【技术实现步骤摘要】
本专利技术涉及图像处理，尤其是涉及一种人体热红外图像数据增强方法、装置、设备及存储介质。
技术介绍
1、热红外摄像头是一种可以检测人体温度的摄像设备，近年来随着疫情的爆发，热红外摄像头在公共场所的应用越来越广泛。然而，由于人体在不同区域的温度分布不均匀，热红外摄像头在实际使用中存在一些局限性，如无法准确检测到人体的真实体温、易受环境温度和湿度的影响等，所以对热红外摄像头的数据精准度要求越来越高。
2、现有技术在人体区域的准确识别方面还不够精确。由于人体在热红外图像中的特征与周围环境相似，因此存在一定的误识别率，尤其是在复杂环境下，如人群密集的场所或背景复杂的情况下，人体区域的识别精度较低。现有的热红外摄像头数据增强技术在人体区域的准确识别、环境温度和湿度的影响修正以及深度学习模型的建立和训练方面还存在一些不足之处，需要进一步的研究和改进。
3、对比文件(cn112733589b)公开一种基于深度学习的红外图像行人检测方法，该方法通过对红外图像进行特征分析、去噪和增强，使得图像细节信息凸显出来，把无用的信息都弱化掉，增加了行人检测的鲁棒性和精准度，同时，该专利技术还通过深度学习对网络权重进行训练寻找最优特征值，进一步提高了行人检测的适用性、可行性、准确性和批量处理效率性。
4、目前，已经有关于通过人体热红外数据增强的方法，提高人体检测的准确度的方法，但是现有技术当中人存在一定的局限性，导致热红外数据并不是很稳定，并不能很好的检测出人体温度，所以本专利技术的提出是为了提高热红外图像的质量，从而提高
技术实现思路
1、本专利技术的主要目的是提出一种人体热红外图像数据增强方法、装置、设备及存储介质，由于人体在热红外图像中的特征与存在与周围环境相似，因此存在一定的误识别率，尤其是在复杂环境下，如人群密集的场所或背景复杂的情况下，生成热红外图像易受到影响，从而导致实际数据不准确的技术问题。
2、本专利技术采用的技术方案是：
3、第一方面，本专利技术提供了一种人体热红外图像数据增强方法，其方法包括：
4、s1：获取人体温度测量场景下实时的彩色视频数据和实时的热红外视频数据，所述彩色视频数据包括多帧彩色图像，所述热红外视频数据包括多帧热红外图像；
5、s2：对各帧所述彩色图像进行人体分析，得到人体区域跟踪信息；
6、s3：对所述人体区域跟踪信息以及各帧所述热红外图像进行数据分析，得到连续多帧目标灰度图像；
7、s4：对各帧所述目标灰度图像进行滤波增强处理，得到符合预设要求的热红外图像数据。
8、优选地，所述s2：对各帧所述彩色图像进行人体分析，得到人体区域跟踪信息，包括：
9、s21：将各帧所述彩色图像输入目标检测模型，输出人体区域位置信息；
10、s22：利用目标匹配算法对所述人体区域位置信息进行处理，得到人体区域跟踪信息。
11、优选地，所述s3：对所述人体区域跟踪信息以及各帧所述热红外图像进行数据分析，得到连续多帧目标灰度图像，包括：
12、s31：依据所述人体区域跟踪信息，获取各帧热红外图像中人体区域对应的热红外图像数据；
13、s32：依据所述热红外图像数据，获取目标温度值；
14、s33：依据预设的第一转换规则，结合所述目标温度值，将各帧所述热红外图像线性转换为灰度图像；
15、s34：依据各帧灰度图像的灰度直方图，获取各帧灰度直方图中的最小凹点，其中，所述凹点为热红外图像中高低温分界点；
16、s35：将所述最小凹点进行线性转换，得到热红外图像数据中的对应的原始温度值；
17、s36：依据预设的第二转换规则，结合所述原始温度值，重新将热红外图像线性转换为目标灰度图像。
18、优选地，所述s4：对各帧所述目标灰度图像进行滤波增强处理，得到符合预设要求的热红外图像数据，包括：
19、s41：对各帧所述目标灰度图像进行帧间平滑处理，得到平滑的灰度图像；
20、s42：将各帧所述平滑的灰度图像进行帧内数据增强处理，得到增强后的灰度图像数据；
21、s43：将所述增强后的灰度图像数据线性转换为符合预设要求的热红外图像数据。
22、优选地，所述s41：对各帧所述目标灰度图像进行帧间平滑处理，得到平滑的灰度图像，包括：
23、s411：从各帧所述目标灰度图像选取任意一像素点进行标号，各帧所述目标灰度图像的每个标号按照预设顺序构成灰度点序列；
24、s412：对所述灰度点序列对应的像素点进行中值滤波，得到去噪后的灰度图像；
25、s413：在后续每帧的未去噪的新的灰度图像的所有像素点进行滑动中值滤波，得到平滑的灰度图像。
26、优选地，所述s42：将各帧所述平滑的灰度图像进行帧内数据增强处理，得到增强后的灰度图像数据，包括：
27、s421：获取各帧所述平滑的灰度图像中每个像素点n×m领域内的像素强度均值和方差，其中n和m均为自然数；
28、s422：根据公式：
29、
30、得到每个像素点的滤波系数α(x，y)，其中σ2(x，y)为上述取得该像素点的方差，其中σ02为预设的全局方差阈值，用于控制滤波强度；
31、s423：根据所述滤波系数α(x，y)，对所述每个像素点进行动态滤波，得到滤波图像lfiltered，公式为：
32、ifiltered(x，y)＝α(x，y)·i(x，y)+(1-α(x，y))·μ(x，y)
33、其中i(x，y)指灰度图像i中的所有像素点的坐标，μ(x，y)为上述取得的该像素点强度均值；
34、s424：所述滤波图像lfiltered应用局部对比度增强算法，得到增强后的灰度图像数据，算法公式为：
35、ienhanced(x，y)＝β·(ifitered(x，y)-μ(x，y))+μ(x，y)
36、其中，β为对比度增强系数。
37、优选地，所述像素强度为：灰度图像中的灰度值0-255范围内的整数。
38、第二方面，本专利技术提供了一种人体热红外图像数据增强装置，其装置包括：
39、图像采集模块：获取人体温度测量场景下实时的彩色视频数据和实时的热红外视频数据，所述彩色视频数据包括多帧彩色图像，所述热红外视频数据包括多帧热红外图像；
40、人体分析模块：对各帧所述彩色图像进行人体分析，得到人体区域跟踪信息；
41、数据分析模块：对所述人体区域跟踪信息以及各帧所述热红外图像进行数据分析，得到连续多帧目标灰度图像；
42、滤波增强处理模块：对各帧所述目标灰度图像进行滤波增强处理，得到符合预设要求的热红外图像数据。
43、其中图像采集模块中包括：彩色摄像头，其特征在于：所述彩色摄像头指的本文档来自技高网...
【技术保护点】
1.一种人体热红外图像数据增强方法，其特征在于，所述方法包括：
2.根据权利要求1所述的人体热红外图像数据增强方法，其特征在于，所述S2：对各帧所述彩色图像进行人体分析，得到人体区域跟踪信息，包括：
3.根据权利要求2所述的人体热红外图像数据增强方法，其特征在于，所述S3：对所述人体区域跟踪信息以及各帧所述热红外图像进行数据分析，得到连续多帧目标灰度图像，包括：
4.根据权利要求3所述的人体热红外图像数据增强方法，其特征在于，所述S4：对各帧所述目标灰度图像进行滤波增强处理，得到符合预设要求的热红外图像数据，包括：
5.根据权利要求4所述的人体热红外图像数据增强方法，其特征在于，所述S41：对各帧所述目标灰度图像进行帧间平滑处理，得到平滑的灰度图像，包括：
6.根据权利要求5所述的人体热红外图像数据增强方法，其特征在于，所述S42：将各帧所述平滑的灰度图像进行帧内数据增强处理，得到增强后的灰度图像数据，包括：
7.根据权利要求6所述的人体热红外图像数据增强方法，其特征在于，所述像素强度为：灰度图像中的灰度值0
8.一种人体热红外图像数据增强装置，其特征在于，包括：
9.一种电子设备，其特征在于，包括：至少一个处理器、至少一个存储器以及存储在所述存储器中的计算机程序指令，当所述计算机程序指令被所述处理器执行时实现如权利要求1-7中任一项所述的方法。
10.一种存储介质，其上存储有计算机程序指令，其特征在于，当所述计算机程序指令被处理器执行时实现如权利要求1-7中任一项所述的方法。
...【技术特征摘要】
1.一种人体热红外图像数据增强方法，其特征在于，所述方法包括：
2.根据权利要求1所述的人体热红外图像数据增强方法，其特征在于，所述s2：对各帧所述彩色图像进行人体分析，得到人体区域跟踪信息，包括：
3.根据权利要求2所述的人体热红外图像数据增强方法，其特征在于，所述s3：对所述人体区域跟踪信息以及各帧所述热红外图像进行数据分析，得到连续多帧目标灰度图像，包括：
4.根据权利要求3所述的人体热红外图像数据增强方法，其特征在于，所述s4：对各帧所述目标灰度图像进行滤波增强处理，得到符合预设要求的热红外图像数据，包括：
5.根据权利要求4所述的人体热红外图像数据增强方法，其特征在于，所述s41：对各帧所述目标灰度图像进行帧间平滑处理，得到平滑的灰度图像，包括：<...
【专利技术属性】
技术研发人员：陈辉，熊章，张智，张青军，杜沛力，胡国湖，
申请(专利权)人：武汉星巡智能科技有限公司，
类型：发明
国别省市：
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。