CN111680567A - 活体检测方法、装置、计算机设备和存储介质 - Google Patents
活体检测方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN111680567A CN111680567A CN202010398407.XA CN202010398407A CN111680567A CN 111680567 A CN111680567 A CN 111680567A CN 202010398407 A CN202010398407 A CN 202010398407A CN 111680567 A CN111680567 A CN 111680567A
- Authority
- CN
- China
- Prior art keywords
- thermal image
- temperature value
- living
- pixel points
- determining
- 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
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
-
- 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
- G06V40/40—Spoof detection, e.g. liveness detection
- G06V40/45—Detection of the body part being alive
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明实施例公开了一种活体检测方法、装置、计算机设备和存储介质,其中,所述方法包括:获取待检测的热力图像,所述热力图像中的像素点的像素值为温度值;根据所述热力图像,确定所述热力图像中的异常像素点的个数,所述异常像素点为所述热力图像中温度值大于所述热力图像对应的异常温度值的像素点;若所述热力图像中的异常像素点的个数大于预设的无活体阈值,则确定所述热力图像中存在活体;若所述热力图像中的异常像素点的个数小于或等于所述无活体阈值,则确定所述热力图像中不存在活体。上述方式,能够实现场景中有无活体的判断。
Description
技术领域
本发明涉及活体检测技术领域,尤其涉及一种活体检测方法、装置、计算机设备和存储介质。
背景技术
受限于隐私保护、个人安全等因素,传统的RGB摄像头无法大规模的应用在具有私密性的家居场景,而红外热成像摄像头具有温度敏感、低分辨率等特点,可考虑将其用于家居场景,以推进家居场景的智能化。
养老院、医院是常见的老弱病幼的聚集场所,这些场所需要对老年人或者病人等的行踪进行掌控,以更好的照顾到老年人或者病人。因此,很有必要对这些场所中的某些区域进行有无人检测,从而在确定有人存在的情况下判断这个人是否在此处进行了长时逗留,避免危险情况的发生。
发明内容
基于此,有必要针对上述问题,提出一种活体检测方法、装置、计算机设备和存储介质,以对区域中是否存在活体进行确认。
第一方面,提供了一种活体检测方法,所述方法包括:
获取待检测的热力图像,所述热力图像中的像素点的像素值为温度值;
根据所述热力图像,确定所述热力图像中的异常像素点的个数,所述异常像素点为所述热力图像中温度值大于所述热力图像对应的异常温度值的像素点;
若所述热力图像中的异常像素点的个数大于预设的无活体阈值,则确定所述热力图像中存在活体;
若所述热力图像中的异常像素点的个数小于或等于所述无活体阈值,则确定所述热力图像中不存在活体。
第二方面,提供了一种活体检测装置,包括:
图像获取模块,用于获取待检测的热力图像,所述热力图像中的像素点的像素值为温度值;
异常个数模块,用于根据所述热力图像,确定所述热力图像中的异常像素点的个数,所述异常像素点为所述热力图像中温度值大于所述热力图像对应的异常温度值的像素点;
确定活体模块,用于若所述热力图像中的异常像素点的个数大于预设的无活体阈值,则确定所述热力图像中存在活体;
无活体模块,用于若所述热力图像中的异常像素点的个数小于或等于所述无活体阈值,则确定所述热力图像中不存在活体。
第三方面,提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行以下步骤:
获取待检测的热力图像,所述热力图像中的像素点的像素值为温度值;
根据所述热力图像,确定所述热力图像中的异常像素点的个数,所述异常像素点为所述热力图像中温度值大于所述热力图像对应的异常温度值的像素点;
若所述热力图像中的异常像素点的个数大于预设的无活体阈值,则确定所述热力图像中存在活体;
若所述热力图像中的异常像素点的个数小于或等于所述无活体阈值,则确定所述热力图像中不存在活体。
第四方面,提供了一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行以下步骤:
获取待检测的热力图像,所述热力图像中的像素点的像素值为温度值;
根据所述热力图像,确定所述热力图像中的异常像素点的个数,所述异常像素点为所述热力图像中温度值大于所述热力图像对应的异常温度值的像素点;
若所述热力图像中的异常像素点的个数大于预设的无活体阈值,则确定所述热力图像中存在活体;
若所述热力图像中的异常像素点的个数小于或等于所述无活体阈值,则确定所述热力图像中不存在活体。
实施本发明实施例,将具有如下有益效果:
本发明提出了一种活体检测方法、装置、计算机设备和存储介质,首先获取待检测的热力图像,所述热力图像中的像素点的像素值为温度值;然后根据所述热力图像,确定所述热力图像中的异常像素点的个数,所述异常像素点为所述热力图像中温度值大于所述热力图像对应的异常温度值的像素点;最后若所述热力图像中的异常像素点的个数大于预设的无活体阈值,则确定所述热力图像中存在活体;若所述热力图像中的异常像素点的个数小于或等于所述无活体阈值,则确定所述热力图像中不存在活体。由于在无人的时候,场景中的各个像素点的温度值会相对较低,而在有人的时候,人所在的区域的温度值会相对较高,因此,对待检测的热力图像中的异常像素点的个数进行统计,其中,异常像素点是温度值大于异常温度值的像素点,当异常像素点的个数大于预设的无活体阈值,认为异常像素点的个数比较多,有人存在的可能性极大,此时,确定待检测的热力图像中存在活体,而在异常像素点的个数小于或等于无活体阈值时,认为异常像素点的个数比较少,有人存在的可能性极小,此时,确定待检测的热力图像中不存在活体,由此实现了对场景中有无活体的判断。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例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,下面描述中的附图仅仅是本发明的一些实施例,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。
其中:
图1为一个实施例中活体检测方法的实现流程示意图;
图2为一个实施例中热力图像的温度值的示意图;
图3为一个实施例中活体检测方法的实现流程示意图;
图4为一个实施例中活体检测方法的实现流程示意图;
图5为一个实施例中步骤122的实现流程示意图;
图6为一个实施例中活体检测方法的实现流程示意图;
图7为一个实施例中步骤128的实现流程示意图;
图8为一个实施例中步骤106的实现流程示意图;
图9为一个实施例中活体检测装置的结构框图;
图10为一个实施例中计算机设备的结构框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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作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。
在一个实施例中,提供了一种活体检测方法,本发明实施例所述的活体检测方法的执行主体为能够实现本发明实施例所述的活体检测方法的设备,该设备可以包括但不限于终端和服务器。其中,终端包括台式终端和移动终端,台式终端包括但不限于台式电脑和车载电脑;移动终端包括但不限于手机、平板、笔记本电脑和智能手表。服务器包括高性能计算机和高性能计算机集群。
如图1所示,本发明实施例所述的活体检测方法,具体包括:
步骤102,获取待检测的热力图像,所述热力图像中的像素点的像素值为温度值。
其中,热力图像,为反映场景中温度情况的图像,具体的,热力图像中的像素点的像素值为温度值。如图2所示,每个小方格中的数字代表位于该坐标位置处的像素点的温度值,从图2可以看出,温度值越高,颜色越浅,温度值越低,颜色越深。通常情况下,当场景中不存在人或者其他活体(动物)的时候,各个小方格中的温度值会比较低,图像整体呈现深色;如图2所示,当场景中存在人或者其他活体的时候,热力图像中某些图像区域的温度值会比较高,这些图像区域的颜色将偏向浅色,甚至是白色。其中,坐标位置,为像素点在热力图像中的位置,坐标位置可以用(x,y)表示,其中,x表示横坐标的值,y表示纵坐标的值。
步骤104,根据所述热力图像,确定所述热力图像中的异常像素点的个数,所述异常像素点为所述热力图像中温度值大于所述热力图像对应的异常温度值的像素点。
其中,异常像素点,为极大可能为活体对应的像素点。由于活体对应的像素点与背景对应的像素点的温度值存在一定的差异,活体对应的像素点的温度值相对于背景对应的像素点的温度值更高,因此,基于该差异,可以实现活体像素点与背景像素点的区分,并且,基于该差异,将待检测的热力图像中温度值大于异常温度值的像素点确定为异常像素点。
其中,热力图像对应的异常温度值,为热力图像中较大的温度值,由于活体对应的像素点的温度值相对于背景对应的像素点的温度值更高,因此,热力图像中较大的温度值极有可能是活体对应的温度值。具体的,热力图像对应的异常温度值,可以根据该热力图像中一些比较大的温度值来确定,由于热力图像对应的异常温度值是根据该热力图像中一些比较大的温度值来确定的,因此,热力图像不同,最终得到的该热力图像对应的异常温度值也将不同。
示例性的,按从左到右、从上到下的顺序,将待检测的热力图像中各个像素点的温度值与热力图像对应的异常温度值作对比;初始化m=0,若像素点的温度值大于热力图像对应的异常温度值,则计数m=m+1,若像素点的温度值小于或等于热力图像对应的异常温度值,则计数m=m+0,由此最终得到的m即为异常像素点的个数。
确定热力图像中的异常像素点的个数的目的在于:当热力图像中存在活体的时候,该热力图像中必然存在某个图像区域是活体所在的图像区域;而当热力图像中不存在活体的时候,可能会出现某些像素点的温度值比较大,例如,噪声像素点,但是,热力图像中噪声像素点的数量通常情况下是少于活体所在的图像区域的像素点的个数的,因此,可以对热力图像中的异常像素点的个数进行统计,以便根据统计结果确定热力图像中到底是有整片的活体区域还是只是存在某些独立的噪声像素点。
步骤106,若所述热力图像中的异常像素点的个数大于预设的无活体阈值,则确定所述热力图像中存在活体。
其中,无活体阈值,为无活体存在时热力图像中的异常像素点的最大个数,无活体阈值可以根据多张无活体存在的热力图像确定。
当热力图像中的异常像素点的个数大于预设的无活体阈值时,认为热力图像中极可能存在整片的活体区域,即有活体进入到了热力图像对应的场景中,此时,确定所述热力图像中存在活体。
步骤108,若所述热力图像中的异常像素点的个数小于或等于所述无活体阈值,则确定所述热力图像中不存在活体。
当热力图像中的异常像素点的个数小于或等于无活体阈值时,认为热力图像中不存在整片的活体区域,只是存在一些独立的噪声像素点,或者,有活体经过了热力图像对应的场景,造成了该热力图像中的部分像素点的温度值的波动,此时,确定热力图像中不存在活体。
上述活体检测方法,首先获取待检测的热力图像,所述热力图像中的像素点的像素值为温度值;然后根据所述热力图像,确定所述热力图像中的异常像素点的个数,所述异常像素点为所述热力图像中温度值大于所述热力图像对应的异常温度值的像素点;最后若所述热力图像中的异常像素点的个数大于预设的无活体阈值,则确定所述热力图像中存在活体;若所述热力图像中的异常像素点的个数小于或等于所述无活体阈值,则确定所述热力图像中不存在活体。由于在无人的时候,场景中的各个像素点的温度值会相对较低,而在有人的时候,人所在的区域的温度值会相对较高,因此,对待检测的热力图像中的异常像素点的个数进行统计,其中,异常像素点是温度值大于异常温度值的像素点,当异常像素点的个数大于预设的无活体阈值,认为异常像素点的个数比较多,有人存在的可能性极大,此时,确定待检测的热力图像中存在活体,而在异常像素点的个数小于或等于无活体阈值时,认为异常像素点的个数比较少,有人存在的可能性极小,此时,确定待检测的热力图像中不存在活体,由此实现了对场景中有无活体的判断。
在一个实施例中,为了去除噪声像素点对异常像素点的个数的影响,提高最终确定的异常像素点的个数的精度,使用替换温度值替换噪声像素点的温度值。具体的,如图3所示,在步骤104所述根据所述热力图像,确定所述热力图像中的异常像素点的个数之前,还包括:
步骤110,将所述热力图像中各个像素点的温度值与预设的温度值进行比较,得到所述热力图像中每个像素点对应的比较结果。
其中,预设的温度值,为预先设置的温度值。由于图像传感器自身的原因,拍摄得到的热力图像可能存在噪声像素点,在热力图像中,噪声像素点对应的温度值会大于背景像素点(背景对应的像素点)和活体像素点(活体对应的像素点)的温度值,该预设的温度值就是用于对热力图像中的各个温度值进行大小的判断,以根据该大小判断的结果确定哪些像素点是噪声像素点。
示例性的,提供一种确定预设的温度值的方法,包括:获取活体温度阈值;根据所述活体温度阈值确定所述预设的温度值。
其中,活体温度阈值,为图像传感器(例如,红外热成像摄像头)拍摄得到的活体的最大温度值。
例如,活体温度阈值为T,则确定预设的温度值为T+d,其中,d为常数,例如,d为0,即直接将活体温度阈值T作为预设的温度值。
为了得到预设的温度值,需要预先确定活体温度阈值,提供两种确定活体温度阈值的方法。示例性的,活体温度阈值根据一帧包含有活体的热力图像确定,例如,对于某一热力图像,该热力图像中活体所在的图像区域的最大温度值为T,则根据该热力图像确定的活体温度阈值可以为T;示例性的,活体温度阈值根据多帧包含有活体的热力图像确定,例如,预设n大于i,对于n帧热力图像中的第i帧热力图像,第i帧热力图像中活体所在的图像区域的最大温度值为Ti,则根据该多帧热力图像确定的活体温度阈值为:(T1+T2+…Ti+…Tn)/n。
步骤112,若比较结果为像素点的温度值大于所述预设的温度值,则确定所述像素点为噪声像素点。
其中,噪声像素点,为噪声对应的像素点。正常情况下,活体像素点的温度值要大于背景像素点的温度值,也就是说,在不考虑有噪点的时候,在热力图像中,各个活体像素点的温度值是整个热力图像中较大的温度值,而预设的温度值是根据活体温度阈值确定的,并且,活体温度阈值是根据活体所在的图像区域的最大温度值得到的,也就是说,最终得到的预设的温度值将是不包含噪声的热力图像中的最大温度值。由于预设的温度值是不包含噪声的热力图像中的最大温度值,因此,当比较结果为像素点的温度值大于该预设的温度值时,说明该像素点的温度值已经超过了活体对应的最大温度值,此时,确定该像素点为噪声像素点。
步骤114,在所述热力图像中,使用替换温度值替换所述噪声像素点的温度值。
其中,替换温度值,为对噪声像素点的温度值进行更新后的温度值。
示例性的,替换温度值为预先设置好的温度值,即对不同的包含噪声像素点的热力图像,均使用该替换温度值替换这些热力图像中的噪声像素点的温度值。
示例性的,替换温度值根据待检测的热力图像确定,待检测的热力图像不同,替换温度值也将不同。具体的:将待检测的热力图像中各个像素点的温度值按从小到大的顺序排列,得到温度值集合,所述温度值集合中的每个温度值都对应一个温度值序号,所述温度值序号与所述温度值序号对应的温度值呈正相关;根据预设分位点和所述待检测的热力图像对应的像素个数确定目标温度值序号;根据所述目标温度值序号在所述温度值集合中确定目标温度值;将所述目标温度值作为所述待检测的热力图像对应的替换温度值。其中,预置分位点,为预先设置的分位点,例如,预置分位点为50。
在一个实施例中,提供一种简单且快速的确定异常温度值的方法,该方法中用到了分位点。如图4所示,在步骤104所述根据所述热力图像,确定所述热力图像中的异常像素点的个数之前,还包括:
步骤116,将所述热力图像中各个像素点的温度值按从小到大的顺序排列,得到温度值集合,所述温度值集合中的每个温度值都对应一个温度值序号,所述温度值序号与所述温度值序号对应的温度值呈正相关。
其中,温度值集合,为包含多个温度值的集合。例如,温度值集合为{(21,1),(22,2),(23,3)…(30,10)},其中,21到30为温度值,1到10为温度值序号。一个温度值对应一个温度值序号,温度值越大,该温度值对应的温度值序号也越大;相反,温度值越小,该温度值对应的温度值序号也越小。
步骤118,根据预设的第一分位点和所述热力图像对应的像素个数确定第一温度值序号。
其中,预设的第一分位点,为预先设置的分位点,其中,分位点为0到100之间的一个数。其中,热力图像对应的像素个数,为热力图像中总的像素个数,例如,热力图像的图像尺寸为M×N,则确定该热力图像对应的像素个数为:M×N。其中,第一温度值序号,为用于确定异常温度值的第一温度值对应的温度值序号。
将预设的第一分位点除以100,得到小数分位点(即将预设的第一分位点转换为0到1之间的小数);将所述小数分位点与热力图像对应的像素个数相乘,得到初步温度值序号;根据初步温度值序号确定第一温度值序号。例如,预设的第一分位点为75,则小数分位点为0.75;热力图像对应的像素个数为728,则初步温度值序号为:546;将初步温度值序号546作为第一温度值序号,即第一温度值序号为546。再如,预设的第一分位点为76,则小数分位点为0.76;热力图像对应的像素个数为728,则初步温度值序号为:553.28;将与初步温度值序号553.28相邻的两个温度值序号(553和554)作为第一温度值序号,即第一温度值序号为553和554。
步骤120,根据所述第一温度值序号在所述温度值集合中确定第一温度值。
在温度值集合中找到温度值序号为第一温度值序号的温度值,根据第一温度值序号对应的温度值即可得到第一温度值。
若第一温度值序号只有一个值,则直接将温度值集合中该第一温度值序号对应的温度值作为第一温度值。
若第一温度值序号包含两个值,则将温度值集合中第一温度值序号对应的两个温度值的平均值作为第一温度值。例如,若第一温度值序号为553和554,则获取温度值序号553和554对应的温度值,例如,温度值序号553和554对应的温度值分别为32和34,则第一温度值为:(32+34)/2=33。
进一步的,为了提高得到的第一温度值的精度,需要根据初步温度值序号确定两个温度值各自的权重,然后在确定权重之后计算得到第一温度值。具体的,若第一温度值序号包含两个值,则在所述温度值集合中获取到两个第一温度值序号对应的温度值;根据两个第一温度值序号对应的温度值和初步温度值序号确定第一温度值。例如,若第一温度值序号为553和554,则获取温度值序号553和554对应的温度值,例如,温度值序号553和554对应的温度值分别为32和34,初步温度值序号为553.28,则两个温度值各自的权重为(1-0.28)和0.8,第一温度值为:32×(1-0.28)+34×0.28=32.56。
步骤122,根据所述第一温度值确定所述热力图像对应的异常温度值。
异常温度值=第一温度值+k,其中,k为常数,k可以根据经验、统计或者机器学习等方法得到。示例性的,将k的值设置为0,即直接将第一温度值作为异常温度值。
在一个实施例中,为了进一步的保证最终确定的异常温度值的精度,需要继续加大第一温度值。具体的,如图5所示,步骤122所述根据所述第一温度值确定所述热力图像对应的异常温度值,包括:
步骤122A,根据预设的第二分位点和所述热力图像对应的像素个数确定第二温度值序号,所述第一分位点大于所述第二分位点。
例如,预设的第一分位点75,预设的第二分位点25。设置第一分位点大于第二分位点的目的在于:根据第二分位点确定第二温度值;根据第二温度值对根据第一温度值确定的异常温度值进行调整,由于异常温度值越高,该异常温度值为活体对应的温度值的可能性越大,因此,在根据第一温度值确定的异常温度值的基础上结合第二温度值将该异常温度值继续调大,从而提高最终确定的异常温度值的准确度。
步骤122B,根据所述第二温度值序号在所述温度值集合中确定第二温度值。
根据第二温度值序号确定第二温度值的方法和步骤120相同,在此不再详述。
步骤122C,计算所述第一温度值和所述第二温度值的温度差值。
例如,第一温度值为P75,第二温度值为P25,则第一温度值为P75和第二温度值为P25的温度差值r为:r=P75-P25。
步骤122D,根据所述第一温度值,与,所述第一温度值和所述第二温度值的温度差值,得到所述热力图像对应的异常温度值。
获取差值系数;根据第一温度值、差值比例,以及,第一温度值和第二温度值的温度差值,得到热力图像对应的异常温度值。其中,差值系数,用于衡量温度差值对异常温度值的影响的大小,差值系数越大,最终确定的异常温度值受温度差值的影响越大;差值系数越小,最终确定的异常温度值受温度差值的影响越小。例如,差值系数为1.5,则异常温度值f为:f=P75+1.5×(P75-P25)。
在一个实施例中,提供了一种确定无活体阈值的方法,该方法根据多帧无活体热力图像确定无活体阈值,能够提高最终确定的无活体阈值的准确度。如图6所示,在步骤102所述获取待检测的热力图像之前,还包括:
步骤124,获取无活体热力图像集,所述无活体热力图像集中包括多帧无活体热力图像,所述无活体热力图像中不存在活体。
为了提高最终确定的无活体阈值的准确度,需要获取到不存在活体的无活体热力图像,更进一步的,根据多帧无活体热力图像确定的无活体阈值相较于根据单帧无活体热力图像确定的无活体阈值将具有更高的准确度。
步骤126,对所述无活体热力图像集中的每帧无活体热力图像,确定所述无活体热力图像中的异常像素点的个数。
单一的无活体热力图像的异常像素点的个数可能会造成无活体阈值的计算结果不准确,因此,对无活体热力图像集中的每帧无活体热力图像,均需要确定异常像素点的个数,然后根据多帧无活体热力图像对应的异常像素点的个数来确定无活体阈值。无活体热力图像中的异常像素点的个数可以参照前述的方法确定,在此不再详述。
步骤128,根据所述无活体热力图像集中的每帧所述无活体热力图像对应的异常像素点的个数,得到所述无活体阈值。
计算无活体热力图像集中的各帧所述无活体热力图像对应的异常像素点的个数的平均值,将所述平均值作为无活体阈值。例如,无活体热力图像集中有3帧无活体热力图像,3帧无活体热力图像对应的异常像素点的个数分别为:A1,A2和A3,于是,无活体阈值为:A1,A2和A3。
在一个实施例中,若某帧无活体热力图像对应的异常像素点的个数相较于其他无活体热力图像对应的异常像素点的个数低很多,那么,最终计算得到的无活体阈值也会比较低,精度不高,此时,为了提高根据多帧无活体热力图像确定的无活体阈值的精度,需要将各帧无活体热力图像对应的异常像素点的个数进行排序,然后通过分位点的方式将不具有明显差异的多个异常像素点的个数提取出来确定无活体阈值,从而提高最终确定的无活体阈值的精度。具体的,如图7所示,步骤128所述根据所述无活体热力图像集中的每帧所述无活体热力图像对应的异常像素点的个数,得到所述无活体阈值,包括:
步骤128A,将所述无活体热力图像集中的每帧所述无活体热力图像对应的异常像素点的个数,按从小到大的顺序排列,得到个数集合,所述个数集合中的每个异常像素点的个数都对应一个个数序号,所述个数序号与所述个数序号对应的异常像素点的个数呈正相关。
其中,个数集合,包括多个异常像素点的个数。例如,个数集合为{(21,1),(22,2),(23,3)…(30,10)},其中,21到30为某帧无活体热力图像对应的异常像素点的个数,1到10为个数序号。一个异常像素点的个数对应一个个数序号,异常像素点的个数的值越大,该异常像素点的个数对应的个数序号也越大;相反,异常像素点的个数的值越小,该异常像素点的个数对应的个数序号也越小。
步骤128B,根据预设的第三分位点和所述无活体热力图像集中的无活体热力图像的帧数确定第一个数序号。
例如,无活体热力图像集中有3帧无活体热力图像,则无活体热力图像的帧数为3。
步骤128C,根据预设的第四分位点和所述无活体热力图像集中的无活体热力图像的帧数确定第二个数序号。
步骤128D,根据所述第一个数序号在所述个数集合中确定所述第一个数序号对应的异常像素点的个数。
步骤128E,根据所述第二个数序号在所述个数集合中确定所述第二个数序号对应的异常像素点的个数。
步骤128F,计算所述第一个数序号对应的异常像素点的个数与所述第二个数序号对应的异常像素点的个数的差值。
步骤128G,根据所述第一个数序号对应的异常像素点的个数,和,所述第一个数序号对应的异常像素点的个数与所述第二个数序号对应的异常像素点的个数的差值,得到所述无活体阈值。
步骤128A到步骤128G的实现方式和步骤116到步骤122(包括步骤122A到步骤122D)相同,在此不再详述。
例如,无活体热力图像集中的无活体热力图像的帧数为1000,第三分位点为75,第四分位点为25,则第一个数序号为750,第二个数序号为250,在个数集合中,找到第一个数序号750对应的异常像素点的个数的值为34,找到第二个数序号250对应的异常像素点的个数的值为32,计算34与32的差值,得到2,则无活体阈值=34+1.5×2=37,其中,1.5为预先设置的值。
在一个实施例中,由于环境噪声、图像传感器噪声造成的干扰让一些无人存在的热力图像被判断成有人,因此,需要结合与待检测的热力图像相邻的热力图像的检测结果来确定待检测的热力图像中是否真的存在活体,从而提高检测精度。如图8所示,步骤106所述若所述热力图像中的异常像素点的个数大于预设的无活体阈值,则确定所述热力图像中存在活体,包括:
步骤106A,若所述热力图像中的异常像素点的个数大于预设的无活体阈值,则获取邻帧热力图像集,所述邻帧热力图像集中包括多帧热力图像,所述邻帧热力图像集中的每帧热力图像的帧序小于所述待检测的热力图像的帧序。
例如,待检测的热力图像的帧序为78,则邻帧热力图像集中的各个热力图像的帧序都小于78,例如,帧序为71到77。
步骤106B,获取所述邻帧热力图像集中的每帧热力图像的活体检测结果,计算活体检测结果为存在活体占所述邻帧热力图像集中的所有活体检测结果的比例。
例如,帧序71到77的热力图像的活体检测结果为:不存在活体、存在活体、存在活体、存在活体、存在活体、存在活体以及存在活体,则存在活体占所有活体检测结果的比例为6/7=0.857。
步骤106C,若所述比例超过预设比例,则确定所述待检测的热力图像中存在活体。
其中,预设比例,为预先设置的比例。当计算得到的比例超过预设比例,则与待检测的热力图像相邻的多帧热力图像多为存在活体的图像,于是,待检测的热力图像中存在活体的概率比较大,因此,确定待检测的热力图像中存在活体。
步骤106D,若所述比例小于或等于所述预设比例,则确定所述待检测的热力图像中不存在活体。
当计算得到的比例小于或等于预设比例,则与待检测的热力图像相邻的多帧热力图像只有少数存在活体,于是,待检测的热力图像中存在活体的概率比较小,因此,确定待检测的热力图像中不存在活体。
在一个实施例中,超时滞留可能存在一定的危险,例如,养老院卫生间,当有老人长时间滞留在卫生间,可能是老人出现了一定的异常状况,例如,起身困难,因此,很有必要对超时滞留现象进行检测,保证人身安全。在步骤106所述确定所述热力图像中存在活体之后,还包括:统计连续存在活体的热力图像的帧数;若连续存在活体的热力图像的帧数大于设定帧数,则确定存在超时滞留现象,所述超时滞留现象为长时停留在热力图像对应的区域的现象。
若待检测的热力图像的判断结果为存在活体,则认为有活体(人物)进入到了热力图像对应的区域,即图像传感器拍摄的区域,此时,为了保证人身安全,需要对超时滞留现象进行检测,当存在超时滞留现象的时候,生成提示信息,将提示信息发送至管理员终端,以便管理员了解到相关情况并采取相应的措施。具体的,在确认有活体(人物)进入到了热力图像对应的区域之后,为了确定是否存在超时滞留现象,需要对连续存在活体的热力图像的帧数进行统计,若统计得到的连续存在活体的热力图像的帧数大于设定帧数,则认为出现了超时滞留现象;若统计得到的连续存在活体的热力图像的帧数小于设定帧数,则认为没有出现超时滞留现象,进入到热力图像对应的区域的活体在一定时间后便离开了该区域。例如,图像传感器1秒钟可以拍摄16帧图像,若活体在区域中滞留10分钟算超时滞留,于是,将设定帧数设置为:9600,当连续存在活体的热力图像的帧数大于9600时,认为出现了超时滞留现象。
如图9所示,提供了一种活体检测装置900,具体包括:图像获取模块902,用于获取待检测的热力图像,所述热力图像中的像素点的像素值为温度值;异常个数模块904,用于根据所述热力图像,确定所述热力图像中的异常像素点的个数,所述异常像素点为所述热力图像中温度值大于所述热力图像对应的异常温度值的像素点;确定活体模块906,用于若所述热力图像中的异常像素点的个数大于预设的无活体阈值,则确定所述热力图像中存在活体;无活体模块908,用于若所述热力图像中的异常像素点的个数小于或等于所述无活体阈值,则确定所述热力图像中不存在活体。
在一个实施例中,所述装置900,还包括:替换模块,用于将所述热力图像中各个像素点的温度值与预设的温度值进行比较,得到所述热力图像中每个像素点对应的比较结果;若比较结果为像素点的温度值大于所述预设的温度值,则确定所述像素点为噪声像素点;在所述热力图像中,使用替换温度值替换所述噪声像素点的温度值。
在一个实施例中,所述装置900,还包括:异常温度值模块,用于将所述热力图像中各个像素点的温度值按从小到大的顺序排列,得到温度值集合,所述温度值集合中的每个温度值都对应一个温度值序号,所述温度值序号与所述温度值序号对应的温度值呈正相关;根据预设的第一分位点和所述热力图像对应的像素个数确定第一温度值序号;根据所述第一温度值序号在所述温度值集合中确定第一温度值;根据所述第一温度值确定所述热力图像对应的异常温度值。
在一个实施例中,所述异常温度值模块,具体用于:根据预设的第二分位点和所述热力图像对应的像素个数确定第二温度值序号,所述第一分位点大于所述第二分位点;根据所述第二温度值序号在所述温度值集合中确定第二温度值;计算所述第一温度值和所述第二温度值的温度差值;根据所述第一温度值,与,所述第一温度值和所述第二温度值的温度差值,得到所述热力图像对应的异常温度值。
在一个实施例中,所述装置900,阈值确定模块,用于获取无活体热力图像集,所述无活体热力图像集中包括多帧无活体热力图像,所述无活体热力图像中不存在活体;对所述无活体热力图像集中的每帧无活体热力图像,确定所述无活体热力图像中的异常像素点的个数;根据所述无活体热力图像集中的每帧所述无活体热力图像对应的异常像素点的个数,得到所述无活体阈值。
在一个实施例中,所述阈值确定模块,具体用于:将所述无活体热力图像集中的每帧所述无活体热力图像对应的异常像素点的个数,按从小到大的顺序排列,得到个数集合,所述个数集合中的每个异常像素点的个数都对应一个个数序号,所述个数序号与所述个数序号对应的异常像素点的个数呈正相关;根据预设的第三分位点和所述无活体热力图像集中的无活体热力图像的帧数确定第一个数序号;根据预设的第四分位点和所述无活体热力图像集中的无活体热力图像的帧数确定第二个数序号;根据所述第一个数序号在所述个数集合中确定所述第一个数序号对应的异常像素点的个数;根据所述第二个数序号在所述个数集合中确定所述第二个数序号对应的异常像素点的个数;计算所述第一个数序号对应的异常像素点的个数与所述第二个数序号对应的异常像素点的个数的差值;根据所述第一个数序号对应的异常像素点的个数,和,所述第一个数序号对应的异常像素点的个数与所述第二个数序号对应的异常像素点的个数的差值,得到所述无活体阈值。
在一个实施例中,所述确定活体模块906,具体用于:若所述热力图像中的异常像素点的个数大于预设的无活体阈值,则获取邻帧热力图像集,所述邻帧热力图像集中包括多帧热力图像,所述邻帧热力图像集中的每帧热力图像的帧序小于所述待检测的热力图像的帧序;获取所述邻帧热力图像集中的每帧热力图像的活体检测结果,计算活体检测结果为存在活体占所述邻帧热力图像集中的所有活体检测结果的比例;若所述比例超过预设比例,则确定所述待检测的热力图像中存在活体;若所述比例小于或等于所述预设比例,则确定所述待检测的热力图像中不存在活体。
在一个实施例中,所述装置900,还包括:超时滞留模块,用于统计连续存在活体的热力图像的帧数;若连续存在活体的热力图像的帧数大于设定帧数,则确定存在超时滞留现象,所述超时滞留现象为长时停留在热力图像对应的区域的现象。
图10示出了一个实施例中计算机设备的内部结构图。该计算机设备具体可以是终端或服务器。如图10所示,该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统,还可存储有计算机程序,该计算机程序被处理器执行时,可使得处理器实现活体检测方法。该内存储器中也可储存有计算机程序,该计算机程序被处理器执行时,可使得处理器执行活体检测方法。本领域技术人员可以理解,图10中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,本申请提供的活体检测方法可以实现为一种计算机程序的形式,计算机程序可在如图10所示的计算机设备上运行。计算机设备的存储器中可存储组成活体检测装置的各个程序模板。比如,图像获取模块902、异常个数模块904和确定活体模块906。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如下步骤:获取待检测的热力图像,所述热力图像中的像素点的像素值为温度值;根据所述热力图像,确定所述热力图像中的异常像素点的个数,所述异常像素点为所述热力图像中温度值大于所述热力图像对应的异常温度值的像素点;若所述热力图像中的异常像素点的个数大于预设的无活体阈值,则确定所述热力图像中存在活体;若所述热力图像中的异常像素点的个数小于或等于所述无活体阈值,则确定所述热力图像中不存在活体。
在一个实施例中,所述计算机程序被所述处理器执行时,还用于:在所述根据所述热力图像,确定所述热力图像中的异常像素点的个数之前,将所述热力图像中各个像素点的温度值与预设的温度值进行比较,得到所述热力图像中每个像素点对应的比较结果;若比较结果为像素点的温度值大于所述预设的温度值,则确定所述像素点为噪声像素点;在所述热力图像中,使用替换温度值替换所述噪声像素点的温度值。
在一个实施例中,所述计算机程序被所述处理器执行时,还用于:在所述根据所述热力图像,确定所述热力图像中的异常像素点的个数之前,将所述热力图像中各个像素点的温度值按从小到大的顺序排列,得到温度值集合,所述温度值集合中的每个温度值都对应一个温度值序号,所述温度值序号与所述温度值序号对应的温度值呈正相关;根据预设的第一分位点和所述热力图像对应的像素个数确定第一温度值序号;根据所述第一温度值序号在所述温度值集合中确定第一温度值;根据所述第一温度值确定所述热力图像对应的异常温度值。
在一个实施例中,所述根据所述第一温度值确定所述热力图像对应的异常温度值,包括:根据预设的第二分位点和所述热力图像对应的像素个数确定第二温度值序号,所述第一分位点大于所述第二分位点;根据所述第二温度值序号在所述温度值集合中确定第二温度值;计算所述第一温度值和所述第二温度值的温度差值;根据所述第一温度值,与,所述第一温度值和所述第二温度值的温度差值,得到所述热力图像对应的异常温度值。
在一个实施例中,所述计算机程序被所述处理器执行时,还用于:在所述获取待检测的热力图像之前,获取无活体热力图像集,所述无活体热力图像集中包括多帧无活体热力图像,所述无活体热力图像中不存在活体;对所述无活体热力图像集中的每帧无活体热力图像,确定所述无活体热力图像中的异常像素点的个数;根据所述无活体热力图像集中的每帧所述无活体热力图像对应的异常像素点的个数,得到所述无活体阈值。
在一个实施例中,所述计算机程序被所述处理器执行时,还用于:所述根据所述无活体热力图像集中的每帧所述无活体热力图像对应的异常像素点的个数,得到所述无活体阈值,包括:将所述无活体热力图像集中的每帧所述无活体热力图像对应的异常像素点的个数,按从小到大的顺序排列,得到个数集合,所述个数集合中的每个异常像素点的个数都对应一个个数序号,所述个数序号与所述个数序号对应的异常像素点的个数呈正相关;根据预设的第三分位点和所述无活体热力图像集中的无活体热力图像的帧数确定第一个数序号;根据预设的第四分位点和所述无活体热力图像集中的无活体热力图像的帧数确定第二个数序号;根据所述第一个数序号在所述个数集合中确定所述第一个数序号对应的异常像素点的个数;根据所述第二个数序号在所述个数集合中确定所述第二个数序号对应的异常像素点的个数;计算所述第一个数序号对应的异常像素点的个数与所述第二个数序号对应的异常像素点的个数的差值;根据所述第一个数序号对应的异常像素点的个数,和,所述第一个数序号对应的异常像素点的个数与所述第二个数序号对应的异常像素点的个数的差值,得到所述无活体阈值。
在一个实施例中,述若所述热力图像中的异常像素点的个数大于预设的无活体阈值,则确定所述热力图像中存在活体,包括:若所述热力图像中的异常像素点的个数大于预设的无活体阈值,则获取邻帧热力图像集,所述邻帧热力图像集中包括多帧热力图像,所述邻帧热力图像集中的每帧热力图像的帧序小于所述待检测的热力图像的帧序;获取所述邻帧热力图像集中的每帧热力图像的活体检测结果,计算活体检测结果为存在活体占所述邻帧热力图像集中的所有活体检测结果的比例;若所述比例超过预设比例,则确定所述待检测的热力图像中存在活体;若所述比例小于或等于所述预设比例,则确定所述待检测的热力图像中不存在活体。
在一个实施例中,所述计算机程序被所述处理器执行时,还用于:在所述确定所述热力图像中存在活体之后,统计连续存在活体的热力图像的帧数;若连续存在活体的热力图像的帧数大于设定帧数,则确定存在超时滞留现象,所述超时滞留现象为长时停留在热力图像对应的区域的现象。
在一个实施例中,提出了一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行以下步骤:获取待检测的热力图像,所述热力图像中的像素点的像素值为温度值;根据所述热力图像,确定所述热力图像中的异常像素点的个数,所述异常像素点为所述热力图像中温度值大于所述热力图像对应的异常温度值的像素点;若所述热力图像中的异常像素点的个数大于预设的无活体阈值,则确定所述热力图像中存在活体;若所述热力图像中的异常像素点的个数小于或等于所述无活体阈值,则确定所述热力图像中不存在活体。
在一个实施例中,所述计算机程序被所述处理器执行时,还用于:在所述根据所述热力图像,确定所述热力图像中的异常像素点的个数之前,将所述热力图像中各个像素点的温度值与预设的温度值进行比较,得到所述热力图像中每个像素点对应的比较结果;若比较结果为像素点的温度值大于所述预设的温度值,则确定所述像素点为噪声像素点;在所述热力图像中,使用替换温度值替换所述噪声像素点的温度值。
在一个实施例中,所述计算机程序被所述处理器执行时,还用于:在所述根据所述热力图像,确定所述热力图像中的异常像素点的个数之前,将所述热力图像中各个像素点的温度值按从小到大的顺序排列,得到温度值集合,所述温度值集合中的每个温度值都对应一个温度值序号,所述温度值序号与所述温度值序号对应的温度值呈正相关;根据预设的第一分位点和所述热力图像对应的像素个数确定第一温度值序号;根据所述第一温度值序号在所述温度值集合中确定第一温度值;根据所述第一温度值确定所述热力图像对应的异常温度值。
在一个实施例中,所述根据所述第一温度值确定所述热力图像对应的异常温度值,包括:根据预设的第二分位点和所述热力图像对应的像素个数确定第二温度值序号,所述第一分位点大于所述第二分位点;根据所述第二温度值序号在所述温度值集合中确定第二温度值;计算所述第一温度值和所述第二温度值的温度差值;根据所述第一温度值,与,所述第一温度值和所述第二温度值的温度差值,得到所述热力图像对应的异常温度值。
在一个实施例中,所述计算机程序被所述处理器执行时,还用于:在所述获取待检测的热力图像之前,获取无活体热力图像集,所述无活体热力图像集中包括多帧无活体热力图像,所述无活体热力图像中不存在活体;对所述无活体热力图像集中的每帧无活体热力图像,确定所述无活体热力图像中的异常像素点的个数;根据所述无活体热力图像集中的每帧所述无活体热力图像对应的异常像素点的个数,得到所述无活体阈值。
在一个实施例中,所述计算机程序被所述处理器执行时,还用于:所述根据所述无活体热力图像集中的每帧所述无活体热力图像对应的异常像素点的个数,得到所述无活体阈值,包括:将所述无活体热力图像集中的每帧所述无活体热力图像对应的异常像素点的个数,按从小到大的顺序排列,得到个数集合,所述个数集合中的每个异常像素点的个数都对应一个个数序号,所述个数序号与所述个数序号对应的异常像素点的个数呈正相关;根据预设的第三分位点和所述无活体热力图像集中的无活体热力图像的帧数确定第一个数序号;根据预设的第四分位点和所述无活体热力图像集中的无活体热力图像的帧数确定第二个数序号;根据所述第一个数序号在所述个数集合中确定所述第一个数序号对应的异常像素点的个数;根据所述第二个数序号在所述个数集合中确定所述第二个数序号对应的异常像素点的个数;计算所述第一个数序号对应的异常像素点的个数与所述第二个数序号对应的异常像素点的个数的差值;根据所述第一个数序号对应的异常像素点的个数,和,所述第一个数序号对应的异常像素点的个数与所述第二个数序号对应的异常像素点的个数的差值,得到所述无活体阈值。
在一个实施例中,述若所述热力图像中的异常像素点的个数大于预设的无活体阈值,则确定所述热力图像中存在活体,包括:若所述热力图像中的异常像素点的个数大于预设的无活体阈值,则获取邻帧热力图像集,所述邻帧热力图像集中包括多帧热力图像,所述邻帧热力图像集中的每帧热力图像的帧序小于所述待检测的热力图像的帧序;获取所述邻帧热力图像集中的每帧热力图像的活体检测结果,计算活体检测结果为存在活体占所述邻帧热力图像集中的所有活体检测结果的比例;若所述比例超过预设比例,则确定所述待检测的热力图像中存在活体;若所述比例小于或等于所述预设比例,则确定所述待检测的热力图像中不存在活体。
在一个实施例中,所述计算机程序被所述处理器执行时,还用于:在所述确定所述热力图像中存在活体之后,统计连续存在活体的热力图像的帧数;若连续存在活体的热力图像的帧数大于设定帧数,则确定存在超时滞留现象,所述超时滞留现象为长时停留在热力图像对应的区域的现象。
需要说明的是,上述活体检测方法、活体检测装置、计算机设备及计算机可读存储介质属于一个总的发明构思,活体检测方法、活体检测装置、计算机设备及计算机可读存储介质实施例中的内容可相互适用。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (11)
1.一种活体检测方法,其特征在于,包括:
获取待检测的热力图像,所述热力图像中的像素点的像素值为温度值;
根据所述热力图像,确定所述热力图像中的异常像素点的个数,所述异常像素点为所述热力图像中温度值大于所述热力图像对应的异常温度值的像素点;
若所述热力图像中的异常像素点的个数大于预设的无活体阈值,则确定所述热力图像中存在活体;
若所述热力图像中的异常像素点的个数小于或等于所述无活体阈值,则确定所述热力图像中不存在活体。
2.如权利要求1所述的方法,其特征在于,在所述根据所述热力图像,确定所述热力图像中的异常像素点的个数之前,还包括:
将所述热力图像中各个像素点的温度值与预设的温度值进行比较,得到所述热力图像中每个像素点对应的比较结果;
若比较结果为像素点的温度值大于所述预设的温度值,则确定所述像素点为噪声像素点;
在所述热力图像中,使用替换温度值替换所述噪声像素点的温度值。
3.如权利要求1所述的方法,其特征在于,在所述根据所述热力图像,确定所述热力图像中的异常像素点的个数之前,还包括:
将所述热力图像中各个像素点的温度值按从小到大的顺序排列,得到温度值集合,所述温度值集合中的每个温度值都对应一个温度值序号,所述温度值序号与所述温度值序号对应的温度值呈正相关;
根据预设的第一分位点和所述热力图像对应的像素个数确定第一温度值序号;
根据所述第一温度值序号在所述温度值集合中确定第一温度值;
根据所述第一温度值确定所述热力图像对应的异常温度值。
4.如权利要求3所述的方法,其特征在于,所述根据所述第一温度值确定所述热力图像对应的异常温度值,包括:
根据预设的第二分位点和所述热力图像对应的像素个数确定第二温度值序号,所述第一分位点大于所述第二分位点;
根据所述第二温度值序号在所述温度值集合中确定第二温度值;
计算所述第一温度值和所述第二温度值的温度差值;
根据所述第一温度值,与,所述第一温度值和所述第二温度值的温度差值,得到所述热力图像对应的异常温度值。
5.根据权利要求1所述的方法,其特征在于,在所述获取待检测的热力图像之前,还包括:
获取无活体热力图像集,所述无活体热力图像集中包括多帧无活体热力图像,所述无活体热力图像中不存在活体;
对所述无活体热力图像集中的每帧无活体热力图像,确定所述无活体热力图像中的异常像素点的个数;
根据所述无活体热力图像集中的每帧所述无活体热力图像对应的异常像素点的个数,得到所述无活体阈值。
6.根据权利要求5所述的方法,其特征在于,所述根据所述无活体热力图像集中的每帧所述无活体热力图像对应的异常像素点的个数,得到所述无活体阈值,包括:
将所述无活体热力图像集中的每帧所述无活体热力图像对应的异常像素点的个数,按从小到大的顺序排列,得到个数集合,所述个数集合中的每个异常像素点的个数都对应一个个数序号,所述个数序号与所述个数序号对应的异常像素点的个数呈正相关;
根据预设的第三分位点和所述无活体热力图像集中的无活体热力图像的帧数确定第一个数序号;
根据预设的第四分位点和所述无活体热力图像集中的无活体热力图像的帧数确定第二个数序号;
根据所述第一个数序号在所述个数集合中确定所述第一个数序号对应的异常像素点的个数;
根据所述第二个数序号在所述个数集合中确定所述第二个数序号对应的异常像素点的个数;
计算所述第一个数序号对应的异常像素点的个数与所述第二个数序号对应的异常像素点的个数的差值;
根据所述第一个数序号对应的异常像素点的个数,和,所述第一个数序号对应的异常像素点的个数与所述第二个数序号对应的异常像素点的个数的差值,得到所述无活体阈值。
7.根据权利要求1所述的方法,其特征在于,所述若所述热力图像中的异常像素点的个数大于预设的无活体阈值,则确定所述热力图像中存在活体,包括:
若所述热力图像中的异常像素点的个数大于预设的无活体阈值,则获取邻帧热力图像集,所述邻帧热力图像集中包括多帧热力图像,所述邻帧热力图像集中的每帧热力图像的帧序小于所述待检测的热力图像的帧序;
获取所述邻帧热力图像集中的每帧热力图像的活体检测结果,计算活体检测结果为存在活体占所述邻帧热力图像集中的所有活体检测结果的比例;
若所述比例超过预设比例,则确定所述待检测的热力图像中存在活体;
若所述比例小于或等于所述预设比例,则确定所述待检测的热力图像中不存在活体。
8.根据权利要求1所述的方法,其特征在于,在所述确定所述热力图像中存在活体之后,还包括:
统计连续存在活体的热力图像的帧数;
若连续存在活体的热力图像的帧数大于设定帧数,则确定存在超时滞留现象,所述超时滞留现象为长时停留在热力图像对应的区域的现象。
9.一种活体检测装置,其特征在于,包括:
图像获取模块,用于获取待检测的热力图像,所述热力图像中的像素点的像素值为温度值;
异常个数模块,用于根据所述热力图像,确定所述热力图像中的异常像素点的个数,所述异常像素点为所述热力图像中温度值大于所述热力图像对应的异常温度值的像素点;
确定活体模块,用于若所述热力图像中的异常像素点的个数大于预设的无活体阈值,则确定所述热力图像中存在活体;
无活体模块,用于若所述热力图像中的异常像素点的个数小于或等于所述无活体阈值,则确定所述热力图像中不存在活体。
10.一种计算机设备,其特征在于,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至8任一项所述活体检测方法的步骤。
11.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,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至8任一项所述活体检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010398407.XA CN111680567B (zh) | 2020-05-12 | 2020-05-12 | 活体检测方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010398407.XA CN111680567B (zh) | 2020-05-12 | 2020-05-12 | 活体检测方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111680567A true CN111680567A (zh) | 2020-09-18 |
CN111680567B CN111680567B (zh) | 2023-08-29 |
Family
ID=72433506
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010398407.XA Active CN111680567B (zh) | 2020-05-12 | 2020-05-12 | 活体检测方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111680567B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106018479A (zh) * | 2016-05-12 | 2016-10-12 | 电子科技大学 | 基于异常区域定位的红外热图像处理方法 |
CN107330372A (zh) * | 2017-06-05 | 2017-11-07 | 四川大学 | 一种基于视频的人群密度与异常行为检测系统的分析方法 |
CN109900366A (zh) * | 2019-03-22 | 2019-06-18 | 国网重庆市电力公司电力科学研究院 | 一种检测避雷器温度异常点的方法及装置 |
CN110174173A (zh) * | 2019-05-24 | 2019-08-27 | 任运涛 | 火灾预防方法以及系统 |
CN110795998A (zh) * | 2019-09-19 | 2020-02-14 | 深圳云天励飞技术有限公司 | 人流量的检测方法、装置、电子设备及可读存储介质 |
-
2020
- 2020-05-12 CN CN202010398407.XA patent/CN111680567B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106018479A (zh) * | 2016-05-12 | 2016-10-12 | 电子科技大学 | 基于异常区域定位的红外热图像处理方法 |
CN107330372A (zh) * | 2017-06-05 | 2017-11-07 | 四川大学 | 一种基于视频的人群密度与异常行为检测系统的分析方法 |
CN109900366A (zh) * | 2019-03-22 | 2019-06-18 | 国网重庆市电力公司电力科学研究院 | 一种检测避雷器温度异常点的方法及装置 |
CN110174173A (zh) * | 2019-05-24 | 2019-08-27 | 任运涛 | 火灾预防方法以及系统 |
CN110795998A (zh) * | 2019-09-19 | 2020-02-14 | 深圳云天励飞技术有限公司 | 人流量的检测方法、装置、电子设备及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111680567B (zh) | 2023-08-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8897560B2 (en) | Determining the estimated clutter of digital images | |
US20230162397A1 (en) | Temperature correction method, device and system | |
CN111080571B (zh) | 摄像头遮挡状态检测方法、装置、终端和存储介质 | |
KR20100008760A (ko) | 화상 처리장치 및 화상 처리방법 | |
CN110059666B (zh) | 一种注意力检测方法及装置 | |
WO2020155485A1 (zh) | 图片差异性判断方法、装置、计算机设备和存储介质 | |
CN112689100B (zh) | 图像检测方法、装置、设备和存储介质 | |
CN110532746B (zh) | 人脸校验方法、装置、服务器及可读存储介质 | |
CN111507298A (zh) | 人脸检测方法、装置、计算机设备和存储介质 | |
CN111444555B (zh) | 一种测温信息显示方法、装置及终端设备 | |
CN110807409A (zh) | 人群密度检测模型训练方法和人群密度检测方法 | |
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系统 | |
CN111445487A (zh) | 图像分割方法、装置、计算机设备和存储介质 | |
CN109996063B (zh) | 视频图像花屏检测方法、装置、计算机设备和存储介质 | |
JP2013137604A (ja) | 画像照合処理装置、画像照合処理方法及び画像照合処理プログラム | |
CN111652314A (zh) | 温度检测方法、装置、计算机设备和存储介质 | |
CN113569676B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN114788705A (zh) | 一种影像医学质量分析调控方法、设备以及计算机存储介质 | |
CN113158773B (zh) | 一种活体检测模型的训练方法及训练装置 | |
CN108257117B (zh) | 图像曝光度的评测方法及装置 | |
CN111680567A (zh) | 活体检测方法、装置、计算机设备和存储介质 | |
JP2004206665A (ja) | 顔検出方法及び顔検出装置 | |
CN116824311A (zh) | 人群分析算法的性能检测方法、装置、设备及存储介质 | |
CN111027469A (zh) | 人体部位识别方法、计算机设备和可读存储介质 | |
CN110688926A (zh) | 主体检测方法和装置、电子设备、计算机可读存储介质 |
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 |