CN112633192B - 一种手势交互的人脸识别测温的方法、系统、设备及介质 - Google Patents

一种手势交互的人脸识别测温的方法、系统、设备及介质 Download PDF

Info

Publication number
CN112633192B
CN112633192B CN202011583618.7A CN202011583618A CN112633192B CN 112633192 B CN112633192 B CN 112633192B CN 202011583618 A CN202011583618 A CN 202011583618A CN 112633192 B CN112633192 B CN 112633192B
Authority
CN
China
Prior art keywords
face
gray
rgb
data
temperature measurement
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202011583618.7A
Other languages
English (en)
Other versions
CN112633192A (zh
Inventor
肖传宝
陈白洁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Moredian Technology Co ltd
Original Assignee
Hangzhou Moredian Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hangzhou Moredian Technology Co ltd filed Critical Hangzhou Moredian Technology Co ltd
Priority to CN202011583618.7A priority Critical patent/CN112633192B/zh
Publication of CN112633192A publication Critical patent/CN112633192A/zh
Application granted granted Critical
Publication of CN112633192B publication Critical patent/CN112633192B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F18/25—Fusion techniques
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Image Analysis (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本申请涉及一种手势交互的人脸识别测温的方法、系统、设备及介质，该方法包括：第一摄像头获取人脸的RGB图像，第二摄像头获取所述人脸的Gray图像，处理器将该RGB图像和Gray图像进行数据预处理得到第一RGB人脸图像和第一Gray人脸图像，后将两者进行数据融合得到融合人脸数据并进行判断：在未进行过体温测量的情况下，测温模组为对应人进行体温测量；在已进行过体温测量的情况下，且在检测模组检测到第一动作信息的情况下，测温模组不进行体温测量；在没有检测到第一动作信息的情况下，测温模组为对应人进行体温测量，通过本申请，解决了相关技术中过多的体温测量既浪费时间又占用大量的设备资源的问题，实现了对设备资源的高效利用和提高了日常体温测量的效率。

Description

一种手势交互的人脸识别测温的方法、系统、设备及介质
技术领域
本申请涉及深度学习算法领域，特别是涉及一种手势交互的人脸识别测温的方法、系统、设备及介质。
背景技术
测量体温在日常生活中的使用非常广泛，一般而言，一个人在一天内体温的变化是不大的，目前已知相关技术中人脸识别测温的方法，一方面使用的人脸识别网络参数量大，无法应用到设备端；另一方面对同一个人每天进行多次重复测温，既浪费时间又占用大量的设备资源。
目前针对相关技术中过多的体温测量既浪费时间又占用大量的设备资源的问题，尚未提出有效的解决方案。
发明内容
本申请实施例提供了一种手势交互的人脸识别测温的方法、系统、设备及介质，以至少解决相关技术中过多的体温测量既浪费时间又占用大量的设备资源的问题。
第一方面，本申请实施例提供了一种手势交互的人脸识别测温方法，其特征在于，所述方法包括：
处理器通过第一摄像头获取人脸的RGB图像，所述处理器通过第二摄像头获取所述人脸的Gray图像；
所述处理器通过人脸检测算法检测出所述RGB图像中的人脸，得到RGB人脸图像，所述处理器通过人脸检测算法检测出所述Gray图像的人脸，得到Gray人脸图像,将所述RGB人脸图像和所述Gray人脸图像进行眼睛处于同一水平直线的对齐处理；
所述处理器通过数据预处理算法对所述RGB人脸图像进行数据预处理，得到第一RGB人脸图像,对所述Gray人脸图像进行数据预处理,得到第一Gray人脸图像，其中，所述第一RGB人脸图像与所述第一Gray人脸图像像素尺寸一致；
所述处理器通过数据融合算法对所述第一RGB人脸图像和所述第一Gray人脸图像进行数据融合，得到融合人脸数据；
所述处理器通过预先构建的识别模型接收所述融合人脸数据进行识别，并判断所述融合人脸数据所对应的人是否已进行体温测量：
在所述融合人脸数据对应的人未进行过体温测量的情况下，所述测温模组对所述融合人脸数据对应人进行体温测量；
在所述融合人脸数据对应的人已进行过体温测量的情况下，且在检测模组检测到第一动作信息的情况下，测温模组不进行体温测量；在所述检测模组没有检测到第一动作信息的情况下，所述测温模组对所述融合人脸数据对应人进行体温测量。
在其中一些实施例中，所述处理器通过数据融合算法对所述第一RGB人脸图像和所述第一Gray人脸图像进行数据融合，得到融合人脸数据包括：像所述处理器将所述第一RGB人脸图像转换成RGB数据矩阵，所述第一Gray人脸图像转换成Gray数据矩阵，其中，所述RGB数据矩阵维度为[height,width,3]，所述Gray数据矩阵维度为[height,width,1]，将所述RGB数据矩阵与所述Gray数据矩阵进行融合，得到融合数据矩阵，所述融合数据矩阵的数据维度为[height,weight,3]，其中，width*height为所述第一RGB人脸图像和所述第一Gray人脸图像的像素，3为所述RGB数据矩阵和所述融合数据矩阵的channel维度数量，1为所述Gray数据矩阵的channel维度数量。
在其中一些实施例中，所述预先构建的识别模型是基于预设调整后的shuffle-net网络进行训练的，所述预设调整包括减少shuffle-net网络的网络频道数和网络层数，所述训练包括：将所述融合人脸数据分为训练集，将所述训练集输入所述识别模型的输入层，获取输出层的输出结果，根据所述输出结果调整所述识别模型中的相关参数。
在其中一些实施例中，所述处理器通过第一摄像头获取人脸的RGB图像，所述处理器通过第二摄像头获取所述人脸的Gray图像之后，所述方法包括：将所述RGB图像和所述Gray图像存储预设时间段，在所述存储大于所述预设时间段的情况下，删除所述RGB图像和Gray图像。
第二方面，本申请实施例提供了一种手势交互的人脸识别测温系统，其特征在于，所述系统包括：第一摄像头、第二摄像头、测温模组、检测模组和处理器；
所述处理器通过所述第一摄像头获取人脸的RGB图像，所述处理器通过所述第二摄像头获取所述人脸的Gray图像；
所述处理器通过人脸检测算法检测出所述RGB图像中的人脸，得到RGB人脸图像，所述处理器通过人脸检测算法检测出所述Gray图像的人脸，得到Gray人脸图像,将所述RGB人脸图像和所述Gray人脸图像进行眼睛处于同一水平直线的对齐处理；
所述处理器通过数据预处理算法对所述RGB人脸图像进行数据预处理，得到第一RGB人脸图像,对所述Gray人脸图像进行数据预处理,得到第一Gray人脸图像，其中，所述第一RGB人脸图像与所述第一Gray人脸图像像素尺寸一致；
所述处理器通过数据融合算法对所述第一RGB人脸图像和所述第一Gray人脸图像进行数据融合，得到融合人脸数据；
所述处理器通过预先构建的识别模型接收所述融合人脸数据进行识别，并判断所述融合人脸数据所对应的人是否已进行体温测量：
在所述融合人脸数据对应的人未进行过体温测量的情况下，所述测温模组对所述融合人脸数据对应人进行体温测量；
在所述融合人脸数据对应的人已进行过体温测量的情况下，且在所述检测模组检测到第一动作信息的情况下，测温模组不进行体温测量；在所述检测模组没有检测到第一动作信息的情况下，所述测温模组对所述融合人脸数据对应人进行体温测量。
在其中一些实施例中，所述处理器通过数据融合算法对所述第一RGB人脸图像和所述第一Gray人脸图像进行数据融合，得到融合人脸数据包括：所述处理器将所述第一RGB人脸图像转换成RGB数据矩阵，所述第一Gray人脸图像转换成Gray数据矩阵，其中，所述RGB数据矩阵维度为[height,width,3]，所述Gray数据矩阵维度为[height,width,1]，将所述RGB数据矩阵与所述Gray数据矩阵进行融合，得到融合数据矩阵，所述融合数据矩阵的数据维度为[height,weight,3]，其中，width*height为所述第一RGB人脸图像和所述第一Gray人脸图像的像素，3为所述RGB数据矩阵和所述融合数据矩阵的channel维度数量，1为所述Gray数据矩阵的channel维度数量。
在其中一些实施例中，所述预先构建的识别模型是基于预设调整后的shuffle-net网络进行训练的，所述预设调整包括减少shuffle-net网络的网络频道数和网络层数，所述训练包括：将所述融合人脸数据分为训练集，将所述训练集输入所述识别模型的输入层，获取输出层的输出结果，根据所述输出结果调整所述识别模型中的相关参数。
在其中一些实施例中，处理器通过第一摄像头获取人脸的RGB图像，所述处理器通过第二摄像头获取所述人脸的Gray图像之后，所述系统包括：将所述RGB图像和所述Gray图像存储预设时间段，在所述存储大于所述预设时间段的情况下，删除所述RGB图像和Gray图像。
第三方面，本申请实施例提供了一种计算机设备，包括存储器、处理器以及存储在所述存储器上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所述的手势交互的人脸识别测温方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现所述的手势交互的人脸识别测温方法。
相比于相关技术，本申请实施例提供的一种手势交互的人脸识别测温的方法、系统、设备及介质，通过第一摄像头获取人脸的RGB图像，第二摄像头获取所述人脸的Gray图像，处理器通过人脸检测算法检测出所述RGB图像中的人脸，得到RGB人脸图像，通过人脸检测算法检测出所述Gray图像的人脸，得到Gray人脸图像,将该RGB人脸图像和该Gray人脸图像进行眼睛处于同一水平直线的对齐处理；通过数据预处理算法对该RGB人脸图像进行数据预处理，得到第一RGB人脸图像,对该Gray人脸图像进行数据预处理,得到第一Gray人脸图像；通过数据融合算法对第一RGB人脸图像和第一Gray人脸图像进行数据融合，得到融合人脸数据；根据预先构建的识别模型接收所述融合人脸数据进行识别，并判断所述融合人脸数据所对应的人是否已进行体温测量：在未进行过体温测量的情况下，测温模组对该融合人脸数据对应人进行体温测量；在已进行过体温测量的情况下，且在检测模组检测到第一动作信息的情况下，测温模组不进行体温测量；在没有检测到第一动作信息的情况下，测温模组对该融合人脸数据对应人进行体温测量；解决了相关技术中过多的体温测量既浪费时间又占用大量的设备资源的问题，实现了对设备资源的高效利用和提高了日常体温测量的效率。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1是根据本申请实施例的手势交互的人脸识别测温系统的结构框图；
图2是根据本申请实施例的处理器进行人脸图像数据融合的时序图；
图3是根据本申请实施例的训练基于预设调整后的shuffle-net网络的识别模型的流程图；
图4是根据本申请实施例的手势交互的人脸识别测温系统的应用环境示意图；
图5是根据本申请实施例的手势交互的人脸识别测温的流程图；
图6是结合具体实施例的手势交互的人脸识别测温的流程图；
图7是根据本申请实施例的电子设备的内部结构示意图。
附图说明：11、第一摄像头；12、第二摄像头；13、测温模组；14、检测模组；15、处理器。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行描述和说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。基于本申请提供的实施例，本领域普通技术人员在没有作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。
显而易见地，下面描述中的附图仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其他类似情景。此外，还可以理解的是，虽然这种开发过程中所作出的努力可能是复杂并且冗长的，然而对于与本申请公开的内容相关的本领域的普通技术人员而言，在本申请揭露的技术内容的基础上进行的一些设计，制造或者生产等变更只是常规的技术手段，不应当理解为本申请公开的内容不充分。
在本申请中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是，本申请所描述的实施例在不冲突的情况下，可以与其它实施例相结合。
除非另作定义，本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制，可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形，意图在于覆盖不排他的包含；例如包含了一系列步骤或模块(单元)的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可以还包括没有列出的步骤或单元，或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电气的连接，不管是直接的还是间接的。本申请所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。本申请所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象，不代表针对对象的特定排序。
本申请实施例提供了一种手势交互的人脸识别测温系统，图1是根据本申请实施例的手势交互的人脸识别测温系统的结构框图，该系统包括第一摄像头11、第二摄像头12、测温模组13、检测模组14和处理器15，如图1所示，
第一摄像头11获取人脸的RGB图像，第二摄像头12获取所述人脸的Gray图像；
处理器15将该RGB图像和Gray图像进行数据预处理得到第一RGB人脸图像和第一Gray人脸图像，后将两者进行数据融合得到融合人脸数据并进行判断：
在未进行过体温测量的情况下，测温模组13通过红外热成像为对应人进行体温测量；
在已进行过体温测量的情况下，且在检测模组14检测到第一动作信息的情况下，测温模组13不进行体温测量；在没有检测到第一动作信息的情况下，测温模组13通过红外热成像为对应人进行体温测量；
通过本申请实施例，第一摄像头11获取人脸的RGB图像，第二摄像头12获取所述人脸的Gray图像，处理器15将该RGB图像和Gray图像进行数据预处理得到第一RGB人脸图像和第一Gray人脸图像，后将两者进行数据融合得到融合人脸数据并进行判断：在未进行过体温测量的情况下，测温模组13通过红外热成像为对应人进行体温测量；在已进行过体温测量的情况下，且在检测模组14检测到第一动作信息的情况下，测温模组13不进行体温测量；在没有检测到第一动作信息的情况下，测温模组13通过红外热成像为对应人进行体温测量，解决了相关技术中过多的体温测量既浪费时间又占用大量的设备资源的问题，实现了对设备资源的高效利用和提高了日常体温测量的效率。
在其中一些实施例中，图2是根据本申请实施例的处理器进行人脸图像数据融合的时序图，如图2所示，处理器15通过数据融合算法对第一RGB人脸图像和第一Gray人脸图像进行数据融合，得到融合人脸数据包括：处理器15将第一RGB人脸图像转换成RGB数据矩阵，第一Gray人脸图像转换成Gray数据矩阵，其中，RGB数据矩阵维度为[height,width,3]，Gray数据矩阵维度为[height,width,1]，将RGB数据矩阵与Gray数据矩阵进行融合，得到融合数据矩阵，融合数据矩阵的数据维度为[height,weight,3]，其中，width*height为第一RGB人脸图像和第一Gray人脸图像的像素，3为RGB数据矩阵和融合数据矩阵的channel维度数量，1为Gray数据矩阵的channel维度数量。
在其中一些实施例中，图3是根据本申请实施例的训练基于预设调整后的shuffle-net网络的识别模型的流程图，该预设调整包括减少shuffle-net网络的网络频道数和网络层数，如图3所示，包括以下步骤：
S302，将融合人脸数据分为训练集；
S304，将训练集输入基于预设调整后的shuffle-net网络的识别模型的输入层，获取输出层的输出结果；
S306，根据输出结果调整基于预设调整后的shuffle-net网络的识别模型中的相关参数。
在其中一些实施例中，图4是根据本申请实施例的手势交互的人脸识别测温系统的应用环境示意图，如图4所示，第一摄像头11获取人脸的RGB图像，第二摄像头12获取人脸的Gray图像之后，将RGB图像和Gray图像存储预设时间段，在存储大于预设时间段的情况下，删除RGB图像和Gray图像；在所述预设时间为24小时的情况下，该系统每天0点重启，删除前一天保存的人脸图像数据，只保存当天24小时的人脸图像数据。
本申请实施例提供了一种手势交互的人脸识别测温方法，图5是根据本申请实施例的手势交互的人脸识别测温的流程图，如图5所述，该方法包括以下步骤：
S502，处理器15通过第一摄像头11获取人脸的RGB图像，处理器15通过第二摄像头12获取人脸的Gray图像；
S504，处理器15通过人脸检测算法检测出RGB图像中的人脸，得到RGB人脸图像，处理器15通过人脸检测算法检测出Gray图像的人脸，得到Gray人脸图像,将RGB人脸图像和Gray人脸图像进行眼睛处于同一水平直线的对齐处理；
S506，处理器15通过数据预处理算法对RGB人脸图像进行数据预处理，得到第一RGB人脸图像,对Gray人脸图像进行数据预处理,得到第一Gray人脸图像；
S508，处理器15通过数据融合算法对第一RGB人脸图像和第一Gray人脸图像进行数据融合，得到融合人脸数据；
S510，处理器15通过预先构建的识别模型接收融合人脸数据进行识别，并判断融合人脸数据所对应的人是否已进行体温测量：
S512，在融合人脸数据对应的人未进行过体温测量的情况下，测温模组13对融合人脸数据对应人进行体温测量；
S514，在融合人脸数据对应的人已进行过体温测量的情况下，且在检测模组14检测到第一动作信息的情况下，测温模组13不进行体温测量；
S516，在检测模组14没有检测到第一动作信息的情况下，测温模组13通过红外热成像对融合人脸数据对应人进行体温测量。
通过本申请实施例的步骤S502至S516，第一摄像头11获取人脸的RGB图像，第二摄像头12获取所述人脸的Gray图像，处理器15将该RGB图像和Gray图像进行数据预处理得到第一RGB人脸图像和第一Gray人脸图像，后将两者进行数据融合得到融合人脸数据并进行判断：在未进行过体温测量的情况下，测温模组13通过红外热成像为对应人进行体温测量；在已进行过体温测量的情况下，且在检测模组14检测到第一动作信息的情况下，测温模组13不进行体温测量；在没有检测到第一动作信息的情况下，测温模组13通过红外热成像为对应人进行体温测量，解决了相关技术中过多的体温测量既浪费时间又占用大量的设备资源的问题，实现了对设备资源的高效利用和提高了日常体温测量的效率。
优选地，处理器15通过数据融合算法对第一RGB人脸图像和第一Gray人脸图像进行数据融合，得到融合人脸数据包括：第处理器15将第一RGB人脸图像转换成RGB数据矩阵，第一Gray人脸图像转换成Gray数据矩阵，其中，RGB数据矩阵维度为[height,width,3]，Gray数据矩阵维度为[height,width,1]，将RGB数据矩阵与Gray数据矩阵进行融合，得到融合数据矩阵，融合数据矩阵的数据维度为[height,weight,3]，其中，width*height为第一RGB人脸图像和第一Gray人脸图像的像素，3为RGB数据矩阵和融合数据矩阵的channel维度数量，1为Gray数据矩阵的channel维度数量。
优选地，预先构建的识别模型是基于预设调整后的shuffle-net网络进行训练的，该预设调整包括减少shuffle-net网络的网络频道数和网络层数，训练包括：将融合人脸数据分为训练集，将训练集输入识别模型的输入层，获取输出层的输出结果，根据输出结果调整识别模型中的相关参数。
优选地，处理器15通过第一摄像头11获取人脸的RGB图像，处理器15通过第二摄像头12获取人脸的Gray图像之后，将RGB图像和Gray图像存储预设时间段，在存储大于预设时间段的情况下，删除RGB图像和Gray图像；在所述预设时间为24小时的情况下，该系统每天0点重启，删除前一天保存的人脸图像数据，只保存当天24小时的人脸图像数据。
优选地，在检测模组14检测到第一动作信息，其中当第一动作信息包括但不限于“OK”手势。
在其中一些实施例中，图6是结合具体实施例的手势交互的人脸识别测温的流程图，如图6所示，该实施例包括以下步骤：
S602，系统每天0点重启，删除前一天保存的人脸图像数据，只保存当天的人脸图像数据；
S604，处理器15通过第一摄像头11获取人脸的RGB图像，处理器15通过第二摄像头12获取人脸的Gray图像；
S606，处理器15通过人脸检测算法检测出RGB图像中的人脸，得到RGB人脸图像，处理器15通过人脸检测算法检测出Gray图像的人脸，得到Gray人脸图像,将RGB人脸图像和Gray人脸图像进行眼睛处于同一水平直线的对齐处理；
S608，处理器15通过数据预处理算法对RGB人脸图像进行数据预处理，得到第一RGB人脸图像,对Gray人脸图像进行数据预处理,得到第一Gray人脸图像；
第一RGB人脸图像第一Gray人脸图像S612，处理器15将第一RGB人脸图像转换成RGB数据矩阵，第一Gray人脸图像转换成Gray数据矩阵，其中，RGB数据矩阵维度为[height,width,3]，Gray数据矩阵维度为[height,width,1]；
S614，将RGB数据矩阵与Gray数据矩阵进行融合，得到融合数据矩阵，融合数据矩阵的数据维度为[height,weight,3]；
S616，处理器15通过基于预设调整后的shuffle-net网络的识别模型接收融合数据矩阵进行识别，并判断融合数据矩阵所对应的人是否已进行体温测量：
S618，在融合数据矩阵对应的人未进行过体温测量的情况下，测温模组13通过红外热成像对融合人脸数据对应人进行体温测量；
S620，在融合数据矩阵对应的人已进行过体温测量的情况下，且在检测模组14检测到“OK”手势的情况下，测温模组13不进行体温测量；
S622，在检测模组14没有检测到“OK”手势的情况下，测温模组13通过红外热成像对融合人脸数据对应人进行体温测量。
通过本申请具体实施例的步骤S602至S622，系统每天0点重启，删除前一天保存的人脸图像数据，只保存当天的人脸图像数据，第一摄像头11获取人脸的RGB图像，第二摄像头12获取所述人脸的Gray图像，处理器15将该RGB图像和Gray图像进行数据预处理得到第一RGB人脸图像和第一Gray人脸图像，后将两者进行数据融合得到融合人脸数据并进行判断，其中，进行判断的识别模型是基于预设调整后的shuffle-net网络进行训练的；在未进行过体温测量的情况下，测温模组13通过红外热成像为对应人进行体温测量；在已进行过体温测量的情况下，且在检测模组14检测到“OK”手势的情况下，测温模组13不进行体温测量；在没有检测到“OK”手势的情况下，测温模组13通过红外热成像为对应人进行体温测量，解决了相关技术中过多的体温测量既浪费时间又占用大量的设备资源的问题，基于预设调整后的shuffle-net网络减少了网络频道数和网络层数，实现了对同一个人每天只进行一次测温，提高了设备资源的利用率和日常体温测量的效率。
在一个实施例中，图7是根据本申请实施例的电子设备的内部结构示意图，如图7所示，提供了一种电子设备，该电子设备可以是服务器，其内部结构图可以如图7所示。该电子设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该电子设备的处理器用于提供计算和控制能力。该电子设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该电子设备的数据库用于存储数据。该电子设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种手势交互的人脸识别测温方法。
本领域技术人员可以理解，图7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电子设备的限定，具体的电子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。
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，该计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，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。
本领域技术人员应该明白，以上所述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发明专利范围的限制。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 (10)

1.一种手势交互的人脸识别测温方法，其特征在于，所述方法包括：
处理器通过第一摄像头获取人脸的RGB图像，所述处理器通过第二摄像头获取所述人脸的Gray图像；
所述处理器通过人脸检测算法检测出所述RGB图像中的人脸，得到RGB人脸图像，所述处理器通过人脸检测算法检测出所述Gray图像的人脸，得到Gray人脸图像,将所述RGB人脸图像和所述Gray人脸图像进行眼睛处于同一水平直线的对齐处理；
所述处理器通过数据预处理算法对所述RGB人脸图像进行数据预处理，得到第一RGB人脸图像,对所述Gray人脸图像进行数据预处理,得到第一Gray人脸图像，其中，所述第一RGB人脸图像与所述第一Gray人脸图像像素尺寸一致；
所述处理器通过数据融合算法对所述第一RGB人脸图像和所述第一Gray人脸图像进行数据融合，得到融合人脸数据；
所述处理器通过预先构建的识别模型接收所述融合人脸数据进行识别，并判断所述融合人脸数据所对应的人是否已进行体温测量：
在所述融合人脸数据对应的人未进行过体温测量的情况下，测温模组对所述融合人脸数据对应人进行体温测量；
在所述融合人脸数据对应的人已进行过体温测量的情况下，且在检测模组检测到第一动作信息的情况下，所述测温模组不进行体温测量；在所述检测模组没有检测到第一动作信息的情况下，所述测温模组对所述融合人脸数据对应人进行体温测量。
2.根据权利要求1所述的方法，其特征在于，所述处理器通过数据融合算法对所述第一RGB人脸图像和所述第一Gray人脸图像进行数据融合，得到融合人脸数据包括：所述处理器将所述第一RGB人脸图像转换成RGB数据矩阵，所述第一Gray人脸图像转换成Gray数据矩阵，其中，所述RGB数据矩阵维度为[height,width,3]，所述Gray数据矩阵维度为[height,width,1]，将所述RGB数据矩阵与所述Gray数据矩阵进行融合，得到融合数据矩阵，所述融合数据矩阵的数据维度为[height,weight,3]，其中，width*height为所述第一RGB人脸图像和所述第一Gray人脸图像的像素，3为所述RGB数据矩阵和所述融合数据矩阵的channel维度数量，1为所述Gray数据矩阵的channel维度数量。
3.根据权利要求1所述的方法，其特征在于，所述预先构建的识别模型是基于预设调整后的shuffle-net网络进行训练的，所述预设调整包括减少shuffle-net网络的网络频道数和网络层数，所述训练包括：将所述融合人脸数据分为训练集，将所述训练集输入所述识别模型的输入层，获取输出层的输出结果，根据所述输出结果调整所述识别模型中的相关参数。
4.根据权利要求1所述的方法，其特征在于，所述处理器通过第一摄像头获取人脸的RGB图像，所述处理器通过第二摄像头获取所述人脸的Gray图像之后，所述方法包括：将所述RGB图像和所述Gray图像存储预设时间段，在所述存储大于所述预设时间段的情况下，删除所述RGB图像和Gray图像。
5.一种手势交互的人脸识别测温系统，其特征在于，所述系统包括：第一摄像头、第二摄像头、测温模组、检测模组和处理器；
所述处理器通过所述第一摄像头获取人脸的RGB图像，所述处理器通过所述第二摄像头获取所述人脸的Gray图像；
所述处理器通过人脸检测算法检测出所述RGB图像中的人脸，得到RGB人脸图像，所述处理器通过人脸检测算法检测出所述Gray图像的人脸，得到Gray人脸图像,将所述RGB人脸图像和所述Gray人脸图像进行眼睛处于同一水平直线的对齐处理；
所述处理器通过数据预处理算法对所述RGB人脸图像进行数据预处理，得到第一RGB人脸图像,对所述Gray人脸图像进行数据预处理,得到第一Gray人脸图像，其中，所述第一RGB人脸图像与所述第一Gray人脸图像像素尺寸一致；
所述处理器通过数据融合算法对所述第一RGB人脸图像和所述第一Gray人脸图像进行数据融合，得到融合人脸数据；
所述处理器通过预先构建的识别模型接收所述融合人脸数据进行识别，并判断所述融合人脸数据所对应的人是否已进行体温测量：
在所述融合人脸数据对应的人未进行过体温测量的情况下，所述测温模组对所述融合人脸数据对应人进行体温测量；
在所述融合人脸数据对应的人已进行过体温测量的情况下，且在所述检测模组检测到第一动作信息的情况下，所述测温模组不进行体温测量；在所述检测模组没有检测到第一动作信息的情况下，所述测温模组对所述融合人脸数据对应人进行体温测量。
6.根据权利要求5所述的系统，其特征在于，所述处理器通过数据融合算法对所述第一RGB人脸图像和所述第一Gray人脸图像进行数据融合，得到融合人脸数据包括：所述处理器将所述第一RGB人脸图像转换成RGB数据矩阵，所述第一Gray人脸图像转换成Gray数据矩阵，其中，所述RGB数据矩阵维度为[height,width,3]，所述Gray数据矩阵维度为[height,width,1]，将所述RGB数据矩阵与所述Gray数据矩阵进行融合，得到融合数据矩阵，所述融合数据矩阵的数据维度为[height,weight,3]，其中，width*height为所述第一RGB人脸图像和所述第一Gray人脸图像的像素，3为所述RGB数据矩阵和所述融合数据矩阵的channel维度数量，1为所述Gray数据矩阵的channel维度数量。
7.根据权利要求5所述的系统，其特征在于，所述预先构建的识别模型是基于预设调整后的shuffle-net网络进行训练的，所述预设调整包括减少shuffle-net网络的网络频道数和网络层数，所述训练包括：将所述融合人脸数据分为训练集，将所述训练集输入所述识别模型的输入层，获取输出层的输出结果，根据所述输出结果调整所述识别模型中的相关参数。
8.根据权利要求5所述的系统，其特征在于，处理器通过所述第一摄像头获取人脸的RGB图像，所述处理器通过所述第二摄像头获取所述人脸的Gray图像之后，所述系统包括：将所述RGB图像和所述Gray图像存储预设时间段，在所述存储大于所述预设时间段的情况下，删除所述RGB图像和Gray图像。
9.一种计算机设备，包括存储器、处理器以及存储在所述存储器上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4中任一项所述手势交互的人脸识别测温方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至4中任一项所述手势交互的人脸识别测温方法。
CN202011583618.7A 2020-12-28 2020-12-28 一种手势交互的人脸识别测温的方法、系统、设备及介质 Active CN112633192B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011583618.7A CN112633192B (zh) 2020-12-28 2020-12-28 一种手势交互的人脸识别测温的方法、系统、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011583618.7A CN112633192B (zh) 2020-12-28 2020-12-28 一种手势交互的人脸识别测温的方法、系统、设备及介质

Publications (2)

Publication Number Publication Date
CN112633192A CN112633192A (zh) 2021-04-09
CN112633192B true CN112633192B (zh) 2023-08-25

Family

ID=75325719

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011583618.7A Active CN112633192B (zh) 2020-12-28 2020-12-28 一种手势交互的人脸识别测温的方法、系统、设备及介质

Country Status (1)

Country Link
CN (1) CN112633192B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111104917A (zh) * 2019-12-24 2020-05-05 杭州魔点科技有限公司 基于人脸的活体检测方法、装置、电子设备及介质
CN111275875A (zh) * 2020-03-05 2020-06-12 北京博达泰德科技有限公司 一种测温型人脸识别门禁系统及其控制方法
CN111811663A (zh) * 2020-07-21 2020-10-23 太仓光电技术研究所 一种基于视频流的温度检测方法及装置
CN111964789A (zh) * 2020-08-14 2020-11-20 深圳市视美泰技术股份有限公司 温度测量方法、装置、计算机设备和存储介质
WO2020233000A1 (zh) * 2019-05-20 2020-11-26 平安科技（深圳）有限公司 人脸识别方法、装置及计算机可读存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060161074A1 (en) * 2005-01-20 2006-07-20 Chi-Hong Liao Temperature sensing device

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020233000A1 (zh) * 2019-05-20 2020-11-26 平安科技（深圳）有限公司 人脸识别方法、装置及计算机可读存储介质
CN111104917A (zh) * 2019-12-24 2020-05-05 杭州魔点科技有限公司 基于人脸的活体检测方法、装置、电子设备及介质
CN111275875A (zh) * 2020-03-05 2020-06-12 北京博达泰德科技有限公司 一种测温型人脸识别门禁系统及其控制方法
CN111811663A (zh) * 2020-07-21 2020-10-23 太仓光电技术研究所 一种基于视频流的温度检测方法及装置
CN111964789A (zh) * 2020-08-14 2020-11-20 深圳市视美泰技术股份有限公司 温度测量方法、装置、计算机设备和存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
非约束环境下人脸识别技术的研究;汤一平;严海东;;浙江工业大学学报(第02期);全文 *

Also Published As

Publication number Publication date
CN112633192A (zh) 2021-04-09

Similar Documents

Publication Publication Date Title
US11200404B2 (en) Feature point positioning method, storage medium, and computer device
CN110490076B (zh) 活体检测方法、装置、计算机设备和存储介质
CN108897786B (zh) 应用程序的推荐方法、装置、存储介质及移动终端
CN107392189B (zh) 用于确定无人车的驾驶行为的方法和装置
CN109285105B (zh) 水印检测方法、装置、计算机设备和存储介质
CN110378230B (zh) 失踪人脸识别方法、装置、计算机设备和存储介质
US11367196B2 (en) Image processing method, apparatus, and storage medium
CN110147469B (zh) 一种数据处理方法、设备及存储介质
CN111968134B (zh) 目标分割方法、装置、计算机可读存储介质及计算机设备
CN110059666B (zh) 一种注意力检测方法及装置
CN110049310B (zh) 视频图像获取、视频质量检测方法和装置
CN111507298B (zh) 人脸检测方法、装置、计算机设备和存储介质
CN113496208B (zh) 视频的场景分类方法及装置、存储介质、终端
CN112818821B (zh) 基于可见光和红外光的人脸采集源检测方法和装置
WO2022194079A1 (zh) 天空区域分割方法、装置、计算机设备和存储介质
CN110942456A (zh) 篡改图像检测方法、装置、设备及存储介质
CN112580660A (zh) 图像处理方法、装置、计算机设备和可读存储介质
CN112287730A (zh) 姿态识别方法、装置、系统、存储介质及设备
CN113469092A (zh) 字符识别模型生成方法、装置、计算机设备和存储介质
CN111079587B (zh) 人脸的识别方法、装置、计算机设备及可读存储介质
CN109859142B (zh) 图像亮度的调节方法、装置、计算机设备和存储介质
CN110942067A (zh) 文本识别方法、装置、计算机设备和存储介质
CN110909691A (zh) 动作检测方法、装置、计算机可读存储介质和计算机设备
CN110162689B (zh) 信息推送方法、装置、计算机设备和存储介质
CN112633192B (zh) 一种手势交互的人脸识别测温的方法、系统、设备及介质

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