CN112131976A - 一种自适应人像温度匹配和口罩识别方法及装置 - Google Patents
一种自适应人像温度匹配和口罩识别方法及装置 Download PDFInfo
- Publication number
- CN112131976A CN112131976A CN202010937955.5A CN202010937955A CN112131976A CN 112131976 A CN112131976 A CN 112131976A CN 202010937955 A CN202010937955 A CN 202010937955A CN 112131976 A CN112131976 A CN 112131976A
- Authority
- CN
- China
- Prior art keywords
- face
- mask
- model
- temperature
- adaptive
- 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
- 238000000034 method Methods 0.000 title claims abstract description 31
- 230000036760 body temperature Effects 0.000 claims abstract description 25
- 230000002159 abnormal effect Effects 0.000 claims abstract description 9
- 238000001514 detection method Methods 0.000 claims description 32
- 238000012549 training Methods 0.000 claims description 27
- 238000001931 thermography Methods 0.000 claims description 23
- 238000000605 extraction Methods 0.000 claims description 16
- 230000003044 adaptive effect Effects 0.000 claims description 14
- 230000004807 localization Effects 0.000 claims 2
- 230000002265 prevention Effects 0.000 abstract description 2
- 230000000694 effects Effects 0.000 abstract 1
- 238000009529 body temperature measurement Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 210000000887 face Anatomy 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 241000711573 Coronaviridae Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 210000001061 forehead Anatomy 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000004861 thermometry Methods 0.000 description 1
- 241000712461 unidentified influenza virus Species 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- 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
Abstract
本发明涉及一种自适应人像温度匹配和口罩识别方法及装置,通过独立的高清摄像头和热像仪能自动捕获并匹配远距离的人脸和温度,能够自适应匹配热像仪和摄像头的人脸位置,并且能够在口罩佩戴情况下准确识别人脸,从而将检测人员信息与体温、口罩佩戴进行自动关联,对异常情况实现实时自动预警,在实战中取得了良好的防控效果。
Description
技术领域
本发明涉及视频图像处理领域,具体地涉及一种自适应人像温度匹配和口罩识别方法及装置。
背景技术
随着人们对健康的关注度不断提高,以及流感病毒、冠状病毒等高传染性流行疾病的爆发,快速检验检疫成了人们出入公共场所的必备手段。体温是能够实时反应人体健康的基础体征,而口罩佩戴在紧急疫情环境下是最有效的防护方式之一。因此,自动测温、口罩佩戴识别是当前传感和图像识别应用的热点。当前的防疫防控大环境下,在自动感应温度的同时,如何将温度和人脸身份匹配,以及如何快速、准确定位到当前我们所需的人脸甚至额头位置,并将人像信息及其体温-口罩佩戴等信息自动关联,成了迫切的需求。
热像仪将感应到的温度分布通过颜色差异转换为图像上的热图像,不同颜色表示不同温度。通常在热像图上定位人脸主要有几种方法:
1)利用相同规格的双目摄像头,在固定的临近位置关系和相同的焦距以及广角范围,通过可见光摄像头的人脸检测来定位人脸位置,然后经过坐标线性换算,能很容易得到相应的热像仪人脸位置。
2)通过在热像图上进行图像连通域检测,在指定的温度范围内进行热像素的连通域计算,然后用人脸掩模去搜索人脸位置。
3)利用深度学习技术,采集热成像图,标注人脸位置,训练检测器模型,再通过模型对输入的热成像图进行人脸检测。
目前,在实际场景中,为了提高自动测温的流畅性,增加测温范围,往往需要高清的摄像头来抓拍人脸,而热像仪经常是低分辨率成像,难以呈现丰富的纹理信息。利用图像连通域和掩模的方法往往切分出许多不相关的目标。而直接在热成像图上做人脸标注和人脸检测,往往受到分标率低,受佩戴物的干扰,检测率下降,容易产生漂移。此外,传统的人脸检测方法对于口罩佩戴或者遮挡召回率往往较低,或者简单的判断为遮挡。对于需要高警惕的公共环境,往往需要更准确的口罩识别与人脸识别。
发明内容
本发明旨在提供一种自适应人像温度匹配和口罩识别方法及装置,以解决上述问题。为此,本发明采用的具体技术方案如下:
根据本发明的一方面,提供了一种自适应人像温度匹配和口罩识别方法,包括以下步骤:
同步获取摄像头和热成像仪数据;
将采集的数据以摄像头人脸位置-热成像人脸位置为数据-标签对,作为训练数据进行自适应人脸定位模型f训练;
自适应人像温度匹配:将摄像头采集的图像进行人脸检测得到可见光人脸位置pv=(xv,yv,wv,hv),将人脸检测的人脸位置pv作为输入,经过模型f预测后,输出热成像人脸位置ph=(xh,yh,wh,hh),并截取热成像人脸区域的上1/3区域,提取该区域的温度,以该区域最高温度点Tmx,my为中心的3x3邻域内的平均温度作为该人脸的体温;
口罩自动识别:收集口罩样本数据,训练口罩识别模型,将人脸检测对齐后的人脸输入到模型,将结果进行softmax运算,取得未戴口罩的结果大于预设定的阈值时,视为未佩戴口罩,并发出警告;
将人员信息-口罩佩戴-体温自动匹配,对于口罩佩戴异常或者体温超出正常范围的人员进行自动预警。
进一步地,该方法还包括步骤:遮挡人脸识别,具体过程为:首先根据口罩自动识别结果判断遮挡的情况,对于未佩戴口罩,用训练的全脸识别模型进行完整人脸特征提取,然后与完整脸特征库进行比对,相似度排首位且大于预设定阈值的视为出未佩戴口罩的人员身份;对于佩戴口罩的人脸,首先将人脸按区域切分,取上半部分人脸,利用训练的局部人脸识别模型进行特征提取,与构建的局部人脸特征库进行比对后识别出人员信息。
进一步地,自适应人脸定位模型f采用8层感知机和一个全连接层为主干网络,Loss为L1。
进一步地,人脸检测采用MTCNN算法。
根据本发明的另一方面,提供了一种自适应人像温度匹配和口罩识别装置,包括:
数据采集模块,用于同步获取摄像头和热成像仪数据;
自适应人脸定位模型训练模块,用于将采集的数据以摄像头人脸位置-热成像人脸位置为数据-标签对,作为训练数据进行自适应人脸定位模型f训练;
自适应人像温度匹配模块,用于将人脸识别信息和温度进行自动匹配,具体过程为:将摄像头采集的图像进行人脸检测得到可见光人脸位置pv=(xv,yv,wv,hv),将人脸检测的人脸位置pv作为输入,经过模型f预测后,输出热成像人脸位置ph=(xh,yh,wh,hh),并截取热成像人脸区域的上1/3区域,提取该区域的温度,以该区域最高温度点Tmx,my为中心的3x3邻域内的平均温度作为该人脸的体温;
口罩自动识别模块,用于收集口罩样本数据,训练口罩识别模型,将人脸检测对齐后的人脸输入到模型,将结果进行softmax运算,取得未戴口罩的结果大于预设定的阈值时,视为未佩戴口罩,并发出警告;
自动匹配模块,用于将人员信息-口罩佩戴-体温自动匹配,对于口罩佩戴异常或者体温超出正常范围的人员进行自动预警。
进一步地,该装置还包括遮挡人脸识别模块,用于进行遮挡人脸识别,具体过程为:首先根据口罩自动识别结果判断遮挡的情况,对于未佩戴口罩,用训练的全脸识别模型进行完整人脸特征提取,然后与完整脸特征库进行比对,首位且相似度大于阈值的视为出未佩戴口罩的人员身份;对于佩戴口罩的人脸,首先将人脸按区域切分,取上半部分人脸,利用训练的局部人脸识别模型进行特征提取,与构建的局部人脸特征库进行比对后识别出人员信息。
进一步地,自适应人脸定位模型f采用8层感知机和一个全连接层为主干网络,Loss为L1。
进一步地,人脸检测采用MTCNN算法。
本发明采用上述技术方案,具有的有益效果是:本发明能够自适应匹配热像仪和摄像头的人脸位置,并且能够在口罩佩戴情况下准确识别人脸,从而将检测人员信息与体温、口罩佩戴进行自动关联,对异常情况实现实时自动预警。
附图说明
为进一步说明各实施例,本发明提供有附图。这些附图为本发明揭露内容的一部分,其主要用以说明实施例,并可配合说明书的相关描述来解释实施例的运作原理。配合参考这些内容,本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点。图中的组件并未按比例绘制,而类似的组件符号通常用来表示类似的组件。
图1是本发明的自适应人像温度匹配和口罩识别方法的流程图;
图2是遮挡人脸识别的流程图;
图3是本发明的自适应人像温度匹配和口罩识别模块的原理框图。
具体实施方式
现结合附图和具体实施方式对本发明进一步说明。
实施例1
如图1所示,一种自适应人像温度匹配和口罩识别方法,包括以下步骤:
S100:同步获取摄像头和热成像仪数据。摄像头可以是普通的高摄像头,例如1920x1080高清摄像头,而不用特定的双目摄像头。
S200:将采集的数据以摄像头人脸位置-热成像人脸位置为数据-标签对,作为训练数据进行自适应人脸定位模型f训练;具体地,利用MTCNN算法检测取摄像头画面中的人脸,做好时间、位置标注;利用图像GrubCut算法,提取热成像的区域位置,然后手动进行人脸区域的标注;将采集的数据以摄像头人脸位置-热成像人脸位置为数据-标签对,作为训练数据;将训练数据输入自适应人脸定位模型f训练,自适应人脸定位模型f采用8层感知机和一个全连接层为主干网络,Loss为L1,经过多轮迭代后,模型f收敛,训练结束。
S300:自适应人像温度匹配:将可见光摄像头采集的图像进行人脸检测得到可见光人脸位置pv=(xv,yv,wv,hv),同时采集该时刻的热成像温度数据;将人脸检测的人脸位置pv作为输入,经过模型f预测后,输出热成像人脸位置ph=(xh,yh,wh,hh),并截取热成像人脸区域的上1/3位置,提取该区域的温度;以该区域最高温度点Tmx,my为中心的3x3邻域内的平均温度作为该人脸的体温。具体计算方法为:
ph=f(pv) (1)
Tmx,my=max(Tx,y),其中0≤x≤xh+wh,0≤y≤yh+hh/3 (2)
S400:口罩自动识别:在人脸检测的基础上,进行了口罩数据采集,口罩识别模型训练,能自动识别当前人脸的口罩佩戴情况。具体地,先收集了5万张口罩数据和50万张负样本。以MobileNetv3为主干网络,交叉熵Loss为代价函数,加上度量方法,输出口罩佩戴和无佩戴以及非人脸标签;经过多次迭代训练,得到口罩识别模型;最后的模型测试召回率为99.37%,精度98.8%。在检测时,首先接收来自步骤S200的人脸检测结果;将人脸检测对齐后的人脸输入到口罩识别模型,将结果进行softmax运算,取得未戴口罩的结果大于预设定的阈值时,视为未佩戴口罩,并发出警告。
S500:遮挡人脸识别。当前卫生环境下,口罩佩戴将成为一种常态。为此,本发明在遮挡条件下进行人脸识别的研究。首先,与传统的人脸识别不同,本方法首先根据口罩识别模块判断遮挡的情况,对于未佩戴口罩,用训练的全脸识别模型进行完整人脸特征提取,然后与完整脸特征库进行比对,相似度排首位且大于预设定阈值的视为出未佩戴口罩的人员身份;对于佩戴口罩的人脸,首先将人脸按区域切分,取上半部分人脸,利用训练的局部人脸识别模型进行特征提取,与构建的局部人脸特征库进行比对后识别出人员信息。具体步骤如下:
S501:获取MTCNN在可见光下的人脸位置pv,并截取该区域人脸图像进行人脸对齐,获得人脸图像Ialign;
S502:通过步骤S400对Ialign进行口罩识别,获得其遮挡属性。
S503:人员入库。使用局部人脸识别模型Rpart对Ialign的上半部分人脸进行局部人脸特征提取,得到局部人脸特征Fpart,并将特征存入局部人脸特征库Bpart。使用全脸模型识别Rfull对Ialign进行局部人脸特征提取,得到局部人脸特征Ffull,并将特征存入完整脸特征库Bfull。
S504:识别时,当人脸Ialign为遮挡人脸时,使用局部人脸识别模型Rpart对Ialign的上半部分人脸进行局部人脸特征提取,得到局部人脸特征Fpart,并将特征与局部人脸特征库Bpart的特征进行余弦距离的相似度计算,计算出最大相似度Simpart,若Simpart大于局部人脸相似度阈值Tp,则认为命中。当人脸Ialign为完整人脸时,使用全脸模型识别Rfull对Ialign进行局部人脸特征提取,得到局部人脸特征Ffull,并将特征与完整脸特征库Bpart的特征进行余弦距离的相似度计算,计算出最大相似度Simfull,若Simfull大于全脸相似度阈值Tf,则认为命中。
S600:将人员信息-口罩佩戴-体温自动匹配,具体地,利用步骤S500将提取人脸特征进行识别后,并结合步骤S400所获取的口罩佩戴信息,以及根据步骤S100-300获取的该人脸区域在热像仪的温度,形成人员信息-口罩佩戴-体温的自动匹配,对于口罩佩戴异常或者体温超出正常范围的人员进行自动预警。
实施例2
如图3所示,一种自适应人像温度匹配和口罩识别装置,包括:
100、数据采集模块,用于同步获取摄像头和热成像仪数据。
200、自适应人脸定位模型训练模块,用于将采集的数据以摄像头人脸位置-热成像人脸位置为数据-标签对,作为训练数据进行自适应人脸定位模型f训练。具体步骤如上所述,这里不再赘述。
300、自适应人像温度匹配模块,用于将人脸识别信息和温度进行自动匹配。具体步骤如上所述,这里不再赘述。
400、口罩自动识别模块,用于自动识别口罩,具体步骤如上所述,这里不再赘述。
500、遮挡人脸识别模块,用于进行遮挡人脸识别。具体步骤如上所述,这里不再赘述。
600、自动匹配模块,用于将人员信息-口罩佩戴-体温自动匹配,对于口罩佩戴异常或者体温超出正常范围的人员进行自动预警。具体步骤如上所述,这里不再赘述。
实验结果:
1.本发明在1920x1080高清摄像头和测距为5米的热像仪下,能够实现全距离(5米)的人脸体温自动配准,平均IOU为0.86
2.在人脸检测后,对人脸进行口罩识别,最终得到99.37%的召回率,98.8%的精度。
3.在无佩戴口罩进行完整脸的人脸识别,本发明在1万人脸库下实现98%的首位召回率;在口罩遮挡的条件下,本发明在1万人脸库下实现了92.7%的首位召回率。
4.本发明在检测过程中,能实时自动将人脸、体温和口罩佩戴信息自动关联,实现无感精确匹配,实时预警。
本发明提出了一种自适应的人脸-体温自动关联方法,能在任意的摄像头和热像仪下经过学习训练后,自适应匹配热像仪和摄像头的人脸位置,并且在人脸检测的基础上训练的口罩识别模型能精确识别当前检测人员的口罩佩戴情况,同时遮挡下的人脸识别模型,能够在口罩佩戴情况下准确识别人脸,从而将检测人员信息与体温、口罩佩戴进行自动关联,对异常情况实现实时自动预警。
尽管结合优选实施方案具体展示和介绍了本发明,但所属领域的技术人员应该明白,在不脱离所附权利要求书所限定的本发明的精神和范围内,在形式上和细节上可以对本发明做出各种变化,均为本发明的保护范围。
Claims (8)
1.一种自适应人像温度匹配和口罩识别方法,其特征在于,包括以下步骤:
同步获取摄像头和热成像仪数据;
将采集的数据以摄像头人脸位置-热成像人脸位置为数据-标签对,作为训练数据进行自适应人脸定位模型f训练;
自适应人像温度匹配:将摄像头采集的图像进行人脸检测得到可见光人脸位置pv=(xv,yv,wv,hv),将人脸检测的人脸位置pv作为输入,经过模型f预测后,输出热成像人脸位置ph=(xh,yh,wh,hh),并截取热成像人脸区域的上1/3区域,提取该区域的温度,以该区域最高温度点Tmx,my为中心的3x3邻域内的平均温度作为该人脸的体温;
口罩自动识别:收集口罩样本数据,训练口罩识别模型,将人脸检测对齐后的人脸输入到模型,将结果进行softmax运算,取得未戴口罩的结果大于预设定的阈值时,视为未佩戴口罩,并发出警告;
将人员信息-口罩佩戴-体温自动匹配,对于口罩佩戴异常或者体温超出正常范围的人员进行自动预警。
2.如权利要求1所述的方法,其特征在于,还包括步骤:遮挡人脸识别,具体过程为:首先根据口罩自动识别结果判断遮挡的情况,对于未佩戴口罩,用训练的全脸识别模型进行完整人脸特征提取,然后与完整脸特征库进行比对,相似度排首位且大于预设定阈值的视为出未佩戴口罩的人员身份;对于佩戴口罩的人脸,首先将人脸按区域切分,取上半部分人脸,利用训练的局部人脸识别模型进行特征提取,与构建的局部人脸特征库进行比对后识别出人员信息。
3.如权利要求1所述的方法,其特征在于,自适应人脸定位模型f采用8层感知机和一个全连接层为主干网络,Loss为L1。
4.如权利要求1所述的方法,其特征在于,人脸检测采用MTCNN算法。
5.一种自适应人像温度匹配和口罩识别装置,其特征在于,包括:
数据采集模块,用于同步获取摄像头和热成像仪数据;
自适应人脸定位模型训练模块,用于将采集的数据以摄像头人脸位置-热成像人脸位置为数据-标签对,作为训练数据进行自适应人脸定位模型f训练;
自适应人像温度匹配模块,用于将人脸识别信息和温度进行自动匹配,具体过程为:将摄像头采集的图像进行人脸检测得到可见光人脸位置pv=(xv,yv,wv,hv),将人脸检测的人脸位置pv作为输入,经过模型f预测后,输出热成像人脸位置ph=(xh,yh,wh,hh),并截取热成像人脸区域的上1/3区域,提取该区域的温度,以该区域最高温度点Tmx,my为中心的3x3邻域内的平均温度作为该人脸的体温;
口罩自动识别模块,用于收集口罩样本数据,训练口罩识别模型,将人脸检测对齐后的人脸输入到模型,将结果进行softmax运算,取得未戴口罩的结果大于预设定的阈值时,视为未佩戴口罩,并发出警告。
自动匹配模块,用于将人员信息-口罩佩戴-体温自动匹配,对于口罩佩戴异常或者体温超出正常范围的人员进行自动预警。
6.如权利要求5所述的装置,其特征在于,包括遮挡人脸识别模块,用于进行遮挡人脸识别,具体过程为:首先根据口罩自动识别结果判断遮挡的情况,对于未佩戴口罩,用训练的全脸识别模型进行完整人脸特征提取,然后与完整脸特征库进行比对,首位且相似度大于阈值的视为出未佩戴口罩的人员身份;对于佩戴口罩的人脸,首先将人脸按区域切分,取上半部分人脸,利用训练的局部人脸识别模型进行特征提取,与构建的局部人脸特征库进行比对后识别出人员信息。
7.如权利要求5所述的装置,其特征在于,自适应人脸定位模型f采用8层感知机和一个全连接层为主干网络,Loss为L1。
8.如权利要求5所述的装置,其特征在于,人脸检测采用MTCNN算法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010937955.5A CN112131976B (zh) | 2020-09-09 | 2020-09-09 | 一种自适应人像温度匹配和口罩识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010937955.5A CN112131976B (zh) | 2020-09-09 | 2020-09-09 | 一种自适应人像温度匹配和口罩识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112131976A true CN112131976A (zh) | 2020-12-25 |
CN112131976B CN112131976B (zh) | 2022-09-16 |
Family
ID=73846527
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010937955.5A Active CN112131976B (zh) | 2020-09-09 | 2020-09-09 | 一种自适应人像温度匹配和口罩识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112131976B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113175996A (zh) * | 2021-05-19 | 2021-07-27 | 云从科技集团股份有限公司 | 温度监测方法、装置、计算机可读存储介质及计算机设备 |
CN113642404A (zh) * | 2021-07-13 | 2021-11-12 | 季华实验室 | 目标识别检测关联方法、设备、介质及计算机程序产品 |
WO2022213349A1 (zh) * | 2021-04-09 | 2022-10-13 | 鸿富锦精密工业(武汉)有限公司 | 戴口罩人脸识别方法、装置、计算机存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060140444A1 (en) * | 2004-12-27 | 2006-06-29 | Yih-Ran Sheu | Human face identification means in security system |
CN110991266A (zh) * | 2019-11-13 | 2020-04-10 | 北京智芯原动科技有限公司 | 一种双目人脸活体检测方法及装置 |
CN111414831A (zh) * | 2020-03-13 | 2020-07-14 | 深圳市商汤科技有限公司 | 监测方法及系统、电子设备和存储介质 |
CN111507200A (zh) * | 2020-03-26 | 2020-08-07 | 北京迈格威科技有限公司 | 体温检测方法、体温检测装置、及双光相机 |
-
2020
- 2020-09-09 CN CN202010937955.5A patent/CN112131976B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060140444A1 (en) * | 2004-12-27 | 2006-06-29 | Yih-Ran Sheu | Human face identification means in security system |
CN110991266A (zh) * | 2019-11-13 | 2020-04-10 | 北京智芯原动科技有限公司 | 一种双目人脸活体检测方法及装置 |
CN111414831A (zh) * | 2020-03-13 | 2020-07-14 | 深圳市商汤科技有限公司 | 监测方法及系统、电子设备和存储介质 |
CN111507200A (zh) * | 2020-03-26 | 2020-08-07 | 北京迈格威科技有限公司 | 体温检测方法、体温检测装置、及双光相机 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022213349A1 (zh) * | 2021-04-09 | 2022-10-13 | 鸿富锦精密工业(武汉)有限公司 | 戴口罩人脸识别方法、装置、计算机存储介质 |
CN113175996A (zh) * | 2021-05-19 | 2021-07-27 | 云从科技集团股份有限公司 | 温度监测方法、装置、计算机可读存储介质及计算机设备 |
CN113642404A (zh) * | 2021-07-13 | 2021-11-12 | 季华实验室 | 目标识别检测关联方法、设备、介质及计算机程序产品 |
Also Published As
Publication number | Publication date |
---|---|
CN112131976B (zh) | 2022-09-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112131976B (zh) | 一种自适应人像温度匹配和口罩识别方法及装置 | |
Ahmed et al. | Vision based hand gesture recognition using dynamic time warping for Indian sign language | |
KR102596897B1 (ko) | 모션벡터 및 특징벡터 기반 위조 얼굴 검출 방법 및 장치 | |
KR101729327B1 (ko) | 듀얼 카메라를 이용한 체온 추적 모니터링 시스템 | |
JP4216668B2 (ja) | 映像視覚情報を結合してリアルタイムで複数の顔を検出して追跡する顔検出・追跡システム及びその方法 | |
KR101806400B1 (ko) | 흑체를 이용한 듀얼 카메라 기반 체온 감시 시스템 | |
CN106934377B (zh) | 一种改进的人脸检测系统 | |
JP2019523929A5 (zh) | ||
CN110032992A (zh) | 一种基于姿态的考试作弊检测方法 | |
CN105335726B (zh) | 人脸识别置信度获取方法和系统 | |
CN108090428A (zh) | 一种人脸识别方法及其系统 | |
JP7151875B2 (ja) | 画像処理装置、画像処理方法、およびプログラム | |
CN112396011A (zh) | 一种基于视频图像心率检测及活体检测的人脸识别系统 | |
TWM602631U (zh) | 人臉追蹤測溫系統 | |
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 | |
CN112712059A (zh) | 基于红外热图像和rgb图像的活体人脸识别方法 | |
WO2012063544A1 (ja) | 画像処理装置、画像処理方法及び記録媒体 | |
CN114894337A (zh) | 一种用于室外人脸识别测温方法及装置 | |
CN113947711A (zh) | 一种用于巡检机器人的双通道火焰检测算法 | |
WO2020171554A1 (en) | Method and apparatus for measuring body temperature using a camera | |
TWI730795B (zh) | 多目標人體體溫追蹤方法及系統 | |
Seal et al. | Minutiae based thermal human face recognition using label connected component algorithm | |
CN115273150A (zh) | 基于人体姿态估计的安全帽佩戴的新型识别方法及系统 | |
TW202305653A (zh) | 物件辨識暨體溫量測方法 | |
CN113947795A (zh) | 口罩佩戴检测方法、装置、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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |