或模型。在一些实施例中，用于确定关键点及其权重信息的学习网络可以包括多个网络，其中每个网络可以是一个多层神经网络，其可以由大量的神经元组成。通过训练过程，每个网络中的神经元的相应参数能够被确定。这些网络中的神经元的参数被统称为CNN 240的参数。
CNN 240的训练过程可以以迭代方式来被执行。具体地，模型训练系统270可以从训练数据集260中获取参考图像，并且利用参考图像来进行训练过程的一次迭代，以更新CNN 240的相应参数。模型训练系统270可以基于训练数据集260中的多个参考图像重复执行上述过程，直至CNN 240的参数中的至少部分参数收敛，由此获得最终的模型参数。
上文描述的技术方案仅用于示例，而非限制本发明。应理解，还可以按照其他方式和连接关系来布置各个网络。为了更清楚地解释上述方案的原理，下文将参考图3来更详细描述温度测量的过程。
图3示出了根据本公开的实施例的用于测量温度的过程300的流程图。在某些实施例中，方法300可以在图1的计算设备120、图2的计算设备220以及图6示出的设备中实现。现参照图1描述根据本公开实施例的用于测量温度的过程300。为了便于理解，在下文描述中提及的具体实例均是示例性的，并不用于限定本公开的保护范围。
在302，计算设备120可以对输入图像110中的对象的目标部位进行检测。作为示例，计算设备120可以通过CNN 140(诸如，检测区域生成模型)在输入图像110中确定目标部位的检测区域。在一些实施例中，CNN 140可以对输入图像110进行人脸区域检测。例如，可以通过六层卷积网络对输入图像110进行人脸基础特征提取，并且每层卷积网络实现一次图像下采样，基于最后的三层卷积神经网络分别预设置固定数目的不同尺寸人脸锚点区域进行人脸检测区域回归，最终人脸的检测区域。应理解，上述实例仅是示例性的，还可以采用其他层数的卷积网络，并且也不限于确定人脸的检测区域。以此方式，可以基于检测区域生成模型快速识别输入图像110中的目标部位的检测区域，从而为后续的温度测量、甚至人脸识别做准备。
在304，计算设备120可以基于目标部位的检测结果确定目标部位的关键点和关键点的权重信息。权重信息用于指示关键点被遮挡的概率。作为示例，计算设备120可以将目标部位的检测结果应用于CNN 140(诸如，关键点确定模型)，以确定关键点和权重信息。CNN140是基于参考图像中的参考目标部位以及参考目标部位中的参考关键点和参考权重信息来训练得到的。在一些实施例中，CNN 140可以基于人脸的检测结果确定该人脸的关键点和每个关键点的权重信息。以此方式，可以将温度测量的重点侧重在没有被遮挡或者没有被异常温度的物体影响的部位，从而提升了温度测量的准确性。
图4更为详细地示出了根据本公开的实施例的用于基于检测结果410确定关键点420及其权重信息的示意图。如图4所示，被检测对象为行人，且目标部位为行人的面部，即，人脸。当诸如关键点确定模型的CNN 140获取到被确认了人脸检测区域410的图像后，CNN140可以确定人脸检测区域410内的多个关键点，诸如关键点420。与此同时，CNN 140还可以确定每个关键点的权重信息。例如，由于关键点420被手和收集遮挡，故其权重信息被确定为很小。作为示例，权重信息通常被设置为0到1之间的数值，由CNN140预测的关键点被遮挡的概率越大，权重信息的数值就越小，这意味着该关键点处的温度越没有参考价值。
之后，回到图3。在306，计算设备120可以获取关键点的温度信息。作为示例，计算设备120可以获取针对目标部位的温度感测图像130。温度感测图像130可以由诸如红外热成像设备的温度感测设备来获取。通过将诸如红外热成像设备的温度感测设备和上文描述的图像获取设备进行配准，从而实现两设备成像的像素级对齐。由此，计算设备120可以从温度感测图像130中确定与关键点的位置对应的温度信息。以此方式，实现了对识别的关键点的温度测量，从而为后续的温度计算做准备。
应理解，此时获取的温度信息虽然可以作为计算温度150的依据，但仍可能因环境等因素的影响而存在误差。因此，可以创建设置有温度感测设备和图像获取设备的位置处的测量温度与实际温度之间的函数关系。例如，可以基于先验知识通过最小二乘法拟合出该函数关系。由此，计算设备120可以获取关键点的测量温度，并且基于测量温度确定关键点的实际温度。此时由计算设备120确定的实际温度的准备度被显著提升。
在308，计算设备120可以至少基于关键点的温度信息和权重信息来确定目标部位的温度。应理解，本文描述的目标部位可以是对象的面部、眼睛、手(包含指纹)中的至少一项，并且对象也不限于是人。例如，计算设备120在确定目标部位的温度后，可以将该温度与阈值温度进行比较，并且当该温度高于阈值温度时进行报警。由于人体各部位的温度有差异，故当被检测的是人的面部时，其对应的阈值温度可以被设置为不同于人的手所对应的阈值温度。此外，当对动物园或者饲养场所中的动物进行体温检测时，由于每种动物的体温通常不同，故也可以针对不同类型的动物确定相应的阈值温度，从而实现不同动物的体温测试与报警。
通过以上方式，通过识别多个关键点并且细化地确定每个关键点处的温度及其权重信息，本公开可以提升温度测量的准确性。此外，由于本公开可以应用于多行人、多动物等的场景，而无需工作人员介入，故可以降低温度测量的时间和人力成本，降低了疫情期间工作人员被感染的风险。
此外，计算设备120还可以至少基于关键点和权重信息对目标部位进行识别，并且基于所识别的结果确定对象。在一些实施例中，计算设备120可以基于关键点和权重信息识别人脸，进而确定该被监控的行人的身份信息。在另一些实施例中，计算设备120还可以基于关键点和权重信息确定被监控的动物的种类。由于设置有权重机制，被遮挡的部分实际上将不被或很少被计算设备120用于进行识别操作，从而降低了计算设备120中的CNN 140出现误识别的可能性。
此外，本公开还提供了相应的计算机可读存储介质，其存储的计算机指令用于使计算机执行上述实施例的至少一个过程。本公开进一步提供了相应的计算机程序产品，其包括的计算机程序可实现上述实施例的至少一个过程。
此外，本公开还提供了一种用于测量温度的系统500。如图5所示，该系统包括图像采集模块510，该图像采集模块可以是诸如RGB相机的图像感测设备以及诸如红外热成像设备的温度感测设备。该系统500还可以包括与图像采集模块510通信连接的计算模块520，该计算模块520用于上文所描述的各个方法和处理，例如过程300。此外，该系统500可以包括输出展示模块530，用于向用户展示计算模块520的处理结果。例如，输出展示模块530可以向用户展示被监控对象的温度。当被监控对象的体温高于预定阈值时，输出展示模块530还可以用于发出报警信号。
以此方式，可以实现系统级的无接触测温，且在算力需求不变的前提下显著提升测温的正确率。
在某些实施例中，系统500可以应用于多行人的测温场景。例如，可以将系统500中的图像采集模块510应用于地铁或场馆入口，从而实现实时采集行人的诸如RGB图像和红外图像，计算模块520可以对该RGB图像和红外图像进行如过程300的图像处理进而得到该行人进行体温信息，一旦发现行人的体温高于预定阈值，输出展示模块530可以通过多种告警方式来锁定该行人，该系统可以实时监控经过入口的多个行人的体温信息。以此方式，避免或者减少了安检防疫人员直接与疑似患者的接触，并且测温过程简洁高效，不会人为造成拥堵。
在某些实施例中，系统500可以应用于养殖场或动物园。例如，可以将系统500中的图像采集模块510应用于养殖场或动物园的最佳视角，从而实现实时监控动物的体温信息。此外，计算模块520可以对动物进行种类识别，从而确定经测温的动物的种类，并由此获取该类动物的体温阈值。一旦发现动物的体温高于该阈值，输出展示模块530可以通过多种告警方式来锁定该动物，便于工作人员对其进行治疗或处理。以此方式，避免或者减少了工作人员直接与可能携带病菌的动物的接触。
图6示出了根据本公开的实施例的用于测量温度的装置600的框图。如图6所示，装置600可以包括：目标部位检测模块602，被配置为对输入图像中的对象的目标部位进行检测；关键点信息确定模块604，被配置为基于目标部位的检测结果确定目标部位的关键点和关键点的权重信息，该权重信息指示关键点被遮挡的概率；温度信息获取模块606，被配置为获取关键点的温度信息；以及温度确定模块608，被配置为至少基于关键点的温度信息和权重信息，确定目标部位的温度。
在某些实施例中，关键点信息确定模块604可以包括：检测结果应用模块，被配置为将目标部位的检测结果应用于关键点确定模型，以确定关键点和权重信息，关键点确定模型是基于参考图像中的参考目标部位以及参考目标部位中的参考关键点和参考权重信息来训练得到的。
在某些实施例中，温度信息获取模块606可以包括：温度感测图像获取模块，被配置为获取针对目标部位的温度感测图像；以及温度信息确定模块，被配置为从温度感测图像中确定与关键点的位置对应的温度信息。
在某些实施例中，温度信息获取模块606可以包括：测量温度获取模块，被配置为获取关键点的测量温度；以及实际温度确定模块，被配置为基于测量温度确定关键点的实际温度。
在某些实施例中，装置600还可以包括：目标部位识别模块，被配置为至少基于关键点和权重信息对目标部位进行识别；以及对象确定模块，被配置为基于识别的结果确定对象。
在某些实施例中，目标部位可以是对象的面部、眼睛、指纹中的至少一项。
在某些实施例中，目标部位检测模块可以包括：检测区域确定模块，被配置为通过检测区域生成模型在输入图像中确定目标部位的检测区域。
图7示出了能够实施本公开的多个实施例的计算设备700的框图。设备700可以用于实现图1的计算设备120或者图2中的计算设备220。如图所示，设备700包括中央处理单元(CPU)701，其可以根据存储在只读存储器(ROM)702中的计算机程序指令或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序指令，来执行各种适当的动作和处理。在RAM 703中，还可存储设备700操作所需的各种程序和数据。CPU 701、ROM 702以及RAM703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
设备700中的多个部件连接至I/O接口705，包括：输入单元706，例如键盘、鼠标等；输出单元707，例如各种类型的显示器、扬声器等；存储单元708，例如磁盘、光盘等；以及通信单元709，例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理单元701执行上文所描述的各个方法和处理，例如过程300。例如，在一些实施例中，过程300可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元708。在一些实施例中，计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到RAM 703并由CPU 701执行时，可以执行上文描述的过程300的一个或多个步骤。备选地，在其他实施例中，CPU 701可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行过程300。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)等等。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
此外，虽然采用特定次序描绘了各操作，但是这应当理解为要求这样操作以所示出的特定次序或以顺序次序执行，或者要求所有图示的操作应被执行以取得期望的结果。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实现中。相反地，在单个实现的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实现中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。

Claims (18)

1.一种用于测量温度的方法，包括：
对输入图像中的对象的目标部位进行检测；
基于所述目标部位的检测结果确定所述目标部位的关键点和所述关键点的权重信息，所述权重信息指示所述关键点被具有异常温度的物体遮挡的概率；
获取所述关键点的温度信息；以及
至少基于所述关键点的所述温度信息和所述权重信息，确定所述目标部位的温度，
其中所述目标部位是人脸，并且对所述目标部位进行检测包括：
通过图像下采样方式对所述输入图像进行人脸基础特征提取；
分别预设置固定数目的不同尺寸人脸锚点区域，以进行人脸检测区域回归；以及
确定所述人脸的检测区域。
2.根据权利要求1所述的方法，其中确定所述关键点和所述权重信息包括：
将所述目标部位的检测结果应用于关键点确定模型，以确定所述关键点和所述权重信息，所述关键点确定模型是基于参考图像中的参考目标部位以及所述参考目标部位中的参考关键点和参考权重信息来训练得到的。
3.根据权利要求1所述的方法，其中获取所述关键点的温度信息包括：
获取针对所述目标部位的温度感测图像；以及
从所述温度感测图像中确定与所述关键点的位置对应的温度信息。
4.根据权利要求1所述的方法，其中获取所述关键点的温度信息包括：
获取所述关键点的测量温度；以及
基于所述测量温度确定所述关键点的实际温度。
5.根据权利要求1所述的方法，还包括：
至少基于所述关键点和所述权重信息对所述目标部位进行识别；以及
基于所述识别的结果确定所述对象。
6.根据权利要求1所述的方法，其中所述目标部位是所述对象的面部、眼睛、指纹中的至少一项。
7.根据权利要求1所述的方法，其中对所述目标部位进行检测包括：
通过检测区域生成模型在所述输入图像中确定所述目标部位的检测区域。
8.一种用于测量温度的装置，包括：
目标部位检测模块，被配置为对输入图像中的对象的目标部位进行检测；
关键点信息确定模块，被配置为基于所述目标部位的检测结果确定所述目标部位的关键点和所述关键点的权重信息，所述权重信息指示所述关键点被具有异常温度的物体遮挡的概率；
温度信息获取模块，被配置为获取所述关键点的温度信息；以及
温度确定模块，被配置为至少基于所述关键点的所述温度信息和所述权重信息，确定所述目标部位的温度，
其中所述目标部位是人脸，并且所述目标部位检测模块进一步被配置为：
通过图像下采样方式对所述输入图像进行人脸基础特征提取；
分别预设置固定数目的不同尺寸人脸锚点区域，以进行人脸检测区域回归；以及
确定所述人脸的检测区域。
9.根据权利要求8所述的装置，其中所述关键点信息确定模块包括：
检测结果应用模块，被配置为将所述目标部位的检测结果应用于关键点确定模型，以确定所述关键点和所述权重信息，所述关键点确定模型是基于参考图像中的参考目标部位以及所述参考目标部位中的参考关键点和参考权重信息来训练得到的。
10.根据权利要求8所述的装置，其中所述温度信息获取模块包括：
温度感测图像获取模块，被配置为获取针对所述目标部位的温度感测图像；以及
温度信息确定模块，被配置为从所述温度感测图像中确定与所述关键点的位置对应的温度信息。
11.根据权利要求8所述的装置，其中所述温度信息获取模块包括：
测量温度获取模块，被配置为获取所述关键点的测量温度；以及
实际温度确定模块，被配置为基于所述测量温度确定所述关键点的实际温度。
12.根据权利要求8所述的装置，还包括：
目标部位识别模块，被配置为至少基于所述关键点和所述权重信息对所述目标部位进行识别；以及
对象确定模块，被配置为基于所述识别的结果确定所述对象。
13.根据权利要求8所述的装置，其中所述目标部位是所述对象的面部、眼睛、指纹中的至少一项。
14.根据权利要求8所述的装置，其中所述目标部位检测模块包括：
检测区域确定模块，被配置为通过检测区域生成模型在所述输入图像中确定所述目标部位的检测区域。
15.一种电子设备，所述电子设备包括：
一个或多个处理器；以及
存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一项所述的方法。
16.一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如权利要求1-7任一项所述的方法。
17.一种用于测量温度的系统，包括：
图像采集模块，被配置为提供与对象的目标部位相关联的输入图像；
计算模块，与所述图像采集模块通信连接，所述计算模块被配置为实现如权利要求1-7任一项所述的方法；以及
输出展示模块，被配置为展示所述计算模块的处理结果。
18.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-7中任一项所述的方法。
CN202010415405.7A 2020-05-15 2020-05-15 测量温度的方法、装置、电子设备和计算机可读存储介质 Active CN111595450B (zh)

Priority Applications (6)

Application Number Priority Date Filing Date Title
CN202010415405.7A CN111595450B (zh) 2020-05-15 2020-05-15 测量温度的方法、装置、电子设备和计算机可读存储介质
US17/998,881 US20230213388A1 (en) 2020-05-15 2020-10-14 Method and apparatus for measuring temperature, and computer-readable storage medium
JP2022569508A JP2023525378A (ja) 2020-05-15 2020-10-14 温度を測定するための方法、装置、電子機器及びコンピュータ読み取り可能な記憶媒体
KR1020227041892A KR20220166368A (ko) 2020-05-15 2020-10-14 온도 측정 방법, 장치, 전자 기기 및 컴퓨터 판독 가능 저장 매체
PCT/CN2020/120964 WO2021227350A1 (zh) 2020-05-15 2020-10-14 测量温度的方法、装置、电子设备和计算机可读存储介质
EP20935969.4A EP4151968A4 (en) 2020-05-15 2020-10-14 METHOD AND DEVICE FOR TEMPERATURE MEASUREMENT, ELECTRONIC DEVICE AND COMPUTER READABLE STORAGE MEDIUM

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010415405.7A CN111595450B (zh) 2020-05-15 2020-05-15 测量温度的方法、装置、电子设备和计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN111595450A CN111595450A (zh) 2020-08-28
CN111595450B true CN111595450B (zh) 2022-03-25

Family

ID=72182846

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010415405.7A Active CN111595450B (zh) 2020-05-15 2020-05-15 测量温度的方法、装置、电子设备和计算机可读存储介质

Country Status (6)

Country Link
US (1) US20230213388A1 (zh)
EP (1) EP4151968A4 (zh)
JP (1) JP2023525378A (zh)
KR (1) KR20220166368A (zh)
CN (1) CN111595450B (zh)
WO (1) WO2021227350A1 (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111595450B (zh) * 2020-05-15 2022-03-25 北京百度网讯科技有限公司 测量温度的方法、装置、电子设备和计算机可读存储介质
CN112418513A (zh) * 2020-11-19 2021-02-26 青岛海尔科技有限公司 温度预测方法及装置、存储介质、电子装置
CN114152349B (zh) * 2021-11-30 2023-11-14 深圳Tcl新技术有限公司 温度测量方法、装置、存储介质及电子设备
CN114022907B (zh) * 2021-12-27 2022-07-19 东北农业大学 一种基于深度学习的猪只体表测温装置及方法
CN114550269A (zh) * 2022-03-02 2022-05-27 北京百度网讯科技有限公司 口罩佩戴检测方法、设备和介质
CN114971933B (zh) * 2022-05-25 2024-01-16 连云港银丰食用菌科技有限公司 一种食用菌的保存方法和系统

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080142713A1 (en) * 1992-05-05 2008-06-19 Automotive Technologies International, Inc. Vehicular Occupant Sensing Using Infrared
US5333784A (en) * 1993-03-02 1994-08-02 Exergen Corporation Radiation detector with thermocouple calibration and remote temperature reference
CN100587422C (zh) * 2006-09-27 2010-02-03 费安路 大流量人群体温检测方法及其装置
CN102147835A (zh) * 2010-11-26 2011-08-10 中华人民共和国深圳出入境检验检疫局 用于口岸车道的司机体温自动测量系统及实现方法
CN105095905B (zh) * 2014-04-18 2018-06-22 株式会社理光 目标识别方法和目标识别装置
JP6356925B2 (ja) * 2015-10-27 2018-07-11 富士フイルム株式会社 撮像システム、並びにオブジェクト検出装置及びその作動方法
CN107403141B (zh) * 2017-07-05 2020-01-10 中国科学院自动化研究所 人脸检测方法及装置、计算机可读存储介质、设备
CN107361748B (zh) * 2017-07-20 2023-11-28 歌尔股份有限公司 一种体温测试方法和装置
CN109960974A (zh) * 2017-12-22 2019-07-02 北京市商汤科技开发有限公司 人脸关键点检测方法、装置、电子设备及存储介质
JP6981277B2 (ja) * 2018-01-26 2021-12-15 富士フイルムビジネスイノベーション株式会社 検出装置、及び検出プログラム
CN108344525B (zh) * 2018-02-09 2020-06-23 英华达（上海）科技有限公司 自适应体温监控方法及系统
CN208420179U (zh) * 2018-05-29 2019-01-22 浙江双视红外科技股份有限公司 一种闸机单元及闸机系统
JP7061551B2 (ja) * 2018-10-17 2022-04-28 鹿島建設株式会社 状態判定システム
CN110595622A (zh) * 2019-08-01 2019-12-20 广东美的白色家电技术创新中心有限公司 一种红外测温方法及加热设备
CN110987189B (zh) * 2019-11-21 2021-11-02 北京都是科技有限公司 对目标对象进行温度检测的方法、系统以及装置
CN111595450B (zh) * 2020-05-15 2022-03-25 北京百度网讯科技有限公司 测量温度的方法、装置、电子设备和计算机可读存储介质
CN111666826A (zh) * 2020-05-15 2020-09-15 北京百度网讯科技有限公司 处理图像的方法、装置、电子设备和计算机可读存储介质

Also Published As

Publication number Publication date
US20230213388A1 (en) 2023-07-06
CN111595450A (zh) 2020-08-28
EP4151968A4 (en) 2024-03-27
WO2021227350A1 (zh) 2021-11-18
JP2023525378A (ja) 2023-06-15
EP4151968A1 (en) 2023-03-22
KR20220166368A (ko) 2022-12-16

Similar Documents

Publication Publication Date Title
CN111595450B (zh) 测量温度的方法、装置、电子设备和计算机可读存储介质
KR102021999B1 (ko) 인체 감시 발열 경보 장치
CN111666826A (zh) 处理图像的方法、装置、电子设备和计算机可读存储介质
US20220044028A1 (en) Information processing apparatus, control method, and program
CN111898580B (zh) 针对戴口罩人群的体温和呼吸数据采集系统、方法及设备
CN112432709B (zh) 人体测温的方法和系统
CN111553266A (zh) 识别验证方法、装置及电子设备
CN109766755A (zh) 人脸识别方法及相关产品
CN111627046A (zh) 目标部位跟踪方法、装置、电子设备和可读存储介质
CN112001953A (zh) 温度检测的方法、装置、设备和计算机设备
KR20210155655A (ko) 이상 온도를 나타내는 객체를 식별하는 방법 및 장치
CN111387953A (zh) 一种智能体温检测系统及方法
CN113569671A (zh) 异常行为报警方法、装置
WO2018143889A1 (en) Systems and methods for determining likelihood of states in cattle animal
CN113314230A (zh) 基于大数据的智能防疫方法、装置、设备及存储介质
Suryadi et al. On the comparison of social distancing violation detectors with graphical processing unit support
US20230267788A1 (en) Face authentication method
CN112312076A (zh) 智能型移动检测装置
CN113916899A (zh) 基于视觉识别的大输液软袋产品的检测方法、系统及装置
JP2023031766A (ja) セルフレジ監視システム及びセルフレジ監視方法
CN111854963A (zh) 温度检测的方法、装置、设备和计算机设备
Mabboux et al. Contactless temperature measuring with low-cost embedded device using deep learning
KR20100071222A (ko) 감시 카메라 시스템에서 카메라 영상의 사람 객체 움직임 양에 따른 가변 프레임 동영상 저장 방법과 감시 영상 인증방법
CN111915616A (zh) 一种基于弱监督图像分割进行红外测温的方法及装置
KR100973567B1 (ko) 감시 카메라 시스템에서 카메라 영상의 사람 객체 움직임양에 따른 가변 프레임 동영상 저장 방법

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