CN113139413A - 人员管理方法、装置及电子设备 - Google Patents
人员管理方法、装置及电子设备 Download PDFInfo
- Publication number
- CN113139413A CN113139413A CN202010790596.5A CN202010790596A CN113139413A CN 113139413 A CN113139413 A CN 113139413A CN 202010790596 A CN202010790596 A CN 202010790596A CN 113139413 A CN113139413 A CN 113139413A
- Authority
- CN
- China
- Prior art keywords
- face
- image
- detected person
- body temperature
- determining
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000007726 management method Methods 0.000 title claims description 34
- 230000036760 body temperature Effects 0.000 claims abstract description 80
- 238000000034 method Methods 0.000 claims abstract description 43
- 238000009529 body temperature measurement Methods 0.000 claims abstract description 40
- 238000001514 detection method Methods 0.000 claims abstract description 33
- 238000004590 computer program Methods 0.000 claims description 18
- 230000000694 effects Effects 0.000 abstract description 7
- 238000012937 correction Methods 0.000 description 23
- 230000007613 environmental effect Effects 0.000 description 18
- 238000010586 diagram Methods 0.000 description 17
- 230000006870 function Effects 0.000 description 12
- 230000001815 facial effect Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000002159 abnormal effect Effects 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 4
- 230000004044 response 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
- 238000004891 communication Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 206010022000 influenza Diseases 0.000 description 2
- 238000002955 isolation Methods 0.000 description 2
- 241000700605 Viruses Species 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000012892 rational function Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 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
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/105—Human resources
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Evolutionary Computation (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Linguistics (AREA)
- Evolutionary Biology (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Software Systems (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Mathematical Physics (AREA)
- Collating Specific Patterns (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Biomedical Technology (AREA)
- Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Bioinformatics & Computational Biology (AREA)
Abstract
本申请提供一种人员管理方法、装置及电子设备，涉及人员管理技术领域，其中，该方法包括通过获取检测区域的可见光图像和红外图像，对可见光图像进行人脸检测，确定检测到的人脸图像对应的被检测人员的身份信息，然后对于每个人脸图像，根据红外图像，确定人脸图像对应的被检测人员的体温，最后记录并显示每个被检测人员的身份信息和体温。本申请提供的技术方案通过采用人脸识别和红外测温结合的方式，简化了现有的测温环节和登记环节，可以实现自动测温的效果，减少了工作人员和潜在患病人员的接触机会，同时还能自动识别并记录待测人员信息，减少了人员聚集的时间，进一步提高了人员管理环节的安全性和效率。
Description
技术领域
本申请涉及人员管理技术，尤其涉及一种人员管理方法、装置及电子设备，属于智能管理技术领域。
背景技术
当流感季来临时，各企业需要对往来人员进行管控，以防止流感患者进入办公场所，防止发生病毒被扩散的现象。
常见的管理方法是先由工作人员对进入场所的人员进行测温，然后体温符合正常范围的人员可以进入场所并登记身份信息。其中，在测温环节中工作人员通常使用点温枪、耳温枪等手持式测温工具进行测温，在记录环节中工作人员会对进入场所的人员进行记录。
但是，目前的人员管理方式存在一些问题，一方面人工测温的方式会让工作人员与潜在患病人员近距离接触，增加工作人员的感染几率，另一方面，测温环节与登记环节分离，造成整体的管理工作效率低下。所以，现有的人员管理方法存在安全性不高和效率低下的问题。
发明内容
有鉴于此，本申请提供了一种人员管理方法、装置及电子设备，用于提高人员管理环节的安全性和效率。
为了实现上述目的，第一方面，本申请实施例提供一种人员管理方法，包括：
获取检测区域的可见光图像和红外图像；
对可见光图像进行人脸检测，确定检测到的人脸图像对应的被检测人员的身份信息；
对于每个人脸图像，根据红外图像，确定人脸图像对应的被检测人员的体温；
记录并显示每个被检测人员的身份信息和体温。
可选的，确定检测到的人脸图像对应的被检测人员的身份信息，包括：
对于检测到的每个人脸图像，对人脸图像进行人脸特征提取，得到第一人脸特征；
将第一人脸特征与预先存储在数据库的第二人脸特征进行匹配；
若匹配到第二人脸特征，则将匹配到的第二人脸特征对应的身份信息确定为人脸图像对应的被检测人员的身份信息；
若未匹配到第二人脸特征，则建立人脸图像对应的被检测人员的身份信息。
可选的，数据库包括陌生人数据库，建立人脸图像对应的被检测人员的身份信息之后，方法还包括：
将建立的人脸图像对应的被检测人员的身份信息和第一人脸特征存储在陌生人数据库中。
可选的，数据库包括员工数据库，方法还包括：
若匹配到的第二人脸特征存储在员工数据库中，则确定并记录被检测人员的考勤时间。
可选的，根据红外图像，确定人脸图像对应的被检测人员的体温，包括：
确定人脸图像在红外图像中对应的人脸红外图像；
根据人脸红外图像，确定人脸图像对应的被检测人员的体温。
可选的，根据人脸红外图像，确定人脸图像对应的被检测人员的体温，包括：
根据人脸红外图像，确定人脸图像对应的被检测人员的初始体温；
确定人脸图像对应的测温距离，根据测温距离对初始体温进行校正，和/或，根据红外图像确定环境温度，根据环境温度对初始体温进行校正，得到人脸图像对应的被检测人员的体温。
可选的，方法还包括：
将被检测人员的体温与预先设定的目标温度进行对比，若被检测人员的体温超过目标温度，则进行报警。
可选的，方法还包括：
统计并显示预设时间段内被检测人员的总数量。
第二方面，本申请实施例提供一种电子设备，包括：存储器和处理器，存储器用于存储计算机程序；处理器用于在调用计算机程序时执行上述第一方面或第一方面的任一实施方式的方法。
第三方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述第一方面或第一方面的任一实施方式的方法。
本申请实施例提供的一种人员管理方法、装置及电子设备，通过获取检测区域的可见光图像和红外图像，对可见光图像进行人脸检测，确定检测到的人脸图像对应的被检测人员的身份信息，然后对于每个人脸图像，根据红外图像，确定人脸图像对应的被检测人员的体温，最后记录并显示每个被检测人员的身份信息和体温。本申请通过采用人脸识别和红外测温结合的方式，简化了现有的测温环节和登记环节，可以实现自动测温的效果，减少了工作人员和潜在患病人员的接触机会，同时还能自动识别并记录待测人员信息，减少了人员聚集的时间，进一步提高了人员管理环节的安全性和效率。
附图说明
图1为本申请实施例提供的人员管理方法的流程示意图；
图2为本申请实施例提供的距离校正的原理示意图；
图3为本申请实施例提供的环境校正的原理示意图；
图4为本申请实施例提供的待检测人员的初始体温检测结果示意图；
图5为本申请实施例提供的仅经过距离校正的体温检测结果示意图；
图6为本申请实施例提供的经过距离校正和环境校正的体温检测结果示意图；
图7为本申请实施例提供的电子设备显示界面的示意图；
图8为本申请实施例提供的人员管理系统的硬件结构示意图；
图9为本申请实施例提供的人员管理系统的结构示意图；
图10为本申请实施例提供的电子设备的结构示意图。
具体实施方式
本申请实施例提供的人员管理方法可以应用于包括处理器，以及分别与处理器电连接的可见光摄像头、红外测温热像仪、显示屏和存储器的电子设备，本申请实施例对电子设备的具体类型不作任何限制。
下面以具体地实施例对本申请的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
图1为本申请实施例提供的人员管理方法的流程示意图，如图1所示，该方法包括如下步骤：
S110、获取检测区域的可见光图像和红外图像。
本申请实施例提供的电子设备可以设置在人员集中进入公司的入口处，并将电子设备采集图像的区域设定为检测区域，同时规定进入本场所的人员必须经过该电子设备的检测区域，以使电子设备可以获取每一个进入本场所的人员的可见光图像和红外图像。
具体的，电子设备可以通过可见光摄像头采集可见光图像，还可以通过红外测温热像仪采集红外图像。当可见光摄像头和红外测温热像仪开启时，电子设备可以实时获取检测区域的可见光图像和红外图像。
S120、对可见光图像进行人脸检测，确定检测到的人脸图像对应的被检测人员的身份信息。
电子设备可以通过对可见光图像进行人脸检测，确定检测到的人脸图像对应的被检测人员的身份信息。其中，可见光图像中可以只包括一个被检测人员，也可以同时包括多个被检测人员。
具体的，电子设备可以采用人脸检测算法对可见光图像进行人脸检测，当检测到可见光图像存在人脸时，确定人脸在可见光图像中的位置，并将该位置确定为人脸图像。其中，人脸检测算法可以是基于深度学习的相关算法，例如，多任务卷积神经网络(Multi-Task Convolutional Neural Network，MTCNN)，也可以是传统的目标检测算法，例如，哈尔(Haar)级联检测算法。
在本申请实施例中，以MTCNN为例对人脸检测过程进行说明。由于可见光图像中的人脸大小不一，为了检测不同大小的人脸，可以先对可见光图像进行放大或者缩小，从而构造图像金字塔，再对图像金字塔进行人脸检测。其中，图像金字塔是指，将同一张图像进行不同的尺度变换得到不同分辨率的图像集合。MTCNN使用3个卷积神经网络CNN进行级联，分别是提案网络(Proposal Network，P-Net)、改进网络(Refine Network，R-Net)、输出网络(Output Network，O-Net)。MTCNN具体的处理过程分为以下几步：第一步，在获得可见光图像的情况下，将可见光图像进行不同尺度的缩放，得到图像金字塔。第二步，分别将图像金字塔中的图像输入到P-Net中，得到多个候选图像的坐标信息(指在可见光图像中的位置)和人脸概率，P-Net的主要目的是为了生成多个候选图像，通过使用P-Net网络，对图像金字塔中不同尺度下的图像的每个12×12的区域都进行人脸检测，确定多个可能存在人脸的候选图像和对应的人脸概率。第三步，将P-Net生成的候选图像缩放到24×24×3，并将其输入到R-Net进一步优化，去除大量的非人脸图像，并输出多个候选图像的坐标信息和人脸概率。第四步，继续将R-Net所得到的候选图像缩放到48×48×3，并将其输入到O-Net，输出包含多个人脸图像的坐标信息、人脸概率和关键点位置，其中，关键点分别对应人脸中左眼的位置、右眼的位置、鼻子的位置、左嘴角的位置和右嘴角的位置。需要说明的是，每个步骤中图像的尺寸可以根据实际需求进行设定，本申请实施例对此不作限定。
具体的，在检测到人脸图像后，电子设备可以确定人脸图像对应的被检测人员的身份信息，确定被检测人员的身份信息的过程可以包括以下几个步骤：
第一步、对于检测到的每个人脸图像，对人脸图像进行人脸特征提取，得到第一人脸特征。
电子设备可以采用特征提取算法对人脸图像进行人脸特征提取，得到第一人脸特征，其中，特征提取算法可以包括局部二进制编码直方图(Local Binary PatternsHistograms，LBPH)和人脸网络FaceNet等算法。
在本申请实施例中，电子设备采用的是FaceNet算法对人脸图像进行人脸特征提取。其中，FaceNet可以采用一个CNN结构提取特征，然后对特征进行L2标准化，再将标准化的特征输入到嵌入层，对嵌入层输出的结果进行归一化就得到表征人脸的多维(比如512维)的特征向量，最后采用三元组损失(Triplet Loss)优化上述特征，得到第一人脸特征。
第二步、将第一人脸特征与预先存储在数据库的第二人脸特征进行匹配。
电子设备中设置有用于存储第二人脸特征的数据库，通过将第一人脸特征与第二人脸特征进行匹配，可以确定被检测人员的身份。
具体的，电子设备可以采用欧式距离的方法对将第一人脸特征逐个与数据库中的第二人脸特征进行对比，若二者的距离大与预先设定的阈值则表示二者不相同，若二者的距离小与预先设定的阈值则表示二者相同。
第三步、若匹配到第二人脸特征，则将匹配到的第二人脸特征对应的身份信息确定为人脸图像对应的被检测人员的身份信息。
具体的，电子设备中的数据库可以包括员工数据库和陌生人数据库，员工数据库可以用于存储员工的第二人脸特征和对应的身份信息，陌生人数据库可以用于存储非员工的第二人脸特征和对应的身份信息。
若电子设备匹配到的第二人脸特征是存储在员工数据库中的，则表示被检测人员是公司员工，被检测人员的身份信息可以包括该员工的姓名、工号和工作部门等，同时，电子设备还可以将获取可见光图像的时间或当前系统时间确定为被检测人员的考勤时间，并将考勤时间作为考勤信息记录在员工数据库中，以完成该员工的考勤打卡工作，其中，考勤信息还可以包括员工的考勤地点。通过人脸识别的方式进行考勤打卡，可以避免员工在打卡机前排队，减少人员聚集的机会，同时提高员工的打卡效率，可以让员工快速离开人员集中的入口处。
需要说明的是，员工的身份信息和考勤信息也可以独立存储在考勤数据库中，具体的存储方式可以根据实际需求进行设定，本申请实施例对比不作限制。
若电子设备匹配到的第二人脸特征是存储在陌生人数据库中的，则表示被检测人员是非公司员工。当该被检测人员首次出现在可见光图像中时，电子设备会保存该被检测人员的人脸特征并建立对应的身份信息，具体步骤请参考第四步。该被检测人员的身份信息可以包括该被检测人员的身份码、来访次数和上次来访时间等。
第四步、若未匹配到第二人脸特征，则建立人脸图像对应的被检测人员的身份信息。
若未匹配到第二人脸特征，则表示该被检测人员是非公司员工，且是首次进入公司场所，电子设备可以为该被检测人员建立一个新的身份信息，新的身份信息的可以包括被检测人员的身份码、来访次数和本次来访时间等。在建好身份信息后，电子设备还可以将建立好的身份信息和对应的第一人脸特征存储在陌生人数据库中，以便在下次该被检测人员再次进入公司时，电子设备可以通过陌生人数据库识别出该被检测人员。通过自动为陌生人建立身份信息，可以省略陌生人手动登记信息的环节，减少员工与陌生人的基础机会，同时，保存陌生人的人脸特征可以方便后续陌生人再次来访时的管理工作。
需要说明的是，非公司员工的身份信息也可以独立存储在陌生人信息数据库中，具体的存储方式可以根据实际需求进行设定，本申请实施例对比不作限制。
S130、对于每个人脸图像，根据红外图像，确定人脸图像对应的被检测人员的体温。
红外图像可以灰度图的形式表现出来，且红外图像的灰度和目标物体的温度是存在对应关系的，在测温范围内物体的温度不同，则红外图像的灰度也不一样。所以，电子设备可以通过确定红外图像的灰度与真实的温度之间的一一对应关系，从而得到红外图像中每一点的温度值。
具体的，在识别出人脸图像后，电子设备可以根据红外图像，通过以下几个步骤确定人脸图像对应的被检测人员的体温：
第一步、确定人脸图像在红外图像中对应的人脸红外图像。
可见光图像和红外图像是电子设备对同一范围内的场景拍摄得到的，所以可见光图像中人脸的相对位置和红外图像中人脸的相对位置是一样的。
具体的，电子设备可以根据可见光图像和红外图像之间的尺寸大小，对可见光图像进行等比例缩放，当可见光图像和红外图像尺寸相同时，电子设备可以根据人脸图像在可见光图像中的坐标信息，确定红外图像中的人脸红外图像。
第二步、根据人脸红外图像，确定人脸图像对应的被检测人员的体温。
电子设备可以根据人脸红外图像的灰度，和灰度与温度的对应关系确定人脸图像对应的被检测人员的体温。
但是，受红外测温热像仪与待检测人员的距离影响，红外图像的反映出的灰度可能与待检测人员的实际体温不相符，且随着环境温度的不同，待检测人员的体温也会不同，因此，为了获取更准确的结果，电子设备还可以对待检测人员的体温进行距离和/或环境校正。
具体的，首先，电子设备可以根据人脸红外图像，确定人脸图像对应的被检测人员的初始体温，也即是未经补偿的体温。然后，电子设备可以对初始体温进行距离和/或环境校正，得到准确的被检测人员的体温。
在进行距离校正时，图2为本申请实施例提供的距离校正的原理示意图，如图2所示，电子设备首先可以根据人脸图像在可见光图像中的坐标信息，确定待检测人员和可见光摄像头之间的测温距离(该测温距离也是待检测人员和红外测温热像仪之间的测温距离)。然后，将测温距离输入预先设定的距离补偿模型，得到距离补偿值，其中，距离补偿模型是基于红外辐射理论和红外图像测温原理推导出的关于测温计距离与测温误差的关系式，电子设备可以通过大量的实验数据得到不同测温距离下的测量误差，并通过曲线拟合得到距离补偿模型，其中，用于曲线拟合的函数可以是指数函数、多项式函数、傅里叶函数、高斯函数、有理式函数和正弦函数等，本申请实施例在曲线拟合时采用的是最小二乘法函数。最后，电子设备可以通过距离补偿值对初始体温进行距离校正。
在进行环境校正时，图3为本申请实施例提供的环境校正的原理示意图，如图3所示，电子设备首先可以将红外图像中人脸部分之外的红外图像确定为背景红外图像，然后根据背景红外图像的灰度确定环境温度，再将环境温度和初始体温输入环境补偿模型，得到环境补偿值，其中，环境补偿模型是环境温度与目标温度之间的误差关系的关系式，基于大量实验数据得到不同环境温度下目标温度的误差值，然后对实验数据进行曲线拟合可以得到环境补偿模型。最后，电子设备可以通过环境补偿值对初始体温进行环境校正。
需要说明的是，电子设备可以仅对被检测人员的体温进行距离校正，也可以仅对被检测人员的体温进行环境校正，还可以对检测人员的体温既进行距离校正和也进行环境校正，且距离校正和环境补偿之间的先后关系不影响对体温进行校正的效果，本申请实施例对此不作限定。
进一步的，对实际的校正效果进行展示，图4为本申请实施例提供的待检测人员的初始体温检测结果示意图，图5为本申请实施例提供的经过距离校正的体温检测结果示意图，图6为本申请实施例提供的经过距离校正和环境校正的体温检测结果示意图，图4、图5和图6为对同一待检测人员的体温进行校正的过程，待检测人员的初始体温为36.8°，电子设备先对初始体温进行了距离校正，得到校正后体温为36.3°，然后对该提问继续进行环境校正，得到最终的校正后体温为36.4°。
S140、记录并显示每个被检测人员的身份信息和体温。
经身份识别和体温测量的步骤后，电子设备可以记录每个被检测人员的身份信息和体温，例如，图7为本申请实施例提供的电子设备显示界面的示意图，经电子设备的身份识别后，可以确定可见光图像中的待检测人员是员工张三，同时测量红外图像得出张三的体温是36.4°，则电子设备可以在显示屏中显示图像信息(可将光图像和红外图像)、身份信息(姓名：张三、工作部门：测试部、工号：111111和考勤时间：2020-05-26/16:31:17)和测温结果(体温：36.4°和检测结果)。电子设备显示界面中还可以包括“设置”和“统计”选项，通过“设置”选项可以对电子设备进行功能设置和数据导入导出等操作，“统计”选项可以提供更加详细的数据统计信息。
S150、将被检测人员的体温与预先设定的目标温度进行对比，若被检测人员的体温超过目标温度，则进行报警。
当确定好待检测人员的体温后，电子设备还可以将被检测人员的体温与预先设定的目标温度进行对比，若被检测人员的体温超过目标温度，则进行报警，以提醒待检测人员和防疫人员该待检测人员的体温异常。电子设备可以通过语音提示的方式和/或文字提示的方式进行报警。例如，当电子设备检测到被检测人员是李四且体温为38.1°时，可以播放报警语音“李四您好，您的体温异常，请前往隔离区等待进一步处理”。同时，在显示屏中进行文字提示“李四您好，您的体温异常，请前往隔离区等待进一步处理”。
S160、统计并显示预设时间段内被检测人员的总数量。
电子设备还可以统计预设时间内的检测数据，检测数据可以包括检测总人数和体温异常人数等。参照图7，电子设备的屏幕中还可以显示今日进入人次和报警人次。
在本申请实施例中，电子设备可以通过获取检测区域的可见光图像和红外图像，对可见光图像进行人脸检测，确定检测到的人脸图像对应的被检测人员的身份信息，然后对于每个人脸图像，根据红外图像，确定人脸图像对应的被检测人员的体温，最后记录并显示每个被检测人员的身份信息和体温。本申请通过采用人脸识别和红外测温结合的方式，简化了现有的测温环节和登记环节，可以实现自动测温的效果，减少了工作人员和潜在患病人员的接触机会，同时还能自动识别并记录待测人员信息，减少了人员聚集的时间，进一步提高了人员管理环节的安全性和效率。
基于同一发明构思，作为对上述方法的实现，本申请实施例提供了一种人员管理系统，该系统实施例与前述方法实施例对应，为便于阅读，本系统实施例不再对前述方法实施例中的细节内容进行逐一赘述，但应当明确，本实施例中的系统能够对应实现前述方法实施例中的全部内容。
图8为本申请实施例提供的人员管理系统的硬件结构示意图，如图8所示，本实施例提供的系统包括：
处理器100，以及分别与处理器电连接的可见光摄像头110、红外测温热像仪120、显示屏130和存储器140，其中可见光摄像头110用于采集检测区域的可见光图像；红外测温热像仪120用于采集检测区域的红外图像；处理器100用于获取检测区域的可见光图像和红外图像，并对可见光图像进行人脸检测，确定检测到的人脸图像对应的被检测人员的身份信息，对于每个人脸图像，根据红外图像，确定人脸图像对应的被检测人员的体温；存储器140用于记录每个被检测人员的身份信息和体温；显示屏130用于显示可见光图像、红外图像、以及每个被检测人员的身份信息和体温。
具体的，本申请实施例提供的人员管理系统可以是由多个各自独立的电子设备组合而成，也可以如图9所示的是一个完整独立的电子设备，人员管理系统具体的实现方式本申请实施例对此不作限制。图9为本申请实施例提供的人员管理系统的结构示意图，如图9所示，人员管理系统包括：双光测温相机11、大屏一体机12、结构支架13和移动轮14，其中，双光测温相机11上包括上述可见光摄像头和红外测温热像仪，可同时采集可见光图像和红外图像，并将可见光图像和红外图像输入至大屏一体机12中进行处理；大屏一体机12中包括由上述处理器、存储器和显示屏，可以实现数据处理、数据保存和数据展示等功能，处理器中设置用于实现上述人员管理方法的计算机程序，可以实现人脸识别、红外测温、人员管理等功能；大屏一体机12中还可以包括扬声器，用于播放语音提示；电子设备可以包括多个(例如四个)移动轮14，可以根据需要在不同的地方之间进行移动。
可选的，处理器100具体用于：
对于检测到的每个人脸图像，对人脸图像进行人脸特征提取，得到第一人脸特征；
将第一人脸特征与预先存储在数据库的第二人脸特征进行匹配；
若匹配到第二人脸特征，则将匹配到的第二人脸特征对应的身份信息确定为人脸图像对应的被检测人员的身份信息；
若未匹配到第二人脸特征，则建立人脸图像对应的被检测人员的身份信息。
可选的，数据库包括陌生人数据库，处理器100具体用于：
将建立的人脸图像对应的被检测人员的身份信息和第一人脸特征存储在陌生人数据库中。
可选的，数据库包括员工数据库，处理器100具体用于：
若匹配到的第二人脸特征存储在员工数据库中，则确定并记录被检测人员的考勤时间。
可选的，处理器100具体用于：
确定人脸图像在红外图像中对应的人脸红外图像；
根据人脸红外图像，确定人脸图像对应的被检测人员的体温。
可选的，处理器100具体用于：
根据人脸红外图像，确定人脸图像对应的被检测人员的初始体温；
确定人脸图像对应的测温距离，根据测温距离对初始体温进行校正，和/或，根据红外图像确定环境温度，根据环境温度对初始体温进行校正，得到人脸图像对应的被检测人员的体温。
可选的，系统还包括与处理器电连接的扬声器，处理器100具体用于：
将被检测人员的体温与预先设定的目标温度进行对比，若被检测人员的体温超过目标温度，则控制显示屏显示预先设定的报警信息和/或控制扬声器播放预先设定的报警音频。
可选的，所述处理器具体用于：
统计预设时间段内被检测人员的总数量，并控制显示器显示预设时间段内被检测人员的总数量。
可选的，可见光摄像头和红外测温热像仪集成在双光测温相机中，处理器、存储器和显示屏集成在大屏一体机中，双光测温相机固定在大屏一体机上。
可选的，大屏一体机连接有结构支架，结构支架的底部设置有移动轮。
本实施例提供的人员管理系统可以执行上述方法实施例，其实现原理与技术效果类似，此处不再赘述。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、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单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
基于同一发明构思，本申请实施例还提供了一种电子设备。图10为本申请实施例提供的电子设备的结构示意图，如图10所示，本实施例提供的电子设备包括：存储器21和处理器20，存储器21用于存储计算机程序；处理器20用于在调用计算机程序22时执行上述方法实施例所述的方法。
本实施例提供的电子设备可以执行上述方法实施例，其实现原理与技术效果类似，此处不再赘述。
本申请实施例还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述方法实施例所述的方法。
上述集成的单元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，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读存储介质至少可以包括：能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random AccessMemory，RAM)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区，根据立法和专利实践，计算机可读介质不可以是电载波信号和电信信号。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的装置/设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/设备实施例仅仅是示意性的，例如，所述模块或单元的划分，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，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讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
最后应说明的是：以上各实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述各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：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。
Claims (10)
1.一种人员管理方法，其特征在于，包括：
获取检测区域的可见光图像和红外图像；
对所述可见光图像进行人脸检测，确定检测到的人脸图像对应的被检测人员的身份信息；
对于每个人脸图像，根据所述红外图像，确定所述人脸图像对应的被检测人员的体温；
记录并显示每个被检测人员的身份信息和体温。
2.根据权利要求1所述的方法，其特征在于，所述确定检测到的人脸图像对应的被检测人员的身份信息，包括：
对于检测到的每个人脸图像，对所述人脸图像进行人脸特征提取，得到第一人脸特征；
将所述第一人脸特征与预先存储在数据库的第二人脸特征进行匹配；
若匹配到第二人脸特征，则将匹配到的第二人脸特征对应的身份信息确定为所述人脸图像对应的被检测人员的身份信息；
若未匹配到第二人脸特征，则建立所述人脸图像对应的被检测人员的身份信息。
3.根据权利要求2所述的方法，其特征在于，所述数据库包括陌生人数据库，所述建立所述人脸图像对应的被检测人员的身份信息之后，所述方法还包括：
将建立的所述人脸图像对应的被检测人员的身份信息和所述第一人脸特征存储在所述陌生人数据库中。
4.根据权利要求2所述的方法，其特征在于，所述数据库包括员工数据库，所述方法还包括：
若所述匹配到的第二人脸特征存储在所述员工数据库中，则确定并记录所述被检测人员的考勤时间。
5.根据权利要求1所述的方法，其特征在于，所述根据所述红外图像，确定所述人脸图像对应的被检测人员的体温，包括：
确定所述人脸图像在所述红外图像中对应的人脸红外图像；
根据所述人脸红外图像，确定所述人脸图像对应的被检测人员的体温。
6.根据权利要求5所述的方法，其特征在于，所述根据所述人脸红外图像，确定所述人脸图像对应的被检测人员的体温，包括：
根据所述人脸红外图像，确定所述人脸图像对应的被检测人员的初始体温；
确定所述人脸图像对应的测温距离，根据所述测温距离对所述初始体温进行校正，和/或，根据所述红外图像确定环境温度，根据所述环境温度对所述初始体温进行校正，得到所述人脸图像对应的被检测人员的体温。
7.根据权利要求1所述的方法，其特征在于，所述方法还包括：
将所述被检测人员的体温与预先设定的目标温度进行对比，若所述被检测人员的体温超过所述目标温度，则进行报警。
8.根据权利要求1-7任一项所述的方法，其特征在于，所述方法还包括：
统计并显示预设时间段内被检测人员的总数量。
9.一种电子设备，其特征在于，包括：存储器和处理器，所述存储器用于存储计算机程序；所述处理器用于在调用所述计算机程序时执行如权利要求1-8任一项所述的方法。
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，所述计算机程序被处理器执行时实现如权利要求1-8任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010790596.5A CN113139413A (zh) | 2020-08-07 | 2020-08-07 | 人员管理方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010790596.5A CN113139413A (zh) | 2020-08-07 | 2020-08-07 | 人员管理方法、装置及电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113139413A true CN113139413A (zh) | 2021-07-20 |
Family
ID=76809320
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010790596.5A Pending CN113139413A (zh) | 2020-08-07 | 2020-08-07 | 人员管理方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113139413A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113432719A (zh) * | 2021-06-22 | 2021-09-24 | 浙江大华技术股份有限公司 | 一种人体温度确定方法及装置 |
| CN115439947A (zh) * | 2022-09-20 | 2022-12-06 | 中国银行股份有限公司 | 一种人体测温提示处理方法及装置 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103246883A (zh) * | 2013-05-20 | 2013-08-14 | 中国矿业大学(北京) | 一种煤矿井下热红外图像人脸识别方法 |
| CN203299842U (zh) * | 2013-05-20 | 2013-11-20 | 中国矿业大学(北京) | 一种煤矿井下热红外图像人脸识别系统 |
| CN109558764A (zh) * | 2017-09-25 | 2019-04-02 | 杭州海康威视数字技术股份有限公司 | 人脸识别方法及装置、计算机设备 |
| 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 |
| CN110110629A (zh) * | 2019-04-25 | 2019-08-09 | 北京工业大学 | 面向室内环境控制的人员信息检测方法与系统 |
| CN110543811A (zh) * | 2019-07-15 | 2019-12-06 | 华南理工大学 | 一种基于深度学习的非配合式考试人员管理方法及其系统 |
| CN110717398A (zh) * | 2019-09-09 | 2020-01-21 | 深圳壹账通智能科技有限公司 | 基于人脸识别进行车辆缴费的方法、相关设备及存储介质 |
| CN111202504A (zh) * | 2020-02-12 | 2020-05-29 | 上海云从汇临人工智能科技有限公司 | 一种异常对象管理方法、系统、机器可读介质及设备 |
| CN111341461A (zh) * | 2020-02-24 | 2020-06-26 | 中国船舶重工集团公司第七一七研究所 | 红外疫情智能综合检测识别系统 |
| CN111337142A (zh) * | 2020-04-07 | 2020-06-26 | 北京迈格威科技有限公司 | 体温修正方法、装置及电子设备 |
| CN111369728A (zh) * | 2020-03-11 | 2020-07-03 | 苏州金羲智慧科技有限公司 | 基于人脸识别和体温测量的通行检测系统、方法以及终端 |
| CN111426388A (zh) * | 2020-03-31 | 2020-07-17 | 高新兴科技集团股份有限公司 | 人员体温测量方法、系统、计算机存储介质及电子设备 |
-
2020
- 2020-08-07 CN CN202010790596.5A patent/CN113139413A/zh active Pending
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103246883A (zh) * | 2013-05-20 | 2013-08-14 | 中国矿业大学(北京) | 一种煤矿井下热红外图像人脸识别方法 |
| CN203299842U (zh) * | 2013-05-20 | 2013-11-20 | 中国矿业大学(北京) | 一种煤矿井下热红外图像人脸识别系统 |
| CN109558764A (zh) * | 2017-09-25 | 2019-04-02 | 杭州海康威视数字技术股份有限公司 | 人脸识别方法及装置、计算机设备 |
| 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 |
| CN110110629A (zh) * | 2019-04-25 | 2019-08-09 | 北京工业大学 | 面向室内环境控制的人员信息检测方法与系统 |
| CN110543811A (zh) * | 2019-07-15 | 2019-12-06 | 华南理工大学 | 一种基于深度学习的非配合式考试人员管理方法及其系统 |
| CN110717398A (zh) * | 2019-09-09 | 2020-01-21 | 深圳壹账通智能科技有限公司 | 基于人脸识别进行车辆缴费的方法、相关设备及存储介质 |
| CN111202504A (zh) * | 2020-02-12 | 2020-05-29 | 上海云从汇临人工智能科技有限公司 | 一种异常对象管理方法、系统、机器可读介质及设备 |
| CN111341461A (zh) * | 2020-02-24 | 2020-06-26 | 中国船舶重工集团公司第七一七研究所 | 红外疫情智能综合检测识别系统 |
| CN111369728A (zh) * | 2020-03-11 | 2020-07-03 | 苏州金羲智慧科技有限公司 | 基于人脸识别和体温测量的通行检测系统、方法以及终端 |
| CN111426388A (zh) * | 2020-03-31 | 2020-07-17 | 高新兴科技集团股份有限公司 | 人员体温测量方法、系统、计算机存储介质及电子设备 |
| CN111337142A (zh) * | 2020-04-07 | 2020-06-26 | 北京迈格威科技有限公司 | 体温修正方法、装置及电子设备 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113432719A (zh) * | 2021-06-22 | 2021-09-24 | 浙江大华技术股份有限公司 | 一种人体温度确定方法及装置 |
| CN115439947A (zh) * | 2022-09-20 | 2022-12-06 | 中国银行股份有限公司 | 一种人体测温提示处理方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10810423B2 (en) | Iris liveness detection for mobile devices | |
| CN109284733B (zh) | 一种基于yolo和多任务卷积神经网络的导购消极行为监控方法 | |
| WO2018028546A1 (zh) | 一种关键点的定位方法及终端、计算机存储介质 | |
| JP4156430B2 (ja) | データベース自動更新方法を用いた顔検証方法及びそのシステム | |
| CN109214373B (zh) | 一种用于考勤的人脸识别系统及方法 | |
| JP4406547B2 (ja) | Ｉｄカード作成装置、ｉｄカード、顔認証端末装置、顔認証装置およびシステム | |
| CN103514438A (zh) | 人脸判断系统以及方法 | |
| CN109358922A (zh) | 一种个性化菜单展示方法、装置、智能终端及存储介质 | |
| CN113139413A (zh) | 人员管理方法、装置及电子设备 | |
| CN113158712A (zh) | 人员管理系统 | |
| CN112131976B (zh) | 一种自适应人像温度匹配和口罩识别方法及装置 | |
| CN110689046A (zh) | 图像识别方法、装置、计算机装置及存储介质 | |
| CN113269010B (zh) | 一种人脸活体检测模型的训练方法和相关装置 | |
| CN107665328A (zh) | 人脸面部识别方法 | |
| CN111931617B (zh) | 基于图像处理的人眼图像识别方法、装置及自助终端 | |
| CN106407906A (zh) | 人脸面部识别方法 | |
| CN112686180A (zh) | 一种封闭空间人员数量计算方法 | |
| CN111104921A (zh) | 一种基于Faster rcnn的多模态行人检测模型及方法 | |
| CN110555929A (zh) | 一种实验室门禁验证系统与验证方法 | |
| CN111579119B (zh) | 一种测温方法、装置、计算机可读存储介质及机器人 | |
| CN107341457A (zh) | 人脸检测方法及装置 | |
| CN112183383A (zh) | 一种复杂化环境下测量人脸图像的信息处理方法和装置 | |
| CN112182537A (zh) | 监控方法、装置、服务器、系统以及存储介质 | |
| CN114078271A (zh) | 阈值确定方法、目标人员识别方法、装置、设备及介质 | |
| CN112784703A (zh) | 一种基于多光谱的人员行动轨迹确定方法 |
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 |