CN115905733A - 一种基于机器视觉的口罩佩戴异常检测及轨迹追踪方法 - Google Patents

Abstract

本发明涉及客流监测技术领域，具体公开了一种基于机器视觉的口罩佩戴异常检测及轨迹追踪方法，所述方法包括根据预设的检测节点获取含有用户特征的访问数据，输入预设的数据库中；获取区域图像，在所述区域图像中提取包含运动目标的目标图像，在所述目标图像中定位所述运动目标；对所述运动目标进行识别，判定口罩佩戴状态；当所述口罩佩戴状态为异常状态时，对所述运动目标进行识别，根据识别结果定位检测节点，生成运动轨迹。本发明基于图像的智能分析手段，获取各用户在图像中的特征，当检测到图像中的用户口罩佩戴情况存在异常时，根据特征确定该用户经过的检测节点，确定该用户的通行轨迹，便于现场管理人员及时的进行轨迹追踪。

Description

一种基于机器视觉的口罩佩戴异常检测及轨迹追踪方法

技术领域

本发明涉及客流监测技术领域，具体是一种基于机器视觉的口罩佩戴异常检测及轨迹追踪方法。

背景技术

城轨行业客流量大，疫情防控压力大，安全要求高，迫切需要一种快速、准确、批量的检测手段实现车站防疫口罩佩戴异常检测及轨迹追踪的方法。现有的智能化识别设备大都基于含有人脸识别功能的图像获取设备，这种设备可以准确的判断用户是否佩戴口罩，进而生成一些提示信息，但是用户的轨迹追踪过程很难快速完成。

发明内容

本发明的目的在于提供一种基于机器视觉的口罩佩戴异常检测及轨迹追踪方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种基于机器视觉的口罩佩戴异常检测及轨迹追踪方法，所述方法包括：

根据预设的检测节点获取含有用户特征的访问数据，输入预设的数据库中；所述数据库的索引项与检测节点为映射关系；

基于预设的采集频率获取区域图像，在所述区域图像中提取包含运动目标的目标图像，在所述目标图像中定位所述运动目标；

对所述运动目标进行识别，判定口罩佩戴状态；所述口罩佩戴状态包括正常状态和异常状态；

当所述口罩佩戴状态为异常状态时，对所述运动目标进行识别，提取目标特征，基于所述目标特征在各数据库中查询访问数据；所述目标特征和所述用户特征同源；

根据查询结果和所述映射关系标记相应的检测节点，根据所述检测节点生成运动轨迹。

作为本发明进一步的方案：所述根据预设的检测节点获取含有用户特征的访问数据，输入预设的数据库中的步骤包括：

接收用户输入的含有时间信息的访问请求，根据预设的检测节点获取用户图像；

根据色值对所述用户图像进行区域切分，得到含有色值标签的用户子区域；

根据含有色值标签的用户子区域确定用户特征；

记录用户特征和时间信息，生成访问数据，输入该检测节点对应的数据库中。

作为本发明进一步的方案：所述根据色值对所述用户图像进行区域切分，得到含有色值标签的用户子区域的步骤包括：

在用户图像中定位用户轮廓；

遍历所述用户轮廓中的像素点，计算相邻像素点的色值差；

将所述色值差与预设的差值阈值进行比对，当所述色值差小于预设的差值阈值时，根据预设的区域编号对相邻的像素点进行标记；

统计标记结果，根据标记结果对所述用户轮廓进行切分，得到含有色值标签的用户子区域。

作为本发明进一步的方案：所述统计标记结果，根据标记结果对所述用户轮廓进行切分，得到含有色值标签的用户子区域的步骤包括：

依次查询各区域编号对应的所有像素点，确定子区域；

读取所述子区域中各像素点的色值，将所述色值输入训练好的标签生成模型，得到色值标签；

将所述色值标签插入相应的子区域。

作为本发明进一步的方案：所述基于预设的采集频率获取区域图像，在所述区域图像中提取包含运动目标的目标图像，在所述目标图像中定位所述运动目标的步骤包括：

基于预设的采集频率获取含有时间信息和温度信息的区域图像；

将所述温度信息与预设的温度阈值进行比对，标记所述温度信息大于预设的温度阈值的像素点；

统计标记的像素点，确定温度层，基于温度层在所述区域图像中提取包含运动目标的目标图像。

作为本发明进一步的方案：所述基于温度层在所述区域图像中提取包含运动目标的目标图像的步骤包括：

选择一段预设时间段内的区域图像作为预设图像；

基于温度层确定所述预设图像中的参考热源，所述参考热源对应于一参考目标；

基于温度层捕捉所述预设图像中的目标热源，所述目标热源对应于一运动目标；

判断所述区域图像中参考热源与目标热源之间的分开距离，当所述分开距离大于预设的距离阈值时，将所述预设图像标记为目标图像。

作为本发明进一步的方案：所述对所述运动目标进行识别，判定口罩佩戴状态的步骤包括：

在区域图像中提取所述运动目标对应的得到特征轮廓；

根据所述特征轮廓生成特征区域，依次遍历所述特征区域的像素点，基于所述像素点的色值生成特征值；

基于所述特征值确定头发区域，根据头发区域定位头部区域；

在所述头部区域中定位耳部轮廓；

根据耳部轮廓确定面部区域，对所述面部区域进行识别，判断口罩佩戴状态。

作为本发明进一步的方案：所述根据耳部轮廓确定面部区域，对所述面部区域进行识别，判断口罩佩戴状态的步骤包括：

根据区域图像确定图像获取设备和运动目标之间的相对位置；

根据所述相对位置和耳部轮廓确定运动目标的面部朝向；

根据所述面部朝向确定面部区域，对所述面部区域进行人脸特征提取，当人脸特征提取失败时，判断口罩佩戴状态为正常状态；

当人脸特征提取成功时，判断口罩佩戴状态为异常状态。

作为本发明进一步的方案：所述对所述运动目标进行识别，判定口罩佩戴状态的步骤还包括：

当头发区域识别失败时，标记相应的运动目标；

当耳部轮廓识别失败时，标记相应的运动目标；

将标记的运动目标向人工检测端发送。

作为本发明进一步的方案：所述当所述口罩佩戴状态为异常状态时，对所述运动目标进行识别，提取目标特征，基于所述目标特征在各数据库中查询访问数据的步骤包括：

当所述口罩佩戴状态为异常状态时，根据色值对所述运动目标所在的区域进行区域切分，得到含有色值标签的目标子区域；

根据含有色值标签的目标子区域确定目标特征；所述目标特征的生成规则与所述用户特征的生成规则相同；

基于所述目标特征遍历各检测节点对应的数据库。

与现有技术相比，本发明的有益效果是：本发明基于图像的智能分析手段，获取各用户在图像中的特征，当检测到图像中的用户口罩佩戴情况存在异常时，根据特征确定该用户经过的检测节点，确定该用户的通行轨迹，便于现场管理人员及时的进行轨迹追踪。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例。

图1为基于机器视觉的口罩佩戴异常检测及轨迹追踪方法的流程框图。

图2为基于机器视觉的口罩佩戴异常检测及轨迹追踪方法的第一子流程框图。

图3为基于机器视觉的口罩佩戴异常检测及轨迹追踪方法的第二子流程框图。

图4为基于机器视觉的口罩佩戴异常检测及轨迹追踪方法的第三子流程框图。

图5为基于机器视觉的口罩佩戴异常检测及轨迹追踪方法的第四子流程框图。

具体实施方式

为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

图1为基于机器视觉的口罩佩戴异常检测及轨迹追踪方法的流程框图，本发明实施例中，一种基于机器视觉的口罩佩戴异常检测及轨迹追踪方法，所述方法包括：

步骤S100：根据预设的检测节点获取含有用户特征的访问数据，输入预设的数据库中；所述数据库的索引项与检测节点为映射关系；

检测节点可以为检测口，所述检测口一般设置在某些出入口，检测节点可以反映用户的运动情况，便于后续的轨迹追踪过程；检测节点的检测设备可以有很多，比如读卡器、刷码器等等，本发明技术方案中要求检测设备包括图像获取设备，所述用户特征是基于图像获取设备获取到的图像生成的。

步骤S200：基于预设的采集频率获取区域图像，在所述区域图像中提取包含运动目标的目标图像，在所述目标图像中定位所述运动目标；

区域图像的图像获取设备安装在各个监控区，比如候车厅；对获取到的区域图像进行筛选出包含运动目标的目标图像；需要说明的是，由于监控区的范围比较大，需要的图像获取设备较多，获取到的区域图像的数量有很多，这些区域图像中，有的是近乎静态的图像，有的是含有乘客的图像，后者是系统需要进行识别的图像。

步骤S300：对所述运动目标进行识别，判定口罩佩戴状态；所述口罩佩戴状态包括正常状态和异常状态；

运动目标被提取后，对所述运动目标进行识别，根据识别结果可以确定口罩佩戴状态；

步骤S400：当所述口罩佩戴状态为异常状态时，对所述运动目标进行识别，提取目标特征，基于所述目标特征在各数据库中查询访问数据；所述目标特征和所述用户特征同源；

步骤S500：根据查询结果和所述映射关系标记相应的检测节点，根据所述检测节点生成运动轨迹；

当口罩佩戴状态为异常状态时，对运动目标进行识别，提取目标特征，基于目标特征在各个数据库中查询匹配用户特征，根据匹配结果，可以判断某个用户在哪个检测节点出现，根据检测节点即可确定该用户的轨迹。

图2为基于机器视觉的口罩佩戴异常检测及轨迹追踪方法的第一子流程框图，所述根据预设的检测节点获取含有用户特征的访问数据，输入预设的数据库中的步骤包括步骤S101至步骤S104：

步骤S101：接收用户输入的含有时间信息的访问请求，根据预设的检测节点获取用户图像；

步骤S102：根据色值对所述用户图像进行区域切分，得到含有色值标签的用户子区域；

步骤S103：根据含有色值标签的用户子区域确定用户特征；

步骤S104：记录用户特征和时间信息，生成访问数据，输入该检测节点对应的数据库中。

步骤S101至步骤S104对访问数据的生成过程进行了具体的说明，接收用户输入的含有时间信息的访问请求，可以借助常规的读卡哭，用户图像及图像处理过程则需要借助相关的计算机设备；其中，所述用户特征就是某个用户身上的色彩特征，用户身上的色彩特征由他的衣物确定，包括衣物的颜色及衣物的顺序；一般情况下，不会有人在公共场合更换衣服，顶多会穿上一些外套，对于这种情况，从计算机设备的角度来说，这将会是两个用户特征。

进一步的，所述根据色值对所述用户图像进行区域切分，得到含有色值标签的用户子区域的步骤包括：

在用户图像中定位用户轮廓；

遍历所述用户轮廓中的像素点，计算相邻像素点的色值差；

将所述色值差与预设的差值阈值进行比对，当所述色值差小于预设的差值阈值时，根据预设的区域编号对相邻的像素点进行标记；

统计标记结果，根据标记结果对所述用户轮廓进行切分，得到含有色值标签的用户子区域。

上述内容对用户图像的区域切分过程进行了具体的描述，切分的原理非常简单，就是将相同或相近的像素点统计为同一个子区域，然后根据同一区域内的像素点的色值对该子区域插入标签即可。

具体的，所述统计标记结果，根据标记结果对所述用户轮廓进行切分，得到含有色值标签的用户子区域的步骤包括：

依次查询各区域编号对应的所有像素点，确定子区域；

读取所述子区域中各像素点的色值，将所述色值输入训练好的标签生成模型，得到色值标签；

将所述色值标签插入相应的子区域。

上述内容对标签生成过程进行了限定，有一种方式就是计算所有色值的平均色值，根据平均色值确定色值标签，还有一种方式就是根据众数色值确定色值标签，当然还有其他方式，这些方式有理即可，不做限定。

图3为基于机器视觉的口罩佩戴异常检测及轨迹追踪方法的第二子流程框图，所述基于预设的采集频率获取区域图像，在所述区域图像中提取包含运动目标的目标图像，在所述目标图像中定位所述运动目标的步骤包括步骤S201至步骤S203：

步骤S201：基于预设的采集频率获取含有时间信息和温度信息的区域图像；

步骤S202：将所述温度信息与预设的温度阈值进行比对，标记所述温度信息大于预设的温度阈值的像素点；

步骤S203：统计标记的像素点，确定温度层，基于温度层在所述区域图像中提取包含运动目标的目标图像。

区域图像可以是某个候车厅，候车厅的顶壁上会设置有很多摄像头，这些摄像头能够获取不同区域的区域图像，这些区域图像中有的含有运动目标，有的不含有运动目标，通过温度层即可简单清晰地对运动目标进行识别，得到含有运动目标的图像，也就是后续处理的目标图像。

进一步的，所述基于温度层在所述区域图像中提取包含运动目标的目标图像的步骤包括：

选择一段预设时间段内的区域图像作为预设图像；

基于温度层确定所述预设图像中的参考热源，所述参考热源对应于一参考目标；

基于温度层捕捉所述预设图像中的目标热源，所述目标热源对应于一运动目标；

判断所述区域图像中参考热源与目标热源之间的分开距离，当所述分开距离大于预设的距离阈值时，将所述预设图像标记为目标图像。

参考热源是预设的，一般对应的固定的物体；根据这一固定的物体，可以判断该区域图像中，是否有正在运动的目标，也就是运动目标；对于停滞不前、正在休息的人员，我们不将他标记为运动目标，不进行检测；实际上，停滞不前的员工大都是工作人员，对他们监测有专门的部门去完成，不需要本发明技术方案再进行多此一举的检测。

图4为基于机器视觉的口罩佩戴异常检测及轨迹追踪方法的第三子流程框图，所述对所述运动目标进行识别，判定口罩佩戴状态的步骤包括步骤S301至步骤S305：

步骤S301：在区域图像中提取所述运动目标对应的得到特征轮廓；

步骤S302：根据所述特征轮廓生成特征区域，依次遍历所述特征区域的像素点，基于所述像素点的色值生成特征值；

步骤S303：基于所述特征值确定头发区域，根据头发区域定位头部区域；

步骤S304：在所述头部区域中定位耳部轮廓；

步骤S305：根据耳部轮廓确定面部区域，对所述面部区域进行识别，判断口罩佩戴状态。

上述内容对口罩佩戴状态的识别过程进行了具体的描述，首先，提取运动目标对应的轮廓，作为特征轮廓，对所述特征轮廓进行识别，得到的子轮廓作为特征区域；计算所述特征区域的特征值，根据特征值可以确定头发区域；由于头发颜色大都是单一的，识别过程并不困难；然后，根据头发区域定位头部区域，在头部区域中查询耳部轮廓；最后，根据耳部轮廓的特征判断口罩佩戴状态。

进一步的，所述根据耳部轮廓确定面部区域，对所述面部区域进行识别，判断口罩佩戴状态的步骤包括：

根据区域图像确定图像获取设备和运动目标之间的相对位置；

根据所述相对位置和耳部轮廓确定运动目标的面部朝向；

根据所述面部朝向确定面部区域，对所述面部区域进行人脸特征提取，当人脸特征提取失败时，判断口罩佩戴状态为正常状态；

当人脸特征提取成功时，判断口罩佩戴状态为异常状态。

上述内容对步骤S305进行了具体的限定，根据图像获取设备和运动目标之间的相对位置，以及耳部轮廓的形状，可以轻松的判断出运动目标的面部朝向，进而对面部区域进行识别；识别的方式就是借助现有的人脸识别技术中的人脸特征提取技术，如果提取成功，就说明没有戴口罩，也就是异常状态。

作为本发明技术方案的一个优选实施例，所述对所述运动目标进行识别，判定口罩佩戴状态的步骤还包括：

当头发区域识别失败时，标记相应的运动目标；

当耳部轮廓识别失败时，标记相应的运动目标；

将标记的运动目标向人工检测端发送。

在本发明技术方案的一个实例中，当识别过程出现问题时，将标记的运动目标发送至人工检测端，由人工确定运动目标的口罩佩戴状态。

图5为基于机器视觉的口罩佩戴异常检测及轨迹追踪方法的第四子流程框图，所述当所述口罩佩戴状态为异常状态时，对所述运动目标进行识别，提取目标特征，基于所述目标特征在各数据库中查询访问数据的步骤包括步骤S401至步骤S403：

步骤S401：当所述口罩佩戴状态为异常状态时，根据色值对所述运动目标所在的区域进行区域切分，得到含有色值标签的目标子区域；

步骤S402：根据含有色值标签的目标子区域确定目标特征；所述目标特征的生成规则与所述用户特征的生成规则相同；

步骤S403：基于所述目标特征遍历各检测节点对应的数据库。

步骤S401至步骤S403对访问数据的查询过程进行了限定，首先，根据色值对运动目标进行切分；然后，采用与用户特征生成过程相同的规则生成目标特征；最后，基于目标特征在数据库中查询比对用户特征，确定数据库及相应的检测节点即可。

所述基于机器视觉的口罩佩戴异常检测及轨迹追踪方法所能实现的功能均由计算机设备完成，所述计算机设备包括一个或多个处理器和一个或多个存储器，所述一个或多个存储器中存储有至少一条程序代码，所述程序代码由所述一个或多个处理器加载并执行以实现所述基于机器视觉的口罩佩戴异常检测及轨迹追踪方法的功能。

处理器从存储器中逐条取出指令、分析指令，然后根据指令要求完成相应操作，产生一系列控制命令，使计算机各部分自动、连续并协调动作，成为一个有机的整体，实现程序的输入、数据的输入以及运算并输出结果，这一过程中产生的算术运算或逻辑运算均由运算器完成；所述存储器包括只读存储器（Read-Only Memory，ROM），所述只读存储器用于存储计算机程序，所述存储器外部设有保护装置。

示例性的，计算机程序可以被分割成一个或多个模块，一个或者多个模块被存储在存储器中，并由处理器执行，以完成本发明。一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序在终端设备中的执行过程。

本领域技术人员可以理解，上述服务设备的描述仅仅是示例，并不构成对终端设备的限定，可以包括比上述描述更多或更少的部件，或者组合某些部件，或者不同的部件，例如可以包括输入输出设备、网络接入设备、总线等。

所称处理器可以是中央处理单元（Central Processing Unit，CPU），还可以是其他通用处理器、数字信号处理器（Digital Signal Processor，DSP）、专用集成电路（Application Specific Integrated Circuit，ASIC）、现成可编程门阵列（Field-Programmable Gate Array，FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，上述处理器是上述终端设备的控制中心，利用各种接口和线路连接整个用户终端的各个部分。

上述存储器可用于存储计算机程序和/或模块，上述处理器通过运行或执行存储在存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现上述终端设备的各种功能。存储器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（比如信息采集模板展示功能、产品信息发布功能等）等；存储数据区可存储根据泊位状态显示系统的使用所创建的数据（比如不同产品种类对应的产品信息采集模板、不同产品提供方需要发布的产品信息等）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，例如硬盘、内存、插接式硬盘，智能存储卡（Smart Media Card， SMC），安全数字（Secure Digital， SD）卡，闪存卡（Flash Card）、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。

终端设备集成的模块/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，本发明实现上述实施例系统中的全部或部分模块/单元，也可以通过计算机程序来指令相关的硬件来完成，上述的计算机程序可存储于计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个系统实施例的功能。其中，计算机程序包括计算机程序代码，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。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random AccessMemory）、电载波信号、电信信号以及软件分发介质等。

需要说明的是，在本文中，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、物品或者装置不仅包括那些要素，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、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种基于机器视觉的口罩佩戴异常检测及轨迹追踪方法，其特征在于，所述方法包括：

根据预设的检测节点获取含有用户特征的访问数据，输入预设的数据库中；所述数据库的索引项与检测节点为映射关系；

基于预设的采集频率获取区域图像，在所述区域图像中提取包含运动目标的目标图像，在所述目标图像中定位所述运动目标；

对所述运动目标进行识别，判定口罩佩戴状态；所述口罩佩戴状态包括正常状态和异常状态；

当所述口罩佩戴状态为异常状态时，对所述运动目标进行识别，提取目标特征，基于所述目标特征在各数据库中查询访问数据；所述目标特征和所述用户特征同源；

根据查询结果和所述映射关系标记相应的检测节点，根据所述检测节点生成运动轨迹。

2.根据权利要求1所述的基于机器视觉的口罩佩戴异常检测及轨迹追踪方法，其特征在于，所述根据预设的检测节点获取含有用户特征的访问数据，输入预设的数据库中的步骤包括：

接收用户输入的含有时间信息的访问请求，根据预设的检测节点获取用户图像；

根据色值对所述用户图像进行区域切分，得到含有色值标签的用户子区域；

根据含有色值标签的用户子区域确定用户特征；

记录用户特征和时间信息，生成访问数据，输入该检测节点对应的数据库中。

3.根据权利要求2所述的基于机器视觉的口罩佩戴异常检测及轨迹追踪方法，其特征在于，所述根据色值对所述用户图像进行区域切分，得到含有色值标签的用户子区域的步骤包括：

在用户图像中定位用户轮廓；

遍历所述用户轮廓中的像素点，计算相邻像素点的色值差；

将所述色值差与预设的差值阈值进行比对，当所述色值差小于预设的差值阈值时，根据预设的区域编号对相邻的像素点进行标记；

统计标记结果，根据标记结果对所述用户轮廓进行切分，得到含有色值标签的用户子区域。

4.根据权利要求3所述的基于机器视觉的口罩佩戴异常检测及轨迹追踪方法，其特征在于，所述统计标记结果，根据标记结果对所述用户轮廓进行切分，得到含有色值标签的用户子区域的步骤包括：

依次查询各区域编号对应的所有像素点，确定子区域；

读取所述子区域中各像素点的色值，将所述色值输入训练好的标签生成模型，得到色值标签；

将所述色值标签插入相应的子区域。

5.根据权利要求1所述的基于机器视觉的口罩佩戴异常检测及轨迹追踪方法，其特征在于，所述基于预设的采集频率获取区域图像，在所述区域图像中提取包含运动目标的目标图像，在所述目标图像中定位所述运动目标的步骤包括：

基于预设的采集频率获取含有时间信息和温度信息的区域图像；

将所述温度信息与预设的温度阈值进行比对，标记所述温度信息大于预设的温度阈值的像素点；

统计标记的像素点，确定温度层，基于温度层在所述区域图像中提取包含运动目标的目标图像。

6.根据权利要求5所述的基于机器视觉的口罩佩戴异常检测及轨迹追踪方法，其特征在于，所述基于温度层在所述区域图像中提取包含运动目标的目标图像的步骤包括：

选择一段预设时间段内的区域图像作为预设图像；

基于温度层确定所述预设图像中的参考热源，所述参考热源对应于一参考目标；

基于温度层捕捉所述预设图像中的目标热源，所述目标热源对应于一运动目标；

判断所述区域图像中参考热源与目标热源之间的分开距离，当所述分开距离大于预设的距离阈值时，将所述预设图像标记为目标图像。

7.根据权利要求1所述的基于机器视觉的口罩佩戴异常检测及轨迹追踪方法，其特征在于，所述对所述运动目标进行识别，判定口罩佩戴状态的步骤包括：

在区域图像中提取所述运动目标对应的得到特征轮廓；

根据所述特征轮廓生成特征区域，依次遍历所述特征区域的像素点，基于所述像素点的色值生成特征值；

基于所述特征值确定头发区域，根据头发区域定位头部区域；

在所述头部区域中定位耳部轮廓；

根据耳部轮廓确定面部区域，对所述面部区域进行识别，判断口罩佩戴状态。

8.根据权利要求7所述的基于机器视觉的口罩佩戴异常检测及轨迹追踪方法，其特征在于，所述根据耳部轮廓确定面部区域，对所述面部区域进行识别，判断口罩佩戴状态的步骤包括：

根据区域图像确定图像获取设备和运动目标之间的相对位置；

根据所述相对位置和耳部轮廓确定运动目标的面部朝向；

根据所述面部朝向确定面部区域，对所述面部区域进行人脸特征提取，当人脸特征提取失败时，判断口罩佩戴状态为正常状态；

当人脸特征提取成功时，判断口罩佩戴状态为异常状态。

9.根据权利要求7所述的基于机器视觉的口罩佩戴异常检测及轨迹追踪方法，其特征在于，所述对所述运动目标进行识别，判定口罩佩戴状态的步骤还包括：

当头发区域识别失败时，标记相应的运动目标；

当耳部轮廓识别失败时，标记相应的运动目标；

将标记的运动目标向人工检测端发送。

10.根据权利要求3所述的基于机器视觉的口罩佩戴异常检测及轨迹追踪方法，其特征在于，所述当所述口罩佩戴状态为异常状态时，对所述运动目标进行识别，提取目标特征，基于所述目标特征在各数据库中查询访问数据的步骤包括：

当所述口罩佩戴状态为异常状态时，根据色值对所述运动目标所在的区域进行区域切分，得到含有色值标签的目标子区域；

根据含有色值标签的目标子区域确定目标特征；所述目标特征的生成规则与所述用户特征的生成规则相同；

基于所述目标特征遍历各检测节点对应的数据库。

Images