【技术实现步骤摘要】
本专利技术涉及人脸识别领域，具体是指基于人脸识别的无接触式体温测量方法和系统。
技术介绍
1、基于人脸识别的无接触式体温测量方法是一种利用人脸识别技术来实时测量人体表面温度的方法，而无需直接接触被测者的皮肤表面。该方法通过采集被测者的面部图像，结合热像传感器或红外相机等设备，识别面部区域并测量此区域的温度值，从而判断被测者的体温状态，这一技术在看守所背景下具有一定的应用前景。
2、但是，在已有的基于人脸识别的无接触式体温测量方法中，存在着人脸识别的能耗和耗时因图像质量问题而较高，传统的rgb图像会导致人脸图像失真，而未进行分割的人脸图像会降低人脸识别的准确率的技术问题；在已有的基于人脸识别的无接触式体温测量方法中，存在着缺少一种在看守所场景下，能够预防所测温度来自照片或其余生物的技术问题；在已有的基于人脸识别的无接触式体温测量方法中，存在着缺少一种在进行在押人员体温管理前，对人员身份进行判别的技术问题。
技术实现思路
1、针对上述情况，为克服现有技术的缺陷，本专利技术提供了基于人脸识别的无接触式体温测量方法和系统，针对在已有的基于人脸识别的无接触式体温测量方法中，存在着人脸识别的能耗和耗时因图像质量问题而较高，传统的rgb图像会导致人脸图像失真，而未进行分割的人脸图像会降低人脸识别的准确率的技术问题，本方案创造性地采用图像通道转化增强处理和目标分割处理优化了人脸图像的数据质量，为后续的活体预识别和人员身份识别提供了良好的数据基础；针对在已有的基于人脸识别的无接触式体温测
2、本专利技术采取的技术方案如下：本专利技术提供的基于人脸识别的无接触式体温测量方法，该方法包括以下步骤：
3、步骤s1：交互结构建构；
4、步骤s2：数据采集；
5、步骤s3：数据预处理；
6、步骤s4：活体预识别；
7、步骤s5：人员身份识别；
8、步骤s6：无接触式控距测温；
9、步骤s7：自助人员管理。
10、进一步地，在步骤s1中，所述交互结构建构，用于建构进行无接触式体温测量的终端和服务器交互结构；
11、所述终端，具体指智能交互终端，所述智能交互终端用于在启动时注册监控室的服务器人脸更新通知，并与服务器建立连接；
12、所述服务器，具体指信息交互服务器，所述信息交互服务器，用于录入人脸图片和访问信息验证，所述人脸图片具体指监仓在押人员人脸图片；
13、所述智能交互终端与所述信息交互服务器在建立连接后，可以进行自助人员管理，所述自助人员管理包括活体预识别、人员身份识别和无接触时控距测温。
14、进一步地，在步骤s2中，所述数据采集，用于收集所述活体预识别和人员身份识别所需的训练数据，具体指从人像数据库中，通过采集得到人脸原始数据，所述人脸原始数据包括活体人脸识别数据集和人员身份识别数据集；
15、进一步地，在步骤s3中，所述数据预处理，用于增强人脸图像数据的数据质量，具体指对所述人脸原始数据进行图像增强、归一化和平滑操作，得到优化人脸图像数据；
16、所述优化人脸图像数据，包括增强活体预识别数据和人脸图像分割数据；
17、具体的，通过对所述人脸原始数据中的活体人脸识别数据集进行图像通道转化增强处理，得到所述增强活体预识别数据；
18、通过对所述人员身份识别数据集进行目标分割处理，得到所述人脸图像分割数据；
19、所述图像通道转化增强处理，用于将rgb图像转化为hsv空间图像，所述rgb图像具体指红、绿和蓝三种颜色地加权图像，所述hsv空间图像具体指色调、饱和度和亮度空间图像；
20、所述将rgb图像转化为hsv空间图像，具体为采用光补偿方法生成hsv空间图像，所述光补偿方法，具体指通过光补偿计算得到生成的hsv空间图像的色调分量h、饱和度分量s和亮度分量v，包括以下步骤：
21、步骤s31：计算饱和度分量s，计算公式为：
22、；
23、式中，s是饱和度分量，max()是求最大值函数，min()是求最小值函数，r是红色通道分量，g是绿色通道分量，b是蓝色通道分量；
24、步骤s32：计算亮度分量v，计算公式为：
25、v=max(r,g,b)；
26、式中，v是亮度分量，max()是求最大值函数，r是红色通道分量，g是绿色通道分量，b是蓝色通道分量；
27、步骤s33：计算色调分量h，计算公式为：
28、；
29、式中，h是色调分量，s是饱和度分量，v是亮度分量，max()是求最大值函数，r是红色通道分量，g是绿色通道分量，b是蓝色通道分量，&是与逻辑运算符；
30、步骤s34：图像通道转化增强，具体为通过计算饱和度分量s、计算亮度分量v和计算色调分量h将所述活体人脸识别数据集中的图像格式由rgb图像转化为hsv空间图像，得到增强活体预识别数据；
31、所述对所述人员身份识别数据集进行图像分割处理，具体为采用离散余弦变换的方法进行图像分割处理，得到人脸图像分割数据，包括以下步骤：
32、步骤s35：离散余弦变换，计算公式为：
33、；
34、式中，是离散余弦变换后的输出矩阵，i是离散余弦变换后的输出矩阵的行索引，j是离散余弦变换后的输出矩阵的列索引，是系数c的第i个分类，是系数c的第j个分量，n是所述人员身份识别数据集中的图像像素总数，x是所述人员身份识别数据集中的图像像素水平方向索引，y是所述人员身份识别数据集中的图像像素垂直方向索引，h()是滤波器函数，是所述人员身份识别数据集中的图像的频域表示。
35、进一步地，在步骤s4中，所述活体预识别，用于在测温前，通过活体预识别检测判断人脸图像是否为活体人脸，防止所测温度来自照片或其余生物，具体为采用基于视网膜模型的卷积神经网络的方法，对所述增强活体预识别数据进行活体预识别，所述基于视网膜模型的卷积神经网络，包括基本卷积子网、特征金字塔子网、定位子网和分类子网；
36、所述基本卷积子网，用于从输入图像中提取特征，所述基本卷积子网具有基本的卷积网络结构，包括输入层、卷积层、池化层、全连接层和输出层；
37、所述特征金字塔子网，用于连接并融合图本文档来自技高网...
【技术保护点】
1.基于人脸识别的无接触式体温测量方法，其特征在于：该方法包括以下步骤：
2.根据权利要求1所述的基于人脸识别的无接触式体温测量方法，其特征在于：在步骤S3中，所述数据预处理，用于增强人脸图像数据的数据质量，具体指对所述人脸原始数据进行图像增强、归一化和平滑操作，得到优化人脸图像数据；
3.根据权利要求1所述的基于人脸识别的无接触式体温测量方法，其特征在于：在步骤S4中，所述采用基于视网膜模型的卷积神经网络的方法，对所述增强活体预识别数据进行活体预识别的步骤，包括：
4.根据权利要求3所述的基于人脸识别的无接触式体温测量方法，其特征在于：在步骤S5中，所述人员身份识别，用于判断人脸图像是否为在押人员，防止其他人员顶替测温，具体为采用结合局部二值化算法的卷积神经网络的方法，对所述人脸图像分割数据进行人员身份识别，所述结合局部二值化算法的卷积神经网络，包括局部二值化算子和卷积网络模型；
5.根据权利要求4所述的基于人脸识别的无接触式体温测量方法，其特征在于：在步骤S6中，所述无接触式控距测温，用于在无接触条件下测量体温，具体为采用热像仪
6.根据权利要求5所述的基于人脸识别的无接触式体温测量方法，其特征在于：在步骤S1中，所述交互结构建构，用于建构进行无接触式体温测量的终端和服务器交互结构；
7.根据权利要求6所述的基于人脸识别的无接触式体温测量方法，其特征在于：在步骤S7中，所述自助人员管理，用于依据所述预识别过滤人脸数据、所述在押人员身份数据和在押人员体温数据进行自助人员管理，具体为通过所述智能交互终端设定体温异常阈值，所述体温异常阈值包括正常体温范围和异常体温范围，所述正常体温范围具体为36摄氏度至37.2摄氏度，所述异常体温范围具体指37.2摄氏度至46.5摄氏度，所述智能交互终端通过自助人员管理得到人员管理信息，并通过将所述人员管理信息发送至信息交互服务器，完成自助人员管理。
8.基于人脸识别的无接触式体温测量系统，用于实现如权利要求1-7中任一项所述的基于人脸识别的无接触式体温测量方法，其特征在于：包括交互结构建构模块、数据采集模块、数据预处理模块、活体预识别模块、人员身份识别模块、无接触式控距测温模块和自助人员管理模块。
9.根据权利要求8所述的基于人脸识别的无接触式体温测量系统，其特征在于：所述交互结构建构模块，用于建构进行无接触式体温测量的终端和服务器交互结构，并通过建立连接，进行自助人员管理，所述自助人员管理包括活体预识别、人员身份识别和无接触时控距测温，所述交互结构建构模块在建立连接后，将连接信息发送至数据采集模块；
10.所述自助人员管理模块，用于依据所述预识别过滤人脸数据、所述在押人员身份数据和在押人员体温数据进行自助人员管理，通过自助人员管理，得到人员管理信息，并通过将所述人员管理信息发送至信息交互服务器，完成自助人员管理。
...【技术特征摘要】
1.基于人脸识别的无接触式体温测量方法，其特征在于：该方法包括以下步骤：
2.根据权利要求1所述的基于人脸识别的无接触式体温测量方法，其特征在于：在步骤s3中，所述数据预处理，用于增强人脸图像数据的数据质量，具体指对所述人脸原始数据进行图像增强、归一化和平滑操作，得到优化人脸图像数据；
3.根据权利要求1所述的基于人脸识别的无接触式体温测量方法，其特征在于：在步骤s4中，所述采用基于视网膜模型的卷积神经网络的方法，对所述增强活体预识别数据进行活体预识别的步骤，包括：
4.根据权利要求3所述的基于人脸识别的无接触式体温测量方法，其特征在于：在步骤s5中，所述人员身份识别，用于判断人脸图像是否为在押人员，防止其他人员顶替测温，具体为采用结合局部二值化算法的卷积神经网络的方法，对所述人脸图像分割数据进行人员身份识别，所述结合局部二值化算法的卷积神经网络，包括局部二值化算子和卷积网络模型；
5.根据权利要求4所述的基于人脸识别的无接触式体温测量方法，其特征在于：在步骤s6中，所述无接触式控距测温，用于在无接触条件下测量体温，具体为采用热像仪和热传感器进行体温测量，结合所述在押人员身份数据，得到在押人员体温数据。
6.根据权利要求5所述的基于人脸识别的无接触式体温测量方法，其特征在于：在步骤s1中，所述交互结构建构，用于建构进行无接触式体温测量的终端和服务器交互结构；
7.根据权利要求6所述的基于人脸识别...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。