CN112102207A - 一种确定温度的方法、装置、电子设备及可读存储介质 - Google Patents
一种确定温度的方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN112102207A CN112102207A CN202011181628.8A CN202011181628A CN112102207A CN 112102207 A CN112102207 A CN 112102207A CN 202011181628 A CN202011181628 A CN 202011181628A CN 112102207 A CN112102207 A CN 112102207A
- Authority
- CN
- China
- Prior art keywords
- image
- temperature
- determining
- enhanced
- face
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000012545 processing Methods 0.000 claims abstract description 55
- 238000013136 deep learning model Methods 0.000 claims description 15
- 238000001514 detection method Methods 0.000 claims description 13
- 238000010606 normalization Methods 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 4
- 238000009529 body temperature measurement Methods 0.000 description 10
- 238000001931 thermography Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 210000001061 forehead Anatomy 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 210000005069 ears Anatomy 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000004861 thermometry Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
Abstract
本申请提供了一种确定温度的方法、装置、电子设备及可读存储介质,其中,该方法包括:获取包含待测温对象的初始图像;对所述初始图像进行亮度增强处理,得到所述初始图像所对应的增强图像;根据所述增强图像,确定所述待测温对象的温度信息。通过本申请提供的方法,可以得到初始图像所对应的增强图像,使得初始图像的亮度增强,根据亮度增强的图像可以准确测出人脸位置的温度。
Description
技术领域
本申请涉及图像处理领域,尤其是涉及一种确定温度的方法、装置、电子设备及可读存储介质。
背景技术
热成像技术是一种利用光学系统接受被测目标的红外辐射能量分布图,将红外辐射能量分布图反映到红外探测器的光敏元件上,形成红外热图像的技术。
随着热成像技术的发展,热成像技术广泛应用于医疗、治安、消防、考古、交通、农业和地质等领域。常见的是,利用热成像技术对人体进行测温。
目前,利用热成像技术对人体进行测温时,系统根据探测到的人体的热能量的高低,转变为人体的热图像,最后以灰度图显示出来。但是人体的热图像以灰度图显示出来后,当环境温度太高时,灰度图倾向于白色,而当环境温度太低时,灰度图则倾向于黑色,导致无法准确识别出人脸位置,进而无法准确测出人脸位置的温度。
发明内容
有鉴于此,本申请的目的在于提供一种确定温度的方法、装置、电子设备及可读存储介质,以准确测出人脸位置的温度。
第一方面,本申请实施例提供了一种确定温度的方法,包括:
获取包含待测温对象的初始图像;
对所述初始图像进行亮度增强处理,得到所述初始图像所对应的增强图像;
根据所述增强图像,确定所述待测温对象的温度信息。
结合第一方面,本申请实施例提供了第一方面的第一种可能的实施方式,其中,所述对所述初始图像进行亮度增强处理,得到所述初始图像所对应的增强图像,包括:对所述初始图像进行归一化处理,得到归一化图像;对所述归一化图像进行灰度转换处理,得到所述归一化图像对应的灰度图像;对所述灰度图像进行对比度增强处理,得到所述灰度图像对应的增强图像。
结合第一方面的第一种可能的实施方式,本申请实施例提供了第一方面的第二种可能的实施方式,其中,所述对所述灰度图像进行对比度增强处理,得到所述灰度图像所对应的增强图像,包括:按照预设分割要求,将所述灰度图像分割成多个子图像;针对每个所述子图像进行直方图均衡化处理,得到处理后的子图像;根据所述处理后的子图像,得到所述灰度图像所对应的增强图像。
结合第一方面,本申请实施例提供了第一方面的第三种可能的实施方式,其中,所述待测温对象为人脸区域;所述根据所述增强图像,确定所述待测温对象的温度信息,包括:对所述增强图像进行人脸检测确定人脸区域,以及所述人脸区域中每个部位的温度信息;根据所述人脸区域中每个部位的温度信息,确定所述人脸区域的平均温度。
结合第一方面的第三种可能的实施方式,本申请实施例提供了第一方面的第四种可能的实施方式,其中,对所述增强图像进行人脸检测确定人脸区域,以及所述人脸区域中每个部位的温度信息,包括:将所述增强图像输入至已经训练完成的深度学习模型中,得到所述人脸区域的各个部位的温度值;其中,用于训练所述深度学习模型的样本是经过图像增强之后的增强图像。
结合第一方面,本申请实施例提供了第一方面的第五种可能的实施方式,其中,所述温度信息包括以下至少一种:最高温度、最低温度、平均温度、中值温度和预设部位温度。
结合第一方面的第一种可能的实施方式或第二种可能的实施方式,本申请实施例提供了第一方面的第六种可能的实施方式,其中,所述灰度图像包括灰色图像和/或伪彩图像。
第二方面,本申请实施例还提供一种确定温度的装置,包括:
第一获取模块,用于获取包含待测温对象的初始图像;
处理模块,用于对所述初始图像进行亮度增强处理,得到所述初始图像所对应的增强图像;
第一确定模块,用于根据所述增强图像,确定所述待测温对象的温度信息。
第三方面,本申请实施例还提供一种电子设备,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行上述第一方面,或第一方面中任一种可能的实施方式中的步骤。
第四方面,本申请实施例还提供一种可读存储介质,该可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行上述第一方面中任一种可能的实施方式中的步骤。
本申请实施例提供的一种确定温度的方法,包括:获取包含待测温对象的初始图像;对所述初始图像进行亮度增强处理,得到所述初始图像所对应的增强图像;根据所述增强图像,确定所述待测温对象的温度信息。通过本申请实施例提供的确定温度的方法,可以得到初始图像所对应的增强图像,使得初始图像的亮度增强,根据亮度增强的图像可以准确测出人脸位置的温度。
为使本申请的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1示出了本申请实施例所提供的一种确定温度的方法的流程图;
图2示出了本申请实施例所提供的灰度图像与增强图像的对比示意图;
图3示出了本申请实施例所提供的增强图像中的人脸位置示意图;
图4示出了本申请实施例所提供的一种确定温度的装置的结构示意图;
图5示出了本申请实施例所提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中附图,对本申请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申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
目前,热成像人脸测温系统被广泛应用于生活的各个场景中,尤其是对处于公共场所的人们进行体温筛查的场景中。
但是当前热成像人脸测温系统根据探测到的人体的热能量的高低,转变为人体的热图像,最后以灰度图显示出来。但是人体的热图像以灰度图显示出来后,当环境温度太高时,灰度图倾向于白色,而当环境温度太低时,灰度图则倾向于黑色,热成像人脸测温系统容易捕捉到错误的人脸位置或者自动放弃对人脸位置的捕捉,因此无法准确识别出人脸位置。
考虑到现有技术中利用人体的热图像进行人脸测温时,存在无法准确识别出人脸位置,进而无法准确测出人脸位置的温度的问题。基于此,本申请实施例提供了一种确定温度的方法、装置、电子设备及可读存储介质,下面通过实施例进行描述。
为便于对本实施例进行理解,首先对本申请实施例所公开的一种确定温度的方法进行详细介绍。如图1所示的一种确定温度的方法的流程图中,包括以下步骤:
S101:获取包含待测温对象的初始图像;
S102:对初始图像进行亮度增强处理,得到初始图像所对应的增强图像;
S103:根据增强图像,确定待测温对象的温度信息。
需要说明的是,本申请实施例提供的一种确定温度的方法不仅限于对人体温度的确定,还适用于对任何待测温对象的温度的确定,并且本申请实施例提供的确定温度的方法不仅限于对人脸区域的温度的确定,还适用于对人体任何部位的温度的确定。
在步骤S101中,待测温对象指的是需要测量温度的对象,包括但不限于人体,还可以包括动物或者其他物体等。
初始图像指的是包含待测温对象的热图像,初始图像中可以包含待测温对象的完整区域,也可以包含待测温对象的部分区域。
初始图像可以是从热成像相机中实时获取的热图像,也可以是从本地数据库中获取的已保存的历史热图像,还可以是从云端数据库下载的热图像。
在具体实施中初始图像可以是静态热图像,也可以是动态热图像(例如视频帧等)。初始图像可以包括10位元热图像、12位元热图像、14位元热图像或16位元热图像等。
由此,初始图像为包含待测温对象的初始热图像。其中,初始热图像可以表示出图像中部分或全部像素的温度值。
在步骤S102中,通过对初始图像进行亮度增强处理,可以重新分布初始图像的亮度,以改变初始图像的对比度,从而得到亮度增强的增强图像。
在具体地实施过程中,可以按照以下步骤对初始图像进行亮度增强处理:
S1021:对初始图像进行归一化处理,得到归一化图像;
S1022:对归一化图像进行灰度转换处理,得到归一化图像对应的灰度图像;
S1023:对灰度图像进行对比度增强处理,得到灰度图像对应的增强图像。
在步骤S1021中,可以先从初始图像中获取到原始的像素最大值和像素最小值,然后通过原始数据线性化的方法将像素值均转换到0~1之间的范围,使用到的归一化公式为:
其中,x为原始像素值;xnew为归一化之后的像素值;xmax为原始的像素最大值;xmin为原始的像素最小值。
经过上述归一化处理之后,即可得到归一化图像。
在步骤S1022中,可以使用灰度拉伸的方法将归一化图像中的灰度值分布扩展到具有256个灰度级的图像,使用到的灰度转换公式为:
xgrey=xnew*255;
其中xgrey为灰度转换之后的像素值。
在具体实施过程中,灰度图像可以包括灰色图像和/或伪彩图像,其中伪彩图像可以包括以下至少一种:黑热、白热、色彩、冰火、雨、红热、绿热、深蓝及其他相关的颜色呈现模式。
在步骤S1023中,可以基于限制对比度自适应直方图均衡化方法,通过拉伸影像的像素强度分布范围来增强图像对比度。在该过程中,运用累积分布函数(cumulativedistribution function,简称CDF)对灰度值进行调整以实现对比度增强,把灰度图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。如图2所示的灰度图像与增强图像的对比示意图中,2a表示进行对比度增强处理之前的灰度图像,2b表示进行对比度增强处理之后增强图像,显然增强图像比灰度图像的像素强度分布更加均匀,增强图像的对比度更强。
在执行步骤S1023时,具体可以包括以下步骤:
S10231:按照预设分割要求,将灰度图像分割成多个子图像;
S10232:针对每个子图像进行直方图均衡化处理,得到处理后的子图像;
S10233:根据处理后的子图像,得到灰度图像所对应的增强图像。
在步骤S10231中,可以将灰度图像分割成多个大小相同的子图像,在具体实施过程中,默认的分割大小为8*8,也就是子图像均为8*8的图像,在实际情况中也可以分为其他大小的子图像。
在步骤S10232中,可以针对每个子图像进行直方图均衡化处理。在每个子图像中,直方图会集中在某一个小的区域内,因此需要将表示直方图的列向量中的值(即bin)超过对比度的最大值时,可以将每个子图像中的像素点均匀分散到其他bins中,然后再进行直方图均衡化处理。
在步骤S10233中,可以利用双线性差值将处理后的组图像进行缝合得到灰度图像所对应的增强图像。
步骤S103中,待测温对象的目标部位在增强图像中的位置与待测温对象的目标部位在所述初始图像中的位置是相同的,只要确定出待测温对象的各个部位在增强图像中的位置,就可以确定出待测温对象的各个部位在增强图像中的温度信息。
其中,温度信息可以包括以下至少一种:最高温度、最低温度、平均温度、中值温度和预设部位温度。
最高温度可以指的是待测温对象的多个部位中的温度最高值;最低温度可以指的是待测温对象的多个部位中的温度最低值;平均温度可以指的是待测温对象的多个部位中的温度的平均值;温度中值可以指的是待测温对象的多个部位中的温度中间值;预设部位温度指的是待测温对象的多个部位中预设部位的温度。
在一种可行的实施方式中,待测温对象可以是人脸区域,在执行步骤S103时,具体地可以包括以下步骤:
S1031:对增强图像进行人脸检测确定人脸区域,以及人脸区域中每个部位的温度信息;
S1032:根据所述人脸区域中每个部位的温度信息,确定人脸区域的平均温度。
在步骤S1031中,待测温对象的部位可以指的是待测温对象的整个部位(例如人体),也可以指的是待测温对象的部分部位(例如脸部、额头等),这里可以是人脸区域。在该步骤中,可以根据人脸检测技术检测待测温对象的人脸区域在增强图像中的位置信息以及各个部位在人脸区域中的位置信息。
人脸区域的位置信息可以包括脸部在增强图像中的位置坐标以及面积大小,例如可以是边界盒(bounding box)。各个部位在人脸区域中的位置信息可以为面部的各个部位,例如眼睛、鼻子、耳朵和嘴巴等部位在人脸区域中的位置坐标和面积大小。
图3示出了增强图像中的人脸位置示意图,3a表示待检测人脸位置的增强图像,3b表示检测出的人脸位置图像。
在步骤S1032中,根据增强图像和人脸区域中每个部位的位置信息,可以确定出每个部位的温度,然后根据每个部位的温度可以确定出人脸区域的平均温度。
在具体是执行步骤S1032时,可以将人脸区域的增强图像输入至已经训练完成的深度学习模型中,得到人脸区域的平均温度。
其中在对深度学习模型进行训练的时候,可以将人脸区域的热图作为用于训练深度学习模型的样本。
在其他可行的实施方式中,还可以利用已经训练完成的深度学习模型得到人脸区域的最高温度、最低温度、中值温度等。
上述的步骤S1032可以被替换为:将各个部位的温度信息中的最大值、最小值、中值或平均值等输出,作为所述待测温对象的温度信息。
在另一实现方式中,步骤S103可以包括:对增强图像进行人脸检测确定人脸区域,进一步识别出人脸区域中的目标部位,并将目标部位的温度作为待测温对象的温度信息。在一个示例中,待测温对象是人脸,目标部位是额头。
本申请的步骤S103中所使用的人脸检测是一种在任意数字图像中找到人脸的位置和大小的计算机技术。它可以检测出面部特征,并忽略诸如建筑物、树木和身体等其他任何东西。人脸检测也负责找到面部的细微特征,如眼睛、鼻子、嘴巴等的精细位置。
具体的,本申请中的人脸检测可以使用深度学习模型,该深度学习模型的输入是增强图像,输出包括人脸区域以及各个部位的温度信息。具体的,输出可以包括人脸区域的位置,以及各个部位的位置和温度信息。可选地,本申请的位置可以用bounding box示出。
本发明实施例的人脸检测是基于深度学习的方法执行的。在开发深度学习模型的过程中,训练阶段通常缺乏多种可以用于训练的热图像,尤其是在不同背景下的同一目标物体或人脸。所述热图像背景因为环境温度的改变而呈现偏暗或偏亮的灰度图像,导致人脸检测和测温应用的不稳定。
本申请中的人脸检测所使用的深度学习模型,在训练时所基于的训练数据集中的热图也是经过图像增强之后的增强图像。具体地,基于限制对比度自适应直方图均衡化的图像增强方法,将不同亮度的热图像归一化,能够更好地区分背景和目标物,输出的增强图像能有效地提升深度神经网络的学习,提取出准确的人脸位置。
通过本申请实施例提供的确定温度的方法,可以得到初始图像所对应的增强图像,使得初始图像的亮度增强,根据亮度增强的图像可以准确测出人脸位置的温度,进而优化测温应用。
基于相同的技术构思,本申请实施例还提供一种确定温度的装置、电子设备、以及计算机可读存储介质等,具体可参见以下实施例。
图4是示出本申请的一些实施例的确定温度的装置的框图,该确定温度的装置实现的功能对应上述在终端设备上执行确定温度的方法的步骤。该装置可以理解为一个包括处理器的服务器的组件,该组件能够实现上述确定温度的方法,如图4所示,该确定温度的装置可以包括:
第一获取模块401,用于获取包含待测温对象的初始图像;
处理模块402,用于对所述初始图像进行亮度增强处理,得到所述初始图像所对应的增强图像;
第一确定模块403,用于根据所述增强图像,确定所述待测温对象的温度信息。
在一种可行的实施方式中,所述处理模块402包括:
归一化处理模块,用于对所述初始图像进行归一化处理,得到归一化图像;
灰度转换处理模块,用于对所述归一化图像进行灰度转换处理,得到所述归一化图像对应的灰度图像;
对比度增强处理模块,用于对所述灰度图像进行对比度增强处理,得到所述灰度图像对应的增强图像。
在一种可行的实施方式中,所述对比度增强处理模块,包括:
分割模块,用于按照预设分割要求,将所述灰度图像分割成多个子图像;
直方图均衡化处理处理模块,用于针对每个所述子图像进行直方图均衡化处理,得到处理后的子图像;
子处理模块,用于根据所述处理后的子图像,得到所述灰度图像所对应的增强图像。
在一种可行的实施方式中,所述待测温对象为人脸区域;所述第一确定模块403,包括:
第二获取模块,用于获取所述人脸区域中每个部位的位置信息;
第二确定模块,用于根据所述增强图像和所述人脸区域中每个部位的位置信息,确定所述人脸区域的平均温度。
在一种可行的实施方式中,所述第二确定模块,用于将所述人脸区域的增强图像输入至已经训练完成的深度学习模型中,得到所述人脸区域的平均温度;用于训练所述深度学习模型的样本是人脸区域的热图。
在一种可行的实施方式中,所述灰度图像包括灰色图像和/或伪彩图像。
如图5所示,为本申请实施例所提供的一种电子设备500的结构示意图,该电子设备500包括:至少一个处理器501,至少一个网络接口504和至少一个用户接口503,存储器505,至少一个通信总线502。通信总线502用于实现这些组件之间的连接通信。用户接口503,包括显示器(例如,触摸屏)、键盘或者点击设备(例如,触感板或者触摸屏等)。
存储器505可以包括只读存储器和随机存取存储器,并向处理器501提供指令和数据。存储器505的一部分还可以包括非易失性随机存取存储器(NVRAM)。
在一些实施方式中,存储器505存储了如下的元素,可执行模块或者数据结构,或者他们的子集,或者他们的扩展集:
操作系统5051,包含各种系统程序,用于实现各种基础业务以及处理基于硬件的任务;
应用程序5052,包含各种应用程序,用于实现各种应用业务。
在本申请实施例中,通过调用存储器505存储的程序或指令(如机器可读指令),处理器501用于:
获取包含待测温对象的初始图像;
对所述初始图像进行亮度增强处理,得到所述初始图像所对应的增强图像;
根据所述增强图像,确定所述待测温对象的温度信息。
在一种可行的实施方式中,处理器501在执行步骤对所述初始图像进行亮度增强处理,得到所述初始图像所对应的增强图像时,具体用于:
对所述初始图像进行归一化处理,得到归一化图像;
对所述归一化图像进行灰度转换处理,得到所述归一化图像对应的灰度图像;
对所述灰度图像进行对比度增强处理,得到所述灰度图像对应的增强图像。
在一种可行的实施方式中,处理器501在执行步骤对所述灰度图像进行对比度增强处理,得到所述灰度图像所对应的增强图像时,具体用于:按照预设分割要求,将所述灰度图像分割成多个子图像;
针对每个所述子图像进行直方图均衡化处理,得到处理后的子图像;
根据所述处理后的子图像,得到所述灰度图像所对应的增强图像。
在一种可行的实施方式中,所述待测温对象为人脸区域;
处理器501在执行步骤根据所述增强图像,确定所述待测温对象的温度信息时,具体用于:
获取所述人脸区域中每个部位的位置信息;
根据所述增强图像和所述人脸区域中每个部位的位置信息,确定所述人脸区域的平均温度。
在一种可行的实施方式中,处理器501在执行步骤根据所述增强图像和所述人脸区域中每个部位的位置信息,确定所述人脸区域的平均温度时,具体用于:
将所述人脸区域的增强图像输入至已经训练完成的深度学习模型中,得到所述人脸区域的平均温度;用于训练所述深度学习模型的样本是人脸区域的热图。
在一种可行的实施方式中,所述温度信息包括以下至少一种:最高温度、最低温度、平均温度、中值温度和预设部位温度。
在一种可行的实施方式中,所述灰度图像包括灰色图像和伪彩图像。
本申请实施例所提供的进行确定温度的方法的计算机程序产品,包括存储了处理器可执行的非易失的程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见方法实施例,在此不再赘述。
由此可见,本发明实施例中基于增强图像来确定温度,由于增强图像能够更好地区分背景和目标物(如人脸),因此基于增强图像能够更准确地确定出目标物(如人脸)的位置,进而使得能够准确地测出目标物(如人脸)的温度,而不会误将背景的温度作为目标物温度。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本申请的具体实施方式,用以说明本申请的技术方案,而非对其限制,本申请的保护范围并不局限于此,尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种确定温度的方法,其特征在于,包括:
获取包含待测温对象的初始图像;
对所述初始图像进行亮度增强处理,得到所述初始图像所对应的增强图像;
根据所述增强图像,确定所述待测温对象的温度信息。
2.根据权利要求1所述的确定温度的方法,其特征在于,所述对所述初始图像进行亮度增强处理,得到所述初始图像所对应的增强图像,包括:
对所述初始图像进行归一化处理,得到归一化图像;
对所述归一化图像进行灰度转换处理,得到所述归一化图像对应的灰度图像;
对所述灰度图像进行对比度增强处理,得到所述灰度图像对应的增强图像。
3.根据权利要求2所述的确定温度的方法,其特征在于,所述对所述灰度图像进行对比度增强处理,得到所述灰度图像所对应的增强图像,包括:
按照预设分割要求,将所述灰度图像分割成多个子图像;
针对每个所述子图像进行直方图均衡化处理,得到处理后的子图像;
根据所述处理后的子图像,得到所述灰度图像所对应的增强图像。
4.根据权利要求1所述的确定温度的方法,其特征在于,所述待测温对象为人脸区域;
所述根据所述增强图像,确定所述待测温对象的温度信息,包括:
对所述增强图像进行人脸检测确定人脸区域,以及所述人脸区域中每个部位的温度信息;
根据所述人脸区域中每个部位的温度信息,确定所述人脸区域的平均温度。
5.根据权利要求4所述的确定温度的方法,其特征在于,所述对所述增强图像进行人脸检测确定人脸区域,以及所述人脸区域中每个部位的温度信息,包括:
将所述增强图像输入至已经训练完成的深度学习模型中,得到所述人脸区域的各个部位的温度值;其中,用于训练所述深度学习模型的样本是经过图像增强之后的增强图像。
6.根据权利要求1所述的确定温度的方法,其特征在于,所述温度信息包括以下至少一种:最高温度、最低温度、平均温度、中值温度和预设部位温度。
7.根据权利要求2或3所述的确定温度的方法,其特征在于,所述灰度图像包括灰色图像和/或伪彩图像。
8.一种确定温度的装置,其特征在于,包括:
第一获取模块,用于获取包含待测温对象的初始图像;
处理模块,用于对所述初始图像进行亮度增强处理,得到所述初始图像所对应的增强图像;
第一确定模块,用于根据所述增强图像,确定所述待测温对象的温度信息。
9.一种电子设备,其特征在于,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行如权利要求1至7任一所述的确定温度的方法的步骤。
10.一种可读存储介质,其特征在于,该可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行如权利要求1至7任一所述的确定温度的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011181628.8A CN112102207A (zh) | 2020-10-29 | 2020-10-29 | 一种确定温度的方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011181628.8A CN112102207A (zh) | 2020-10-29 | 2020-10-29 | 一种确定温度的方法、装置、电子设备及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112102207A true CN112102207A (zh) | 2020-12-18 |
Family
ID=73784803
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011181628.8A Pending CN112102207A (zh) | 2020-10-29 | 2020-10-29 | 一种确定温度的方法、装置、电子设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112102207A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113670446A (zh) * | 2021-08-07 | 2021-11-19 | 郑州海威光电科技有限公司 | 一种红外热图像去除背景的方法 |
CN113743222A (zh) * | 2021-08-04 | 2021-12-03 | 北京澎思科技有限公司 | 体温测量方法、装置、电子设备以及可读存储介质 |
CN114544002A (zh) * | 2022-02-17 | 2022-05-27 | 深圳市同为数码科技股份有限公司 | 测温跳变处理方法、装置、计算机设备及介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150348247A1 (en) * | 2014-05-30 | 2015-12-03 | Zonare Medical Systems, Inc. | Systems and methods for selective enhancement of a region of interest in an image |
CN106570836A (zh) * | 2016-11-03 | 2017-04-19 | 北京航星机器制造有限公司 | 一种辐射图像局部增强方法 |
CN106920208A (zh) * | 2015-12-24 | 2017-07-04 | 掌赢信息科技(上海)有限公司 | 一种基于图像处理的人脸风格化方法及电子设备 |
CN107784637A (zh) * | 2017-09-30 | 2018-03-09 | 烟台艾睿光电科技有限公司 | 一种红外图像增强的方法 |
US20180225522A1 (en) * | 2015-06-15 | 2018-08-09 | Davantis Technologies Sl | Ir or thermal image enhancement method based on background information for video analysis |
CN109242794A (zh) * | 2018-08-29 | 2019-01-18 | Oppo广东移动通信有限公司 | 图像处理方法、装置、电子设备及计算机可读存储介质 |
CN109846463A (zh) * | 2019-03-04 | 2019-06-07 | 武汉迅检科技有限公司 | 红外人脸测温方法、系统、设备及存储介质 |
CN110060272A (zh) * | 2018-01-18 | 2019-07-26 | 杭州海康威视数字技术股份有限公司 | 人脸区域的确定方法、装置、电子设备及存储介质 |
CN111461092A (zh) * | 2020-06-19 | 2020-07-28 | 支付宝(杭州)信息技术有限公司 | 一种刷脸测温及核身的方法、装置和设备 |
CN111626125A (zh) * | 2020-04-26 | 2020-09-04 | 浙江大华技术股份有限公司 | 人脸温度检测的方法、系统、装置和计算机设备 |
-
2020
- 2020-10-29 CN CN202011181628.8A patent/CN112102207A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150348247A1 (en) * | 2014-05-30 | 2015-12-03 | Zonare Medical Systems, Inc. | Systems and methods for selective enhancement of a region of interest in an image |
US20180225522A1 (en) * | 2015-06-15 | 2018-08-09 | Davantis Technologies Sl | Ir or thermal image enhancement method based on background information for video analysis |
CN106920208A (zh) * | 2015-12-24 | 2017-07-04 | 掌赢信息科技(上海)有限公司 | 一种基于图像处理的人脸风格化方法及电子设备 |
CN106570836A (zh) * | 2016-11-03 | 2017-04-19 | 北京航星机器制造有限公司 | 一种辐射图像局部增强方法 |
CN107784637A (zh) * | 2017-09-30 | 2018-03-09 | 烟台艾睿光电科技有限公司 | 一种红外图像增强的方法 |
CN110060272A (zh) * | 2018-01-18 | 2019-07-26 | 杭州海康威视数字技术股份有限公司 | 人脸区域的确定方法、装置、电子设备及存储介质 |
CN109242794A (zh) * | 2018-08-29 | 2019-01-18 | Oppo广东移动通信有限公司 | 图像处理方法、装置、电子设备及计算机可读存储介质 |
CN109846463A (zh) * | 2019-03-04 | 2019-06-07 | 武汉迅检科技有限公司 | 红外人脸测温方法、系统、设备及存储介质 |
CN111626125A (zh) * | 2020-04-26 | 2020-09-04 | 浙江大华技术股份有限公司 | 人脸温度检测的方法、系统、装置和计算机设备 |
CN111461092A (zh) * | 2020-06-19 | 2020-07-28 | 支付宝(杭州)信息技术有限公司 | 一种刷脸测温及核身的方法、装置和设备 |
Non-Patent Citations (6)
Title |
---|
HUANG J 等: "Infrared image enhancement algorithm based on adaptive histogram segmentation", 《APPLIED OPTICS》, vol. 56, no. 35, pages 9686 - 9697 * |
LI S 等: "An improved contrast enhancement algorithm for infrared images based on adaptive double plateaus histogram equalization", 《INFRARED PHYSICS & TECHNOLOGY》, vol. 90, pages 164 - 174, XP085378850, DOI: 10.1016/j.infrared.2018.03.010 * |
丁畅 等: ""直方图"均衡化图像增强技术研究综述", 《计算机工程与应用》, vol. 53, no. 23, pages 12 - 17 * |
张洁茹 等: "双光谱智能体温检测与健康大数据管理系统", 《北京航空航天大学学报》, vol. 46, no. 09, pages 1739 - 1746 * |
李牧 等: "基于直方图的热红外图像增强方法", 《红外技术》, vol. 42, no. 09, pages 880 - 885 * |
王俊影 等: "可见光与红外图像自动配准算法的设计与实现", 《机电工程技术》, vol. 48, no. 11, pages 134 - 137 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113743222A (zh) * | 2021-08-04 | 2021-12-03 | 北京澎思科技有限公司 | 体温测量方法、装置、电子设备以及可读存储介质 |
CN113670446A (zh) * | 2021-08-07 | 2021-11-19 | 郑州海威光电科技有限公司 | 一种红外热图像去除背景的方法 |
CN113670446B (zh) * | 2021-08-07 | 2023-06-16 | 郑州海威光电科技有限公司 | 一种红外热图像去除背景的方法 |
CN114544002A (zh) * | 2022-02-17 | 2022-05-27 | 深圳市同为数码科技股份有限公司 | 测温跳变处理方法、装置、计算机设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220028126A1 (en) | Methods and Systems for Human Imperceptible Computerized Color Transfer | |
US10719954B2 (en) | Method and electronic device for extracting a center position of an infrared spot | |
CN108197546B (zh) | 人脸识别中光照处理方法、装置、计算机设备及存储介质 | |
CN112102207A (zh) | 一种确定温度的方法、装置、电子设备及可读存储介质 | |
CN109948566B (zh) | 一种基于权重融合与特征选择的双流人脸反欺诈检测方法 | |
CN108428214B (zh) | 一种图像处理方法及装置 | |
CN108288253B (zh) | Hdr图像生成方法及装置 | |
CN107172354B (zh) | 视频处理方法、装置、电子设备及存储介质 | |
CN108229418B (zh) | 人体关键点检测方法和装置、电子设备、存储介质和程序 | |
CN110913205B (zh) | 视频特效的校验方法及装置 | |
CN106934794A (zh) | 信息处理装置,信息处理方法和检查系统 | |
JP2013042415A (ja) | 画像処理装置、画像処理方法及びコンピュータプログラム | |
CN111008935B (zh) | 一种人脸图像增强方法、装置、系统及存储介质 | |
CN109803172B (zh) | 一种直播视频的处理方法、装置及电子设备 | |
CN110084204B (zh) | 基于目标对象姿态的图像处理方法、装置和电子设备 | |
CN110059607B (zh) | 活体多重检测方法、装置、计算机设备及存储介质 | |
Pan et al. | No-reference assessment on haze for remote-sensing images | |
CN109816694A (zh) | 目标跟踪方法、装置及电子设备 | |
CN111259763A (zh) | 目标检测方法、装置、电子设备及可读存储介质 | |
CN113222921A (zh) | 一种图像处理方法及系统 | |
CN111353325A (zh) | 关键点检测模型训练方法及装置 | |
CN111368698A (zh) | 主体识别方法、装置、电子设备及介质 | |
CN107424134B (zh) | 图像处理方法、装置、计算机可读存储介质和计算机设备 | |
CN109785439A (zh) | 人脸素描图像生成方法及相关产品 | |
CN113487473A (zh) | 一种添加图像水印的方法、装置、电子设备及存储介质 |
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 |