CN115993192B - 一种基于人脸追踪的无感测温方法及系统 - Google Patents

Abstract

本发明涉及测温技术领域，公开了一种基于人脸追踪的无感测温方法及系统，通过获取可见光摄像头采集的目标区域的可见光图像以及红外摄像头处于长焦状态下采集的第一红外图像和处于短焦状态下采集的第二红外图像，分别利用第一红外图像和第二红外图像中的标准人脸与可见光图像，测量获得标准人脸的第一体温和第二体温，进而计算得到温度补偿参数，利用该温度补偿参数对第二红外图像中的非标准人脸进行温度补偿，以此获得精准度更高的标准人脸和非标准人脸的测量温度，提高了大场景下多人同时测温的准确率。

Description

一种基于人脸追踪的无感测温方法及系统

技术领域

本发明涉及测温技术领域，尤其涉及一种基于人脸追踪的无感测温方法及系统。

背景技术

目前，在火车站、机场、园区等场所需要对人进行测温实现健康监测，而这些场所人口量大，测温时一般需要同时对多人进行测温。

现在的无感测温系统一般都是基于红外摄像头采集到的红外图像，通过对采集到的红外图像进行处理计算得到温度。红外摄像头的分辨率一般只有300*300左右，当需要实现对大场景下的多人同时进行红外测温时，可能一个人体所占据的红外像素点仅仅只有几十，如此少的红外像素点使得大场景下多人的红外测温的准确率非常低。

因此，如何提高大场景下多人同时测温的准确率，是一个急需解决的技术问题。

发明内容

本发明的主要目的在于提供一种基于人脸追踪的无感测温方法及系统，旨在解决目前大场景下多人红外测温的准确率低的技术问题。

为实现上述目的，本发明提供一种基于人脸追踪的无感测温方法，所述方法包括如下步骤：

获取可见光摄像头采集的目标区域的可见光图像；

获取红外摄像头处于长焦状态下采集的第一红外图像和处于短焦状态下采集的第二红外图像；其中，所述第一红外图像对应于标准人脸，所述第二红外图像对应于标准人脸和非标准人脸；

根据所述第一红外图像和所述可见光图像，获得每个标准人脸对应的第一体温；

根据所述第二红外图像和所述可见光图像，获得每个标准人脸对应的第二体温和每个非标准人脸对应的第二体温；

基于每个标准人脸对应的第一体温和第二体温，确定温度补偿参数，对每个非标准人脸的第二体温进行温度补偿，获得每个非标准人脸对应的第一体温。

可选的，所述第一红外图像包括N张红外图像，每张红外图像对应一个标准人脸，所述第二红外图像对应目标区域内的N个标准人脸和M个非标准人脸。

可选的，所述方法还包括：在获取第一红外图像和第二红外图像之前，根据获取的可见光图像，选取遮挡量小于预设值的N个人脸作为标准人脸，选取标准人脸之外剩余的的M个人脸作为非标准人脸。

可选的，基于每个标准人脸对应的第一体温和第二体温，确定温度补偿参数步骤，具体为：

获取每个标准人脸对应的第一体温和第二体温，计算第一体温和第二体温的体温比值；

根据所有标准人脸对应的第一体温和第二体温的体温比值，求取平均值作为温度补偿参数。

可选的，对每个非标准人脸的第二体温进行温度补偿，获得每个非标准人脸对应的第一体温步骤，具体为：利用每个非标准人脸对应的第二体温与温度补偿参数的乘积作为每个非标准人脸对应的第一体温。

可选的，所述方法还包括：在获取第一红外图像和第二红外图像之前，根据获取的可见光图像，对目标区域进行网格划分，获得N个不重叠的网格区域，在每个网格区域中选取遮挡量最小的人脸作为标准人脸，将其余M个人脸作为非标准人脸。

可选的，基于每个标准人脸对应的第一体温和第二体温，确定温度补偿参数步骤，具体为：

获取每个标准人脸对应的第一体温和第二体温，计算第一体温和第二体温的体温比值；

根据每个标准人脸对应的网格区域与第一体温和第二体温的体温比值，建立温度补偿参数矩阵；其中，所述温度补偿参数矩阵包括N个与网格区域关联的温度补偿参数。

可选的，对每个非标准人脸的第二体温进行温度补偿，获得每个非标准人脸对应的第一体温步骤，具体为：根据每个非标准人脸对应的非标准人脸位置信息，在温度补偿参数矩阵中确定每个非标准人脸的温度补偿参数；利用每个非标准人脸对应的第二体温与温度补偿参数的乘积作为每个非标准人脸对应的第一体温。

可选的，所述根据每个非标准人脸对应的非标准人脸位置信息，在温度补偿参数矩阵中确定每个非标准人脸的温度补偿参数具体为：依据非标准人脸的位置信息，从温度补偿参数矩阵中查找对应的温度补偿系数，其中温度补偿参数矩阵是一个与位置相关的矩阵。

可选的，目标区域设有校正物体；根据所述第一红外图像和所述可见光图像，获得每个标准人脸对应的第一体温步骤之后，所述方法还包括：

获取红外摄像头处于长焦状态下采集的第三红外图像；其中，所述第三红外图像对应校正物体；

根据所述第三红外图像和所述可见光图像，获得所述校正物体的测量温度；

根据所述校正物体的实际温度和测量温度，确定温度校正参数，对所述第一体温进行校正。

可选的，所述校正物体为黑体，所述实际温度为黑体的绝对温度。

可选的，所述校正物体为棉花，所述实际温度为环境温度。

可选的，获得每个标准人脸对应的第一体温、获得每个标准人脸对应的第二体温、获得每个非标准人脸对应的第二体温以及获得校正物体的测量温度，采用可见光红外光融合测温法。

可选的，所述方法还包括：获取目标人脸在预设时间范围内所有的第一体温，对所有第一体温进行异常数据剔除和非异常数据均值显示；其中，异常数据为处于预设温度范围外的第一体温，非异常数据为处于预设范围内的第一体温。

此外，为了实现上述目的，本发明还提供了一种基于人脸追踪的无感测温装置，所述装置包括：

第一获取模块，用于获取可见光摄像头采集的目标区域的可见光图像；

第二获取模块，用于获取红外摄像头处于长焦状态下采集的第一红外图像和处于短焦状态下采集的第二红外图像；其中，所述第一红外图像对应于标准人脸，所述第二红外图像对应于标准人脸和非标准人脸；

第一测温模块，用于根据所述第一红外图像和所述可见光图像，获得每个标准人脸对应的第一体温；

第二测温模块，用于根据所述第二红外图像和所述可见光图像，获得每个标准人脸对应的第二体温和每个非标准人脸对应的第二体温；

温度补偿模块，用于基于每个标准人脸对应的第一体温和第二体温，确定温度补偿参数，对每个非标准人脸的第二体温进行温度补偿，获得每个非标准人脸对应的第一体温。

此外，为了实现上述目的，本发明还提供了一种基于人脸追踪的无感测温系统，所述系统包括：

可见光摄像头，采集目标区域的可见光图像；

红外摄像头，所述红外摄像头具有长焦状态和短焦状态，所述红外摄像头分别在长焦状态和短焦状态下采集红外图像；

基于人脸追踪的无感测温设备，所述基于人脸追踪的无感测温设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于人脸追踪的无感测温程序，所述基于人脸追踪的无感测温程序被所述处理器执行时实现如上所述的基于人脸追踪的无感测温方法的步骤。

此外，为了实现上述目的，本发明还提供了一种存储介质，所述存储介质上存储有基于人脸追踪的无感测温程序，所述基于人脸追踪的无感测温程序被处理器执行时实现上述的基于人脸追踪的无感测温方法的步骤。

本发明实施例提出的一种基于人脸追踪的无感测温方法及系统，该方法包括获取可见光摄像头采集的目标区域的可见光图像，获取红外摄像头处于长焦状态下采集的第一红外图像和处于短焦状态下采集的第二红外图像，分别利用第一红外图像和第二红外图像中的标准人脸与可见光图像，测量获得标准人脸的第一体温和第二体温，进而计算得到温度补偿参数，利用该温度补偿参数对第二红外图像中的非标准人脸进行温度补偿，以此获得精准度更高的标准人脸和非标准人脸的测量温度，提高了大场景下多人同时测温的准确率。

附图说明

图1为本发明实施例中一种基于人脸追踪的无感测温方法实施例的示意图；

图2为本发明实施例中一种基于人脸追踪的无感测温装置实施例的示意图；

图3为本发明实施例中一种基于人脸追踪的无感测温系统实施例的示意图。

附图标记：

100-可见光摄像头；200-红外摄像头；300-基于人脸追踪的无感测试设备；301-第一获取模块；302-第二获取模块；303-第一测温模块；304-第二测温模块；305-温度补偿模块。

具体实施方式

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。

为了使本发明的目的、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。

本发明实施例提供了一种基于人脸追踪的无感测温方法，参照图1，图1为本发明基于人脸追踪的无感测温方法实施例的示意图。

本实施例中，本发明实施例提出的一种基于人脸追踪的无感测温方法，包括以下步骤：

步骤S100：获取可见光摄像头采集的目标区域的可见光图像。

在本实施例中，由于红外摄像头的像素有限，在大场景下的得到的红外热力图，每个人脸实际只占据几十个像素，基本很难测准。为了实现对大场景下多人同时测温，需要采用可见光摄像头对目标区域进行可见光图像采集，利用采集的可见光图像对目标区域内的人脸进行追踪，进而在后续获得对应的红外图像时，利用可见光图像和红外图像测量获得对应人脸的温度。

需要说明的是，在获取目标区域的可见光图像后，即可根据获得的可见光图像，对图像进行预处理并选取标准人脸和非标准人脸。

具体而言，标准人脸和非标准人脸的选取可采用两种方式：

（1）遮挡量选取。根据获得的可见光图像，选取遮挡量小于预设值的N个人脸作为标准人脸，选取遮标准人脸之外剩余的的M个人脸作为非标准人脸。例如，选取遮挡量大于50%的人脸作为标准人脸，其余人脸作为非标准人脸。

（2）网格划分选取。根据获得的可见光图像，对目标区域进行网格划分，获得N个不重叠的网格区域，在每个网格区域中选取遮挡量最小的人脸作为标准人脸，将其余M个人脸作为非标准人脸。例如，将目标区域划分为3*3的网格，然后分别在每个网格下选取标准人脸，其余人脸作为非标准人脸。

在实际应用中，可见光摄像头的分辨率选取384*288。

步骤S200：获取红外摄像头处于长焦状态下采集的第一红外图像和处于短焦状态下采集的第二红外图像；其中，所述第一红外图像对应于标准人脸，所述第二红外图像对应于标准人脸和非标准人脸。

在本实施例中，所述第一红外图像包括N张红外图像，每张红外图像对应一个标准人脸，在第一红外图像中，每张红外图像中的标准人脸覆盖红外摄像头所支持的像素的至少一半；所述第二红外图像对应目标区域内的N个标准人脸和M个非标准人脸。

在实际应用中，红外光摄像头的分辨率选取1920*1080。

由此，获取红外摄像头针对每张标准人脸的第一红外图像和针对所有标准人脸和所有非标准人脸的第二红外图像。具体而言，红外摄像头通过切换聚焦状态实现上述两种红外图像的采集：

（1）红外摄像头切换至长焦状态，定焦至标准人脸，分别获取N个标准人脸的红外图像；

（2）红外摄像头切换至短焦状态，获取目标区域的整个红外图像，该整个红外图像中包括N个标准人脸和M个非标准人脸。

步骤S300：根据所述第一红外图像和所述可见光图像，获得每个标准人脸对应的第一体温。

在本实施例中，获得针对每张标准人脸的第一红外图像和目标区域的可见光图像后，即可根据红外图像和可见光图像，采用可见光红外光融合测温法对N个标准人脸的体温进行测量，获得每个标准人脸对应的第一体温，该第一体温由于采用了红外像素点较多的第一红外图像，具有较高的准确性。

在优选的实施例中，目标区域设有校正物体，本实施例可通过校正物体对获得的每个标准人脸对应的第一体温进行校正。

具体而言，本实施例通过获取红外摄像头处于长焦状态下采集的第三红外图像；其中，所述第三红外图像对应校正物体；根据所述第三红外图像和所述可见光图像，获得所述校正物体的测量温度；根据所述校正物体的实际温度和测量温度，确定温度校正参数，对所述第一体温进行校正。所述温度校正参数的表达式，具体为：

k=T₀/T

其中，k为温度校正参数，T₀为校正物体的实际温度，T为校正物体的测量温度。

由此，可利用温度校正参数与第一体温的乘积作为校正后的每个标准人脸对应的第一体温。

需要说明的是，根据所述第三红外图像和所述可见光图像，获得所述校正物体的测量温度也采用可见光红外光融合测温方法。

在一实施例中，校正物体为黑体，所述实际温度为黑体的绝对温度。红外摄像头采集第三红外图像时，处于长焦状态并定焦到黑体，可实现利用黑体对第一体温的校正。

在又一实施例中，校正物体为棉花，所述实际温度为环境温度。棉花的红外辐射穿透率和人体皮肤红外辐射穿透率类似，棉花在环境中放久后其温度必然就是环境温度，环境温度可以通过热电偶温度计得到，由此，可实现利用棉花对第一体温的校正。

步骤S400：根据所述第二红外图像和所述可见光图像，获得每个标准人脸对应的第二体温和每个非标准人脸对应的第二体温。

在本实施例中，获得针对所有标准人脸和所有非标准人脸的第二红外图像和目标区域的可见光图像后，即可根据红外图像和可见光图像，采用可见光红外光融合测温法对N个标准人脸和M个非标准人脸的体温进行测量，获得每个标准人脸对应的第二体温和每个非标准人脸对应的第二体温，该第二体温由于采用了红外像素点较少的第二红外图像，其准确性并不高。

需要说明的是，对于上述基于红外图像和可见光图像测量对应的标准人脸/非标准人脸/校正物体的温度时，采用了可见光红外光融合测温法。具体可以采用基于改进YOLOv5s的红外和可见光图像特征级融合检测算法。

需要说明的是，可见光红外光融合测温法作为较为成熟的现有技术，本领域人员可以根据需要采用其他实现可见光红外光融合测温的算法，本实施例在此不再赘述。

步骤S500：基于每个标准人脸对应的第一体温和第二体温，确定温度补偿参数，对每个非标准人脸的第二体温进行温度补偿，获得每个非标准人脸对应的第一体温。

在本实施例中，在获得准确性较高的标准人脸的第一体温后，即可利用标准人脸的第一体温和标准人脸的第二体温对非标准人脸的第二体温进行温度补偿，获得准确性较高的非标准人脸的第一体温。

温度补偿参数的表达式，具体为：

K=T1/TI’

其中，K为温度补偿参数，T1为标准人脸的第一体温，T1’为标准人脸的第二体温。

利用温度补偿参数对非标准人脸的第二体温进行温度补偿的表达式，具体为：

T2= K* T2’

其中，T2为非标准人脸的第一体温，T2’为非标准人脸的第二体温。

需要说明的是，温度补偿参数的确定需要对应于标准人脸和非标准人脸的选取。具体而言：

（1）当根据遮挡量选取标准人脸与非标准人脸时，基于每个标准人脸对应的第一体温和第二体温，确定温度补偿参数，通过获取每个标准人脸对应的第一体温和第二体温，计算第一体温和第二体温的体温比值；根据所有标准人脸对应的第一体温和第二体温的体温比值，求取平均值作为温度补偿参数。

在此基础上，对每个非标准人脸的第二体温进行温度补偿，获得每个非标准人脸对应的第一体温，通过利用每个非标准人脸对应的第二体温与温度补偿参数的乘积作为每个非标准人脸对应的第一体温。

（2）当根据网格划分选取标准人脸与非标准人脸时，基于每个标准人脸对应的第一体温和第二体温，确定温度补偿参数，通过获取每个标准人脸对应的第一体温和第二体温，计算第一体温和第二体温的体温比值；根据每个标准人脸对应的网格区域与第一体温和第二体温的体温比值，建立温度补偿参数矩阵；其中，所述温度补偿参数矩阵包括N个与网格区域关联的温度补偿参数。

在此基础上，对每个非标准人脸的第二体温进行温度补偿，获得每个非标准人脸对应的第一体温，通过根据每个非标准人脸对应的非标准人脸位置信息，在温度补偿参数矩阵中确定每个非标准人脸的温度补偿参数；利用每个非标准人脸对应的第二体温与温度补偿参数的乘积作为每个非标准人脸对应的第一体温。

其中，所述根据每个非标准人脸对应的非标准人脸位置信息，在温度补偿参数矩阵中确定每个非标准人脸的温度补偿参数具体为：依据非标准人脸的位置信息，从温度补偿参数矩阵中查找对应的温度补偿系数，其中温度补偿参数矩阵是一个与位置相关的矩阵。

采用该方式的人脸选取与温度补偿，具有以下优点：由于距离直接影响红外相机接收到的红外能量，在进行温度补偿时，依据距离进行温度补偿更为准确。在大场景下拍摄下，同一帧图片中不同的人脸与红外相机之间的距离实际可以有很大的不同，若采取相同的温度补偿方式进行补偿，则不准确。而本实施例中，将图像划分成了N个网格，每一个网格下默认人脸与红外相机的距离相同，计算每一个网格下的温度补偿参数，依据非标准人脸位于哪一个网格来确定该非标准人脸对应的温度补偿参数，进行温度补偿，补偿更为精准。

在另一实施例中，在获得目标区域内所有标准人脸的第一体温和所有非标准人脸的第一体温后，即可通过获取目标人脸在预设时间范围内作为标准人脸的第一体温和作为非标准人脸的第一体温，对所有第一体温进行异常数据剔除和非异常数据均值显示；其中，异常数据为处于预设温度范围外的第一体温，非异常数据为处于预设范围内的第一体温。

本实施例中，获得目标区域内所有标准人脸的第一体温和所有非标准人脸的第一体温，也就意味着获取了目标区域内所有人脸在目标区域内的所有第一体温。本实施例在显示每个目标人脸的测量体温时，采用对一定时间范围内的测量体温进行异常数据提出和非异常数据均值求取的方式，避免坏数据对温度测量的影响。

由此，在目标人脸经过摄像头的视野范围时间段内，通过多次测温得到多次测温数据，可实现对目标人脸的跟踪测量。

在实际应用中，预设温度范围为大于等于35°且小于等于41°。

本实施例提供一种基于人脸追踪的无感测温方法，该方法通过实时温度补偿，直接依据获取到的同一帧的标准人脸在两种不同状态下的测温数据进行温度补偿，同一帧中的人体所处环境温度、湿度相同，且同为人体皮肤，红外辐射穿透率也都大致相同，使得补偿量更为准确，提高了大场景下多人脸测量的准确性。

参照图2，图2为本发明基于人脸追踪的无感测温装置实施例的示意图。

如图2所示，本发明实施例提出的基于人脸追踪的无感测温装置，包括：

第一获取模块301，用于获取可见光摄像头采集的目标区域的可见光图像；

第二获取模块302，用于获取红外摄像头处于长焦状态下采集的第一红外图像和处于短焦状态下采集的第二红外图像；其中，所述第一红外图像对应于标准人脸，所述第二红外图像对应于标准人脸和非标准人脸；

第一测温模块303，用于根据所述第一红外图像和所述可见光图像，获得每个标准人脸对应的第一体温；

第二测温模块304，用于根据所述第二红外图像和所述可见光图像，获得每个标准人脸对应的第二体温和每个非标准人脸对应的第二体温；

温度补偿模块305，用于基于每个标准人脸对应的第一体温和第二体温，确定温度补偿参数，对每个非标准人脸的第二体温进行温度补偿，获得每个非标准人脸对应的第一体温。

本发明基于人脸追踪的无感测温装置的其他实施例或具体实现方式可参照上述各方法实施例，此处不再赘述。

参照图3，图3为本发明基于人脸追踪的无感测温系统实施例的示意图。

如图3所示，本发明实施例提出的基于人脸追踪的无感测温系统，包括：

可见光摄像头100，采集目标区域的可见光图像；

红外摄像头200，所述红外摄像头具有长焦状态和短焦状态，所述红外摄像头分别在长焦状态和短焦状态下采集红外图像；

基于人脸追踪的无感测温设备300，所述基于人脸追踪的无感测温设备300包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于人脸追踪的无感测温程序，所述基于人脸追踪的无感测温程序被所述处理器执行时实现如上所述的基于人脸追踪的无感测温方法的步骤。

此外，本发明还提出了一种存储介质，所述存储介质上存储有基于人脸追踪的无感测温程序，所述基于人脸追踪的无感测温程序被处理器执行时实现上述的基于人脸追踪的无感测温方法的步骤。

本申请可读存储介质中基于人脸追踪的无感测温程序的具体实施方式与上述基于人脸追踪的无感测温方法各实施例基本相同，在此不再赘述。

可以理解的是，在本说明书的描述中，参考术语“一实施例”“另一实施例”“其他实施例”，或“第一实施例～第N实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

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、物品或者系统不仅包括那些要素，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、物品或者系统所固有的要素。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、物品或者系统中还存在另外的相同要素。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质（如ROM/RAM、磁碟、光盘）中，包括若干指令用以使得一台终端设备（可以是手机，计算机，服务器，空调器，或者网络设备等）执行本发明各个实施例所述的方法。

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 (8)

1.一种基于人脸追踪的无感测温方法，其特征在于，所述方法包括如下步骤：

获取可见光摄像头采集的目标区域的可见光图像；

根据获取的可见光图像，选取遮挡量小于预设值的N个人脸作为标准人脸，选取标准人脸之外剩余的M个人脸作为非标准人脸；

获取红外摄像头处于长焦状态下采集的第一红外图像和处于短焦状态下采集的第二红外图像；其中，所述第一红外图像包括N张红外图像，每张红外图像对应一个标准人脸，所述第二红外图像对应目标区域内的N个标准人脸和M个非标准人脸；

根据所述第一红外图像和所述可见光图像，获得每个标准人脸对应的第一体温；

根据所述第二红外图像和所述可见光图像，获得每个标准人脸对应的第二体温和每个非标准人脸对应的第二体温；

基于每个标准人脸对应的第一体温和第二体温，确定温度补偿参数，对每个非标准人脸的第二体温进行温度补偿，获得每个非标准人脸对应的第一体温。

2.如权利要求1所述的基于人脸追踪的无感测温方法，其特征在于，基于每个标准人脸对应的第一体温和第二体温，确定温度补偿参数步骤，具体为：

获取每个标准人脸对应的第一体温和第二体温，计算第一体温和第二体温的体温比值；根据所有标准人脸对应的第一体温和第二体温的体温比值，求取平均值作为温度补偿参数；

对每个非标准人脸的第二体温进行温度补偿，获得每个非标准人脸对应的第一体温步骤，具体为：

利用每个非标准人脸对应的第二体温与温度补偿参数的乘积作为每个非标准人脸对应的第一体温。

3.如权利要求1所述的基于人脸追踪的无感测温方法，其特征在于，所述方法还包括：在获取第一红外图像和第二红外图像之前，根据获取的可见光图像，对目标区域进行网格划分，获得N个不重叠的网格区域，在每个网格区域中选取遮挡量最小的人脸作为标准人脸，将其余M个人脸作为非标准人脸。

4.如权利要求3所述的基于人脸追踪的无感测温方法，其特征在于，基于每个标准人脸对应的第一体温和第二体温，确定温度补偿参数步骤，具体为：

获取每个标准人脸对应的第一体温和第二体温，计算第一体温和第二体温的体温比值；根据每个标准人脸对应的网格区域与第一体温和第二体温的体温比值，建立温度补偿参数矩阵；其中，所述温度补偿参数矩阵包括N个与网格区域关联的温度补偿参数；

对每个非标准人脸的第二体温进行温度补偿，获得每个非标准人脸对应的第一体温步骤，具体为：

根据每个非标准人脸对应的非标准人脸位置信息，在温度补偿参数矩阵中确定每个非标准人脸的温度补偿参数；利用每个非标准人脸对应的第二体温与温度补偿参数的乘积作为每个非标准人脸对应的第一体温。

5.如权利要求4所述的基于人脸追踪的无感测温方法，其特征在于，每个非标准人脸的温度补偿参数在温度补偿参数矩阵中对应的网格区域与非标准人脸位置信息满足预设条件，所述预设条件为非标准人脸位置信息落入标准人脸位置信息对应的网格区域内。

6.如权利要求1所述的基于人脸追踪的无感测温方法，其特征在于，目标区域设有校正物体；根据所述第一红外图像和所述可见光图像，获得每个标准人脸对应的第一体温步骤之后，所述方法还包括：

获取红外摄像头处于长焦状态下采集的第三红外图像；其中，所述第三红外图像对应校正物体；

根据所述第三红外图像和所述可见光图像，获得所述校正物体的测量温度；

根据所述校正物体的实际温度和测量温度，确定温度校正参数，对所述第一体温进行校正。

7.如权利要求1所述的基于人脸追踪的无感测温方法，其特征在于，所述方法还包括：获取目标人脸在预设时间范围内作为标准人脸的第一体温和作为非标准人脸的第一体温，对所有第一体温进行异常数据剔除和非异常数据均值显示；其中，异常数据为处于预设温度范围外的第一体温，非异常数据为处于预设范围内的第一体温。

8.一种基于人脸追踪的无感测温系统，其特征在于，所述系统包括：

可见光摄像头，采集目标区域的可见光图像；

红外摄像头，所述红外摄像头具有长焦状态和短焦状态，所述红外摄像头分别在长焦状态和短焦状态下采集红外图像；

基于人脸追踪的无感测温设备，所述基于人脸追踪的无感测温设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于人脸追踪的无感测温程序，所述基于人脸追踪的无感测温程序被所述处理器执行时实现如权利要求1至7中任一项所述的基于人脸追踪的无感测温方法的步骤。

Images