温度测量方法、装置及系统制造方法及图纸

本申请实施例公开了一种温度测量方法、装置及系统，属于计算机视觉研究领域。所述方法包括：获取第一可见光图像和第一热红外图像，对第一可见光图像进行目标物的检测处理，得到第一位置信息，第一位置信息用于指示目标物在第一可见光图像中的位置；基于第一位置信息对第一可见光图像和第一热红外图像进行图像截取处理，得到局部图像，将第一位置信息和局部图像输入至视差估计网络模型，得到目标双目视差，根据第一位置信息和目标双目视差，确定第二位置信息，按照第二位置信息，从第一热红外图像中确定目标物的温度。如此，根据目标双目视差和第一位置信息，可以在第一热红外图像中确定目标物的位置，进而确定目标物的温度。进而确定目标物的温度。进而确定目标物的温度。

【技术实现步骤摘要】
温度测量方法、装置及系统


[0001]本本申请实施例涉及计算机视觉研究领域，特别涉及一种温度测量方法、装置及系统。

技术介绍

[0002]车站、机场、医院、港口、学校等人流量较大的公共场所经常需要进行温度测量，找出发热人员，特别是出现疫情的情况下温度测量就更为重要。
[0003]通常，公共场所的温度测量一般都采用非接触式测温方式，常用的测温系统有手持测温枪和非制冷红外测温系统，由于手持测温枪使用时每次只能测量单个人员，且经常出现每人需要反复测量才能完成测温的情况，效率低且精度较差。因此，公共场所的温度测量大多采用非制冷红外测温系统来完成。相关技术中，由于热红外图像中的不同颜色代表被测物体的不同温度，通过查看热红外图像，可以观察到被测物体的整体温度分布状况。因此，温度测量通常是基于非制冷红外测温系统中热红外相机所拍摄的热红外图像，在热红外图像中进行目标物检测，定位目标物所处的位置后，即按照该位置从热红外图像中确定目标物的温度。
[0004]然而，使用热红外图像来定位目标物的位置，可能会由于热红外图像的原始分辨率过低且纹理细节易丢失，而导致目标物和背景、其它物体等混在一起，无法从热红外图像中识别出目标物，进而无法确定目标物的温度，导致温度测量失败。。

技术实现思路

[0005]本申请实施例提供了一种温度测量方法、装置及系统，可以在热红外图像中精准定位目标物所处位置，进而按照目标物所处位置确定目标物的温度，提高了温度测量的精确度。所述技术方案如下：
[0006]一方面，提供了一种温度测量方法，所述方法包括：
[0007]获取第一可见光图像和第一热红外图像；
[0008]对所述第一可见光图像进行目标物的检测处理，得到第一位置信息，所述第一位置信息用于指示所述目标物在所述第一可见光图像中的位置；
[0009]基于所述第一位置信息，对所述第一可见光图像和所述第一热红外图像进行图像截取处理，得到局部图像；
[0010]将所述第一位置信息和所述局部图像输入至视差估计网络模型，得到目标双目视差，所述目标双目视差用于指示包含所述目标物的可见光图像和热红外图像之间的双目视差；
[0011]根据所述第一位置信息和所述目标双目视差，确定第二位置信息，所述第二位置信息用于指示所述目标物在所述第一热红外图像中的位置；
[0012]按照所述第二位置信息，从所述第一热红外图像中确定所述目标物的温度。
[0013]可选地，所述基于所述第一位置信息，对所述第一可见光图像和所述第一热红外
图像进行图像截取处理，得到的局部图像，包括：
[0014]对所述第一位置信息进行位置扩充处理，得到目标位置信息；
[0015]从所述第一可见光图像中截取所述目标位置信息对应的图像，得到局部可见光图像，从所述第一热红外图像中截取所述目标位置信息对应的图像，得到局部热红外图像；
[0016]其中，所述局部图像包括所述局部可见光图像和所述局部热红外图像。
[0017]可选地，所述第一位置信息包括第一检测框，所述目标位置信息包括目标检测框，所述第一检测框的中心和所述目标检测框的中心重合；
[0018]所述对所述第一位置信息进行位置扩充处理，得到目标位置信息，包括：
[0019]基于所述第一检测框的中心，将所述第一检测框向四周扩充目标尺寸，得到所述目标检测框。
[0020]可选地，所述视差估计网络模型包括特征提取网络层、特征融合网络层和视差估计网络层；
[0021]所述将所述第一位置信息和所述局部图像输入至视差估计网络模型，得到目标双目视差，包括：
[0022]调用所述特征提取网络层，对所述第一位置信息和所述局部图像进行特征提取处理，得到所述目标物的高阶特征；
[0023]调用所述特征融合网络层，对所述目标物的高阶特征进行特征融合处理，得到所述目标物的融合特征；
[0024]调用所述视差估计网络层，对所述目标物的融合特征进行视差估计处理，得到所述目标双目视差。
[0025]可选地，所述局部图像包括局部可见光图像和局部热红外图像，所述特征提取网络层包括第一提取子网络层、第二提取子网络层和第三提取子网络层；
[0026]所述调用所述特征提取网络层，对所述第一位置信息和所述局部图像进行特征提取处理，得到所述目标物的高阶特征，包括：
[0027]调用所述第一提取子网络层，对所述第一位置信息进行特征提取处理，得到第一高阶特征；
[0028]调用所述第二提取子网络层，对所述局部可见光图像进行特征提取处理，得到第二高阶特征；
[0029]调用所述第三提取子网络层，对所述局部热红外图像进行特征提取处理，得到第三高阶特征；
[0030]其中，所述目标物的高阶特征包括所述第一高阶特征、所述第二高阶特征以及所述第三高阶特征。
[0031]可选地，所述视差估计网络模型的训练过程如下：
[0032]获取至少一个训练样本，每个所述训练样本包括参考可见光图像、参考热红外图像、参考位置信息以及参考双目视差，所述参考位置信息用于指示目标物在所述参考可见光图像中的位置，所述参考双目视差为所述参考可见光图像和所述参考热红外图像之间的双目视差；
[0033]调用所述视差估计网络模型，对所述参考可见光图像、所述参考热红外图像和所述参考位置信息进行处理，得到估计双目视差；
[0034]根据所述估计双目视差和所述参考双目视差，计算所述视差估计网络模型的预测损失值；
[0035]按照所述预测损失值，调整所述视差估计网络模型的参数。
[0036]可选地，所述按照所述第二位置信息，从所述第一热红外图像中确定所述目标物的温度之后，所述方法还包括：
[0037]根据所述目标双目视差，确定所述目标物和异源双目相机之间的距离，所述异源双目相机包括用于拍摄可见光图像的可见光相机和用于拍摄热红外图像的热红外相机；
[0038]获取与所述距离对应的温度衰减值；
[0039]按照所述温度衰减值对所述温度进行修正处理，得到所述目标物的修正温度。
[0040]可选地，所述获取第一可见光图像和第一热红外图像，包括：
[0041]获取第一可见光图像和第一热红外图像，所述第一可见光图像和所述第一热红外图像是异源双目相机拍摄得到的；
[0042]对所述第一可见光图像和所述第一热红外图像进行缩放处理，得到处理后的可见光图像和处理后的热红外图像；
[0043]获取所述异源双目相机对应的校正参数；
[0044]按照所述校正参数对所述处理后的可见光图像和所述处理后的热红外图像进行双目校正处理，得到所述第一可见光图像和所述第一热红外图像。
[0045]可选地，所述获取所述异源双目相机对应的校正参数，包括：
[0046]获取标定可见光图像和标定热红外图像，所述标定可见光图像和所述标定热红外图像是所述异源双目相机对目标温度标定板进行拍摄得到的；本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种温度测量方法，其特征在于，所述方法包括：获取第一可见光图像和第一热红外图像；对所述第一可见光图像进行目标物的检测处理，得到第一位置信息，所述第一位置信息用于指示所述目标物在所述第一可见光图像中的位置；基于所述第一位置信息，对所述第一可见光图像和所述第一热红外图像进行图像截取处理，得到局部图像；将所述第一位置信息和所述局部图像输入至视差估计网络模型，得到目标双目视差，所述目标双目视差用于指示包含所述目标物的可见光图像和热红外图像之间的双目视差；根据所述第一位置信息和所述目标双目视差，确定第二位置信息，所述第二位置信息用于指示所述目标物在所述第一热红外图像中的位置；按照所述第二位置信息，从所述第一热红外图像中确定所述目标物的温度。2.根据权利要求1所述的方法，其特征在于，所述基于所述第一位置信息，对所述第一可见光图像和所述第一热红外图像进行图像截取处理，得到局部图像，包括：对所述第一位置信息进行位置扩充处理，得到目标位置信息；从所述第一可见光图像中截取所述目标位置信息对应的图像，得到局部可见光图像，从所述第一热红外图像中截取所述目标位置信息对应的图像，得到局部热红外图像；其中，所述局部图像包括所述局部可见光图像和所述局部热红外图像。3.根据权利要求2所述的方法，其特征在于，所述第一位置信息包括第一检测框，所述目标位置信息包括目标检测框，所述第一检测框的中心和所述目标检测框的中心重合；所述对所述第一位置信息进行位置扩充处理，得到目标位置信息，包括：基于所述第一检测框的中心，将所述第一检测框向四周扩充目标尺寸，得到所述目标检测框。4.根据权利要求1至3任一所述的方法，其特征在于，所述视差估计网络模型包括特征提取网络层、特征融合网络层和视差估计网络层；所述将所述第一位置信息和所述局部图像输入至视差估计网络模型，得到目标双目视差，包括：调用所述特征提取网络层，对所述第一位置信息和所述局部图像进行特征提取处理，得到所述目标物的高阶特征；调用所述特征融合网络层，对所述目标物的高阶特征进行特征融合处理，得到所述目标物的融合特征；调用所述视差估计网络层，对所述目标物的融合特征进行视差估计处理，得到所述目标双目视差。5.根据权利要求4所述的方法，其特征在于，所述局部图像包括局部可见光图像和局部热红外图像，所述特征提取网络层包括第一提取子网络层、第二提取子网络层和第三提取子网络层；所述调用所述特征提取网络层，对所述第一位置信息和所述局部图像进行特征提取处理，得到所述目标物的高阶特征，包括：调用所述第一提取子网络层，对所述第一位置信息进行特征提取处理，得到第一高阶特征；
调用所述第二提取子网络层，对所述局部可见光图像进行特征提取处理，得到第二高阶特征；调用所述第三提取子网络层，对所述局部热红外图像进行特征提取处理，得到第三高阶特征；其中，所述目标物的高阶特征包括所述第一高阶特征、所述第二高阶特征以及所述第三高阶特征。6.根据权利要求1至3任一所述的方法，其特征在于，所述视差估计网络模型的训练过程如下：获取至少一个训练样本，每个所述训练样本包括参考可见光图像、参考热红外图像、参考位置信息以及参考双目视差，所述参考位置信息用于指示目标物在所述参考可见光图像中的位置，所述参考双目视差为所述参考可见光图像和所述参考热红外图像之间的双目视差；调用所述视差估计网络模型，对所述参考可见光图像、所述参考热红外图像和所述参考位置信息进行处理，得到估计双目视差；根据所述估计双目视差和所述参考双目视差，计算所述视差估计网络模型的预测损失值；按照所述预测损失值，调整所述视差估计网络模型的参数。7.根据权利要求1至3任一所述的方法，其特征在于，所述按照所述第二...

【专利技术属性】
技术研发人员：杨平，庞成山，谢迪，浦世亮，马东伟，
申请(专利权)人：杭州海康威视数字技术股份有限公司，
类型：发明
国别省市：