CN111982293B - 体温测量方法、装置、电子设备及存储介质 - Google Patents
体温测量方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111982293B CN111982293B CN202010699893.9A CN202010699893A CN111982293B CN 111982293 B CN111982293 B CN 111982293B CN 202010699893 A CN202010699893 A CN 202010699893A CN 111982293 B CN111982293 B CN 111982293B
- Authority
- CN
- China
- Prior art keywords
- image
- thermal infrared
- visible light
- target
- infrared image
- 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
Links
- 230000036760 body temperature Effects 0.000 title claims abstract description 109
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000009529 body temperature measurement Methods 0.000 claims abstract description 40
- 238000000605 extraction Methods 0.000 claims description 25
- 230000015654 memory Effects 0.000 claims description 18
- 210000000746 body region Anatomy 0.000 claims description 15
- 239000004973 liquid crystal related substance Substances 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 13
- 238000012545 processing Methods 0.000 description 12
- 230000004927 fusion Effects 0.000 description 10
- 230000002093 peripheral effect Effects 0.000 description 10
- 230000001133 acceleration Effects 0.000 description 9
- 238000012549 training Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 210000001061 forehead Anatomy 0.000 description 4
- 241001465754 Metazoa Species 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 239000000919 ceramic Substances 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 241001494479 Pecora Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000003331 infrared imaging Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
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
- 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
Abstract
本申请提供了一种体温测量方法、装置、电子设备及存储介质,属于互联网技术领域。方法包括:采集目标活体当前的第一热红外图像,第一热红外图像包括第一图像区域,第一图像区域指代目标活体中被遮挡的活体区域;在已存储的热红外图像中,查询目标活体对应的第二热红外图像,第二热红外图像包括第二图像区域,第二图像区域指代未被完全遮挡的活体区域;根据第一热红外图像和第二热红外图像,确定目标活体的体温。上述方法通过在当前拍摄的目标活体的第一热红外图像中活体区域存在遮挡的情况下,结合已存储的目标活体的第二热红外图像来确定目标活体的体温,由于第二热红外图像中该活体区域未被完全遮挡,从而体温测量的误差小,准确度高。
Description
技术领域
本申请涉及互联网技术领域,特别涉及一种体温测量方法、装置、电子设备及存储介质。
背景技术
当下,在很多人流密集的公共场所,如机场、地铁、火车站等场所,通常会测量人们的体温,从而筛查出体温异常的人员,方便后续对该人员做进一步的检查。
相关技术中,一般通过红外摄像头拍摄人体的热红外图像,从而确定人体体温。然而,当人体的全部或部分区域被物体遮挡时,热红外图像中遮挡区域对应的温度误差较大,从而导致确定的体温误差较大,准确度低。
发明内容
本申请实施例提供了一种体温测量方法、装置、电子设备及存储介质,可以减小体温测量的误差,提高体温测量的准确度。所述技术方案如下:
第一方面,提供了一种体温测量方法,所述方法包括:
采集目标活体当前的第一热红外图像,所述第一热红外图像包括第一图像区域,所述第一图像区域指代所述目标活体中被遮挡的活体区域;
在已存储的热红外图像中,查询所述目标活体对应的第二热红外图像,所述第二热红外图像包括第二图像区域,所述第二图像区域指代未被完全遮挡的所述活体区域;
根据所述第一热红外图像和所述第二热红外图像,确定所述目标活体的体温。
在一种可能的实现方式中,所述根据所述第一热红外图像和所述第二热红外图像,确定所述目标活体的体温,包括:
获取所述第一热红外图像对应的第一可见光图像和所述第二热红外图像对应的第二可见光图像,所述第一可见光图像与所述第一热红外图像是同一摄像设备同时拍摄的图像,所述第二可见光图像与所述第二热红外图像是同一摄像设备同时拍摄的图像;
将所述第一热红外图像、所述第一可见光图像、所述第二热红外图像和所述第二可见光图像输入温度预估模型,得到所述温度预估模型输出的所述目标活体的体温。
在另一种可能的实现方式中,所述根据所述第一热红外图像和所述第二热红外图像,确定所述目标活体的体温,包括:
确定所述第一热红外图像中的第三图像区域和所述第二热红外图像中的第四图像区域,所述第三图像区域包括所述第一图像区域,所述第四图像区域包括所述第二图像区域,所述第三图像区域和所述第四图像区域指代所述活体区域所在的活体身体部位;
获取位于所述第三图像区域的像素点对应的第一皮肤表面温度和位于所述第四图像区域的像素点对应的第二皮肤表面温度;
根据所述第一皮肤表面温度和所述第二皮肤表面温度,确定所述目标活体的体温。
在另一种可能的实现方式中,所述根据所述第一热红外图像和所述第二热红外图像,确定所述目标活体的体温,包括:
确定所述第一热红外图像中的第三图像区域和所述第二热红外图像中的第四图像区域,所述第三图像区域包括所述第一图像区域,所述第四图像区域包括所述第二图像区域,所述第三图像区域和所述第四图像区域指代所述活体区域所在的活体身体部位;
获取位于所述第三图像区域、且不位于所述第一图像区域的像素点对应的第三皮肤表面温度和位于所述第二图像区域的像素点对应的第四皮肤表面温度;
根据所述第三皮肤表面温度和所述第四皮肤表面温度,确定所述目标活体的体温。
在另一种可能的实现方式中,所述确定所述第一热红外图像中的第三图像区域和所述第二热红外图像中的第四图像区域,包括:
获取所述第一热红外图像对应的第一可见光图像和所述第二热红外图像对应的第二可见光图像,所述第一可见光图像与所述第一热红外图像是同一摄像设备同时拍摄的图像,所述第二可见光图像与所述第二热红外图像是同一摄像设备同时拍摄的图像;
在所述第一可见光图像中确定所述活体身体部位对应的第五图像区域,确定所述第一热红外图像中与所述第五图像区域对应的所述第三图像区域;
在所述第二可见光图像中确定所述活体身体部位对应的第六图像区域,确定所述第二热红外图像中与所述第六图像区域对应的所述第四图像区域。
在另一种可能的实现方式中,所述在已存储的热红外图像中,查询所述目标活体对应的第二热红外图像,包括:
获取输入的所述目标活体的语音信号;
根据所述语音信号确定所述目标活体的身份信息;
在所述已存储的热红外图像中,查询与所述身份信息对应的第二热红外图像。
在另一种可能的实现方式中,所述根据所述语音信号确定所述目标活体的身份信息,包括:
根据所述语音信号,调用身份识别模型,输出与所述语音信号匹配的身份信息。
在另一种可能的实现方式中,所述身份识别模型包括特征提取层和身份识别层;所述方法还包括:
从数据库中提取更新的样本数据,所述样本数据包括任一用户发出的样本语音信号与所述用户的样本身份信息;
在保持所述特征提取层的参数不变的情况下,根据所述样本语音信号和所述样本身份信息调整所述身份识别层的参数,得到参数调整后的身份识别模型。
在另一种可能的实现方式中,所述在所述已存储的热红外图像中,查询与所述身份信息对应的第二热红外图像,包括:
从数据库中查询所述身份信息对应的至少两个可见光图像;
根据查询到的每个可见光图像的拍摄时间或皮肤区域的尺寸中的至少一项,从所述至少两个可见光图像中选择目标可见光图像;
获取所述目标可见光图像对应的第二热红外图像,所述第二热红外图像与所述目标可见光图像是同一摄像设备同时拍摄的图像。
在另一种可能的实现方式中,所述根据查询到的每个可见光图像的拍摄时间或皮肤区域的尺寸中的至少一项,从所述至少两个可见光图像中选择目标可见光图像,包括:
根据查询到的每个可见光图像的拍摄时间,从所述至少两个可见光图像中选择拍摄时间最晚的目标可见光图像;或者,
根据查询到的每个可见光图像的皮肤区域的尺寸,从所述至少两个可见光图像中选择皮肤区域的尺寸最大的目标可见光图像。
在另一种可能的实现方式中,所述根据查询到的每个可见光图像的拍摄时间或皮肤区域的尺寸中的至少一项,从所述至少两个可见光图像中选择目标可见光图像,包括:
对于查询到的任一可见光图像,根据所述可见光图像的拍摄时间,确定所述可见光图像的第一分数,所述第一分数用于表示所述可见光图像为所述目标可见光图像的概率,且拍摄时间越晚,所述第一分数越高;
根据所述可见光图像的皮肤区域的尺寸,确定所述可见光图像的第二分数,所述第二分数用于表示所述可见光图像为所述目标可见光图像的概率,且拍摄时间越晚,所述第二分数越高;
获取拍摄时间对应的第一权重和皮肤区域的尺寸对应的第二权重;
按照获取的权重对所述第一分数和所述第二分数加权处理,得到所述可见光图像的目标分数;
根据所述至少两个可见光图像对应的目标分数,从所述至少两个可见光图像中选择目标可见光图像。
第二方面,提供了一种体温测量装置,所述装置包括:
热红外图像采集模块,被配置为采集目标活体当前的第一热红外图像,所述第一热红外图像包括第一图像区域,所述第一图像区域指代所述目标活体中被遮挡的活体区域;
热红外图像查询模块,被配置为在已存储的热红外图像中,查询所述目标活体对应的第二热红外图像,所述第二热红外图像包括第二图像区域,所述第二图像区域指代未被完全遮挡的所述活体区域;
体温确定模块,被配置为根据所述第一热红外图像和所述第二热红外图像,确定所述目标活体的体温。
在一种可能的实现方式中,所述体温确定模块,被配置为获取所述第一热红外图像对应的第一可见光图像和所述第二热红外图像对应的第二可见光图像,所述第一可见光图像与所述第一热红外图像是同一摄像设备同时拍摄的图像,所述第二可见光图像与所述第二热红外图像是同一摄像设备同时拍摄的图像;将所述第一热红外图像、所述第一可见光图像、所述第二热红外图像和所述第二可见光图像输入温度预估模型,得到所述温度预估模型输出的所述目标活体的体温。
在另一种可能的实现方式中,所述体温确定模块包括:
图像区域确定单元,被配置为确定所述第一热红外图像中的第三图像区域和所述第二热红外图像中的第四图像区域,所述第三图像区域包括所述第一图像区域,所述第四图像区域包括所述第二图像区域,所述第三图像区域和所述第四图像区域指代所述活体区域所在的活体身体部位;
第一体温确定单元,被配置为获取位于所述第三图像区域的像素点对应的第一皮肤表面温度和位于所述第四图像区域的像素点对应的第二皮肤表面温度;根据所述第一皮肤表面温度和所述第二皮肤表面温度,确定所述目标活体的体温。
在另一种可能的实现方式中,所述体温确定模块包括:
图像区域确定单元,被配置为确定所述第一热红外图像中的第三图像区域和所述第二热红外图像中的第四图像区域,所述第三图像区域包括所述第一图像区域,所述第四图像区域包括所述第二图像区域,所述第三图像区域和所述第四图像区域指代所述活体区域所在的活体身体部位;
第二体温确定单元,被配置为获取位于所述第三图像区域、且不位于所述第一图像区域的像素点对应的第三皮肤表面温度和位于所述第二图像区域的像素点对应的第四皮肤表面温度;根据所述第三皮肤表面温度和所述第四皮肤表面温度,确定所述目标活体的体温。
在另一种可能的实现方式中,所述图像区域确定单元,被配置为获取所述第一热红外图像对应的第一可见光图像和所述第二热红外图像对应的第二可见光图像,所述第一可见光图像与所述第一热红外图像是同一摄像设备同时拍摄的图像,所述第二可见光图像与所述第二热红外图像是同一摄像设备同时拍摄的图像;在所述第一可见光图像中确定所述活体身体部位对应的第五图像区域,确定所述第一热红外图像中与所述第五图像区域对应的所述第三图像区域;在所述第二可见光图像中确定所述活体身体部位对应的第六图像区域,确定所述第二热红外图像中与所述第六图像区域对应的所述第四图像区域。
在另一种可能的实现方式中,所述热红外图像查询模块包括:
语音信号获取单元,被配置为获取输入的所述目标活体的语音信号;
身份信息确定单元,被配置为根据所述语音信号确定所述目标活体的身份信息;
热红外图像查询单元,被配置为在所述已存储的热红外图像中,查询与所述身份信息对应的第二热红外图像。
在另一种可能的实现方式中,所述身份信息确定单元,被配置为根据所述语音信号,调用身份识别模型,输出与所述语音信号匹配的身份信息。
在另一种可能的实现方式中,所述身份识别模型包括特征提取层和身份识别层;所述装置还包括:
样本数据获取模块,被配置为从数据库中提取更新的样本数据,所述样本数据包括任一用户发出的样本语音信号与所述用户的样本身份信息;
模型参数调整模块,被配置为在保持所述特征提取层的参数不变的情况下,根据所述样本语音信号和所述样本身份信息调整所述身份识别层的参数,得到参数调整后的身份识别模型。
在另一种可能的实现方式中,所述热红外图像查询单元包括:
可见光图像选择子单元,被配置为从数据库中查询所述身份信息对应的至少两个可见光图像;根据查询到的每个可见光图像的拍摄时间或皮肤区域的尺寸中的至少一项,从所述至少两个可见光图像中选择目标可见光图像;
热红外图像获取子单元,被配置为获取所述目标可见光图像对应的第二热红外图像,所述第二热红外图像与所述目标可见光图像是同一摄像设备同时拍摄的图像。
在另一种可能的实现方式中,所述可见光图像选择子单元,被配置为根据查询到的每个可见光图像的拍摄时间,从所述至少两个可见光图像中选择拍摄时间最晚的目标可见光图像;或者,根据查询到的每个可见光图像的皮肤区域的尺寸,从所述至少两个可见光图像中选择皮肤区域的尺寸最大的目标可见光图像。
在另一种可能的实现方式中,所述可见光图像选择子单元,被配置为对于查询到的任一可见光图像,根据所述可见光图像的拍摄时间,确定所述可见光图像的第一分数,所述第一分数用于表示所述可见光图像为所述目标可见光图像的概率,且拍摄时间越晚,所述第一分数越高;根据所述可见光图像的皮肤区域的尺寸,确定所述可见光图像的第二分数,所述第二分数用于表示所述可见光图像为所述目标可见光图像的概率,且拍摄时间越晚,所述第二分数越高;获取拍摄时间对应的第一权重和皮肤区域的尺寸对应的第二权重;按照获取的权重对所述第一分数和所述第二分数加权处理,得到所述可见光图像的目标分数;根据所述至少两个可见光图像对应的目标分数,从所述至少两个可见光图像中选择目标可见光图像。
第三方面,提供了一种电子设备,所述电子设备包括处理器和存储器,所述存储器中存储有至少一条指令,所述指令由所述处理器加载并执行以实现上述任一种可能实现方式中的体温测量方法中所执行的操作。
第四方面,提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一条指令,所述指令由处理器加载并执行以实现上述任一种可能实现方式中的体温测量方法中电子设备执行的操作。
本申请实施例提供的技术方案带来的有益效果是:
在本申请实施例中,采集目标活体当前的第一热红外图像,第一热红外图像包括第一图像区域,第一图像区域指代目标活体中被遮挡的活体区域;在已存储的热红外图像中,查询目标活体对应的第二热红外图像,第二热红外图像包括第二图像区域,第二图像区域指代未被完全遮挡的活体区域;根据第一热红外图像和第二热红外图像,确定目标活体的体温。上述方法通过在当前拍摄的目标活体的第一热红外图像中活体区域存在遮挡的情况下,结合已存储的历史拍摄的目标活体的第二热红外图像来确定目标活体的体温,由于第二热红外图像中该活体区域未被完全遮挡,从而体温测量的误差小,准确度高。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例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申请的一些实施例,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。
图1是本申请实施例提供的一种实施环境的示意图;
图2是本申请实施例提供的一种体温测量方法的流程图;
图3是本申请实施例提供的一种体温测量方法的流程图;
图4是本申请实施例提供的一种体温预估模型的示意图;
图5是本申请实施例提供的一种体温预估模型的示意图;
图6是本申请实施例提供的一种体温预估过程的示意图;
图7是本申请实施例提供的一种体温测量方法的流程图;
图8是本申请实施例提供的一种体温测量方法的流程图;
图9是本申请实施例提供的一种体温测量装置的框图;
图10是本申请实施例提供的一种终端的结构示意图;
图11是本申请实施例提供的一种服务器的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
图1是本申请实施例提供的一种实施环境的示意图。参见图1,该实施环境包括终端101和服务器102。终端101和服务器102之间通过无线或者有线网络连接。终端101与服务器102之间可以实现数据传输、消息交互等功能。
终端101可以为电脑、手机、平板电脑或者其他终端。服务器102可以为独立的物理服务器,也可以是多个物理服务器构成的服务器集群,还可以是提供云存储和云计算服务的云服务器。
终端101可以采集目标活体当前的第一热红外图像,向服务器102发送该第一热红外图像,服务器102接收该第一热红外图像后,从已存储的热红外图像中获取历史拍摄的该目标活体第二热红外图像,结合第一热红外图像和第二热红外图像,确定目标活体的体温,然后向终端101发送该体温,终端101可以接收该体温,显示该体温。
本申请中的体温测量方法可以应用在多种测温场景下,例如,应用在医院测温的场景下,相应的,终端101可以设置在医院,对前来诊断的人员进行体温测量。或者,应用在各种公共场所的测温场景下,相应的,终端101可以设置在机场、地铁、火车站、公司等公共场所,用于测量过往人员的体温。终端101包括摄像设备,例如,摄像头,该摄像头可以设置在机场、地铁、火车站、公司等公共场所的安检口,用于采集过往人员的热红外图像。
另外,本申请中的体温测量方法适用于疫情期间的体温测量,由于疫情期间,被测人员往往佩戴口罩、帽子等进行防护,导致当前采集的热红外图像中存在遮挡区域(指代人体的鼻子、嘴巴等被遮挡的区域),测量的体温误差大,而本申请结合已存储的历史拍摄的热红外图像确定体温,由于该历史拍摄的热红外图像中与上述遮挡区域对应的区域(指代人体的鼻子、嘴巴等区域)未被完全遮挡,从而测量的体温误差小,准确度高。并且,被测人员不需要脱去口罩、帽子等遮挡物,提高了体温测量的效率和便捷性。
当然,本申请中的体温测量方法还可以应用在其他测温场景下,本申请对此不做限制。
图2是本申请实施例提供的一种体温测量方法的流程图。参见图2,该实施例包括:
步骤201:采集目标活体当前的第一热红外图像,第一热红外图像包括第一图像区域,第一图像区域指代目标活体中被遮挡的活体区域。
步骤202:在已存储的热红外图像中,查询目标活体对应的第二热红外图像,第二热红外图像包括第二图像区域,第二图像区域指代未被完全遮挡的该活体区域。
步骤203:根据第一热红外图像和第二热红外图像,确定目标活体的体温。
在本申请实施例中,采集目标活体当前的第一热红外图像,第一热红外图像包括第一图像区域,第一图像区域指代目标活体中被遮挡的活体区域;在已存储的热红外图像中,查询目标活体对应的第二热红外图像,第二热红外图像包括第二图像区域,第二图像区域指代未被完全遮挡的活体区域;根据第一热红外图像和第二热红外图像,确定目标活体的体温。上述方法通过在当前拍摄的目标活体的第一热红外图像中活体区域存在遮挡的情况下,结合已存储的历史拍摄的目标活体的第二热红外图像来确定目标活体的体温,由于第二热红外图像中该活体区域未被完全遮挡,从而体温测量的误差小,准确度高。
在一种可能的实现方式中,所述根据所述第一热红外图像和所述第二热红外图像,确定所述目标活体的体温,包括:
获取所述第一热红外图像对应的第一可见光图像和所述第二热红外图像对应的第二可见光图像,所述第一可见光图像与所述第一热红外图像是同一摄像设备同时拍摄的图像,所述第二可见光图像与所述第二热红外图像是同一摄像设备同时拍摄的图像;
将所述第一热红外图像、所述第一可见光图像、所述第二热红外图像和所述第二可见光图像输入温度预估模型,得到所述温度预估模型输出的所述目标活体的体温。
在另一种可能的实现方式中,所述根据所述第一热红外图像和所述第二热红外图像,确定所述目标活体的体温,包括:
确定所述第一热红外图像中的第三图像区域和所述第二热红外图像中的第四图像区域,所述第三图像区域包括所述第一图像区域,所述第四图像区域包括所述第二图像区域,所述第三图像区域和所述第四图像区域指代所述活体区域所在的活体身体部位;
获取位于所述第三图像区域的像素点对应的第一皮肤表面温度和位于所述第四图像区域的像素点对应的第二皮肤表面温度;
根据所述第一皮肤表面温度和所述第二皮肤表面温度,确定所述目标活体的体温。
在另一种可能的实现方式中,所述根据所述第一热红外图像和所述第二热红外图像,确定所述目标活体的体温,包括:
确定所述第一热红外图像中的第三图像区域和所述第二热红外图像中的第四图像区域,所述第三图像区域包括所述第一图像区域,所述第四图像区域包括所述第二图像区域,所述第三图像区域和所述第四图像区域指代所述活体区域所在的活体身体部位;
获取位于所述第三图像区域、且不位于所述第一图像区域的像素点对应的第三皮肤表面温度和位于所述第二图像区域的像素点对应的第四皮肤表面温度;
根据所述第三皮肤表面温度和所述第四皮肤表面温度,确定所述目标活体的体温。
在另一种可能的实现方式中,所述确定所述第一热红外图像中的第三图像区域和所述第二热红外图像中的第四图像区域,包括:
获取所述第一热红外图像对应的第一可见光图像和所述第二热红外图像对应的第二可见光图像,所述第一可见光图像与所述第一热红外图像是同一摄像设备同时拍摄的图像,所述第二可见光图像与所述第二热红外图像是同一摄像设备同时拍摄的图像;
在所述第一可见光图像中确定所述活体身体部位对应的第五图像区域,确定所述第一热红外图像中与所述第五图像区域对应的所述第三图像区域;
在所述第二可见光图像中确定所述活体身体部位对应的第六图像区域,确定所述第二热红外图像中与所述第六图像区域对应的所述第四图像区域。
在另一种可能的实现方式中,所述在已存储的热红外图像中,查询所述目标活体对应的第二热红外图像,包括:
获取输入的所述目标活体的语音信号;
根据所述语音信号确定所述目标活体的身份信息;
在所述已存储的热红外图像中,查询与所述身份信息对应的第二热红外图像。
在另一种可能的实现方式中,所述根据所述语音信号确定所述目标活体的身份信息,包括:
根据所述语音信号,调用身份识别模型,输出与所述语音信号匹配的身份信息。
在另一种可能的实现方式中,所述身份识别模型包括特征提取层和身份识别层;所述方法还包括:
从数据库中提取更新的样本数据,所述样本数据包括任一用户发出的样本语音信号与所述用户的样本身份信息;
在保持所述特征提取层的参数不变的情况下,根据所述样本语音信号和所述样本身份信息调整所述身份识别层的参数,得到参数调整后的身份识别模型。
在另一种可能的实现方式中,所述在所述已存储的热红外图像中,查询与所述身份信息对应的第二热红外图像,包括:
从数据库中查询所述身份信息对应的至少两个可见光图像;
根据查询到的每个可见光图像的拍摄时间或皮肤区域的尺寸中的至少一项,从所述至少两个可见光图像中选择目标可见光图像;
获取所述目标可见光图像对应的第二热红外图像,所述第二热红外图像与所述目标可见光图像是同一摄像设备同时拍摄的图像。
在另一种可能的实现方式中,所述根据查询到的每个可见光图像的拍摄时间或皮肤区域的尺寸中的至少一项,从所述至少两个可见光图像中选择目标可见光图像,包括:
根据查询到的每个可见光图像的拍摄时间,从所述至少两个可见光图像中选择拍摄时间最晚的目标可见光图像;或者,
根据查询到的每个可见光图像的皮肤区域的尺寸,从所述至少两个可见光图像中选择皮肤区域的尺寸最大的目标可见光图像。
在另一种可能的实现方式中,所述根据查询到的每个可见光图像的拍摄时间或皮肤区域的尺寸中的至少一项,从所述至少两个可见光图像中选择目标可见光图像,包括:
对于查询到的任一可见光图像,根据所述可见光图像的拍摄时间,确定所述可见光图像的第一分数,所述第一分数用于表示所述可见光图像为所述目标可见光图像的概率,且拍摄时间越晚,所述第一分数越高;
根据所述可见光图像的皮肤区域的尺寸,确定所述可见光图像的第二分数,所述第二分数用于表示所述可见光图像为所述目标可见光图像的概率,且拍摄时间越晚,所述第二分数越高;
获取拍摄时间对应的第一权重和皮肤区域的尺寸对应的第二权重;
按照获取的权重对所述第一分数和所述第二分数加权处理,得到所述可见光图像的目标分数;
根据所述至少两个可见光图像对应的目标分数,从所述至少两个可见光图像中选择目标可见光图像。
图3是本申请实施例提供的一种体温测量方法的流程图。参见图3,该实施例包括:
步骤301:终端采集目标活体当前的第一热红外图像,第一热红外图像包括第一图像区域,第一图像区域指代目标活体中被遮挡的活体区域。
其中,活体可以为人或者动物或者其他类型的生物,人可以包括各个年龄和各种肤色的人,动物可以包括猪、牛、羊、狗或者其他动物,本申请对此不做限制。目标活体是指当前被测量体温的活体。
热红外图像是由摄像设备接收和记录物体发射的热辐射能而形成的图像,由于不同物体或同一物体的不同部位通常具有不同的热辐射特性,如温差、发射率等,在进行热红外成像后,热红外图像中的物体因为其热辐射的差异而区别开来。第一热红外图像是采集的目标活体当前的热红外图像。
活体区域是目标活体的身体上的区域,例如,嘴巴区域、额头区域等。第一热红外图像中可以包括多个图像区域,每个图像区域指代目标活体的特定活体区域。而第一图像区域指代目标活体中被遮挡的活体区域。例如,目标活体的鼻子和嘴巴以及附近区域被口罩遮挡,则第一图像区域指代目标活体被口罩遮挡的鼻子、嘴巴以及附近区域。
在一种可能的实现方式中,终端包括摄像设备,该摄像设备可以包括摄像头和红外传感器,终端通过该摄像头拍摄目标活体,通过红外传感器生成目标活体当前的第一热红外图像。
步骤302:终端在已存储的热红外图像中,查询目标活体对应的第二热红外图像,第二热红外图像包括第二图像区域,第二图像区域指代未被完全遮挡的该活体区域。
终端中可以存储多个活体对应的热红外图像,存储的热红外图像是之前拍摄并存储在终端中的,并且,每个活体对应的热红外图像可以为一个或者多个。对于任一个活体来说,该活体对应的多个热红外图像中被遮挡的活体区域可能是不同的,例如,该活体对应两个热红外图像,第一个热红外图像中该活体的额头区域被遮挡,第二个热红外图像中该活体的嘴巴区域被遮挡。
第二热红外图像是存储的热红外图像中与目标活体对应的热红外图像,并且,第二热红外图像包括第二图像区域,第二图像区域指代未被完全遮挡的该活体区域。其中,该活体区域与上述第一图像区域指代的被遮挡的活体区域相同,结合上述实例,第一图像区域指代目标活体被口罩遮挡的鼻子、嘴巴以及附近区域,则第二图像区域指代目标活体未被完全遮挡的鼻子、嘴巴以及附近区域。
在一种可能的实现方式中,终端在已存储的热红外图像中,查询目标活体对应的第二热红外图像的实现方式为:终端获取输入的目标活体的语音信号,根据语音信号确定目标活体的身份信息,在已存储的热红外图像中,查询与身份信息对应的第二热红外图像。
其中,身份信息用于表示活体的身份,终端可以基于目标活体的身份信息将目标活体和其他活体区别开。该身份信息可以为任意信息,例如,身份信息可以为目标活体的标识,并且,目标活体的标识可以为目标活体的姓名、编号等,当然,身份信息也可以为其他,本申请对此不做限制。
在一种可能的实现方式中,终端根据语音信号确定目标活体的身份信息的实现方式为:终端根据语音信号,调用身份识别模型,输出与语音信号匹配的身份信息。
其中,身份识别模型可以根据样本语音信号和样本语音信号对应的身份信息训练得到,通过一次或多次训练,身份识别模型可以学习到语音信号和该语音信号对应的身份信息的之间的关系,从而具备根据语音信号确定对应的身份信息的能力。并且,同一个身份信息可以对应多个样本语音信号,该多个样本语音信号均是该身份信息对应的活体发出的,例如,第一个身份信息对应两个样本语音信号,第一个样本语音信号为“你好,请测量我的体温”,第二个样本语音信号为“我现在状态良好”等。通过同一个身份信息对应的多个样本语音信号来训练身份识别模型,样本数据的类型更加丰富,训练出的身份识别模型更加准确。
在一种可能的实现方式中,该身份识别模型为在线学习的模型,在线学习是指模型在线使用的过程中,也可以根据新的样本数据来调整模型的参数。可选的,该身份识别模型包括特征提取层和身份识别层,该身份识别模型在线学习的实现方式为:终端从数据库中提取更新的样本数据,样本数据包括任一用户发出的样本语音信号与用户的样本身份信息,终端在保持特征提取层的参数不变的情况下,根据样本语音信号和样本身份信息调整身份识别层的参数,得到参数调整后的身份识别模型。
其中,特征提取层的参数可以包括权重和偏差(Bias)或者其他参数,本申请对此不做限制。数据库是一个不断更新的数据库,该数据库中会不断存入新的语音信号和该语音信号对应的身份信息,终端可以将数据库中新增的语音信号作为新的样本语音信号,将新增的语音信号对应的身份信息作为新增的样本标签,来对模型的身份识别层的参数进行调整。
特征提取层的参数可以是该终端通过离线学习的身份识别模型获取的,离线学习的身份识别模型也包括特征提取层和身份识别层,离线学习的身份识别模型与在线学习的身份识别模型的区别在于,离线学习的身份识别模型训练好后,特征提取层和身份识别层的参数均不变,而在线学习的身份识别模型可以根据数据库中更新的样本数据,来更新身份识别层的参数。由于身份识别模型在线使用时,数据库中的语音信号和语音信号匹配的身份信息是在不断更新的,身份识别模型通过在线学习,即利用更新的样本数据更新模型的参数,从而身份识别的准确度高。并且,适用的活体的数量也更多。
终端通过离线学习的身份识别模型获取特征提取层的参数的实现方式为:终端通过数据库中原始的样本语音信号和样本语音信号匹配的身份信息训练该离线学习的身份识别模型的参数,在训练的过程中,确定该身份识别模型对应的损失函数的值,当该损失函数处于收敛状态,也即是,当损失函数的值逐渐变小且趋于平稳时,确定身份识别模型训练完成,然后获取该身份识别模型中特征提取层的参数。其中,损失函数的值表示模型的身份识别的错误率,损失函数的值越小,模型的身份识别的错误率越低。
在一种可能的实现方式中,特征提取层包括声学特征提取层和1维卷积层,声学特征提取层用于提取语音信号中的声学特征,例如梅尔倒谱系数(Mel-scale FrequencyCepstral Coefficients,MFCC)、滤波器组(Filter Banks,FBank)等声学特征参数,1维卷积层用于对声学特征提取层输出的声学特征进行卷积、激活和池化等处理,得到用于身份识别的1维特征。身份识别层可以包括全连接层(linear layer)和输出层,该输出层可以为soft-max层(一种输出层),全连接层用于对1维卷积层输出的1维特征进行全连接,得到分类特征,soft-max层用于根据全连接层输出的分类特征确定语音信号属于每个分类的概率,其中,分类的个数等于样本语音信号对应的样本身份信息的数量。
参考图4,图4是身份识别模型的示意图,该身份识别模型包括声学特征提取层、1维卷积层、全连接层和输出层,且该输出层为soft-max层。需要说明的一点是,特征提取层的参数也可以是其他终端或者服务器通过离线学习的身份识别模型获取后,发送给该终端的,本申请对此不做限制。另外,全连接层可以是DNN(Deep Neural Networks,深度神经网络)迭代子模型,输出层可以为线性判别分析子模型。参考图5,图5是身份识别模型的示意图,该身份识别模型包括特征提取层、DNN迭代子模型和线性判别分析子模型。
在一种可能的实现方式中,终端在已存储的热红外图像中,查询与身份信息对应的第二热红外图像的实现方式为:终端从数据库中查询身份信息对应的至少两个可见光图像;根据查询到的每个可见光图像的拍摄时间或皮肤区域的尺寸中的至少一项,从至少两个可见光图像中选择目标可见光图像;终端获取目标可见光图像对应的第二热红外图像,第二热红外图像与目标可见光图像是同一摄像设备同时拍摄的图像。
可见光图像是摄像设备接收和记录物体反射的可见光而形成的图像,相对于热红外图像来说,可见光图像的内容丰富、细节纹理清晰,分辨率较高。
数据库中可以存储多个活体的身份信息和每个身份信息对应的至少两个可见光图像,并且,数据库中还对应存储每个可见光图像对应的热红外图像。对于存储的任一可见光图像,该可见光图像对应的热红外图像与该可见光图像是同一摄像设备同时拍摄的图像,该摄像设备可以是该终端上的摄像设备。
并且,数据库中还存储有每个可见光图像的拍摄时间和皮肤区域的尺寸。其中,皮肤区域是指该可见光图像中记录的活体皮肤裸露的区域。皮肤区域的尺寸可以是终端根据该可见光图像获取后,存储在数据库中的。另外,皮肤区域也可以是可见光图像中记录的活体的目标身体部位的皮肤区域,例如,目标身体部位为脸部,则皮肤区域为脸部的皮肤区域。相应的,皮肤区域的尺寸指脸部的皮肤区域的尺寸。当然,皮肤区域还可以是活体的其他身份部位的皮肤区域,本申请对此不做限制。
在一种可能的实现方式中,终端获取可见光图像中皮肤区域的尺寸的实现方式为:终端在可见光图像中确定位于皮肤区域的像素点的个数,根据位于皮肤区域的像素点的个数确定皮肤区域的尺寸。可选的,终端可以根据可见光图像中每个像素点的颜色和亮度确定位于皮肤区域的像素点,然后获取位于皮肤区域的像素点的个数。
在另一种可能的实现方式中,终端获取可见光图像中皮肤区域的尺寸的实现方式为:终端将可见光图像输入皮肤区域尺寸确定模型,得到该皮肤区域尺寸确定模型输出的皮肤区域尺寸。
其中,该皮肤区域尺寸确定模型可以是根据样本可见光图像和样本可见光图像中皮肤区域的尺寸训练得到的,通过一次或多次训练,皮肤区域尺寸确定模型可以学习到可见光图像和该可见光图像中皮肤区域的尺寸之间的关系,从而具备根据可见光图像确定皮肤区域的尺寸的能力,保证了模型的准确率,通过该皮肤区域尺寸确定模型获取可见光图像中的皮肤区域,效率高。
在一种可能的实现方式中,终端根据查询到的每个可见光图像的拍摄时间或皮肤区域的尺寸中的至少一项,从至少两个可见光图像中选择目标可见光图像的实现方式有以下三种:
第一种:终端根据查询到的每个可见光图像的拍摄时间,从至少两个可见光图像中选择拍摄时间最晚的目标可见光图像。
由于该目标可见光图像的拍摄时间最晚,则该目标可见光图像对应的第二热红外图像的拍摄时间也最晚,从而该第二热红外图像中记录的温度与目标活体当前的体温最为接近,根据该第二热红外图像获取的体温的准确度更高。
第二种:终端根据查询到的每个可见光图像的皮肤区域的尺寸,从至少两个可见光图像中选择皮肤区域的尺寸最大的目标可见光图像。
由于该目标可见光图像中皮肤区域的尺寸最大,则该目标可见光图像对应的第二热红外图像中皮肤区域的尺寸最大,从而该第二热红外图像中记录的温度更能反映目标活体的真实温度,根据该第二热红外图像获取的体温的准确度更高。
第三种实现方式包括以下步骤(1)-(4):
(1)终端对于查询到的任一可见光图像,根据可见光图像的拍摄时间,确定可见光图像的第一分数,第一分数用于表示可见光图像为目标可见光图像的概率,且拍摄时间越晚,第一分数越高。
其中,终端根据可见光图像的拍摄时间,确定可见光图像的第一分数实现方式为:终端根据可见光图像的拍摄时间,确定该拍摄时间与当前时间的时间差值,确定该时间差值所处的目标时间段,从时间段和第一分数的对应关系中确定目标时间段对应的第一分数。其中,时间段和第一分数的对应关系可以存储在终端中,该对应关系可以参考表1:
表1
0-3小时 | 10分 |
3-6小时 | 7分 |
6-36小时 | 4分 |
36以上 | 0分 |
…… | …… |
需要说明的一点是,该对应关系中时间段以及时间段对应的分数均为示例性说明,本申请对此不做限制。
(2)终端根据可见光图像的皮肤区域的尺寸,确定可见光图像的第二分数,第二分数用于表示可见光图像为目标可见光图像的概率,且拍摄时间越晚,第二分数越高。
终端中可以存储皮肤区域的尺寸和第二分数的对应关系,相应的,终端可以根据可见光图像中皮肤区域的尺寸,从皮肤区域的尺寸和第二分数的对应关系中确定第二分数。其中,皮肤区域的尺寸和第二分数的对应关系与上述时间段和第一分数的对应关系类似,此处不再赘述。
(3)终端获取拍摄时间对应的第一权重和皮肤区域的尺寸对应的第二权重,按照获取的权重对第一分数和第二分数加权处理,得到可见光图像的目标分数。
其中,拍摄时间对应的第一权重和皮肤区域的尺寸对应的第二权重可以预设在终端中,并且第一权重和第二权重的大小可以根据需要设置,例如,第一权重可以为0.6,第二权重可以为0.4等,本申请对此不做限制。
(4)终端根据至少两个可见光图像对应的目标分数,从至少两个可见光图像中选择目标可见光图像。
该步骤的实现方式可以为:终端从至少两个可见光图像中选择分数最高的可见光图像,将该可见光图像作为目标可见光图像。
本申请通过结合拍摄时间和皮肤区域的尺寸获取目标可见光图像,则该目标可见光图像对应的第二热红外图像不仅拍摄时间晚,皮肤区域的尺寸也大,从而该第二热红外图像中记录的温度更能反映目标活体的真实体温,根据该第二热红外图像获取的体温的准确度更高。
步骤303:终端获取第一热红外图像对应的第一可见光图像和第二热红外图像对应的第二可见光图像,第一可见光图像与第一热红外图像是同一摄像设备同时拍摄的图像,第二可见光图像与第二热红外图像是同一摄像设备同时拍摄的图像。
终端获取第一热红外图像对应的第一可见光图像的实现方式为:终端在通过摄像设备拍摄第一热红外图像的同时,拍摄该第一热红外图像对应的第一可见光图像。
其中,终端上的摄像设备可以是分光结构的摄像设备,即摄像设备包括一个摄像头,该摄像头分别连接红外传感器和可见光传感器。在拍摄目标活体时,红外传感器和可见光传感器分别通过摄像头采集到的光源形成第一热红外图像和第一可见光图像。
终端获取第二热红外图像对应的第二可见光图像的实现方式为:终端从数据库中存储的热红外图像和可见光图像的对应关系中获取该第二可见光图像。需要说明的一点是,该第二可见光图像即为上述目标可见光图像。另外,第二热红外图像和第二可见光图像的拍摄方式,与第一热红外图像和第一可见光图像的拍摄方式类似,仅是拍摄时间不同。
步骤304:终端将第一热红外图像、第一可见光图像、第二热红外图像和第二可见光图像输入温度预估模型,得到温度预估模型输出的目标活体的体温。
其中,该温度预估模型可以是根据样本图像和样本图像对应的活体的体温训练得到的,通过一次或多次训练,温度预估模型可以学习到图像和该图像对应的活体体温之间的关系,从而具备根据图像确定活体体温的能力。
在一种可能的实现方式中,该温度预估模型包括图像融合子模型和温度预估子模型,其中,图像融合子模型用于将输入的第一热红外图像和第一可见光图像进行图像融合,将第二热红外图像和第二可见光图像进行图像融合,将融合后的图像输入到温度估计模型,温度预估子模型用于根据融合后的图像,确定目标活体的体温。
参考图6,图6为温度预估过程的示意图,将第一热红外图像、第一可见光图像、第二热红外图像和第二可见光图像输入到图像融合子模型,图像融合子模型将融合后的图像输入到温度预估子模型,由温度预估子模型输出目标活体的体温。
需要说明的一点是,图像融合子模型中的图像融合可以是指图像特征的融合,相应的,输入温度预估子模型的融合后的图像可以是指融合后的图像特征。由于热红外图像记录了目标活体的温度信息,可见光图像记录了目标活体的形状、纹理等细节信息,将热红外图像和可见光图像融合后的图像特征一起输入到温度预估子模型,温度预估子模型从图像中获取的特征更加丰富,从而输出的体温更加准确。
另外,由于第一热红外图像中存在遮挡区域,该遮挡区域是因为目标活体的活体区域被遮挡形成的,而第二热红外图像中该活体区域未被完全遮挡,即第二热红外图像记录了该活体区域对应的真实的温度,从而将第一热红外图像和第二热红外图像一起输入到温度预估模型,输出的体温更加准确。
需要说明的一点是,本申请中的体温测量方法的执行主体为电子设备,其中电子设备包括终端和服务器,在该实施例中仅以执行主体为终端为例进行说明,在其他实施例中,执行主体也可以是服务器,本申请对此不做限制。
图7是本申请实施例提供的一种体温测量方法的流程图。参见图7,该实施例包括:
步骤701:终端采集目标活体当前的第一热红外图像,第一热红外图像包括第一图像区域,第一图像区域指代目标活体中被遮挡的活体区域。
该步骤的实现方式与步骤301相同,此处不再赘述。
步骤702:终端在已存储的热红外图像中,查询目标活体对应的第二热红外图像,第二热红外图像包括第二图像区域,第二图像区域指代未被完全遮挡的该活体区域。
该步骤的实现方式与步骤302相同,此处不再赘述。
步骤703:终端确定第一热红外图像中的第三图像区域和第二热红外图像中的第四图像区域,第三图像区域包括第一图像区域,第四图像区域包括第二图像区域,第三图像区域和第四图像区域指代该活体区域所在的活体身体部位。
活体身体部位是指目标活体的身体上的部位,例如,脸部、手部、脚部等。在本申请中,以该活体区域是鼻子和嘴巴以及附近区域为例,则该活体区域所在的活体身体部位为脸部。第三图像区域和第四图像区域指代上述活体区域所在的活体身体部位,即第三图像区域和第四图像区域是目标活体的脸部所在的区域。
在一种可能的实现方式中,终端确定第一热红外图像中的第三图像区域和第二热红外图像中的第四图像区域的实现方式包括以下步骤(1)-(3):
(1)终端获取第一热红外图像对应的第一可见光图像和第二热红外图像对应的第二可见光图像,第一可见光图像与第一热红外图像是同一摄像设备同时拍摄的图像,第二可见光图像与第二热红外图像是同一摄像设备同时拍摄的图像。
该步骤的实现方式和上述步骤303的实现方式相同,此处不再赘述。
(2)终端在第一可见光图像中确定该活体身体部位对应的第五图像区域,确定第一热红外图像中与第五图像区域对应的第三图像区域。
在本申请中,以该活体身体部位为脸部为例,则第五图像区域为第一可见光图像中目标活体的脸部所在的区域,第三图像区域为第一热红外图像中目标活体的脸部所在的区域。
第五图像区域和第三图像区域对应是指两者的位置关系对应,即第五图像区域在第一可见光图像中的位置和第三图像区域在第一热红外图像中的位置相同。
在本申请实施例中,通过先确定第一可见光图像中该活体身体部位对应的第五图像区域,然后在第一热红外图像中确定与第五图像区域对应的第三图像区域,由于可见光图像的对比度和分辨率较高,形状和纹理等细节信息丰富,根据第一可见光图像确定出的第五图像区域准确度高,从而确定出的第三图像区域的准确度高。
在一种可能的实现方式中,终端在第一可见光图像中确定该活体身体部位对应的第五图像区域的实现方式为:终端将第一可见光图像输入该活体身体部位对应的身体部位识别模型,得到该身体部位识别模型输出的第五图像区域。
例如,目标活体为人,该活体身体部位为脸部,则终端将第一可见光图像输入人脸识别模型,得到该人脸识别模型输出的人脸对应的第五图像区域。
在另一种可能的实现方式中,第一可见光图像中确定该活体身体部位对应的第五图像区域的实现方式为:终端根据第一可见光图像中的像素点的颜色和亮度确定该活体身体部位对应的第五图像区域。
(3)终端在第二可见光图像中确定该活体身体部位对应的第六图像区域,确定第二热红外图像中与第六图像区域对应的第四图像区域。
在本申请中,以该活体身体部位为脸部为例,则第六图像区域为第二可见光图像中目标活体的脸部所在的区域,第四图像区域为第二热红外图像中目标活体的脸部所在的区域。
第六图像区域和第四图像区域对应是指两者的位置关系对应,即第六图像区域在第二可见光图像中的位置和第四图像区域在第二热红外图像中的位置相同。
其中,终端在第二可见光图像中确定活体身体部位对应的第六图像区域的实现方式与上述终端在第一可见光图像中确定该活体身体部位对应的第五图像区域的实现方式同理,此处不再赘述。
步骤704:终端获取位于第三图像区域的像素点对应的第一皮肤表面温度和位于第四图像区域的像素点对应的第二皮肤表面温度。
皮肤表面温度是指目标活体的皮肤区域的表面温度,该皮肤表面温度可以是等效黑体温度或者其他可以表征皮肤表面温度的温度,本申请对此不做限制。第一皮肤表面温度是位于第三图像区域的像素点对应的皮肤表面温度。需要说明的一点是,位于第三图像区域中的像素点有多个,且每个像素点对应一个皮肤表面温度,相应的,第一皮肤表面温度也有多个。
在一种可能的实现方式中,终端获取位于第三图像区域的像素点对应的第一皮肤表面温度的实现方式为:终端确定位于第三图像区域的每个像素点对应的灰度值,根据每个像素点对应的灰度值,从灰度值和皮肤表面温度的对应关系中,获取每个像素点对应的第一皮肤表面温度。其中,灰度值和皮肤表面温度的对应关系可以预设在终端中。终端获取位于第四图像区域的像素点对应的第二皮肤表面温度的实现方式与此同理,此处不再赘述。
步骤705:终端根据第一皮肤表面温度和第二皮肤表面温度,确定目标活体的体温。
在一种可能的实现方式中,该步骤的实现方式为:终端获取到位于第三图像区域的多个像素点对应的多个第一皮肤表面温度和位于第四图像区域的多个像素点对应的多个第二皮肤表面温度,从而获取多个第一皮肤表面温度和多个第二皮肤表面温度的平均值,将该平均值作为目标活体的体温,该实现方式简单高效。
在另一种可能的实现方式中,该步骤的实现方式为:终端到位于第三图像区域的多个像素点对应的多个第一皮肤表面温度和位于第四图像区域的多个像素点对应的多个第二皮肤表面温度,将多个第一皮肤表面温度和多个第二皮肤表面温度输入温度预估模型,得到温度预估模型输出的目标活体的体温。
其中,该温度预估模型可以是根据样本皮肤表面温度和样本皮肤表面温度对应的活体的体温训练得到的,通过一次或多次训练,温度预估模型可以学习到皮肤表面温度和该皮肤表面温度对应的活体体温之间的关系,从而具备根据皮肤表面温度确定活体体温的能力。
在本申请实施例中,第一皮肤表面温度是根据当前拍摄的第一热红外图像得到的,可以反映目标活体当前的体温,第二皮肤表面温度虽然是根据已存储的之前拍摄的第二热红外图像得到的,但是,由于第一热红外图像中存在遮挡区域,该遮挡区域是因为目标活体的活体区域被遮挡形成的,而第二热红外图像中该活体区域未被完全遮挡,因此,第二皮肤表面温度记录了该活体区域对应的真实的皮肤表面温度,从而结合第一皮肤表面温度和第二皮肤表面温度获取的目标活体的体温准确度高。
需要说明的一点是,本申请中的体温测量方法的执行主体为电子设备,其中电子设备包括终端和服务器,在该实施例中仅以执行主体为终端为例进行说明,在其他实施例中,执行主体也可以是服务器,本申请对此不做限制。
图8是本申请实施例提供的一种体温测量方法的流程图。参见图8,该实施例包括:
步骤801:终端采集目标活体当前的第一热红外图像,第一热红外图像包括第一图像区域,第一图像区域指代目标活体中被遮挡的活体区域。
该步骤的实现方式与步骤301相同,此处不再赘述。
步骤802:终端在已存储的热红外图像中,查询目标活体对应的第二热红外图像,第二热红外图像包括第二图像区域,第二图像区域指代未被完全遮挡的该活体区域。
该步骤的实现方式与步骤302相同,此处不再赘述。
步骤803:终端确定第一热红外图像中的第三图像区域和第二热红外图像中的第四图像区域,第三图像区域包括第一图像区域,第四图像区域包括第二图像区域,第三图像区域和第四图像区域指代该活体区域所在的活体身体部位。
该步骤的实现方式与步骤703相同,此处不再赘述。
步骤804:终端获取位于第三图像区域、且不位于第一图像区域的像素点对应的第三皮肤表面温度和位于第二图像区域的像素点对应的第四皮肤表面温度。
在本申请中,假设该活体身体部位为脸部,且该活体区域为鼻子、嘴巴以及附近区域,则第三皮肤表面温度即是位于脸部区域中除了鼻子、嘴巴以及附近区域之外的其他区域的像素点的皮肤表面温度。例如,该其他区域包括额头,眼睛等区域。第四皮肤表面温度即是位于鼻子、嘴巴以及附近区域的像素点的皮肤表面温度。
终端在执行该步骤前,需要先确定第一图像区域和第二图像区域,然后才能获取第三皮肤表面温度和第四皮肤表面温度。其中,终端确定第一图像区域和第二图像区域的实现方式与步骤703中终端确定第三图像区域的实现方式同理,此处不再赘述。
另外,终端获取位于第三图像区域、且不位于第一图像区域的像素点对应的第三皮肤表面温度和位于第二图像区域的像素点对应的第四皮肤表面温度的实现方式与步骤704同理,此处也不再赘述。
步骤805:终端根据第三皮肤表面温度和第四皮肤表面温度,确定目标活体的体温。
该步骤的实现方式有三种,其中,前两种实现方式与步骤705中终端根据第一皮肤表面温度和第二皮肤表面温度,确定目标活体的体温同理,此处不再赘述。
第三种实现方式可以为:终端可以从多个第三皮肤表面温度和多个第四皮肤表面温度中选择至少两个关键点对应的第五皮肤表面温度,根据第五皮肤表面温度确定目标活体的体温。
其中,关键点可以根据需要预设在终端中,例如,假设目标活体为人,第三图像区域和第四图像区域为脸部所在的区域,则关键点可以是鼻子对应的像素点、额头对应的像素点等,本申请对此不做限制。
另外,终端根据第五皮肤表面温度获取目标活体的体温的实现方式可以为:终端将至少两个关键点对应的第五皮肤表面温度的平均值作为目标活体的体温。终端根据关键点对应的第五皮肤表面温度获取目标活体的体温,可以大大减小处理的数据量,提高体温测量的效率。
在本申请实施例中,由于第三皮肤表面温度是根据当前拍摄的第一热红外图像得到的,且该第三皮肤表面温度是位于第三图像区域、且不位于第一图像区域的像素点对应的皮肤表面温度,即该第三皮肤表面温度是未被遮挡的活体区域对应的皮肤表面温度,可以反映目标活体的该未被遮挡的活体区域当前的真实体温。另外,由于第四皮肤表面温度是未完全遮挡的活体区域对应的皮肤表面温度,也可以反映目标活体的该未完全遮挡的活体区域的真实体温,并且,由于该未被遮挡的活体区域与该未完全遮挡的活体区域不是同一个活体区域,则根据第三皮肤表面温度和第四皮肤表面温度确定目标活体的体温,相当于是根据更多皮肤区域的像素点的皮肤表面温度获取目标活体的体温,从而确定的体温的准确度高。
需要说明的一点是,本申请中涉及到的模型可以包括各种神经网络模型,例如DNN模型、CNN(Convolutional Neural Network,卷积神经网络)模型等,本申请对此不做限制。
需要说明的另一点是,本申请中的体温测量方法的执行主体为电子设备,其中电子设备包括终端和服务器,在该实施例中仅以执行主体为终端为例进行说明,在其他实施例中,执行主体也可以是服务器,本申请对此不做限制。
上述所有可选技术方案,可以采用任意结合形成本申请的可选实施例,在此不再一一赘述。
图9是本申请实施例提供的一种体温测量装置的框图。参见图9,该实施例包括:
热红外图像采集模块901,被配置为采集目标活体当前的第一热红外图像,第一热红外图像包括第一图像区域,第一图像区域指代目标活体中被遮挡的活体区域。
热红外图像查询模块902,被配置为在已存储的热红外图像中,查询目标活体对应的第二热红外图像,第二热红外图像包括第二图像区域,第二图像区域指代未被完全遮挡的活体区域。
体温确定模块903,被配置为根据第一热红外图像和第二热红外图像,确定目标活体的体温。
在一种可能的实现方式中,体温确定模块903,被配置为获取第一热红外图像对应的第一可见光图像和第二热红外图像对应的第二可见光图像,第一可见光图像与第一热红外图像是同一摄像设备同时拍摄的图像,第二可见光图像与第二热红外图像是同一摄像设备同时拍摄的图像;将第一热红外图像、第一可见光图像、第二热红外图像和第二可见光图像输入温度预估模型,得到温度预估模型输出的目标活体的体温。
在另一种可能的实现方式中,体温确定模块903包括:
图像区域确定单元,被配置为确定第一热红外图像中的第三图像区域和第二热红外图像中的第四图像区域,第三图像区域包括第一图像区域,第四图像区域包括第二图像区域,第三图像区域和第四图像区域指代活体区域所在的活体身体部位;
第一体温确定单元,被配置为获取位于第三图像区域的像素点对应的第一皮肤表面温度和位于第四图像区域的像素点对应的第二皮肤表面温度;根据第一皮肤表面温度和第二皮肤表面温度,确定目标活体的体温。
在另一种可能的实现方式中,体温确定模块903包括:
图像区域确定单元,被配置为确定第一热红外图像中的第三图像区域和第二热红外图像中的第四图像区域,第三图像区域包括第一图像区域,第四图像区域包括第二图像区域,第三图像区域和第四图像区域指代活体区域所在的活体身体部位;
第二体温确定单元,被配置为获取位于第三图像区域、且不位于第一图像区域的像素点对应的第三皮肤表面温度和位于第二图像区域的像素点对应的第四皮肤表面温度;根据第三皮肤表面温度和第四皮肤表面温度,确定目标活体的体温。
在另一种可能的实现方式中,图像区域确定单元,被配置为获取第一热红外图像对应的第一可见光图像和第二热红外图像对应的第二可见光图像,第一可见光图像与第一热红外图像是同一摄像设备同时拍摄的图像,第二可见光图像与第二热红外图像是同一摄像设备同时拍摄的图像;在第一可见光图像中确定活体身体部位对应的第五图像区域,确定第一热红外图像中与第五图像区域对应的第三图像区域;在第二可见光图像中确定活体身体部位对应的第六图像区域,确定第二热红外图像中与第六图像区域对应的第四图像区域。
在另一种可能的实现方式中,热红外图像查询模块902包括:
语音信号获取单元,被配置为获取输入的目标活体的语音信号;
身份信息确定单元,被配置为根据语音信号确定目标活体的身份信息;
热红外图像查询单元,被配置为在已存储的热红外图像中,查询与身份信息对应的第二热红外图像。
在另一种可能的实现方式中,身份信息确定单元,被配置为根据语音信号,调用身份识别模型,输出与语音信号匹配的身份信息。
在另一种可能的实现方式中,身份识别模型包括特征提取层和身份识别层;装置还包括:
样本数据获取模块,被配置为从数据库中提取更新的样本数据,样本数据包括任一用户发出的样本语音信号与用户的样本身份信息;
模型参数调整模块,被配置为在保持特征提取层的参数不变的情况下,根据样本语音信号和样本身份信息调整身份识别层的参数,得到参数调整后的身份识别模型。
在另一种可能的实现方式中,热红外图像查询单元包括:
可见光图像选择子单元,被配置为从数据库中查询身份信息对应的至少两个可见光图像;根据查询到的每个可见光图像的拍摄时间或皮肤区域的尺寸中的至少一项,从至少两个可见光图像中选择目标可见光图像;
热红外图像获取子单元,被配置为获取目标可见光图像对应的第二热红外图像,第二热红外图像与目标可见光图像是同一摄像设备同时拍摄的图像。
在另一种可能的实现方式中,可见光图像选择子单元,被配置为根据查询到的每个可见光图像的拍摄时间,从至少两个可见光图像中选择拍摄时间最晚的目标可见光图像;或者,根据查询到的每个可见光图像的皮肤区域的尺寸,从至少两个可见光图像中选择皮肤区域的尺寸最大的目标可见光图像。
在另一种可能的实现方式中,可见光图像选择子单元,被配置为对于查询到的任一可见光图像,根据可见光图像的拍摄时间,确定可见光图像的第一分数,第一分数用于表示可见光图像为目标可见光图像的概率,且拍摄时间越晚,第一分数越高;根据可见光图像的皮肤区域的尺寸,确定可见光图像的第二分数,第二分数用于表示可见光图像为目标可见光图像的概率,且拍摄时间越晚,第二分数越高;获取拍摄时间对应的第一权重和皮肤区域的尺寸对应的第二权重;按照获取的权重对第一分数和第二分数加权处理,得到可见光图像的目标分数;根据至少两个可见光图像对应的目标分数,从至少两个可见光图像中选择目标可见光图像。
在本申请实施例中,采集目标活体当前的第一热红外图像,第一热红外图像包括第一图像区域,第一图像区域指代目标活体中被遮挡的活体区域;在已存储的热红外图像中,查询目标活体对应的第二热红外图像,第二热红外图像包括第二图像区域,第二图像区域指代未被完全遮挡的活体区域;根据第一热红外图像和第二热红外图像,确定目标活体的体温。上述方法通过在当前拍摄的目标活体的第一热红外图像中活体区域存在遮挡的情况下,结合已存储的历史拍摄的目标活体的第二热红外图像来确定目标活体的体温,由于第二热红外图像中该活体区域未被完全遮挡,从而体温测量的误差小,准确度高。
需要说明的是:上述实施例提供的体温测量装置在进行体温测量时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将电子设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的体温测量装置与体温测量方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
图10示出了本申请一个示例性实施例提供的终端1000的结构框图。该终端1000可以是:智能手机、平板电脑、MP3播放器(Moving Picture Experts Group Audio LayerIII,动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group AudioLayer IV,动态影像专家压缩标准音频层面4)播放器、笔记本电脑或台式电脑。终端1000还可能被称为用户设备、便携式终端、膝上型终端、台式终端等其他名称。
通常,终端1000包括有:处理器1001和存储器1002。
处理器1001可以包括一个或多个处理核心,比如4核心处理器、8核心处理器等。处理器1001可以采用DSP(Digital Signal Processing,数字信号处理)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)、PLA(Programmable Logic Array,可编程逻辑阵列)中的至少一种硬件形式来实现。处理器1001也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称CPU(Central ProcessingUnit,中央处理器);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中,处理器1001可以在集成有GPU(Graphics Processing Unit,图像处理器),GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中,处理器1001还可以包括AI(Artificial Intelligence,人工智能)处理器,该AI处理器用于处理有关机器学习的计算操作。
存储器1002可以包括一个或多个计算机可读存储介质,该计算机可读存储介质可以是非暂态的。存储器1002还可包括高速随机存取存储器,以及非易失性存储器,比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中,存储器1002中的非暂态的计算机可读存储介质用于存储至少一个指令,该至少一个指令用于被处理器1001所执行以实现本申请中方法实施例提供的体温测量方法。
在一些实施例中,终端1000还可选包括有:外围设备接口1003和至少一个外围设备。处理器1001、存储器1002和外围设备接口1003之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口1003相连。具体地,外围设备包括:射频电路1004、触摸显示屏1005、摄像头组件1006、音频电路1007、定位组件1008和电源1009中的至少一种。
外围设备接口1003可被用于将I/O(Input/Output,输入/输出)相关的至少一个外围设备连接到处理器1001和存储器1002。在一些实施例中,处理器1001、存储器1002和外围设备接口1003被集成在同一芯片或电路板上;在一些其他实施例中,处理器1001、存储器1002和外围设备接口1003中的任意一个或两个可以在单独的芯片或电路板上实现,本实施例对此不加以限定。
射频电路1004用于接收和发射RF(Radio Frequency,射频)信号,也称电磁信号。射频电路1004通过电磁信号与通信网络以及其他通信设备进行通信。射频电路1004将电信号转换为电磁信号进行发送,或者,将接收到的电磁信号转换为电信号。可选地,射频电路1004包括:天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路1004可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于:城域网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(Wireless Fidelity,无线保真)网络。在一些实施例中,射频电路1004还可以包括NFC(Near Field Communication,近距离无线通信)有关的电路,本申请对此不加以限定。
显示屏1005用于显示UI(User Interface,用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏1005是触摸显示屏时,显示屏1005还具有采集在显示屏1005的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器1001进行处理。此时,显示屏1005还可以用于提供虚拟按钮和/或虚拟键盘,也称软按钮和/或软键盘。在一些实施例中,显示屏1005可以为一个,设置终端1000的前面板;在另一些实施例中,显示屏1005可以为至少两个,分别设置在终端1000的不同表面或呈折叠设计;在再一些实施例中,显示屏1005可以是柔性显示屏,设置在终端1000的弯曲表面上或折叠面上。甚至,显示屏1005还可以设置成非矩形的不规则图形,也即异形屏。显示屏1005可以采用LCD(Liquid Crystal Display,液晶显示屏)、OLED(Organic Light-Emitting Diode,有机发光二极管)等材质制备。
摄像头组件1006用于采集图像或视频。可选地,摄像头组件1006包括前置摄像头和后置摄像头。通常,前置摄像头设置在终端的前面板,后置摄像头设置在终端的背面。在一些实施例中,后置摄像头为至少两个,分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种,以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及VR(Virtual Reality,虚拟现实)拍摄功能或者其它融合拍摄功能。在一些实施例中,摄像头组件1006还可以包括闪光灯。闪光灯可以是单色温闪光灯,也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合,可以用于不同色温下的光线补偿。
音频电路1007可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波,并将声波转换为电信号输入至处理器1001进行处理,或者输入至射频电路1004以实现语音通信。出于立体声采集或降噪的目的,麦克风可以为多个,分别设置在终端1000的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器1001或射频电路1004的电信号转换为声波。扬声器可以是传统的薄膜扬声器,也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时,不仅可以将电信号转换为人类可听见的声波,也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中,音频电路1007还可以包括耳机插孔。
定位组件1008用于定位终端1000的当前地理位置,以实现导航或LBS(LocationBased Service,基于位置的服务)。定位组件1008可以是基于美国的GPS(GlobalPositioning System,全球定位系统)、中国的北斗系统、俄罗斯的格雷纳斯系统或欧盟的伽利略系统的定位组件。
电源1009用于为终端1000中的各个组件进行供电。电源1009可以是交流电、直流电、一次性电池或可充电电池。当电源1009包括可充电电池时,该可充电电池可以支持有线充电或无线充电。该可充电电池还可以用于支持快充技术。
在一些实施例中,终端1000还包括有一个或多个传感器1010。该一个或多个传感器1010包括但不限于:加速度传感器1011、陀螺仪传感器1012、压力传感器1013、指纹传感器1014、光学传感器1015以及接近传感器1016。
加速度传感器1011可以检测以终端1000建立的坐标系的三个坐标轴上的加速度大小。比如,加速度传感器1011可以用于检测重力加速度在三个坐标轴上的分量。处理器1001可以根据加速度传感器1011采集的重力加速度信号,控制触摸显示屏1005以横向视图或纵向视图进行用户界面的显示。加速度传感器1011还可以用于游戏或者用户的运动数据的采集。
陀螺仪传感器1012可以检测终端1000的机体方向及转动角度,陀螺仪传感器1012可以与加速度传感器1011协同采集用户对终端1000的3D动作。处理器1001根据陀螺仪传感器1012采集的数据,可以实现如下功能:动作感应(比如根据用户的倾斜操作来改变UI)、拍摄时的图像稳定、游戏控制以及惯性导航。
压力传感器1013可以设置在终端1000的侧边框和/或触摸显示屏1005的下层。当压力传感器1013设置在终端1000的侧边框时,可以检测用户对终端1000的握持信号,由处理器1001根据压力传感器1013采集的握持信号进行左右手识别或快捷操作。当压力传感器1013设置在触摸显示屏1005的下层时,由处理器1001根据用户对触摸显示屏1005的压力操作,实现对UI界面上的可操作性控件进行控制。可操作性控件包括按钮控件、滚动条控件、图标控件、菜单控件中的至少一种。
指纹传感器1014用于采集用户的指纹,由处理器1001根据指纹传感器1014采集到的指纹识别用户的身份,或者,由指纹传感器1014根据采集到的指纹识别用户的身份。在识别出用户的身份为可信身份时,由处理器1001授权该用户执行相关的敏感操作,该敏感操作包括解锁屏幕、查看加密信息、下载软件、支付及更改设置等。指纹传感器1014可以被设置终端1000的正面、背面或侧面。当终端1000上设置有物理按键或厂商Logo时,指纹传感器1014可以与物理按键或厂商Logo集成在一起。
光学传感器1015用于采集环境光强度。在一个实施例中,处理器1001可以根据光学传感器1015采集的环境光强度,控制触摸显示屏1005的显示亮度。具体地,当环境光强度较高时,调高触摸显示屏1005的显示亮度;当环境光强度较低时,调低触摸显示屏1005的显示亮度。在另一个实施例中,处理器1001还可以根据光学传感器1015采集的环境光强度,动态调整摄像头组件1006的拍摄参数。
接近传感器1016,也称距离传感器,通常设置在终端1000的前面板。接近传感器1016用于采集用户与终端1000的正面之间的距离。在一个实施例中,当接近传感器1016检测到用户与终端1000的正面之间的距离逐渐变小时,由处理器1001控制触摸显示屏1005从亮屏状态切换为息屏状态;当接近传感器1016检测到用户与终端1000的正面之间的距离逐渐变大时,由处理器1001控制触摸显示屏1005从息屏状态切换为亮屏状态。
本领域技术人员可以理解,图10中示出的结构并不构成对终端1000的限定,可以包括比图示更多或更少的组件,或者组合某些组件,或者采用不同的组件布置。
图11是本申请实施例提供的一种服务器的结构示意图,该服务器1100可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(central processingunits,CPU)1101和一个或一个以上的存储器1102,其中,所述存储器1102中存储有至少一条指令,所述至少一条指令由所述处理器1101加载并执行以实现上述各个方法实施例提供的体温测量方法。当然,该服务器还可以具有有线或无线网络接口、键盘以及输入输出接口等部件,以便进行输入输出,该服务器还可以包括其他用于实现设备功能的部件,在此不做赘述。
本申请实施例还提供了一种电子设备,该电子设备包括处理器和存储器,存储器中存储有至少一条指令,该至少一条指令由处理器加载并执行,以实现上述实施例的体温测量方法中所执行的操作。
本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质中存储有至少一条指令,该至少一条指令由处理器加载并执行,以实现上述实施例的体温测量方法中所执行的操作。
本申请实施例还提供了一种计算机程序,该计算机程序中存储有至少一条指令,该至少一条指令由处理器加载并执行,以实现上述实施例的体温测量方法中所执行的操作。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本申请的可选实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (13)
1.一种体温测量方法,其特征在于,所述方法包括:
采集目标活体当前的第一热红外图像,所述第一热红外图像包括第一图像区域,所述第一图像区域指代所述目标活体中被遮挡的活体区域;
在已存储的热红外图像中,查询所述目标活体对应的第二热红外图像,所述第二热红外图像包括第二图像区域,所述第二图像区域指代未被完全遮挡的所述活体区域;
根据所述第一热红外图像和所述第二热红外图像,确定所述目标活体的体温;
所述根据所述第一热红外图像和所述第二热红外图像,确定所述目标活体的体温,包括:
获取所述第一热红外图像对应的第一可见光图像和所述第二热红外图像对应的第二可见光图像,所述第一可见光图像与所述第一热红外图像是同一摄像设备同时拍摄的图像,所述第二可见光图像与所述第二热红外图像是同一摄像设备同时拍摄的图像;
将所述第一热红外图像、所述第一可见光图像、所述第二热红外图像和所述第二可见光图像输入温度预估模型,得到所述温度预估模型输出的所述目标活体的体温。
2.根据权利要求1所述的方法,其特征在于,所述根据所述第一热红外图像和所述第二热红外图像,确定所述目标活体的体温,包括:
确定所述第一热红外图像中的第三图像区域和所述第二热红外图像中的第四图像区域,所述第三图像区域包括所述第一图像区域,所述第四图像区域包括所述第二图像区域,所述第三图像区域和所述第四图像区域指代所述活体区域所在的活体身体部位;
获取位于所述第三图像区域的像素点对应的第一皮肤表面温度和位于所述第四图像区域的像素点对应的第二皮肤表面温度;
根据所述第一皮肤表面温度和所述第二皮肤表面温度,确定所述目标活体的体温。
3.根据权利要求1所述的方法,其特征在于,所述根据所述第一热红外图像和所述第二热红外图像,确定所述目标活体的体温,包括:
确定所述第一热红外图像中的第三图像区域和所述第二热红外图像中的第四图像区域,所述第三图像区域包括所述第一图像区域,所述第四图像区域包括所述第二图像区域,所述第三图像区域和所述第四图像区域指代所述活体区域所在的活体身体部位;
获取位于所述第三图像区域、且不位于所述第一图像区域的像素点对应的第三皮肤表面温度和位于所述第二图像区域的像素点对应的第四皮肤表面温度;
根据所述第三皮肤表面温度和所述第四皮肤表面温度,确定所述目标活体的体温。
4.根据权利要求2或3所述的方法,其特征在于,所述确定所述第一热红外图像中的第三图像区域和所述第二热红外图像中的第四图像区域,包括:
在所述第一可见光图像中确定所述活体身体部位对应的第五图像区域,确定所述第一热红外图像中与所述第五图像区域对应的所述第三图像区域;
在所述第二可见光图像中确定所述活体身体部位对应的第六图像区域,确定所述第二热红外图像中与所述第六图像区域对应的所述第四图像区域。
5.根据权利要求1所述的方法,其特征在于,所述在已存储的热红外图像中,查询所述目标活体对应的第二热红外图像,包括:
获取输入的所述目标活体的语音信号;
根据所述语音信号确定所述目标活体的身份信息;
在所述已存储的热红外图像中,查询与所述身份信息对应的所述第二热红外图像。
6.根据权利要求5所述的方法,其特征在于,所述根据所述语音信号确定所述目标活体的身份信息,包括:
根据所述语音信号,调用身份识别模型,输出与所述语音信号匹配的所述身份信息。
7.根据权利要求6所述的方法,其特征在于,所述身份识别模型包括特征提取层和身份识别层;所述方法还包括:
从数据库中提取更新的样本数据,所述样本数据包括任一用户发出的样本语音信号与所述用户的样本身份信息;
在保持所述特征提取层的参数不变的情况下,根据所述样本语音信号和所述样本身份信息调整所述身份识别层的参数,得到参数调整后的身份识别模型。
8.根据权利要求5所述的方法,其特征在于,所述在所述已存储的热红外图像中,查询与所述身份信息对应的所述第二热红外图像,包括:
从数据库中查询所述身份信息对应的至少两个可见光图像;
根据查询到的每个可见光图像的拍摄时间或皮肤区域的尺寸中的至少一项,从所述至少两个可见光图像中选择目标可见光图像;
获取所述目标可见光图像对应的所述第二热红外图像,所述第二热红外图像与所述目标可见光图像是同一摄像设备同时拍摄的图像。
9.根据权利要求8所述的方法,其特征在于,所述根据查询到的每个可见光图像的拍摄时间或皮肤区域的尺寸中的至少一项,从所述至少两个可见光图像中选择目标可见光图像,包括:
根据查询到的每个可见光图像的拍摄时间,从所述至少两个可见光图像中选择拍摄时间最晚的所述目标可见光图像;或者,
根据查询到的每个可见光图像的皮肤区域的尺寸,从所述至少两个可见光图像中选择皮肤区域的尺寸最大的所述目标可见光图像。
10.根据权利要求8所述的方法,其特征在于,所述根据查询到的每个可见光图像的拍摄时间或皮肤区域的尺寸中的至少一项,从所述至少两个可见光图像中选择目标可见光图像,包括:
对于查询到的任一可见光图像,根据所述可见光图像的拍摄时间,确定所述可见光图像的第一分数,所述第一分数用于表示所述可见光图像为所述目标可见光图像的概率,且拍摄时间越晚,所述第一分数越高;
根据所述可见光图像的皮肤区域的尺寸,确定所述可见光图像的第二分数,所述第二分数用于表示所述可见光图像为所述目标可见光图像的概率,且拍摄时间越晚,所述第二分数越高;
获取拍摄时间对应的第一权重和皮肤区域的尺寸对应的第二权重;
按照获取的权重对所述第一分数和所述第二分数加权处理,得到所述可见光图像的目标分数;
根据所述至少两个可见光图像对应的目标分数,从所述至少两个可见光图像中选择所述目标可见光图像。
11.一种体温测量装置,其特征在于,所述装置包括:
热红外图像采集模块,被配置为采集目标活体当前的第一热红外图像,所述第一热红外图像包括第一图像区域,所述第一图像区域指代所述目标活体中被遮挡的活体区域;
热红外图像查询模块,被配置为在已存储的热红外图像中,查询所述目标活体对应的第二热红外图像,所述第二热红外图像包括第二图像区域,所述第二图像区域指代未被完全遮挡的所述活体区域;
体温确定模块,被配置为获取所述第一热红外图像对应的第一可见光图像和所述第二热红外图像对应的第二可见光图像,所述第一可见光图像与所述第一热红外图像是同一摄像设备同时拍摄的图像,所述第二可见光图像与所述第二热红外图像是同一摄像设备同时拍摄的图像;将所述第一热红外图像、所述第一可见光图像、所述第二热红外图像和所述第二可见光图像输入温度预估模型,得到所述温度预估模型输出的所述目标活体的体温。
12.一种电子设备,其特征在于,所述电子设备包括处理器和存储器,所述存储器中存储有至少一条指令,所述指令由所述处理器加载并执行以实现如权利要求1至权利要求10任一项所述的体温测量方法所执行的操作。
13.一种计算机可读存储介质,其特征在于,所述存储介质中存储有至少一条指令,所述指令由处理器加载并执行以实现如权利要求1至权利要求10任一项所述的体温测量方法所执行的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010699893.9A CN111982293B (zh) | 2020-07-20 | 2020-07-20 | 体温测量方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010699893.9A CN111982293B (zh) | 2020-07-20 | 2020-07-20 | 体温测量方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111982293A CN111982293A (zh) | 2020-11-24 |
CN111982293B true CN111982293B (zh) | 2022-07-15 |
Family
ID=73437932
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010699893.9A Active CN111982293B (zh) | 2020-07-20 | 2020-07-20 | 体温测量方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111982293B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114659646A (zh) * | 2020-12-07 | 2022-06-24 | 华为技术有限公司 | 一种测温方法、装置、设备及系统 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8311292B2 (en) * | 2009-02-09 | 2012-11-13 | Cisco Technology, Inc. | Context aware, multiple target image recognition |
CN106264486A (zh) * | 2015-05-29 | 2017-01-04 | 上海温尔信息科技有限公司 | 一种体温数据处理装置 |
CN105956399B (zh) * | 2016-04-29 | 2018-02-09 | 广州视源电子科技股份有限公司 | 一种温度预测方法及电子体温计 |
CN210383893U (zh) * | 2019-05-15 | 2020-04-24 | 王忠海 | 一种多功能医疗检测平台 |
CN110136791A (zh) * | 2019-05-20 | 2019-08-16 | 合肥易康达医疗卫生信息科技有限公司 | 一种大数据健康信息管理系统 |
CN110823412A (zh) * | 2019-11-08 | 2020-02-21 | 深圳市东迪欣科技有限公司 | 一种温度测量方法、装置、设备及存储介质 |
CN111047621B (zh) * | 2019-11-15 | 2021-04-09 | 云从科技集团股份有限公司 | 一种目标对象追踪方法、系统、设备及可读介质 |
CN111339951A (zh) * | 2020-02-26 | 2020-06-26 | 北京迈格威科技有限公司 | 体温测量方法、装置及系统 |
CN111157124B (zh) * | 2020-03-11 | 2021-06-15 | 深圳市赛菲姆科技有限公司 | 一种基于人脸识别的人体测温方法、装置、系统 |
CN111402481A (zh) * | 2020-03-29 | 2020-07-10 | 北京年管家信息科技有限公司 | 一种带有测量体温功能的智能门禁系统、控制方法及计算机可读存储介质 |
-
2020
- 2020-07-20 CN CN202010699893.9A patent/CN111982293B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111982293A (zh) | 2020-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111079576B (zh) | 活体检测方法、装置、设备及存储介质 | |
WO2020224479A1 (zh) | 目标的位置获取方法、装置、计算机设备及存储介质 | |
CN110647865A (zh) | 人脸姿态的识别方法、装置、设备及存储介质 | |
CN110865754B (zh) | 信息展示方法、装置及终端 | |
CN110059652B (zh) | 人脸图像处理方法、装置及存储介质 | |
CN109522863B (zh) | 耳部关键点检测方法、装置及存储介质 | |
CN109558837B (zh) | 人脸关键点检测方法、装置及存储介质 | |
CN110807361A (zh) | 人体识别方法、装置、计算机设备及存储介质 | |
CN111127509B (zh) | 目标跟踪方法、装置和计算机可读存储介质 | |
CN108288032B (zh) | 动作特征获取方法、装置及存储介质 | |
CN110933468A (zh) | 播放方法、装置、电子设备及介质 | |
CN112581358B (zh) | 图像处理模型的训练方法、图像处理方法及装置 | |
CN111104980B (zh) | 确定分类结果的方法、装置、设备及存储介质 | |
CN113763228A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN111027490A (zh) | 人脸属性识别方法及装置、存储介质 | |
CN110705614A (zh) | 模型训练方法、装置、电子设备及存储介质 | |
CN110991445B (zh) | 竖排文字识别方法、装置、设备及介质 | |
CN111982293B (zh) | 体温测量方法、装置、电子设备及存储介质 | |
CN112967261B (zh) | 图像融合方法、装置、设备及存储介质 | |
CN113709353B (zh) | 图像采集方法和设备 | |
CN111179628B (zh) | 自动驾驶车辆的定位方法、装置、电子设备及存储介质 | |
CN111488895B (zh) | 对抗数据生成方法、装置、设备及存储介质 | |
CN114093020A (zh) | 动作捕捉方法、装置、电子设备及存储介质 | |
CN111797754A (zh) | 图像检测的方法、装置、电子设备及介质 | |
CN112990424A (zh) | 神经网络模型训练的方法和装置 |
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 |