一种基于人脸识别和红外检测的人体综合信息获取方法技术

本发明专利技术公开了一种基于人脸识别和红外检测的人体综合信息获取方法，该方法首先通过检测设备获取被检测人员的RGB图像和红外图像；然后对RGB图像进行人脸检测，获取RGB图像中所有的人脸位置信息；基于人脸位置信息，在RGB图像里的每个人脸位置上的人脸图像进行人脸识别，获取每个人脸位置上的人脸识别结果以及对红外图像上的每一个人脸位置进行温度检测，获取每个人脸位置上的温度检测结果；再把同一人脸位置上的人脸识别结果和温度检测结果相结合即可得到人体综合信息。本发明专利技术可以同时对被检测人员完成人脸识别和温度检测，人体综合信息监测效率高。

【技术实现步骤摘要】
一种基于人脸识别和红外检测的人体综合信息获取方法
本专利技术涉及数字图像处理、模式识别和计算机视觉领域，具体涉及一种基于人脸识别和红外检测的人体综合信息获取方法。
技术介绍
在自然世界中，有各种各样的病毒长期存在，这些病毒是导致人类社会中频繁发生流行性疾病的根本原因，流行性疾病轻则对扰乱人们的生活，重则威胁到人类的生命，阻碍了社会的发展。由于病毒难以完全消灭，因此在日常生活中对人体的健康监测就显得尤为重要。流行性疾病的一个主要症状就是发热，目前通常是先手工测量人体温度，当温度出现异常时再进行登记跟踪身体状况或者进一步采取措施。手工测量体温的主要工具是红外摄像头，需要手工使用的原因是红外摄像头无法获取当前红外图像中的人脸位置信息，而RGB摄像头又无法获取被检测对象的温度数据，所以无法同时对被检测人员完成人脸识别和温度检测，可见，现有的这种手工测温方式效率低下，无法辨识人脸来采集对应体温，也难以在流行性疾病早期及时提出预警。
技术实现思路
本专利技术的目的在于克服现有技术的缺点与不足，提供一种基于人脸识别和红外检测的人体综合信息本文档来自技高网...

【技术保护点】
1.一种基于人脸识别和红外检测的人体综合信息获取方法，其特征在于，包括如下步骤：/nS1、通过检测设备获取被检测人员的RGB图像和红外图像；/nS2、对RGB图像进行人脸检测，获取RGB图像中所有的人脸位置信息；/nS3、基于人脸位置信息，在RGB图像里的每个人脸位置上的人脸图像进行人脸识别，获取每个人脸位置上的人脸识别结果；/n对红外图像上的每一个人脸位置进行温度检测，获取每个人脸位置上的温度检测结果；/nS4、把同一人脸位置上的人脸识别结果和温度检测结果相结合，以此得到每个被检测人员的人体综合信息。/n

【技术特征摘要】
1.一种基于人脸识别和红外检测的人体综合信息获取方法，其特征在于，包括如下步骤：
S1、通过检测设备获取被检测人员的RGB图像和红外图像；
S2、对RGB图像进行人脸检测，获取RGB图像中所有的人脸位置信息；
S3、基于人脸位置信息，在RGB图像里的每个人脸位置上的人脸图像进行人脸识别，获取每个人脸位置上的人脸识别结果；
对红外图像上的每一个人脸位置进行温度检测，获取每个人脸位置上的温度检测结果；
S4、把同一人脸位置上的人脸识别结果和温度检测结果相结合，以此得到每个被检测人员的人体综合信息。


2.根据权利要求1所述的基于人脸识别和红外检测的人体综合信息获取方法，其特征在于，所述步骤S1中采集的RGB图像为3通道彩色图，红外图像为单通道灰度图，并且RGB图像和红外图像具有相同的宽度和高度，两个图像中的具体位置一一对应。


3.根据权利要求1所述的基于人脸识别和红外检测的人体综合信息获取方法，其特征在于，步骤S2中，通过第一卷积神经网络进行人脸检测，该第一卷积神经网络的输入为RGB图像，输出为当前图像中所有人脸的位置信息，每个人脸的位置信息表示为(x,y,w,h)，其中，(x,y)表示以RGB图像左上角点为原点时，在RGB图像中的人脸中心位置的坐标，w表示人脸区域的宽度，h表示人脸区域的高度。


4.根据权利要求3所述的基于人脸识别和红外检测的人体综合信息获取方法，其特征在于，第一卷积神经网络的基本结构有：基本卷积层、残差模块、下采样层、RFB-c模块、上采样层和级联结构；
该第一卷积神经网络包括主干网络、连接主干网络的3个检测分支网络，其中，主干网络为：依次连接的基本卷积层、下采样层、残差模块、下采样层、残差模块、下采样层、2个级联的残差模块、RFB-c模块、下采样层、2个级联的残差模块、RFB-c模块、下采样层和残差模块；
第一个检测分支网络从主干网络中的第一个RFB-c模块分出，第二个检测分支网络从第二个RFB-c模块分出，第三个检测分支网络从主干网络最后一层即残差模块分出，每个检测分支网络只包含基本卷积层，在每两个相邻的检测分支网络中，两个检测分支网络在经过第一个基本卷积层后，由较深的一个检测分支网络经过基本卷积层和上采样层，再通过级联结构结合到较浅的另一个检测分支网络。


5.根据权利要求4所述的基于人脸识别和红外检测的人体综合信息获取方法，其特征在于，步骤S2采用的第一卷积神经网络中，每个检测分支网络的最后一个基本卷积层仅包含一个卷积层，不包含批正则化层和ReLU激活函数；第一卷积神经网络中的其他基本卷积层均包括依次连接的三个部分：卷积层、批量正则化层、ReLU激活函数；
残差模块包括2个分支，其中一个分支包含依次连接的一个卷积核大小为1×1的基本卷积层和一个卷积核大小为3×3的深度可分离卷积层，另一个分支为直连结构；两个分支的输出通过一个级联结构进行结合，从而得到残差模块的输出；
下采样层为卷积参数步长为2的基本卷积层；
上采样层采用的方法是最邻近插值法；
级联结构用于在通道维度上对输入进行叠加操作。


6.根据权利要求4所述的基于人脸识别和红外检测的人体综合信息获取方法，其特征在于，步骤S2采用的第一卷积神经网络中，RFB-c模块包含5个分支：
第一个...

【专利技术属性】
技术研发人员：谢巍，卢永辉，吴伟林，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：广东;44