[go: up one dir, main page]

CN111444555B - 一种测温信息显示方法、装置及终端设备 - Google Patents

一种测温信息显示方法、装置及终端设备 Download PDF

Info

Publication number
CN111444555B
CN111444555B CN202010210352.5A CN202010210352A CN111444555B CN 111444555 B CN111444555 B CN 111444555B CN 202010210352 A CN202010210352 A CN 202010210352A CN 111444555 B CN111444555 B CN 111444555B
Authority
CN
China
Prior art keywords
face
picture
target
temperature measurement
target face
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.)
Active
Application number
CN202010210352.5A
Other languages
English (en)
Other versions
CN111444555A (zh
Inventor
王智卓
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Intellifusion Technologies Co Ltd
Original Assignee
Shenzhen Intellifusion Technologies Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Intellifusion Technologies Co Ltd filed Critical Shenzhen Intellifusion Technologies Co Ltd
Priority to CN202010210352.5A priority Critical patent/CN111444555B/zh
Publication of CN111444555A publication Critical patent/CN111444555A/zh
Application granted granted Critical
Publication of CN111444555B publication Critical patent/CN111444555B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/70—Protecting specific internal or peripheral components, in which the protection of a component leads to protection of the entire computer
    • G06F21/82—Protecting input, output or interconnection devices
    • G06F21/84—Protecting input, output or interconnection devices output devices, e.g. displays or monitors
    • 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
    • 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
    • G01J5/48—Thermography; Techniques using wholly visual means
    • G01J5/485—Temperature profile
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
    • G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
    • G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • 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
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Hardware Design (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Security & Cryptography (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioethics (AREA)
  • Medical Informatics (AREA)
  • Databases & Information Systems (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Radiation Pyrometers (AREA)

Abstract

本申请适用于信息处理技术领域，提供了一种测温信息显示方法、装置及终端设备，所述方法包括：获取待测温用户的目标人脸图片；利用红外测温算法，确定所述目标人脸图片中人脸对应的温度信息；根据所述目标人脸图片与预设的人脸轮廓模型，确定所述待测温用户的目标人脸轮廓，所述预设的人脸轮廓模型用于根据人脸特征构建人脸轮廓；根据所述温度信息与所述目标人脸轮廓，生成目标显示信息，并在显示终端上显示所述目标显示信息。本申请可以解决现有技术中测温效率较低、无法保证被测人员隐私的问题。

Description

一种测温信息显示方法、装置及终端设备
技术领域
本申请属于信息处理技术领域，尤其涉及一种测温信息显示方法、装置及终端设备。
背景技术
随着国家经济与科技的快速发展，国内外出行旅游的越来越多，同时，我国面向世界全面开放，出入国境的旅客也越来越多。由于我们生活的世界有许多未知的疾病和传染性极高的病毒存在，自由出行的旅客如果在未知的地方受到病毒感染，然后携带传染性病毒出入，会严重危害着我国和世界的公共卫生安全。公共场所是人员密集的场所，也是容易出现交叉感染情况的地点。因此，如何对公共场所进行准确有效的健康监测，成为一个很重要的问题。
现有技术中，一般是通过测温产品为出入公共场所的人员进行体温测量。当前的测温产品包括测温枪和基于红外摄像头的人脸闸机。尽管测温枪可以准确测量体温，但是它需要人工操作，从而增加了操作人员感染的风险，并且，基于测温枪的解决方案比较低效。而现有的基于红外摄像头的人脸闸机，通过捕获人脸测温，并在显示屏上显示人脸及其温度信息，虽然实现了无接触测温，但是，公开显示人脸忽略了个人隐私的需求。
综上所述，现有技术中存在测温效率较低、无法保证被测人员隐私的问题。
发明内容
有鉴于此，本申请实施例提供了一种测温信息显示方法、装置及终端设备，以解决现有技术中存在测温效率较低且无法保证被测人员隐私的问题。
本申请实施例的第一方面提供了一种测温信息显示方法，包括：
获取待测温用户的目标人脸图片；
利用红外测温算法，确定所述目标人脸图片中人脸对应的温度信息；
根据所述目标人脸图片与预设的人脸轮廓模型，确定所述待测温用户的目标人脸轮廓，所述预设的人脸轮廓模型用于根据人脸特征构建人脸轮廓；
根据所述温度信息与所述目标人脸轮廓，生成目标显示信息，并在显示终端上显示所述目标显示信息。
本申请实施例的第二方面提供了一种测温信息显示装置，包括：
目标图片获取单元，用于获取待测温用户的目标人脸图片；
红外测温单元，用于利用红外测温算法，确定所述目标人脸图片中人脸对应的温度信息；
人脸轮廓确定单元，用于根据所述目标人脸图片与预设的人脸轮廓模型，确定所述待测温用户的目标人脸轮廓，所述预设的人脸轮廓模型用于根据人脸特征构建人脸轮廓；
信息显示单元，用于根据所述温度信息与所述目标人脸轮廓，生成目标显示信息，并在显示终端上显示所述目标显示信息。
本申请实施例的第三方面提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述方法的步骤。
本申请实施例的第四方面提供了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，所述计算机程序被处理器执行时实现如上述方法的步骤。
本申请实施例的第五方面提供了一种计算机程序产品，当所述计算机程序产品在终端设备上运行时，使得终端设备实现如上述方法的步骤。
本申请实施例与现有技术相比存在的有益效果是：
在本申请的测温信息显示方法中，通过获取待测温用户的目标人脸图片，利用红外测温算法，确定所述目标人脸图片中人脸对应的温度信息，实现无接触的自动测温，可减少人力的同时传染风险，然后根据所述目标人脸图片与预设的人脸轮廓模型，确定所述待测温用户的目标人脸轮廓，所述预设的人脸轮廓模型用于根据人脸特征构建人脸轮廓，再根据所述温度信息与所述目标人脸轮廓，生成目标显示信息，并在显示终端上显示所述目标显示信息，在显示测温结果的同时不再公开显示完整的人脸，从而解决了现有技术中无法保证被测人员隐私的问题，本方案可在提高测温效率的同时保护被测用户的隐私，增强了用户体验。
附图说明
为了更清楚地说明本申请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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的测温信息显示方法的示意图；
图2是本申请实施例提供的测温信息显示方法中获取目标人脸图片的一种具体实现流程图；
图3是本申请实施例提供的测温信息显示方法步骤S102的具体实现流程图；
图4是本申请实施例提供的测温信息显示方法中确定测温区域的具体实现流程图；
图5是本申请实施例提供的测温信息显示方法中确定测温区域的场景示意图；
图6是本申请实施例提供的测温信息显示装置的结构框图；
图7是本申请实施例提供的终端设备的示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
为了说明本申请所述的技术方案，下面通过具体实施例来进行说明。
应当理解，当在本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，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，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。
由于人类受到病毒感染后，最初的表象都是体温升高的发烧状态，现有技术中可通过测温设备对出入用户测温，然而，在实际应用场景中，利用红外人脸闸机进行测温虽然实现了无接触测温，但是，人脸闸机上公开展示了被测用户的人脸和相应温度等信息，虽然可有效告知被测温用户测温结果，但同时，人脸的公开显示可能会为被测用户带来不便，未保障被测用户的信息隐私，因此，在实现无接触测温后，显示测温结果的同时保障被测用户的隐私，是当前需要重视的环节。
为了解决上述问题，本申请实施例提供了一种测温信息显示方法、装置及终端设备，具体参见如下所述。
本申请实施例提供的测温信息显示方法可以应用于人脸闸机、服务器、超级移动个人计算机(ultra-mobile personal computer，UMPC)等终端设备上，本申请实施例对终端设备的具体类型不作任何限制。
实施例一：
图1示出了本申请实施例提供的测温信息显示方法的实现流程，该方法流程包括步骤S101至S104。各步骤的具体实现原理如下：
步骤S101：获取待测温用户的目标人脸图片。
所述目标人脸图片是指待测温用户的人脸图片。通过带有摄像头的人脸闸机实现温度检测，利用人脸闸机的摄像头捕获待测温用户的人脸图片，
本申请实施例中，利用采集装置获取待测温用户的视频图片，拍摄的视频图片包括人脸视频图片，所述采集装置可以是摄像头、摄像机、相机或者扫描仪，也可以是其他带有拍照功能的设备，例如手机、平板电脑等。为提高拍摄的效率，摄像头进行动态视频拍摄，一次视频拍摄能捕获所述待测温用户的一系列视频图片，从该一系列视频图片中抽取多帧人脸视频图片。
示例性地，抽取15帧人脸视频图片，再根据预设的图片选择算法，从抽取的多帧人脸视频图片中选择一帧人脸视频图片作为目标人脸图片。
在一些实施方式中，可对摄像头拍摄的视频图片进行人脸识别，获取包含人脸的人脸视频图片，再根据预设的抽取算法，从包含人脸的人脸视频图片中抽取指定数量的人脸视频图片，利用预设的图片选择算法，对所述指定数量的人脸视频图片进行质量择优，选择质量相对最佳的一帧人脸视频图片作为目标人脸图片。
上述预设的抽取算法可以是随机抽取算法，从上述一系列的视频图片中随机抽取设定数量的人脸视频图片。
实际上，从一系列视频图片中抽取多帧人脸视频图片的过程，也是对视频图片进行初筛选的过程，筛选的标准可以根据视频图片的清晰程度、视频图片中拍摄的人脸的角度确定。
在一些实施方式中，还可以是根据预设图片标准对视频图片进行筛选，抽取指定帧数的满足所述预设图标标准的人脸视频图片，预设图片标准包括图片清晰度、人脸完整度等。
在一些实施方式中，所述摄像头可以为红外摄像头，红外摄像头可以根据人体表面的温度成像，在人脸闸机上安装红外摄像头可进一步提高测温效率。
作为本申请一种可能的实施方式，图2示出了本申请实施例提供的所述根据预设的图片选择算法，从抽取的多帧人脸视频图片中选择一帧人脸视频图片作为目标人脸图片的具体实现流程，详述如下：
A1：将多帧所述人脸视频图片输入至预设深度学习网络模型中做前向推理，获取各张人脸视频图片的概率值，所述预设深度学习网络模型用于计算标识图片质量的概率值。
深度学习模型一个轻量级的经典的分类网络模型，在本申请实施例中，利用深度学习模型对多帧人脸视频图片进行分类，具体地，将多帧人脸视频图片根据图片的质量分类，最终输出质量最佳的人脸视频图片，实现图片质量择优。
本申请实施例中的质量择优，是使用质量算法判断某一帧图片的质量，然后输出一个相应的数值，通过各图片对应的数值的比较结果，确定质量最佳的图片。
作为本申请的一种可能的实施方式，通过预先构建和训练用于图片质量择优深度学习模型，获取预设深度学习模型，所述预设深度学习模型中通过使用空间卷积(depthwise convolution)来替代普通的卷积操作，从而实现模型推理计算加速的目的。
A2：将所述概率值最大的人脸视频图片确定为目标人脸图片。
将多帧人脸视频图片输入至上述预设深度学习模型，在所述预设深度学习模型中进行前向推理计算，获取各帧人脸视频图片对应的概率值。所述概率值用于标识图片质量。
在本实施例中，图片质量与上述概率值正相关，所述人脸视频图片对应的概率值越大，则该人脸视频图片的图片质量越高，反之，所述人脸视频图片对应的概率值越小，则所述人脸视频图片的图片质量越差。
由于摄像头捕获的是针对所述待测温用户的视频图片，如果对每一帧人脸视频图片都进行处理，不仅会加大计算量，还会造成大量的冗余。
在本申请实施例中，通过预设的图片选择算法进行质量择优，从多帧人脸视频图片中选择质量最佳的人脸视频图片作为目标人脸图片，可减少计算量，避免冗余，选择质量最佳的人脸视频图片作为目标人脸视频图片，有利于后续处理的准确性，进而提高处理的有效性。
示例性地，作为本申请的一种实施方式，使用带有softmax(归一化指数函数)层的MobileNet网络(一种轻量级网络)从多帧人脸视频图片中选择目标人脸图片，实现质量择优。具体地，在获取视频图片后，从视频图片中抽取一定张数，例如15张的人脸视频图片，将15张人脸视频图片依次输入到MobileNet网络中做前向推理，分别计算每一张人脸视频图片的概率值，比较15张人脸视频图片的概率值，最后选择概率值的最大的一张图片作为目标人脸图片，进行后续的测温处理。
作为本申请一种可能的实施方式，上述步骤A2具体包括：
A21：对所述概率值最大的人脸视频图片进行图像预处理，所述图像预处理包括图像滤波、图像归一化、光照归一化以及姿态归一化中的一种或者多种。
图像预处理的目的是提高图片质量，以及获取满足要求的图片，为后续处理做准备。作为一种可能的实施方式，本申请实施例中所述图像预处理包括图像滤波、图像归一化、光照归一化以及姿态归一化中的一种或者多种。
图像滤波的目的是滤除掉原始图片中存在的一些噪声点，上述图像滤波是指在尽量保留人脸视频图片细节特征的条件下对人脸视频图片的噪声进行抑制。
作为本申请一种可能的实施方式，可选择中值滤波或者双边滤波等滤波算法对所述人脸视频片进行处理。具体地，中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术，中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近的真实值，从而消除孤立的噪声点。而双边滤波(Bilateral filter)是一种非线性的滤波方法，是结合图像的空间邻近度和像素值相似度的一种折中处理，同时考虑空域信息和灰度相似性，达到保边去噪的目的。
图像归一化的目的是得到相同形式的标准图片。上述图片归一化是指对图片进行了一系列标准的处理变换，使之变换为一固定标准形式的过程，该标准图片称作归一化图片。原始的人脸视频图片在经历一些处理或攻击后可以得到多种副本图片，这些图片在经过相同参数的图片归一化处理后能够得到相同形式的标准图片。图像归一化包括分为线性归一化和非线性归一化两种。线性归一化可以放大和缩小原始图片的长度和宽度，保留图片的线性性质。而非线性归一化是将图片的中心位置进行适当的调整，是的图片的中心位置统一。
由于在真实的测温场景中捕获的人脸视频图片经常会受到光照条件的影响，光照的变化会对图片特征产生干扰，因此，通过对人脸视频图片进行光照归一化处理，从而解决光照干扰造成的不均匀问题。上述光照归一化具体可使用伽玛校正对输入的人脸视频图片进行处理，然后对其执行DOG滤波操作，最后对其执行直方图均衡化操作，从而很好的处理光照干扰造成的不均匀问题。
在实际场景中，摄像头拍摄到的视频图片中通常会包含不同角度的人脸，即这些人脸具有不同的姿态，不同姿态的人脸会影响人脸检测的效率。通过对人脸视频图片进行姿态归一化，可提高人脸检测的准确性和效率。
具体地，通过提取人脸视频图片中的HOG(Histogram of oriented gradient，方向梯度直方图)特征，执行人脸特征对齐操作，从而实现人脸姿态归一化。
作为另一种可能的实施方式，所述图像预处理还包括图像裁剪。在本申请实施例中，将人脸视频图片进行裁剪成指定像素大小的图片，例如，将人脸视频图片裁剪成256×256像素大小的图片。
A22：将经过所述图像预处理的人脸视频图片确定为目标人脸图片。
在本申请实施例中，为提高测温的准确性，在确定概率值最大的人脸视频图片之后，还对该人脸视频图片进行图像预处理，进一步提高图片的质量，从而使得后续的测温处理更为准确有效。
示例性地，以一个应用场景为例，对上述概率值最大的人脸视频图片进行图像滤波的处理，得到消除噪声的第一人脸视频图片，对所述第一人脸视频图片进行图像归一化的处理，得到与标准形式相同的第二人脸视频图片，对所述第二人脸视频图片进行光照归一化的处理，减少所述第二人脸视频图片中光照的影响，得到第三人脸视频图片，再对所述第三人脸视频图片进行姿态归一化的处理，得到人脸姿态归一化的第四人脸视频图片，最后将所述第四人脸视频图片裁剪为256×256像素大小后作为所述目标人脸图片。
步骤S102：利用红外测温算法，确定所述目标人脸图片中人脸对应的温度信息。
在获取目标人脸图片后，再利用红外测温算法进行测温计算，从而获取待测温用户的温度信息。
作为本申请一种可能的实施方式，在获取目标人脸图片之后，使用人脸检测算法检测所述目标人脸图片中人脸，定位所述目标人脸图片中人脸的具体位置。通过对所述目标人脸图片中人脸进行定位后，再利用红外测温算法进行测温计算，可提高测温的准确性。
在一些实施方式下，选择BlazeFace算法作为本申请实施例中的人脸检测算法。BlazeFace是一种轻量型的人脸检测算法，它使用改进后的MobileNet算法作为基准网络，并在SSD(Single Shot MultiBox Detector，单目标检测器)算法的基础上修改了anchor(锚)机制，运行速度快，可节约时间，并达到实时检测的效果。
在实际应用场景中，往往是针对特定人体的特定部位进行测温，例如，额头。为了提高测温的有效性，可在获取目标人脸图片之后，进一步具体确定测温区域，所述测温区域是指可获取有效测温结果的人脸区域。
作为本申请一种可能的实施方式，可通过检测所述目标人脸图片中的人脸关键点，根据所述人脸关键点确定测温区域，如图3所示，上述步骤S102具体包括：
B1：检测所述目标人脸图片中的人脸关键点。
所述人脸关键点包括但不限于鼻子、左眼、右眼、左眉毛、右眉毛、左耳、右耳以及嘴巴。
通过人脸检测算法对所述目标人脸图片进行人脸检测，可以确定人脸在所述目标人脸图片中的具体位置，使用人脸关键点检测算法，检测所述目标人脸图片中的人脸关键点。在一种实施方式中，使用BlazeFace算法检测所述目标人脸图片中的人脸关键点。BlazeFace算法不仅可以检测出人脸所在的位置，而且可以预测出人脸关键点的位置。
B2：根据检测的人脸关键点，确定所述目标人脸图片的测温区域。所述测温区域可以是额头，或者是耳后，在此不做限定
B3：利用红外测温算法对所述测温区域进行测温计算，获取所述测温区域对应的温度信息。
可以根据实际需求选择红外测温算对所述测温区域进行测温计算，从而获取所述测温区域对应的温度信息。
在本申请实施例中，通过检测所述目标人脸图片中的人脸关键点，然后根据检测的人脸关键点，确定所述目标人脸图片中可用于有效测温的测温区域，再利用红外测温算法对所述测温区域进行测温计算，获取所述测温区域对应的温度信息，从而使得测温更为准确有效。
作为本申请一种可能的实施方式，如图4所示，所述目标人脸图片中的人脸关键点包括第一人脸关键点和第二人脸关键点，上述B2具体包括：
B21：根据所述第一人脸关键点和所述第二人脸关键点，构建所述目标人脸图片的区域分割线。
B22：利用所述区域分割线将所述目标人脸图片进行区域分割。
B23：将所述区域分割后满足测温条件的区域确定为所述目标人脸图片的测温区域。所述测温条件与检测的人脸关键点相关。
在本申请实施例中，利用所述区域分割线将所述目标人脸图片进行区域分割之后，可将其中面积较小区域确定为满足测温条件的测温区域。
在一种可能的实施方式中，将所述第一人脸关键点和所述第二人脸关键点之间的水平线确定为所述目标人脸图片的区域分割线。根据该区域分割线将所述目标人脸图片进行分割，即，在所述目标人脸图片中划分区域，将满足测温条件的区域确定为所述目标人脸图片的测温区域。
在一种可能的实施方式中，上述第一人脸关键点为左眉毛，上述第二人脸关键点为右眉毛，如图5所示，将所述左眉毛与所述右眉毛的水平连线确定为所述目标人脸图片的区域分割线，利用该区域分割线与将所述目标人脸图片中的人脸区域的交点，将所述目标人脸图片划分为两个区域，其中，区域面积较小的确定为测温区域，再利用上述红外测温算法计算出该测温区域的温度，得到所述目标人脸图片对应的温度信息。
在一种可能的实施方式中，上述第一人脸关键点为左眼，上述第二人脸关键点为右眼，将所述左眼与所述右眼的水平连线确定为所述目标人脸图片的区域分割线，利用该区域分割线与将所述目标人脸图片中的人脸区域的交点，将所述目标人脸图片划分为两个区域，其中，区域面积较小的确定为测温区域，再利用上述红外测温算法计算出该测温区域的温度，得到所述目标人脸图片对应的温度信息。
作为本申请一种可能的实施方式，可根据下述公式(1)对所述测温区域进行测温计算，获取所述测温区域对应的温度信息T，具体公式(1)如下：
T＝(V/(s×5e-10×(1+2e-3×Tamb))+(Tamb+273.15)^4)^0.25-273.15 (1)
其中，V为人脸闸机的传感器电压，s为校准系数。Tamb为环境温度。
本申请实施例中，利用上述测温公式可对所述目标人脸图片对应的待测温用户进行准确有效的测温计算。
步骤S103：根据所述目标人脸图片与预设的人脸轮廓模型，确定所述待测温用户的目标人脸轮廓，所述预设的人脸轮廓模型用于根据人脸特征构建人脸轮廓。
在一些实施方式中，可根据检测到的人脸关键点即可构造一个基本的人脸轮廓，在本申请实施例中，为提高人脸轮廓的准确性，将所述目标人脸图片输入至预设的人脸轮廓模型，通过所述预设的人脸轮廓模型确定所述待测温用户的目标人脸轮廓。
所述目标人脸轮廓是所述预设的人脸轮廓模型从所述目标人脸图片中提取人脸特征后构建的，所述目标人脸轮廓与所述待测温用户的人脸对应。
所述预设的人脸轮廓模型为神经网络模型，具体用于提取图片中的人脸特征，并根据人脸特征构建人脸轮廓。作为本申请一种可能的实施方式，所述预设的人脸轮廓模型包括卷积网络、编码网络以及解码网络，所述卷积网络包括第一卷积层；所述编码网络包括第二卷积层、激活层与池化层，所述第一卷积层与所述第二卷积层的参数可以相同，也可以不同。所述解码网络包括残差网络层。在本申请实施例中，将所述目标人脸图片依次经过上述卷积网络、上述编码网络以及上述解码网络的处理，最终得到所述待测温用户的人脸轮廓。
示例性地，在一种应用场景中，将所述目标人脸图片输入至1×1的卷积网络层中，该卷积网络层用来扩充通道信息；将该卷积网络层输出的特征输入至编码网络中，该编码网络包括4个Block(网络模块)，每一个Block包括一个卷积层、一个激活层和一个池化层；再将该编码网络输出的特征输入至解码网络中，该解码网络包括一个D-Block块，每一个D-Block块包含一个残差网络，该残差网络设有第一分支和第二分支，其中，所述第一分支包括四个卷积层，依次为一个1×1的卷积、一个3×3的卷积、一个1×1的卷积以及一个3×3的卷积，所述第二分支包括一个1×1的卷积，将所述第一分支与所述第二分支输出的结果叠加后，得到待测温用户的人脸轮廓。
步骤S104：根据所述温度信息与所述目标人脸轮廓，生成目标显示信息，并在显示终端上显示所述目标显示信息。
所述目标显示信息为上述温度信息与上述目标人脸轮廓的结合，待测温用户通过人脸闸机测温后，在显示终端上显示的是上述目标人脸轮廓及其对应的温度信息，不再显示完整的人脸，例如，将温度信息标识在目标人脸轮廓的上方进行显示。所述显示终端可以是人脸闸机。
上述目标人脸轮廓既可以标识所述待测温用户，又避免了在公开场合展示所述待测温用户的全脸，有效保证了所述待测温用户的隐私，大大增强了用户体验。在所述目标显示信息中，所述目标人脸轮廓可以根据设定以指定颜色显示。
作为本申请一种可能的实施方式，在利用红外测温算法，确定所述目标人脸图片中人脸对应的温度信息后，根据所述温度信息判断所述待测温用户的体温是否在预设温度阈值范围内，若所述待测温用户的体温在预设温度阈值范围内，则表示所述待测温用户的体温正常，所述待测温用户的体温不在预设温度阈值范围内，则表示所述待测温用户的体温异常。再通过语音装置输出与判断结果相对应的语音信息。
例如，若所述待测温用户的体温在预设温度阈值范围内，则输出“您的体温正常，请通过”；若所述待测温用户的体温不在预设温度阈值范围内，即所述待测温用户的体温异常时，则输出“您的体温异常”的警报提示。
作为一种可能的实施方式，当所述待测温用户的体温异常时，将所述温度信息与所述目标人脸轮廓发送至指定的智能设备，例如，发送给管理人员的移动设备，以使得管理人员协助管理该待测温用户。所述指定的智能设备还可以为服务器，当所述待测温用户的体温异常时，将所述温度信息与所述目标人脸轮廓发送至服务器存储记录，以实现对该体温异常的用户的可追踪，从而达到管控疫情的目的。
示例性地，在一种应用场景中，待测温用户通过带有红外摄像头的人脸闸机，利用所述红外摄像头拍摄待测温用户的视频图片，从所述视频图片中抽取15张图片清晰度达到预设清晰度阈值的人脸视频图片，然后将抽取的15张人脸视频图片依次输入至训练好的深度学习网络模型中进行前向推理计算，根据该计算得到标识图片质量的概率值，将15张人脸视频图片分别对应的概率值进行比较，将其中概率值最大的人脸视频图片进行图像预处理，具体地，依次经过图像滤波处理、图像归一化处理、光照归一化处理以及姿态归一化处理，再将该人脸视频图片裁剪为指定像素大小的图片，从而得到目标人脸图片。对所述目标人脸图片进行人脸关键点检测，确定所述目标人脸图片中左眉毛和右眉毛的位置，将所述左眉毛与所述右眉毛水平连线，将该水平连线将所述目标人脸图片中人脸区域分割，将眉毛以上的区域即额头部分确定为测温区域，再利用红外测温算法针对该测温区域进行测温，获取所述待测温用户的温度信息。将所述目标人脸图片输入至1×1的卷积网络层中，通过该卷积网络层用扩充通道信息，然后将该卷积网络层输出的特征输入至编码网络中，该编码网络包括4个Block，每一个Block包括一个卷积层、一个激活层和一个池化层，将经过各Block中卷积层、激活层以及池化层的处理后输出的特征输入至解码网络中，利用该解码网络中残差网络进行计算，最终得到待测温用户的人脸轮廓。将所述人脸轮廓与上述温度信息结合，生成目标显示信息在所述人脸闸机上显示，在实现无接触测温的同时，避免了公开用户人脸，保证了用户信息的私密性。
由上可见，在本申请实施例中，通过获取待测温用户的目标人脸图片，利用红外测温算法，确定所述目标人脸图片中人脸对应的温度信息，实现无接触的自动测温，可减少人力的同时传染风险，然后根据所述目标人脸图片与预设的人脸轮廓模型，确定所述待测温用户的目标人脸轮廓，所述预设的人脸轮廓模型用于根据人脸特征构建人脸轮廓，再根据所述温度信息与所述目标人脸轮廓，生成目标显示信息，并在显示终端上显示所述目标显示信息，在显示测温结果的同时不再公开显示完整的人脸，从而解决了现有技术中无法保证被测人员隐私的问题，本方案可在提高测温效率的同时保护被测用户的隐私，增强了用户体验。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
实施例二：
对应于上文实施例所述的测温信息显示方法，图6示出了本申请实施例提供的测温信息显示装置的结构框图，为了便于说明，仅示出了与本申请实施例相关的部分。
参照图6，该测温信息显示装置包括：目标图片获取单元61，红外测温单元62，人脸轮廓确定单元63，信息显示单元64，其中：
目标图片获取单元61，用于获取待测温用户的目标人脸图片；
红外测温单元62，用于利用红外测温算法，确定所述目标人脸图片中人脸对应的温度信息；
人脸轮廓确定单元63，用于根据所述目标人脸图片与预设的人脸轮廓模型，确定所述待测温用户的目标人脸轮廓，所述预设的人脸轮廓模型用于根据人脸特征构建人脸轮廓；
信息显示单元64，用于根据所述温度信息与所述目标人脸轮廓，生成目标显示信息，并在显示终端上显示所述目标显示信息。
在一些可能的实现方式中，所述目标图片获取单元61包括：
视频图片捕获模块，用于利用采集装置获取待测温用户的视频图片；
人脸视频图片获取模块，用于从所述视频图片中抽取多帧人脸视频图片；
目标人脸图片确定模块，用于根据预设的图片选择算法，从抽取的多帧人脸视频图片中选择一帧人脸视频图片作为目标人脸图片。
在一些可能的实现方式中，所述目标人脸图片确定模块具体用于：
将多帧所述人脸视频图片输入至预设深度学习网络模型中做前向推理，获取各张人脸视频图片的概率值，所述预设深度学习网络模型用于计算标识图片质量的概率值；
将所述概率值最大的人脸视频图片确定为目标人脸图片。
在一些可能的实现方式中，所述目标图片获取单元61还包括：
图像预处理模块，用于对所述概率值最大的人脸视频图片进行图像预处理，所述图像预处理包括图像滤波、图像归一化、光照归一化以及姿态归一化中的一种或者多种；
所述目标人脸图片确定模块，还用于将经过所述图像预处理的人脸视频图片确定为目标人脸图片。
在一些可能的实现方式中，所述红外测温单元62包括：
关键点检测模块，用于检测所述目标人脸图片中的人脸关键点；
测温区域确定模块，用于根据检测的人脸关键点，确定所述目标人脸图片的测温区域；
红外测温模块，用于利用红外测温算法对所述测温区域进行测温计算，获取所述测温区域对应的温度信息。
在一些可能的实现方式中，所述目标人脸图片中的人脸关键点包括第一人脸关键点和第二人脸关键点，所述测温区域确定模块包括：
分割线确定子模块，用于根据所述第一人脸关键点和所述第二人脸关键点，构建所述目标人脸图片的区域分割线；
区域分割子模块，用于利用所述区域分割线将所述目标人脸图片进行区域分割；
测温区域确定子模块，用于将所述区域分割后满足测温条件的区域确定为所述目标人脸图片的测温区域。
在一些可能的实现方式中，所述预设的人脸轮廓模型包括卷积网络、编码网络以及解码网络；
所述卷积网络包括第一卷积层；
所述编码网络包括第二卷积层、激活层与池化层；
所述解码网络包括残差网络层。
在本申请实施例中，通过获取待测温用户的目标人脸图片，利用红外测温算法，确定所述目标人脸图片中人脸对应的温度信息，实现无接触的自动测温，可减少人力的同时传染风险，然后根据所述目标人脸图片与预设的人脸轮廓模型，确定所述待测温用户的目标人脸轮廓，所述预设的人脸轮廓模型用于根据人脸特征构建人脸轮廓，再根据所述温度信息与所述目标人脸轮廓，生成目标显示信息，并在显示终端上显示所述目标显示信息，在显示测温结果的同时不再公开显示完整的人脸，从而解决了现有技术中无法保证被测人员隐私的问题，本方案可在提高测温效率的同时保护被测用户的隐私，增强了用户体验。
需要说明的是，上述装置/单元之间的信息交互、执行过程等内容，由于与本申请方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，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，所述计算机可读存储介质存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如图1至图5表示的任意一种测温信息显示方法的步骤。
本申请实施例还提供一种智能设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令，所述处理器执行所述计算机可读指令时实现如图1至图5表示的任意一种测温信息显示方法的步骤。
本申请实施例还提供一种计算机程序产品，当该计算机程序产品在服务器上运行时，使得服务器执行实现如图1至图5表示的任意一种测温信息显示方法的步骤。
实施例三：
图7是本申请实施例三提供的终端设备的示意图。如图7所示，该实施例的终端设备7包括：处理器70、存储器71以及存储在所述存储器71中并可在所述处理器70上运行的计算机程序72。所述处理器70执行所述计算机程序72时实现上述测温信息显示方法实施例中的步骤，例如图1所示的步骤S101至S104。或者，所述处理器70执行所述计算机程序72时实现上述各装置实施例中各模块/单元的功能，例如图6所示单元61至64的功能。
示例性的，所述计算机程序72可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器71中，并由所述处理器70执行，以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序72在所述终端设备7中的执行过程。例如，所述计算机程序72可以被分割成目标图片获取单元、红外测温单元、人脸轮廓确定单元和信息显示单元，各单元具体功能如下：
目标图片获取单元，用于获取待测温用户的目标人脸图片；
红外测温单元，用于利用红外测温算法，确定所述目标人脸图片中人脸对应的温度信息；
人脸轮廓确定单元，用于根据所述目标人脸图片与预设的人脸轮廓模型，确定所述待测温用户的目标人脸轮廓，所述预设的人脸轮廓模型用于根据人脸特征构建人脸轮廓；
信息显示单元，用于根据所述温度信息与所述目标人脸轮廓，生成目标显示信息，并在显示终端上显示所述目标显示信息。
所述终端设备7可以是人脸闸机、桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括，但不仅限于，处理器70、存储器71。本领域技术人员可以理解，图7仅仅是终端设备7的示例，并不构成对终端设备7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，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器70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)、现场可编程门阵列(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。
所述存储器71可以是所述终端设备7的内部存储单元，例如终端设备7的硬盘或内存。所述存储器71也可以是所述终端设备7的外部存储设备，例如所述终端设备7上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器71还可以既包括所述终端设备7的内部存储单元也包括外部存储设备。所述存储器71用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器71还可以用于暂时地存储已经输出或者将要输出的数据。
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。
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/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端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。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元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。
所述集成的模块/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，本申请实现上述实施例方法中的全部或部分流程，也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。所述计算机可读介质可以包括：能够携带所述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 Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
以上所述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精神和范围，均应包含在本申请的保护范围之内。

Claims (8)

1.一种测温信息显示方法，其特征在于，包括：
获取待测温用户的目标人脸图片；
利用红外测温算法，确定所述目标人脸图片中人脸对应的温度信息；
根据所述目标人脸图片与预设的人脸轮廓模型，确定所述待测温用户的目标人脸轮廓，所述预设的人脸轮廓模型用于根据人脸特征构建人脸轮廓；
根据所述温度信息与所述目标人脸轮廓，生成目标显示信息，并在显示终端上显示所述目标显示信息，不再显示完整的人脸；
所述获取待测温用户的目标人脸图片的步骤，包括：
利用采集装置获取待测温用户的视频图片；
从所述视频图片中抽取多帧人脸视频图片；
根据预设的图片选择算法，从抽取的多帧人脸视频图片中选择一帧人脸视频图片作为目标人脸图片；
所述根据预设的图片选择算法，从抽取的多帧人脸视频图片中选择一帧人脸视频图片作为目标人脸图片的步骤，包括：
将多帧所述人脸视频图片输入至预设深度学习网络模型中做前向推理，获取各张人脸视频图片的概率值，所述预设深度学习网络模型用于计算标识图片质量的概率值；
将所述概率值最大的人脸视频图片确定为目标人脸图片。
2.根据权利要求1所述的测温信息显示方法，其特征在于，所述利用红外测温算法，确定所述目标人脸图片中人脸对应的温度信息的步骤，包括：
检测所述目标人脸图片中的人脸关键点；
根据检测的人脸关键点，确定所述目标人脸图片的测温区域；
利用红外测温算法对所述测温区域进行测温计算，获取所述测温区域对应的温度信息。
3.根据权利要求2所述的测温信息显示方法，其特征在于，所述目标人脸图片中的人脸关键点包括第一人脸关键点和第二人脸关键点，所述根据检测的人脸关键点，确定所述目标人脸图片的测温区域的步骤，包括：
根据所述第一人脸关键点和所述第二人脸关键点，构建所述目标人脸图片的区域分割线；
利用所述区域分割线将所述目标人脸图片进行区域分割；
将所述区域分割后满足测温条件的区域确定为所述目标人脸图片的测温区域。
4.根据权利要求1所述的测温信息显示方法，其特征在于，所述预设的人脸轮廓模型包括卷积网络、编码网络以及解码网络；
所述卷积网络包括第一卷积层；
所述编码网络包括第二卷积层、激活层与池化层；
所述解码网络包括残差网络层。
5.一种测温信息显示装置，其特征在于，包括：
目标图片获取单元，用于获取待测温用户的目标人脸图片；
红外测温单元，用于利用红外测温算法，确定所述目标人脸图片中人脸对应的温度信息；
人脸轮廓确定单元，用于根据所述目标人脸图片与预设的人脸轮廓模型，确定所述待测温用户的目标人脸轮廓，所述预设的人脸轮廓模型用于根据人脸特征构建人脸轮廓；
信息显示单元，用于根据所述温度信息与所述目标人脸轮廓，生成目标显示信息，并在显示终端上显示所述目标显示信息，不再显示完整的人脸；
所述目标图片获取单元包括：
视频图片捕获模块，用于利用采集装置获取待测温用户的视频图片；
人脸视频图片获取模块，用于从所述视频图片中抽取多帧人脸视频图片；
目标人脸图片确定模块，用于根据预设的图片选择算法，从抽取的多帧人脸视频图片中选择一帧人脸视频图片作为目标人脸图片；
所述目标人脸图片确定模块具体用于：
将多帧所述人脸视频图片输入至预设深度学习网络模型中做前向推理，获取各张人脸视频图片的概率值，所述预设深度学习网络模型用于计算标识图片质量的概率值；
将所述概率值最大的人脸视频图片确定为目标人脸图片。
6.根据权利要求5所述的测温信息显示装置，其特征在于，所述红外测温单元包括：
关键点检测模块，用于检测所述目标人脸图片中的人脸关键点；
测温区域确定模块，用于根据检测的人脸关键点，确定所述目标人脸图片的测温区域；
红外测温模块，用于利用红外测温算法对所述测温区域进行测温计算，获取所述测温区域对应的温度信息。
7.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至4任一项所述方法的步骤。
8.一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，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至4任一项所述方法的步骤。
CN202010210352.5A 2020-03-23 2020-03-23 一种测温信息显示方法、装置及终端设备 Active CN111444555B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010210352.5A CN111444555B (zh) 2020-03-23 2020-03-23 一种测温信息显示方法、装置及终端设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010210352.5A CN111444555B (zh) 2020-03-23 2020-03-23 一种测温信息显示方法、装置及终端设备

Publications (2)

Publication Number Publication Date
CN111444555A CN111444555A (zh) 2020-07-24
CN111444555B true CN111444555B (zh) 2024-03-26

Family

ID=71629468

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010210352.5A Active CN111444555B (zh) 2020-03-23 2020-03-23 一种测温信息显示方法、装置及终端设备

Country Status (1)

Country Link
CN (1) CN111444555B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113516167A (zh) * 2021-05-17 2021-10-19 中国工商银行股份有限公司 生物特征识别方法及装置
CN113420629B (zh) * 2021-06-17 2023-04-28 浙江大华技术股份有限公司 一种图像处理方法、装置、设备及介质
CN117373073A (zh) * 2022-06-30 2024-01-09 千里眼(广州)人工智能科技有限公司 基于机器人的测控方法、系统、设备及介质
CN115574944A (zh) * 2022-09-06 2023-01-06 广东德恒信息科技有限公司 一种人脸测温方法、设备及可存储介质
CN117789278A (zh) * 2024-02-26 2024-03-29 深圳市华彩视讯科技有限公司 一种人脸识别测温方法、装置及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101999888A (zh) * 2010-12-01 2011-04-06 北京航空航天大学 一种对体温异常者进行检测与搜寻的疫情防控系统
CN105138981A (zh) * 2015-08-20 2015-12-09 北京旷视科技有限公司 活体检测系统和方法
CN107336581A (zh) * 2017-07-20 2017-11-10 金俊如 一种不侵害车内人员隐私的驾驶辅助系统
CN107591207A (zh) * 2017-08-24 2018-01-16 深圳市华盛昌科技实业股份有限公司 一种疫情排查方法、装置、系统及设备
CN109636397A (zh) * 2018-11-13 2019-04-16 平安科技（深圳）有限公司 公共交通出行控制方法、装置、计算机设备及存储介质
CN110348419A (zh) * 2019-07-18 2019-10-18 三星电子（中国）研发中心 用于拍照的方法和装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101999888A (zh) * 2010-12-01 2011-04-06 北京航空航天大学 一种对体温异常者进行检测与搜寻的疫情防控系统
CN105138981A (zh) * 2015-08-20 2015-12-09 北京旷视科技有限公司 活体检测系统和方法
CN107336581A (zh) * 2017-07-20 2017-11-10 金俊如 一种不侵害车内人员隐私的驾驶辅助系统
CN107591207A (zh) * 2017-08-24 2018-01-16 深圳市华盛昌科技实业股份有限公司 一种疫情排查方法、装置、系统及设备
CN109636397A (zh) * 2018-11-13 2019-04-16 平安科技（深圳）有限公司 公共交通出行控制方法、装置、计算机设备及存储介质
CN110348419A (zh) * 2019-07-18 2019-10-18 三星电子（中国）研发中心 用于拍照的方法和装置

Also Published As

Publication number Publication date
CN111444555A (zh) 2020-07-24

Similar Documents

Publication Publication Date Title
CN111444555B (zh) 一种测温信息显示方法、装置及终端设备
CN108154105B (zh) 水下生物检测与识别方法、装置、服务器及终端设备
US10740912B2 (en) Detection of humans in images using depth information
WO2019137038A1 (zh) 注视点确定方法、对比度调节方法及对比度调节装置、虚拟现实设备及存储介质
CN110796600B (zh) 一种图像超分重建方法、图像超分重建装置及电子设备
CN109086718A (zh) 活体检测方法、装置、计算机设备及存储介质
US20230056564A1 (en) Image authenticity detection method and apparatus
CN109948420B (zh) 人脸比对方法、装置及终端设备
TWI721786B (zh) 人臉校驗方法、裝置、伺服器及可讀儲存媒介
CN108711161A (zh) 一种图像分割方法、图像分割装置及电子设备
CN110390229B (zh) 一种人脸图片筛选方法、装置、电子设备及存储介质
CN110059666B (zh) 一种注意力检测方法及装置
CN111259763B (zh) 目标检测方法、装置、电子设备及可读存储介质
EP3282387A1 (en) Fire detection method, fire detection apparatus and electronic equipment
CN107172354A (zh) 视频处理方法、装置、电子设备及存储介质
CN113158773B (zh) 一种活体检测模型的训练方法及训练装置
CN109726613B (zh) 一种用于检测的方法和装置
CN117934897A (zh) 一种设备异常检测方法、装置、设备以及存储介质
CN112883762A (zh) 一种活体检测方法、装置、系统及存储介质
CN110795998B (zh) 人流量的检测方法、装置、电子设备及可读存储介质
JP6399122B2 (ja) 顔検出装置およびその制御方法
CN113822927B (zh) 一种适用弱质量图像的人脸检测方法、装置、介质及设备
CN111222446B (zh) 人脸识别方法、人脸识别装置及移动终端
CN108764040A (zh) 一种图像检测方法、终端及计算机存储介质
CN108805883B (zh) 一种图像分割方法、图像分割装置及电子设备

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