本技术涉及图像处理,尤其涉及一种人脸测温方法、电子设备、装置及存储介质。
背景技术:
1、温度高于零度(-273.15℃)的物体都在不停地向周围空间发射红外能量。通过对物体自身辐射的红外能量的测量,便能准确地测定它的表面温度,这就是红外辐射测温的机理。人体也在向四周辐射释放红外能量,其波长一般为9-13μm,是处在0.76-100μm的近红外波段。由于该波长范围内的光线不被空气所吸收,因此只要通过对人体自身辐射红外能量的测量就能准确地测定人体表面温度。
2、然而,现有的热成像测温产品普遍存在一些缺陷,例如,热成像图像对比度低,分辨细节能力较差,多人测量时人物不易识别;热成像测温显示的是图像中的最高温度点温度,容易受其他高温物体干扰,导致测温点位置不在人体上,造成测温不准。
技术实现思路
1、针对现有技术存在的问题,本技术实施例提供一种人脸测温方法、电子设备、装置及存储介质。
2、第一方面,本技术实施例提供一种人脸测温方法,包括:
3、获取针对同一目标场景同时拍摄的可见光图像和红外图像;
4、基于可见光人脸检测模型,对所述可见光图像进行人脸检测,获得所述可见光图像中的人脸位置框;基于红外人脸检测模型,对所述红外图像进行人脸检测,获得所述红外图像中的人脸位置框;
5、将所述可见光图像中的人脸位置框和所述红外图像中的人脸位置框进行匹配,并根据匹配结果,输出匹配成功的可见光人脸图像及其对应的人脸温度;
6、其中,所述可见光人脸检测模型为基于带有确定可见光人脸标签的样本可见光图像集,对简化处理后的ssd网络模型进行训练获得的;所述红外人脸检测模型为基于带有确定红外人脸标签的样本红外图像集,对所述简化处理后的ssd网络模型进行训练获得的。
7、可选地,对ssd网络模型进行简化处理,包括以下任意一项或其组合:
8、减小模型输入图像的尺寸;
9、将ssd网络模型的主干网络替换为resnet-18网络,并减少所述resnet-18网络中残差块的数量和/或通道数;
10、减少模型中用于目标检测的特征图数量。
11、可选地,所述样本红外图像集通过以下方式获得:
12、分别获取第一红外图像集和第二红外图像集;所述第一红外图像集中的图像均为包含人体的红外图像,所述第二红外图像集中的图像均为不包含人体的背景红外图像;
13、从所述第一红外图像集的各图像中分割出人体图像,并将分割出的各人体图像与所述第二红外图像集的各图像进行组合,组合得到的图像集合作为所述样本红外图像集。
14、可选地,所述将所述可见光图像中的人脸位置框和所述红外图像中的人脸位置框进行匹配,包括:
15、分别计算所述可见光图像中的各人脸位置框与所述红外图像中的各人脸位置框之间的iou,构建iou矩阵;
16、基于所述iou矩阵和匈牙利算法,将所述可见光图像中的各人脸位置框和所述红外图像中的各人脸位置框进行匹配,使得匹配结果所对应的iou之和最大。
17、第二方面,本技术实施例还提供一种电子设备,包括存储器,收发机,处理器:
18、存储器,用于存储计算机程序;收发机,用于在所述处理器的控制下收发数据;处理器,用于读取所述存储器中的计算机程序并执行以下操作:
19、获取针对同一目标场景同时拍摄的可见光图像和红外图像;
20、基于可见光人脸检测模型,对所述可见光图像进行人脸检测,获得所述可见光图像中的人脸位置框;基于红外人脸检测模型,对所述红外图像进行人脸检测,获得所述红外图像中的人脸位置框;
21、将所述可见光图像中的人脸位置框和所述红外图像中的人脸位置框进行匹配,并根据匹配结果,输出匹配成功的可见光人脸图像及其对应的人脸温度;
22、其中,所述可见光人脸检测模型为基于带有确定可见光人脸标签的样本可见光图像集,对简化处理后的ssd网络模型进行训练获得的;所述红外人脸检测模型为基于带有确定红外人脸标签的样本红外图像集,对所述简化处理后的ssd网络模型进行训练获得的。
23、可选地,对ssd网络模型进行简化处理,包括以下任意一项或其组合:
24、减小模型输入图像的尺寸;
25、将ssd网络模型的主干网络替换为resnet-18网络,并减少所述resnet-18网络中残差块的数量和/或通道数;
26、减少模型中用于目标检测的特征图数量。
27、可选地,所述样本红外图像集通过以下方式获得:
28、分别获取第一红外图像集和第二红外图像集;所述第一红外图像集中的图像均为包含人体的红外图像,所述第二红外图像集中的图像均为不包含人体的背景红外图像;
29、从所述第一红外图像集的各图像中分割出人体图像,并将分割出的各人体图像与所述第二红外图像集的各图像进行组合,组合得到的图像集合作为所述样本红外图像集。
30、可选地,所述将所述可见光图像中的人脸位置框和所述红外图像中的人脸位置框进行匹配,包括:
31、分别计算所述可见光图像中的各人脸位置框与所述红外图像中的各人脸位置框之间的iou,构建iou矩阵;
32、基于所述iou矩阵和匈牙利算法,将所述可见光图像中的各人脸位置框和所述红外图像中的各人脸位置框进行匹配,使得匹配结果所对应的iou之和最大。
33、第三方面,本技术实施例还提供一种人脸测温装置,包括:
34、获取单元,用于获取针对同一目标场景同时拍摄的可见光图像和红外图像;
35、检测单元,用于基于可见光人脸检测模型,对所述可见光图像进行人脸检测,获得所述可见光图像中的人脸位置框;基于红外人脸检测模型,对所述红外图像进行人脸检测,获得所述红外图像中的人脸位置框;
36、匹配单元,用于将所述可见光图像中的人脸位置框和所述红外图像中的人脸位置框进行匹配,并根据匹配结果,输出匹配成功的可见光人脸图像及其对应的人脸温度;
37、其中,所述可见光人脸检测模型为基于带有确定可见光人脸标签的样本可见光图像集,对简化处理后的ssd网络模型进行训练获得的;所述红外人脸检测模型为基于带有确定红外人脸标签的样本红外图像集,对所述简化处理后的ssd网络模型进行训练获得的。
38、第四方面,本技术实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序用于使计算机执行如上所述第一方面所述的人脸测温方法的步骤。
39、本技术实施例提供的人脸测温方法、电子设备、装置及存储介质,基于可见光和红外双光谱图像实现人像提取和精准测温,通过轻量级的深度学习人脸检测算法分别识别可见光图像和红外图像中的人脸位置,并根据人脸位置融合匹配的结果,输出可见光人脸图像和相应的人脸温度,从而不仅能够提高人体测温的准确率,而且对硬件设备要求低,可实现低成本人体精准测温。