CN113551772A - 一种红外测温方法、红外测温系统及存储介质 - Google Patents
一种红外测温方法、红外测温系统及存储介质 Download PDFInfo
- Publication number
- CN113551772A CN113551772A CN202010265285.7A CN202010265285A CN113551772A CN 113551772 A CN113551772 A CN 113551772A CN 202010265285 A CN202010265285 A CN 202010265285A CN 113551772 A CN113551772 A CN 113551772A
- Authority
- CN
- China
- Prior art keywords
- forehead
- image
- infrared
- face
- area
- 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
- 238000009529 body temperature measurement Methods 0.000 title claims abstract description 75
- 238000000034 method Methods 0.000 title claims abstract description 56
- 210000001061 forehead Anatomy 0.000 claims abstract description 265
- 238000013507 mapping Methods 0.000 claims abstract description 16
- 210000004709 eyebrow Anatomy 0.000 claims description 83
- 230000011218 segmentation Effects 0.000 claims description 44
- 230000000877 morphologic effect Effects 0.000 claims description 36
- 230000005855 radiation Effects 0.000 claims description 25
- 230000007797 corrosion Effects 0.000 claims description 20
- 238000005260 corrosion Methods 0.000 claims description 20
- 238000012545 processing Methods 0.000 claims description 20
- 230000003628 erosive effect Effects 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000012937 correction Methods 0.000 claims description 10
- 238000005530 etching Methods 0.000 claims description 4
- 238000004861 thermometry Methods 0.000 claims 4
- 210000004209 hair Anatomy 0.000 description 20
- 230000008569 process Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 6
- 230000036760 body temperature Effects 0.000 description 5
- 230000002829 reductive effect Effects 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 4
- 210000003128 head Anatomy 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 210000000887 face Anatomy 0.000 description 3
- 230000002452 interceptive effect Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 210000000720 eyelash Anatomy 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 206010037660 Pyrexia Diseases 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000003331 infrared imaging Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 238000005498 polishing Methods 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000002054 transplantation 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/01—Measuring temperature of body parts ; Diagnostic temperature sensing, e.g. for malignant or inflamed tissue
-
- 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
本发明公开了一种红外测温方法、红外测温系统及存储介质，其包括如下步骤：确定可见光人脸图像中的额头区域；确定额头区域中的额头皮肤区域；将包含已确定的额头皮肤区域图像的可见光人脸图像映射到红外图像中，并确定额头测温点；以及，获取额头测温点的温度信息。本发明可以准确定位额头测温点，由此排除干扰外界因素影响，提高红外测温的准确度和精确度。
Description
技术领域
本发明涉及图像智能分析领域，具体为一种红外测温方法、红外测温系统及存储介质。
背景技术
随着人脸识别技术的成熟，诸如港口、海关、学校等人群密集的公共区域开始使用全自动红外体温筛查仪来对发热人群进行初步的快速筛查。
目前市面上的全自动体温筛查仪工作方式类似，即，在可见光中获取人脸坐标信息，并将其映射到红外图像中，查找红外辐射强度来获取人脸温度。但上述测温方法存在如下缺陷：1、类似于头发、帽子、头巾等物品，当受到阳光直射后，温度迅速升高，导致体温筛查仪误报警，该现象在夏天尤为明显；2、工程应用中，由于安装条件、现场环境等因素的制约，人脸检测往往存在大量的侧脸，导致找到的最高温点并不能反映人体的真实温度；3、由于口鼻处的温度随着呼吸有着十分明显的变化，因此导致测得的最高温并不能真实的反映人体温度，从而出现测温结果偏差。
发明内容
针对现有技术的不足，本发明提供了一种红外测温方法、红外测温系统及存储介质，其可以准确定位额头测温点，由此排除干扰外界因素影响，提高红外测温的准确度和精确度。
为实现上述目的，本发明提供如下技术方案：
提供了一种红外测温方法，其包括如下步骤：
确定可见光人脸图像中的额头区域；
确定额头区域中的额头皮肤区域；
将包含已确定的额头皮肤区域图像的可见光人脸图像映射到红外图像中，并确定额头测温点；
以及，获取额头测温点的温度信息。
优选的，确定可见光人脸图像中的额头区域包括如下步骤：
根据3D人脸模型返回识别出的人脸的3D人脸正脸图像；
在返回的3D人脸正脸图像中，提取人眼眼角特征点和眉毛特征点信息，并将所述人眼眼角特征点和眉毛特征点返回到识别出的人脸图像上；
人脸图像上，根据所述人眼眼角特征点、眉毛特征点信息生成经过至少一个眉毛特征点的定位线，将定位线上部的区域确定为额头区域。
或，
根据3D人脸模型返回识别出的人脸的3D人脸正脸图像；
在返回的3D人脸正脸图像中，提取眉毛特征点信息，并将所述眉毛特征点返回到人脸图像上；
人脸图像上，根据所述眉毛特征点信息生成经过至少一个眉毛特征点的定位线，将定位线上部的区域确定为额头区域。
优选的，通过肤色分割确定额头区域中的额头皮肤区域。
优选的，通过肤色分割确定额头区域中的额头皮肤区域包括对额头区域图像进行RGB肤色分割。
优选的，通过肤色分割确定额头区域中的额头皮肤区域还包括利用HSI肤色分割方法对经RGB肤色分割后的额头皮肤区域图像进行二次处理。
优选的，将包含已确定的额头皮肤区域图像的可见光人脸图像映射到红外图像中，并确定额头测温点包括如下步骤：
将包含已确定的额头皮肤区域图像的可见光人脸图像的像素点映射到红外图像中，以获得包含已确定的额头皮肤区域的红外人脸图像；
在所述红外人脸图像的额头皮肤区域进行卷积运算，以确定额头测温点。
优选的，在进行卷积运算前，还对红外人脸图像中的额头皮肤区域进行形态学腐蚀操作，以对所述红外人脸图像中的额头皮肤区域进行缩减。
优选的，在完成形态学腐蚀操作后、进行卷积运算前，还包括如下步骤：
统计经形态学腐蚀修正后的额头皮肤区域的红外辐射强度；
从经形态学腐蚀修正后的额头皮肤区域中提取红外辐射强度满足预设条件的区域，以作为二次修正后的额头皮肤区域。
还提供一种红外测温装置，其包括：
图像采集装置，其用于采集可见光图像和红外图像；
人脸识别装置，其连接所述图像采集装置，用于从可见光图像中识别出人脸；
额头确定单元，其用于提取人眼眼角特征点和眉毛特征点信息，并将所述人眼眼角特征点和眉毛特征点返回到识别出的人脸图像上，且根据所述人眼眼角特征点、眉毛特征点信息生成经过至少一个眉毛特征点的定位线，以将定位线上部的区域确定为额头区域；
或，提取眉毛特征点信息，并将所述眉毛特征点返回到识别出的人脸图像上，且根据所述眉毛特征点信息生成经过至少一个眉毛特征点的定位线，以将定位线上部的区域确定为额头区域；
额头皮肤确定单元，其用于确定额头区域中的额头皮肤区域；
测温点确定单元，其用于将可见光人脸图像映射到红外图像中，以获得包含额头皮肤区域的红外人脸图像，并从红外人脸图像的额头皮肤区域确定额头测温点；
以及温度获取单元，其用于获取额头测温点的温度信息。
优选的，所述红外测温装置还包括：正脸返回单元，其用于返回识别出的人脸的3D人脸正脸图像。
优选的，所述额头皮肤确定单元包括：
计算单元，其用于对人脸可见光图像中的每个像素点(x,y)均进行RGB三通道的加权求和，以得到每个像素点的加权和I(x,y)，并从计算结果中获取人脸皮肤区域像素点加权和I(x,y)的峰值Ipeak1，以及非人脸皮肤区域像素点(即干扰物像素点)加权和I(x,y)的峰值Ipeak2；
聚类单元，其用于计算额头区域中每个像素点与Ipeak1、Ipeak2的距离，且根据计算结果将符合条件的像素点归类于额头皮肤区域；
以及第一处理单元，其用于从已归类于额头皮肤区域的像素点中去除像素点，以得到经RGB肤色分割后的额头皮肤区域图像。
优选的，所述额头皮肤确定单元还包括：
第二处理单元，其连接所述第一处理单元，用于将所述经RGB肤色分割后的额头皮肤区域图像转化到HSV通道，统计各像素点的饱和度S，并按照预设抛点比例抛弃饱和度S≥预设值的像素点，以得到经HSI肤色分割后的额头皮肤区域图像。
优选的，所述测温点确定单元包括：
第三处理单元，其用于对红外人脸图像中的额头皮肤区域进行形态学腐蚀操作，获得经形态学腐蚀修正后的额头皮肤区域。
优选的，所述测温点确定单元还包括：
第四处理单元，其用于根据经形态学腐蚀修正后的额头皮肤区域的红外辐射强度，从经形态学腐蚀修正后的额头皮肤区域中提取红外辐射强度满足预设条件的区域，以作为二次修正后的额头皮肤区域。
还提供一种存储介质，所述存储介质存储有多条指令，所述指令适于处理器进行加载，以执行上述红外测温方法中的步骤。
与现有技术相比，本发明具备以下有益效果：
本发明通过多种方式来减小对于测温点的误判，如首先通过返回3D人脸正脸图像，以便于确定额头区域；进一步通过人眼眼角特征点和眉毛特征点信息拟合定位线，以准确、快速定位额头区域；再通过肤色空间分割的方式去除额头区域中的干扰物因素(如头发、帽子、头巾等物品受到阳光直射后，温度迅速升高，导致温度误报等)，准确定位额头皮肤区域，最后通过形态学腐蚀、红外辐射强度统计等方式消除双光配准过程中的误差，进一步消除干扰物因素影响，以获得精确的额头测温点，并在该测温点上完成测温，使其能准确的、真实的反映人体温度。
附图说明
图1a本发明红外测温系统的场景示意图；
图1b本发明红外测温方法的步骤流程图；
图2本发明实施例1中人脸识别的效果图；
图3本发明实施例1中返回的3D人脸正脸图像；
图4本发明实施例1中根据眼角和眉毛特征点确定额头区域的示意图；
图5本发明实施例1中根据眉毛特征点确定额头区域的示意图；
图6本发明实施例1中经步骤S1识别出的另一额头区域图像；
图7本发明实施例1中加权和I(x,y)的频次直方图；
图8本发明实施例1中的经RGB肤色分割后的额头皮肤区域E1图像；
图9本发明实施例1中包含干扰物的额头皮肤区域E1图像；
图10本发明实施例1中经RGB肤色分割后的额头皮肤区域E1图像的S通道直方图；
图11本发明实施例1中经HSI肤色分割后的额头皮肤区域E2图像；
图12本发明实施例1中形态学腐蚀的步骤示意图；
图13本发明实施例1中经形态学腐蚀修正后的额头皮肤区域E3图像；
图14本发明实施例1中经形态学腐蚀修正后的额头皮肤区域E3的红外辐射强度直方图；
图15a本发明实施例1中二次修正后的额头区域E4图像；
图15b经本发明所获得的包含额头皮肤区域的红外人脸图像；
图16本发明实施例2中红外测温装置的结构示意图；
图17本发明实施例2中额头皮肤确定单元的结构示意图；
图18本发明实施例2中映射单元的结构示意图；
图19本发明实施例3中网络设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
图1a为本发明所提供的红外测温系统的场景示意图，该红外测温系统包括红外测温装置，其可以集成于网络设备中，用于实时或间隔预设时间采集港口、海关、学校、车站、机场等人群密集场景的可见光图像和红外图像，并根据3D人脸模型从可见光图像中识别出人脸，再根据3D人脸模型返回识别出的人脸的3D人脸正脸图像，在返回的3D人脸正脸图像中，通过提取人眼眼角特征点和眉毛特征点/眉毛特征点，生成经过眉毛特征点的定位线，以将定位线上部的区域确定为额头区域；再通过RGB空间肤色分割、HSI空间肤色分割等方式确定额头区域的皮肤区域，排出干扰因素；再通过双光图像配准的方式将已确定额头皮肤区域的可见光人脸图像映射到红外人脸图像中，并确定额头测温点；最后获取额头测温点的温度信息。
需要说明的是，图1a所示的红外测温系统的场景示意图仅为示例，并不构成对于本发明实施例提供的技术方案的限定。
以下分别进行详细说明。
实施例1：
本实施例提供了一种红外测温方法，其包括如下步骤：
确定可见光人脸图像中的额头区域；
确定额头区域中的额头皮肤区域；
将已确定额头皮肤区域的可见光人脸图像映射到红外人脸图像中，并确定测温点；
以及，获取测温点的温度信息。
图1b示出了上述红外测温方法的流程示意图，所述红外测温方法具体包括：
S1、确定可见光人脸图像中的额头区域。
本实施例中，确定可见光人脸图像中的额头区域可以包括如下步骤：人脸识别；以及确定人脸图像中的额头区域。
其中，所述人脸识别通过3D人脸模型完成，其具体包括如下步骤：3D人脸模型训练、3D人脸模型移植以及根据移植的3D人脸模型完成人脸识别。
所述3D人脸模型训练的步骤包括：准备人脸图像数据集，所述人脸图像数据集包括300W-LP，其基于现有的AFW,IBUG,HEPEP,FLWP等数据集，通过3DMM拟合得到，为对姿态(姿态角，平移，尺度)、光照、颜色等进行变化以及对原图像进行翻转得到的大姿态3D人脸对齐数据；利用3dmmasSTN的插值方法，将53215个ground truth(即训练集对监督学习技术的分类的准确性)转化为网络标签(label)；最后将归一化后的图像数据送入开源框架TensorFlow完成3D人脸模型的训练。
所述3D人脸模型移植的步骤包括：通过32bit的float类型进行计算，进而对已完成训练的3D人脸模型进行嵌入式移植。具体的，为减小算法运算量及模型存储空间，可先对完成训练的3D人脸模型进行8bit量化，即将模型权重float类型的小数部分乘以一个系数转化为整数，然后利用该整数进行计算，再将计算结果还原成float，再通过还原的float进行计算，进而对已完成训练的3D人脸模型进行嵌入式移植。
3D人脸模型移植完成后，根据移植的3D人脸模型完成可见光图像中的人脸图像识别。本实施例中，可先通过预先设置的摄像头、摄像机或照相机等成像设备采集场景中的可见光图像，如图2所示，所述可见光图像为2D图像，所述人脸图像也为2D人脸可见光图像，且所述人脸图像中包括人脸面部F以及可能对确定测温点产生影响的干扰物O，所述干扰物O为覆盖面部F、头部皮肤的物体，包括但不限于头发、眉毛、睫毛等自然生长或人工移植的毛发，以及假发、头巾、帽子等头戴饰品。
需要说明的是，上述3D人脸模型的训练、移植以及通过3D人脸模型进行人脸识别的步骤是为了更加清楚的说明本发明实施例的技术方案，本领域技术人员可知，其他类似的、能完成人脸识别的方案均属于本发明的保护范围。
进一步的，确定人脸图像中的额头区域可以包括如下步骤：
如图3所示，根据上述3D人脸模型返回识别出的人脸的3D人脸正脸图像；由此，可通过上述3D人脸模型保证返回的人脸都为正脸，便于后续进行额头区域确定，进一步减少对于测温点的误判，提高测温的准确性。
在返回的3D人脸正脸图像中，提取人眼眼角特征点P1和眉毛特征点P2信息，并如图4所示，将所述人眼眼角特征点P1和眉毛特征点P2返回到识别出的2D人脸图像上；
2D人脸图像上，根据所述人眼眼角特征点P1、眉毛特征点P2信息生成经过至少一个眉毛特征点P2的定位线L，将所述2D人脸图像中，定位线L上部的区域确定为额头区域E。
具体的，如图4所示，所述眼角特征点P1包括：左眼眼角/右眼眼角的2个点，或，左眼眼角和右眼眼角的4个点(左眼眼角、右眼眼角均有2个点)，或，左眼眼角的1个点、右眼眼角的2个点，或，左眼眼角的2个点、右眼眼角的1个点；所述眉毛特征点P2为眉毛所占区域的点；所述人眼眼角特征点P1和眉毛特征点P2信息包括：深度坐标z、横向坐标x以及纵向坐标y；
提取人眼眼角特征点P1和眉毛特征点P2信息后，先根据所述横向坐标x以及纵向坐标y将所述人眼眼角特征点P1和眉毛特征点P2投影返回到2D人脸图像上；再拟合生成连接同一眼睛的2个眼角点，或，连接不同眼睛的至少2个眼角点(如连接左眼的1个眼角点、右眼的1个眼角点，或，连接左眼的2个眼角点、右眼的1个眼角点，或，连接左眼的2个眼角点、右眼的2个眼角点，或，连接左眼的1个眼角点、右眼角的2个眼角点)的基准线L'，并将其向左延长至x＝0处，向右延长至x＝img_width处(img_width为人脸框宽度)；再将线条基准L'向上平移，直至基准线L'经过至少一个眉毛特征点P2，如，基准线L'仅经过左眉(或右眉)位置最低/最高的眉毛特征点P2，或，同时经过左眉和右眉的眉毛特征点P2，位于此时位置的基准线L'即为定位线L，此时将2D人脸图像中，定位线L上面的部分确定为额头区域E。
另一实施方式下，确定人脸中的额头区域可以包括如下步骤：
如图3所示，根据上述3D人脸模型返回识别出的人脸的3D人脸正脸图像；
在返回的3D人脸正脸图像中，提取眉毛特征点P2’信息，并如图5所示，将所述眉毛特征点P2返回到2D人脸图像上；
2D人脸图像上，根据所述眉毛特征点P2’信息生成经过至少一个眉毛特征点P2’的定位线L1，此时将所述2D人脸图像中，所述定位线L1上部的区域确定为额头区域E。
具体的，同样在提取眉毛特征点P2’信息后，先根据所述横向坐标x以及纵向坐标y将眉毛特征点P2投影返回到2D人脸图像上；再拟合生成经过至少一个眉毛特征点P2’的定位线L1，如，定位线L1仅经过左眉(或右眉)位置最低/最高的眉毛特征点P2’，或，同时经过经过左眉和右眉的眉毛特征点P2’，并将其向左延长至x＝0处，向右延长至x＝img_width处(img_width为人脸框宽度)，此时将2D人脸图像中，定位线L1上面的部分确定为额头区域E。
S2、确定额头区域中的额头皮肤区域，以将额头皮肤与干扰物区分开，避免头发、眉毛、睫毛以及头戴饰物等干扰物受到阳光直射后，温度迅速升高，从而导致无法准确确定测温点引起的测温误报情形发生。
如图6所示，以根据上述方法确定的额头区域E(所述额头区域E中包括作为干扰物O的头发)为例说明上述确定额头区域中的额头皮肤区域的步骤，其主要通过肤色分割的方式实现，具体包括对额头区域图像进行RGB肤色分割，所述对额头区域图像进行RGB肤色分割包括如下步骤：
对人脸可见光图像(所述人脸可见光图像可为上述识别出的、包含额头区域E的2D人脸图像，也可以是其他人脸可见光图像样本)中的每个像素点(x,y)均进行RGB三通道(即R(x,y)、G(x,y)、B(x,y)三通道)的加权求和，以得到每个像素点的加权和I(x,y)，并输出部分/全部像素点加权和I(x,y)的频次直方图(如图6所示)，其中，所述RGB为红绿蓝三原色；
从图7中的频次直方图中确定人脸可见光图像中，人脸皮肤区域像素点加权和I(x,y)的峰值Ipeak1，以及非人脸皮肤区域像素点(即干扰物像素点)加权和I(x,y)的峰值Ipeak2；
计算额头区域E中每个像素点与Ipeak1、Ipeak2的欧氏距离，且根据计算结果将符合条件的像素点归类于额头皮肤区域；再从已归类于额头皮肤区域的像素点中去除加权和I(x,y)在[0.5*Ipeak1+0.5*Ipeak2)，1.5*Ipeak1-0.5*Ipeak2]范围内的像素点(即干扰物O的像素点)，由此得到如图8所示的、经RGB肤色分割后的额头皮肤区域E1图像。
如图9所示，由于光照条件的不同，干扰物O(如头发等)在某些光照条件下呈现的颜色与额头皮肤区域E1仍然较为接近，但其颜色的饱和度S却不相同，头发、头戴饰物等干扰物相对额头皮肤，往往具有更高的饱和度S。由此，为进一步减少头发、头戴饰物等干扰物的干扰，上述通过肤色分割的方式确定额头区域中的额头皮肤区域的方法还包括利用HSI肤色分割方法对所述经RGB肤色分割后的额头皮肤区域E1图像进行二次处理的步骤，具体如下：
将上述经RGB肤色分割后的额头皮肤区域E1图像从RGB通道转化到HSV通道，统计得出各像素点的饱和度S，且形成如图10所示的S通道直方图，并按照预设抛点比例抛弃饱和度S≥预设值的像素点，本实施例中，所述抛点比例为5-15％(优选为10％)，以彻底去除干扰物像素点，得到经HSI肤色分割后的额头皮肤区域E2图像。
具体的抛点步骤包括：得出图10所述S通道直方图后，统计得出像素点总数Si以及所有像素点S通道的最大值Smax；设定Ssum＝0，Ssum＝Ssum+Si，从S通道的最大值Smax开始向下遍历，步长为1，且Ssum为从Smax向下遍历过程中包含的像素点总数，当Ssum≥抛点比例*Si时，记下当前S值Scut，然后去除饱和度S大于Scut的像素点，剩下部分即为如图11所示的、经HSI肤色分割后的额头皮肤区域E2图像。
如上所述，由于头发等干扰物的饱和度S相对较大，因此，通过统计S通道直方图，并且抛弃S值较大的像素点，即头发等干扰物的像素点，进一步去除如图9中经RGB肤色分割后的额头皮肤区域E1图像中尚未去掉的头发等干扰物O的图像，进一步排除头发等干扰物对确定测温点的不良影响。
S3、利用双光图像配准的方式将可见光人脸图像映射到红外图像中，并确定额头测温点，其中，所述可见光人脸图像包含已确定的额头皮肤区域图像，已确定的额头皮肤区域图像包括上述经RGB肤色分割后的额头皮肤区域E1图像，或，上述经HSI肤色分割后的额头皮肤区域E2图像。其具体可以包括如下步骤：
从包含已确定的额头皮肤区域图像的可见光人脸图像以及红外图像中分别确定若干对相互匹配的像素点；
建立超定方程并利用最小二乘法求解transMatrix矩阵；
利用transMatrix仿射变换矩阵将包含已确定的额头皮肤区域图像的可见光人脸图像的像素点坐标映射到红外图像中，以获得包含已确定的额头皮肤区域的红外人脸图像；其中，所述已确定的额头皮肤区域包括上述经RGB肤色分割后的额头皮肤区域E1，或，上述经HSI肤色分割后的额头皮肤区域E2；
在所述红外人脸图像的已确定的额头皮肤区域进行卷积运算，以确定额头测温点。
如，本实施例中，从可见光人脸图像以及红外图像中各取5对相互匹配的像素点(VL1x,VL1y)、(VL2x,VL2y)、(VL3x,VL3y)、(VL4x,VL4y)、(VL5x,VL5y)以及(IR1x,IR1y)、(IR2x,IR2y)、(IR3x,IR3y)、(IR4x,IR4y)、(IR5x,IR5y)；
建立超定方程并利用最小二乘法求解transMatrix矩阵：
利用transMatrix仿射变换矩阵将可见光人脸图像像素点坐标映射到红外图像中，以获得如图13所示的、包含已确定的额头皮肤区域的红外人脸图像F1。
从根本上讲，可见光和红外成像的基本原理不同，因此，上述双光配准过程存在一定的误差，使得可见光图像中的额头皮肤区域E1/E2映射到红外图像中会产生一定的偏移量，由此使得额头皮肤区域中可能有部分映射到别的位置，如头发。
因此，为减小配准误差，在红外人脸图像F1的已确定的额头皮肤区域上进行卷积运算前，还需要对红外人脸图像F1中的已确定的额头皮肤区域E1/E2进行形态学腐蚀操作，以对所述红外人脸图像F1中的额头皮肤区域E1/E2进行缩减，获得经形态学腐蚀修正后的额头皮肤区域，如图12所示，其可以包括如下步骤：
根据红外探测器面阵大小的不同，分别设置N*N(N为自然数，如3*3、5*5等)腐蚀模板100；
创建与红外人脸图像相同的ROI(即Region Of Interest，感兴趣区)空白模板200，因此，ROI空白模板200中同样具有额头皮肤区域像素点X以及非额头皮肤区域像素点X’；
将ROI空白模板200上的某一额头皮肤区域像素点X置于腐蚀模板100的中心，若此时在腐蚀模板100区域内全部为额头皮肤区域像素点X，则该中心像素点X标记为1，若此时在腐蚀模板100区域内存在至少一个非额头皮肤区域像素点X’，则该中心像素点X标记为0；依次遍历额头皮肤区域像素点X，直至完成对所有额头皮肤区域像素点X的标记；所有标记为1的像素点X组成的图像即为所述红外人脸图像F1中，经形态学腐蚀修正后的额头皮肤区域E3图像(如图13所示)。
由此，可通过腐蚀将映射额头皮肤区域进行修正和缩减，进而保证其中心测温点不会发生变化，以此去除偏移量可能带来的影响。
但从图13中可以看出，虽然经过映射和腐蚀，经形态学腐蚀修正后的额头皮肤区域E3仍旧向左上方偏移。因此，在完成形态学腐蚀操作后、红外人脸图像F1的额头皮肤区域进行卷积运算前，还需要对上述经形态学腐蚀修正后的额头皮肤区域E3进行二次修正，其包括如下步骤：
如图14，统计经形态学腐蚀修正后的额头皮肤区域E3的红外辐射强度，生成红外辐射强度直方图；
因经形态学腐蚀修正后的额头皮肤区域E3内，干扰物已经经过肤色空间分割、腐蚀等处理得以充分排除，大部分区域已经可以用来确定测温点，且大部分区域辐射规律相似，如辐射峰值多集中在某一范围A内，因此，根据红外辐射强度直方图，从经形态学腐蚀修正后的额头皮肤区域E3中提取红外辐射强度满足预设条件的区域，如，可将范围A内的区域提取出来，以作为二次修正后的额头皮肤区域E4(如图15a所示)，进一步排除干扰物以及温度波动的影响。
在经形态学腐蚀修正后的额头皮肤区域E3/二次修正后的额头皮肤区域E4进行卷积运算，以获得最终的额头测温点，具体过程包括：
设置3*3均值模板
将经形态学腐蚀修正后的额头皮肤区域E3/二次修正后的额头皮肤区域E4中的每一个像素点置于3*3均值模板的中心，并和其他8个像素点一起进行对应位置求积再求和，其中，average(x,y)为3*3均值模板卷积计算得出的辐射强度均值；
将average(x,y)最大值所对应的像素点作为最终的额头测温点。
如图15b所示，当头发温度升高时(如采用具有一定温度的保温盒覆盖在头发上，使得头发温度升高)，经过上述方法获得的红外图像中，测温点基本稳定在额头皮肤区域E5，而不在头发区域，由此可保证测温点准确，不会引起误报。
S4、获取额头测温点的温度信息。如，将测温点的红外辐射能转变成电信号，再根据电信号大小确定测温点的温度信息等。
由此，通过上述实施例中的红外测温方法，其通过多种方式来减小对于测温点的误判，如首先通过返回3D人脸正脸图像，以便于确定额头区域；进一步通过人眼眼角特征点和眉毛特征点信息拟合定位线，以准确、快速定位额头区域；再通过肤色空间分割的方式去除额头区域中的干扰物因素(如头发、帽子、头巾等物品受到阳光直射后，温度迅速升高，导致温度误报等)，准确定位额头皮肤区域，最后通过形态学腐蚀、红外辐射强度统计等方式消除双光配准过程中的误差，进一步消除干扰物因素影响，以获得精确的额头测温点，并在该测温点上完成测温，使其能准确的、真实的反映人体温度。
实施例2：
本实施例提供了一种用于实现上述红外测温方法的红外测温装置，其中名词的含义与上述红外测温方法中相同，具体实现细节可以参考实施例1中的说明。
如图16所示，所述红外测温装置包括：图像采集装置1，其用于实时或间隔预设时间采集场景中的可见光图像和红外图像；本实施例中，所述图像采集装置1可以包括能获取可见光图像以及红外图像的双光相机；
人脸识别装置2，其连接所述图像采集装置1，用于根据3D人脸模型从可见光图像中识别出人脸；
正脸返回单元3，其用于根据3D人脸模型返回识别出的人脸的3D人脸正脸图像；
额头确定单元4，其连接正脸返回单元3，用于在返回的3D人脸正脸图像中，提取人眼眼角特征点和眉毛特征点信息，并将所述人眼眼角特征点和眉毛特征点返回到识别出的2D人脸图像上，且根据所述人眼眼角特征点、眉毛特征点信息生成经过至少一个眉毛特征点的定位线，以将定位线上部的区域确定为额头区域；
或，提取眉毛特征点信息，并将所述眉毛特征点返回到识别出的2D人脸图像上，且根据所述眉毛特征点信息生成经过至少一个眉毛特征点的定位线，以将定位线上部的区域确定为额头区域；需要说明的是，额头确定单元4提取人眼眼角特征点、眉毛特征点信息，并将所述人眼眼角特征点和眉毛特征点返回到识别出的2D人脸图像上，且根据所述人眼眼角特征点、眉毛特征点信息生成经过至少一个眉毛特征点的定位线，以将定位线上部的区域确定为额头区域的过程与实施例1相同，在此不再赘述；
额头皮肤确定单元5，其连接所述额头确定单元4，用于确定额头区域中的额头皮肤区域；具体的，如图17所示，所述额头皮肤确定单元5包括：计算单元51，其用于对人脸可见光图像中的每个像素点(x,y)均进行RGB三通道的加权求和，以得到每个像素点的加权和I(x,y)，并从计算结果中获取人脸皮肤区域像素点加权和I(x,y)的峰值Ipeak1，以及非人脸皮肤区域像素点(即干扰物像素点)加权和I(x,y)的峰值Ipeak2；聚类单元52，其用于计算额头区域中每个像素点与Ipeak1、Ipeak2的距离，且根据计算结果将符合条件的像素点归类于额头皮肤区域；第一处理单元53，其用于从已归类于额头皮肤区域的像素点中去除加权和I(x,y)在[0.5*Ipeak1+0.5*Ipeak2)，1.5*Ipeak1-0.5*Ipeak2]范围内的像素点，由此得到如图8所示的、经RGB肤色分割后的额头皮肤区域E1图像；第二处理单元54，其连接所述第一处理单元53，用于将所述经RGB肤色分割后的额头皮肤区域E1图像转化到HSV通道，统计各像素点的饱和度S，并按照预设抛点比例抛弃饱和度S≥预设值的像素点，以得到经HSI肤色分割后的额头皮肤区域E2图像；
测温点确定单元6，其用于将可见光人脸图像映射到红外图像中，以获得包含已确定的额头皮肤区域的红外人脸图像，并从红外人脸图像的已确定的额头皮肤区域确定额头测温点，所述可见光人脸图像包含已确定的额头皮肤区域图像，已确定的额头皮肤区域图像包括上述经RGB肤色分割后的额头皮肤区域E1图像，或，上述经HSI肤色分割后的额头皮肤区域E2图像；具体的，如图18所示，所述测温点确定单元包括：坐标映射单元61，其用于通过transMatrix仿射变换矩阵将包含已确定的额头皮肤区域图像的可见光人脸图像的像素点坐标映射到红外图像中，以获得如图13所示的、包含已确定的额头皮肤区域的红外人脸图像F1，其中，所述已确定的额头皮肤区域包括上述经RGB肤色分割后的额头皮肤区域E1，或，上述经HSI肤色分割后的额头皮肤区域E2；第三处理单元62，其用于在确定额头测温点前，对红外人脸图像F1中已确定的的额头皮肤区域E1/E2进行形态学腐蚀操作，获得经形态学腐蚀修正后的额头皮肤区域E3；第四处理单元63，其用于根据经形态学腐蚀修正后的额头皮肤区域的红外辐射强度，从经形态学腐蚀修正后的额头皮肤区域中提取红外辐射强度满足预设条件的区域，以作为二次修正后的额头皮肤区域E4；以及测温点确定单元64，其用于在经形态学腐蚀修正后的额头皮肤区域E3/二次修正后的额头皮肤区域E4进行卷积运算，以获得最终的额头测温点；
此处需要说明的是，上述通过transMatrix仿射变换矩阵实现坐标映射、形态学腐蚀以及根据红外辐射强度提取红外辐射强度满足预设条件的区域、获得最终额头测温点的过程与实施例1相同，在此不再赘述；
以及温度获取单元7，其连接所述额头皮肤确定单元6，用于获取额头测温点的温度信息。
实施例3：
本实施例还提供一种网络设备，该网络设备可以为服务器或终端等设备。如图19所示，所述网络设备包括：处理器a、计算机可读存储介质的存储器b、电源c和输入单元d等部件。本领域技术人员可以理解，图19中示出的网络设备结构并不构成对网络设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
所述处理器a是该网络设备的控制中心，利用各种接口和线路连接整个网络设备的各个部分，通过运行或执行存储在存储器内的软件程序和/或模块，以及调用存储在存储器内的数据，执行网络设备的各种功能和处理数据。
所述处理器a可包括一个或多个处理核心，且处理器a可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器中。
存储器b可用于存储软件程序以及模块，处理器a通过运行存储在存储器的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器b可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据网络设备的使用所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器b还可以包括存储器控制器，以提供处理器对存储器的访问。
网络设备还包括给各个部件供电的电源c，其可以通过电源管理系统与处理器逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能，具体的，所述电源c包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
该网络设备还可包括输入单元d，该输入单元d可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
尽管未示出，网络设备还可以包括显示单元e等，在此不再赘述。具体在本实施例中，网络设备中的处理器会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器中，并由处理器来运行存储在存储器中的应用程序，从而实现本发明实施例1提供的红外测温方法。
进一步的，该存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取记忆体(RAM，Random Access Memory)、磁盘或光盘等。
由于该存储介质中所存储的指令，可以执行本发明实施例1所提供的红外测温方法中的步骤，因此，可以实现本发明实施例1所提供的红外测温方法所能实现的有益效果，详见前面的实施例，在此不再赘述。
综上所述，通过本发明的红外测温方法及测温系统，其通过多种方式来减小对于测温点的误判，如首先通过返回3D人脸正脸图像，以便于确定额头区域；进一步通过人眼眼角特征点和眉毛特征点信息拟合定位线，以准确、快速定位额头区域；再通过肤色空间分割的方式去除额头区域中的干扰物因素(如头发、帽子、头巾等物品受到阳光直射后，温度迅速升高，导致温度误报等)，准确定位额头皮肤区域，最后通过形态学腐蚀、红外辐射强度统计等方式消除双光配准过程中的误差，进一步消除干扰物因素影响，以获得精确的额头测温点，并在该测温点上完成测温，使其能准确的、真实的反映人体温度。
需要说明的是，上述实施例1至3中的技术特征可进行任意组合，且组合而成的技术方案均属于本申请的保护范围。且在本文中，诸如术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (15)
1.一种红外测温方法，其特征在于，包括如下步骤：
确定可见光人脸图像中的额头区域；
确定额头区域中的额头皮肤区域；
将包含已确定的额头皮肤区域图像的可见光人脸图像映射到红外图像中，并确定额头测温点；
以及，获取额头测温点的温度信息。
2.如权利要求1所述的红外测温方法，其特征在于，确定可见光人脸图像中的额头区域包括如下步骤：
根据3D人脸模型返回识别出的人脸的3D人脸正脸图像；
在返回的3D人脸正脸图像中，提取人眼眼角特征点和眉毛特征点信息，并将所述人眼眼角特征点和眉毛特征点返回到识别出的人脸图像上；
人脸图像上，根据所述人眼眼角特征点、眉毛特征点信息生成经过至少一个眉毛特征点的定位线，将定位线上部的区域确定为额头区域。
或，
根据3D人脸模型返回识别出的人脸的3D人脸正脸图像；
在返回的3D人脸正脸图像中，提取眉毛特征点信息，并将所述眉毛特征点返回到人脸图像上；
人脸图像上，根据所述眉毛特征点信息生成经过至少一个眉毛特征点的定位线，将定位线上部的区域确定为额头区域。
3.如权利要求1所述的红外测温方法，其特征在于，通过肤色分割确定额头区域中的额头皮肤区域。
4.如权利要求3所述的红外测温方法，其特征在于，通过肤色分割确定额头区域中的额头皮肤区域包括对额头区域图像进行RGB肤色分割。
5.如权利要求4所述的红外测温方法，其特征在于，通过肤色分割确定额头区域中的额头皮肤区域还包括利用HSI肤色分割方法对经RGB肤色分割后的额头皮肤区域图像进行二次处理。
6.如权利要求1所述的红外测温方法，其特征在于，将包含已确定的额头皮肤区域图像的可见光人脸图像映射到红外图像中，并确定额头测温点包括如下步骤：
将包含已确定的额头皮肤区域图像的可见光人脸图像的像素点映射到红外图像中，以获得包含已确定的额头皮肤区域的红外人脸图像；
在所述红外人脸图像的额头皮肤区域进行卷积运算，以确定额头测温点。
7.如权利要求6所述的红外测温方法，其特征在于，在进行卷积运算前，还对红外人脸图像中的额头皮肤区域进行形态学腐蚀操作，以对所述红外人脸图像中的额头皮肤区域进行缩减。
8.如权利要求7所述的红外测温方法，其特征在于，在完成形态学腐蚀操作后、进行卷积运算前，还包括如下步骤：
统计经形态学腐蚀修正后的额头皮肤区域的红外辐射强度；
从经形态学腐蚀修正后的额头皮肤区域中提取红外辐射强度满足预设条件的区域，以作为二次修正后的额头皮肤区域。
9.一种红外测温装置，其特征在于，包括：
图像采集装置，其用于采集可见光图像和红外图像；
人脸识别装置，其连接所述图像采集装置，用于从可见光图像中识别出人脸；
额头确定单元，其用于提取人眼眼角特征点和眉毛特征点信息，并将所述人眼眼角特征点和眉毛特征点返回到识别出的人脸图像上，且根据所述人眼眼角特征点、眉毛特征点信息生成经过至少一个眉毛特征点的定位线，以将定位线上部的区域确定为额头区域；
或，提取眉毛特征点信息，并将所述眉毛特征点返回到识别出的人脸图像上，且根据所述眉毛特征点信息生成经过至少一个眉毛特征点的定位线，以将定位线上部的区域确定为额头区域；
额头皮肤确定单元，其用于确定额头区域中的额头皮肤区域；
测温点确定单元，其用于将可见光人脸图像映射到红外图像中，以获得包含额头皮肤区域的红外人脸图像，并从红外人脸图像的额头皮肤区域确定额头测温点；
以及温度获取单元，其用于获取额头测温点的温度信息。
10.如权利要求9所述的红外测温装置，其特征在于，所述红外测温装置还包括：正脸返回单元，其用于返回识别出的人脸的3D人脸正脸图像。
11.如权利要求9所述的红外测温装置，其特征在于，所述额头皮肤确定单元包括：
计算单元，其用于对人脸可见光图像中的每个像素点(x,y)均进行RGB三通道的加权求和，以得到每个像素点的加权和I(x,y)，并从计算结果中获取人脸皮肤区域像素点加权和I(x,y)的峰值Ipeak1，以及非人脸皮肤区域像素点(即干扰物像素点)加权和I(x,y)的峰值Ipeak2；
聚类单元，其用于计算额头区域中每个像素点与Ipeak1、Ipeak2的距离，且根据计算结果将符合条件的像素点归类于额头皮肤区域；
以及第一处理单元，其用于从已归类于额头皮肤区域的像素点中去除像素点，以得到经RGB肤色分割后的额头皮肤区域图像。
12.如权利要求11所述的红外测温装置，其特征在于，所述额头皮肤确定单元还包括：
第二处理单元，其连接所述第一处理单元，用于将所述经RGB肤色分割后的额头皮肤区域图像转化到HSV通道，统计各像素点的饱和度S，并按照预设抛点比例抛弃饱和度S≥预设值的像素点，以得到经HSI肤色分割后的额头皮肤区域图像。
13.如权利要求9所述的红外测温装置，其特征在于，所述测温点确定单元包括：
第三处理单元，其用于对红外人脸图像中的额头皮肤区域进行形态学腐蚀操作，获得经形态学腐蚀修正后的额头皮肤区域。
14.如权利要求13所述的红外测温装置，其特征在于，所述测温点确定单元还包括：
第四处理单元，其用于根据经形态学腐蚀修正后的额头皮肤区域的红外辐射强度，从经形态学腐蚀修正后的额头皮肤区域中提取红外辐射强度满足预设条件的区域，以作为二次修正后的额头皮肤区域。
15.一种存储介质，其特征在于，所述存储介质存储有多条指令，所述指令适于处理器进行加载，以执行权利要求1至8任一项所述的红外测温方法中的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010265285.7A CN113551772B (zh) | 2020-04-07 | 2020-04-07 | 一种红外测温方法、红外测温系统及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010265285.7A CN113551772B (zh) | 2020-04-07 | 2020-04-07 | 一种红外测温方法、红外测温系统及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113551772A true CN113551772A (zh) | 2021-10-26 |
| CN113551772B CN113551772B (zh) | 2023-09-15 |
Family
ID=78129265
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010265285.7A Active CN113551772B (zh) | 2020-04-07 | 2020-04-07 | 一种红外测温方法、红外测温系统及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113551772B (zh) |
Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004246424A (ja) * | 2003-02-10 | 2004-09-02 | Masahide Kaneko | 肌色領域の抽出方法 |
| JP2005237861A (ja) * | 2004-02-27 | 2005-09-08 | Omron Corp | 自動検温装置および自動検温方法 |
| US20080175481A1 (en) * | 2007-01-18 | 2008-07-24 | Stefan Petrescu | Color Segmentation |
| US20090196475A1 (en) * | 2008-02-01 | 2009-08-06 | Canfield Scientific, Incorporated | Automatic mask design and registration and feature detection for computer-aided skin analysis |
| CN102622589A (zh) * | 2012-03-13 | 2012-08-01 | 辉路科技（北京）有限公司 | 一种基于gpu的多光谱人脸检测方法 |
| CN103544478A (zh) * | 2013-10-09 | 2014-01-29 | 五邑大学 | 一种全方位人脸检测的方法及系统 |
| CN105678313A (zh) * | 2014-11-20 | 2016-06-15 | 中国移动通信集团广东有限公司 | 一种图像分离方法及装置 |
| CN106203400A (zh) * | 2016-07-29 | 2016-12-07 | 广州国信达计算机网络通讯有限公司 | 一种人脸识别方法及装置 |
| CN106407909A (zh) * | 2016-08-31 | 2017-02-15 | 北京云图微动科技有限公司 | 人脸识别方法、装置及系统 |
| CN106529429A (zh) * | 2016-10-27 | 2017-03-22 | 中国计量大学 | 一种基于图像识别的面部皮肤分析系统 |
| CN107016648A (zh) * | 2016-01-27 | 2017-08-04 | 三星电子株式会社 | 电子设备及其控制方法 |
| CN107423696A (zh) * | 2017-07-13 | 2017-12-01 | 重庆凯泽科技股份有限公司 | 人脸识别方法及系统 |
| CN108760053A (zh) * | 2018-06-06 | 2018-11-06 | 宇龙计算机通信科技(深圳)有限公司 | 一种额温检测方法和装置 |
| CN109448009A (zh) * | 2018-11-21 | 2019-03-08 | 国网江苏省电力有限公司扬州供电分公司 | 用于输电线路检测的红外图像处理方法及装置 |
| 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 |
| CN110411570A (zh) * | 2019-06-28 | 2019-11-05 | 武汉高德智感科技有限公司 | 基于人体检测和人体跟踪技术的红外人体温度筛查方法 |
| WO2020040567A2 (ko) * | 2018-08-23 | 2020-02-27 | 주식회사 에프엑스기어 | 가상 피팅을 위한 실시간 3d 아바타 생성 방법 및 시스템 |
-
2020
- 2020-04-07 CN CN202010265285.7A patent/CN113551772B/zh active Active
Patent Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004246424A (ja) * | 2003-02-10 | 2004-09-02 | Masahide Kaneko | 肌色領域の抽出方法 |
| JP2005237861A (ja) * | 2004-02-27 | 2005-09-08 | Omron Corp | 自動検温装置および自動検温方法 |
| US20080175481A1 (en) * | 2007-01-18 | 2008-07-24 | Stefan Petrescu | Color Segmentation |
| US20090196475A1 (en) * | 2008-02-01 | 2009-08-06 | Canfield Scientific, Incorporated | Automatic mask design and registration and feature detection for computer-aided skin analysis |
| CN102622589A (zh) * | 2012-03-13 | 2012-08-01 | 辉路科技（北京）有限公司 | 一种基于gpu的多光谱人脸检测方法 |
| CN103544478A (zh) * | 2013-10-09 | 2014-01-29 | 五邑大学 | 一种全方位人脸检测的方法及系统 |
| CN105678313A (zh) * | 2014-11-20 | 2016-06-15 | 中国移动通信集团广东有限公司 | 一种图像分离方法及装置 |
| CN107016648A (zh) * | 2016-01-27 | 2017-08-04 | 三星电子株式会社 | 电子设备及其控制方法 |
| CN106203400A (zh) * | 2016-07-29 | 2016-12-07 | 广州国信达计算机网络通讯有限公司 | 一种人脸识别方法及装置 |
| CN106407909A (zh) * | 2016-08-31 | 2017-02-15 | 北京云图微动科技有限公司 | 人脸识别方法、装置及系统 |
| CN106529429A (zh) * | 2016-10-27 | 2017-03-22 | 中国计量大学 | 一种基于图像识别的面部皮肤分析系统 |
| CN107423696A (zh) * | 2017-07-13 | 2017-12-01 | 重庆凯泽科技股份有限公司 | 人脸识别方法及系统 |
| 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 |
| CN108760053A (zh) * | 2018-06-06 | 2018-11-06 | 宇龙计算机通信科技(深圳)有限公司 | 一种额温检测方法和装置 |
| WO2020040567A2 (ko) * | 2018-08-23 | 2020-02-27 | 주식회사 에프엑스기어 | 가상 피팅을 위한 실시간 3d 아바타 생성 방법 및 시스템 |
| CN109448009A (zh) * | 2018-11-21 | 2019-03-08 | 国网江苏省电力有限公司扬州供电分公司 | 用于输电线路检测的红外图像处理方法及装置 |
| CN110411570A (zh) * | 2019-06-28 | 2019-11-05 | 武汉高德智感科技有限公司 | 基于人体检测和人体跟踪技术的红外人体温度筛查方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113551772B (zh) | 2023-09-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wu et al. | Rachis detection and three-dimensional localization of cut off point for vision-based banana robot | |
| CN107169475B (zh) | 一种基于kinect相机的人脸三维点云优化处理方法 | |
| CN105184787B (zh) | 一种自动对人像进行抠图的证照相机及方法 | |
| CN103914699B (zh) | 一种基于色彩空间的自动唇彩的图像增强的方法 | |
| CN109344701A (zh) | 一种基于Kinect的动态手势识别方法 | |
| CN108921057B (zh) | 基于卷积神经网络的对虾形态测量方法、介质、终端设备及装置 | |
| CN111524080A (zh) | 脸部皮肤特征的识别方法、终端及计算机设备 | |
| US20100172578A1 (en) | Detecting skin tone in images | |
| CN103902958A (zh) | 人脸识别的方法 | |
| CN102426652A (zh) | 基于图像分析的中医面色识别和检索方法 | |
| CN103116749A (zh) | 一种基于自建图像库的近红外人脸识别方法 | |
| CN109410168A (zh) | 用于确定图像中的子图块的类别的卷积神经网络模型的建模方法 | |
| CN110263768A (zh) | 一种基于深度残差网络的人脸识别方法 | |
| CN104794693A (zh) | 一种人脸关键区域自动检测蒙版的人像优化方法 | |
| CN107506738A (zh) | 特征提取方法、图像识别方法、装置及电子设备 | |
| Li et al. | An improved binocular localization method for apple based on fruit detection using deep learning | |
| CN110648336B (zh) | 一种舌质和舌苔的分割方法及装置 | |
| CN107481243A (zh) | 基于羊只俯视图的羊只体尺检测方法 | |
| CN105825204A (zh) | 一种智能相机夜间识别电力设备表计的方法 | |
| CN114119695A (zh) | 一种图像标注方法、装置及电子设备 | |
| Kajale | Detection & reorganization of plant leaf diseases using image processing and Android OS | |
| Xu et al. | Detecting white cotton bolls using high-resolution aerial imagery acquired through unmanned aerial system | |
| CN113554691A (zh) | 一种植株高度测量方法 | |
| CN109509194B (zh) | 一种复杂背景下正面人体图像分割方法及装置 | |
| CN108242061A (zh) | 一种基于Sobel算子的超市购物车手部识别方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |