图像处理方法、装置及设备

技术领域

本发明涉及图像处理技术领域，特别是涉及图像处理方法、装置及设备。

背景技术

目前，为了公共安全，很大场景中需要对人员的体温进行监控或检测，例如：顾客进入超市之前需要测温，员工进入办公区域时需要测温，等等。

相关技术中，通过手持接触式测温仪来进行测温。但是，由于手持接触式测温仪需要通过人工来进行测温，严重影响效率，增加群体感染的风险。

现如今图像采集设备的应用越来越广泛，那么，如何基于图像分析，对人员进行精准有效地测温，是一个亟待解决的问题。

发明内容

本发明实施例的目的在于提供图像处理方法、装置及设备，以实现基于图像分析，对人员进行精准有效地测温的目的。具体技术方案如下：

第一方面，本发明实施例提供了一种图像处理方法，包括：

获取红外图像；

基于预先设定的人脸活体检测模型，对所述红外图像进行人脸活体检测，得到第一检测结果，所述第一检测结果用于表示所述红外图像是否为人脸活体的图像；其中，所述人脸活体检测模型用于检测所述红外图像中的温度分布，当所述红外图像中的温度分布符合人脸活体的温度分布时，确定所述红外图像为人脸活体的图像；

在基于所述第一检测结果判断出所述红外图像中存在人脸活体时，基于所述红外图像，输出目标区域的温度信息，其中，所述目标区域为所述红外图像的人脸区域中，能够体现人体温度的区域。

可选地，基于所述红外图像，输出目标区域的温度信息之前，所述方法还包括：

获取目标可见光图像；其中，所述目标可见光图像与所述红外图像为关于同一采集区域且采集时间相匹配的图像；

对所述目标可见光图像进行人脸检测，得到第二检测结果；其中，所述第二检测结果用于表示所述目标可见光图像中是否存在人脸；

在基于所述第一检测结果判断出所述红外图像中存在人脸活体时，基于所述红外图像，输出目标区域的温度信息，包括：

在基于所述第一检测结果判断出所述红外图像中存在人脸活体，且所述第二检测结果表明所述目标可见光图像中存在人脸时，基于所述红外图像，输出目标区域的温度信息。

可选地，所述基于所述红外图像，输出目标区域的温度信息，包括：

基于所述红外图像中人脸区域，确定目标区域在所述红外图像中的图像位置，作为目标位置；

基于所述目标位置，确定所述目标区域的温度信息，并输出所述目标区域的温度信息。

可选地，所述基于所述目标位置，确定所述目标区域的温度信息之前，所述方法还包括：

利用所述红外图像对应的可见光图像中人脸的关键点的位置信息，对所述目标位置进行修正，得到修正后的所述目标位置；

其中，所述红外图像对应的可见光图像与所述红外图像为关于同一采集区域且采集时间相匹配的图像。

可选地，所述基于所述目标位置，确定所述目标区域的温度信息，包括：

确定测温热力矩阵中所述目标位置所指示的矩阵区域；其中，所述测温热力矩阵为表征所述红外图像中图像内容的温度值的温度矩阵；

从所述矩阵区域中选取最高的温度值，作为所述目标区域的温度信息。

可选地，利用所述红外图像对应的可见光图像中人脸的关键点的位置信息，对所述目标位置进行修正之前，所述方法还包括：

识别所述红外图像对应的可见光图像中的人脸的指定人脸角度；

若所述指定人脸角度符合预定正脸条件，则执行所述利用所述红外图像对应的可见光图像中人脸的关键点的位置信息，对所述目标位置进行修正的步骤。

可选地，利用所述红外图像对应的可见光图像中人脸的关键点的位置信息，对所述目标位置进行修正之前，所述方法还包括：

确定所述红外图像对应的可见光图像的人脸区域和红外图像的人脸区域的相交区域；

计算所述相交区域在所述红外图像的人脸区域中所占的比例；

若所述比例大于预定比例阈值，则执行所述利用所述红外图像对应的可见光图像中人脸的关键点的位置信息，对所述目标位置进行修正的步骤。

第二方面，本发明实施例提供了一种图像处理装置，包括：

第一获取模块，用于获取红外图像；

第一检测模块，用于基于预先设定的人脸活体检测模型，对所述红外图像进行人脸活体检测，得到第一检测结果，所述第一检测结果用于表示所述红外图像是否为人脸活体的图像；其中，所述人脸活体检测模型用于检测所述红外图像中的温度分布，当所述红外图像中的温度分布符合人脸活体的温度分布时，确定所述红外图像为人脸活体的图像；

输出模块，用于在基于所述第一检测结果判断出所述红外图像中存在人脸活体时，基于所述红外图像，输出目标区域的温度信息，其中，所述目标区域为所述红外图像的人脸区域中，能够体现人体温度的区域。

可选地，所述装置还包括：

第二获取模块，用于在所述输出模块基于所述红外图像，输出目标区域的温度信息之前，获取目标可见光图像；其中，所述目标可见光图像与所述红外图像为关于同一采集区域且采集时间相匹配的图像；

第二检测模块，用于对所述目标可见光图像进行人脸检测，得到第二检测结果；其中，所述第二检测结果用于表示所述目标可见光图像中是否存在人脸；

所述输出模块具体用于：

在基于所述第一检测结果判断出所述红外图像中存在人脸活体，且所述第二检测结果表明所述目标可见光图像中存在人脸时，基于所述红外图像，输出目标区域的温度信息。

可选地，所述输出模块基于所述红外图像，输出目标区域的温度信息，包括：

基于所述红外图像中人脸区域，确定目标区域在所述红外图像中的图像位置，作为目标位置；

基于所述目标位置，确定所述目标区域的温度信息，并输出所述目标区域的温度信息。

可选地，所述输出模块还用于基于所述目标位置，确定所述目标区域的温度信息之前，利用所述红外图像对应的可见光图像中人脸的关键点的位置信息，对所述目标位置进行修正，得到修正后的所述目标位置；

其中，所述红外图像对应的可见光图像与所述红外图像为关于同一采集区域且采集时间相匹配的图像。

可选地，所述输出模块基于所述目标位置，确定所述目标区域的温度信息，包括：

确定测温热力矩阵中所述目标位置所指示的矩阵区域；其中，所述测温热力矩阵为表征所述红外图像中图像内容的温度值的温度矩阵；

从所述矩阵区域中选取最高的温度值，作为所述目标区域的温度信息。

可选地，所述输出模块还用于利用所述红外图像对应的可见光图像中人脸的关键点的位置信息，对所述目标位置进行修正之前，识别所述红外图像对应的可见光图像中的人脸的指定人脸角度；若所述指定人脸角度符合预定正脸条件，则执行所述利用所述红外图像对应的可见光图像中人脸的关键点的位置信息，对所述目标位置进行修正的步骤。

可选地，所述输出模块还用于利用所述红外图像对应的可见光图像中人脸的关键点的位置信息，对所述目标位置进行修正之前，确定所述红外图像对应的可见光图像的人脸区域和红外图像的人脸区域的相交区域；计算所述相交区域在所述红外图像的人脸区域中所占的比例；若所述比例大于预定比例阈值，则执行所述利用所述红外图像对应的可见光图像中人脸的关键点的位置信息，对所述目标位置进行修正的步骤。

第三方面，本发明实施例提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；

存储器，用于存放计算机程序；

处理器，用于执行存储器上所存放的程序时，实现上述第一方面所提供的方法步骤。

第四方面，本发明实施例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内存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面所提供的方法步骤。

本发明实施例所提供的一种图像处理方法中，在获得红外图像后，基于预先设定的人脸活体检测模型，对红外图像进行人脸活体检测，得到用于表示红外图像是否为人脸活体的图像的第一检测结果；进而，在基于第一检测结果判断出红外图像中存在人脸活体时，基于红外图像，输出目标区域的温度信息，目标区域为红外图像的人脸区域中，能够体现人体温度的区域。本方案中，基于预先设定的人脸活体检测模型，对红外图像进行人脸活体检测，可以保证精准识别出是否存在待测温人员；并且，在基于检测结果判断出红外图像中存在人脸活体时，基于红外图像，输出目标区域的温度信息，可以实现对待测温人员的测温。可见，通过本方案，可以实现基于图像分析，对人员进行精准有效地测温的目的。

当然，实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，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发明的一些实施例，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实施例。

图1为本发明实施例所提供的一种图像处理方法的流程图；

图2为本发明实施例所提供的一种图像处理方法的另一流程图；

图3(a)、图3(b)、图3(c)分别示例性地给出了样本红外图像的灰度图示意图；

图3(d)为利用本发明实施例的图像处理方法进行人员测温的示例性的原理图；

图4为本发明实施例所提供的一种图像处理装置的结构示意图；

图5为本发明实施例所提供的一种图像处理装置的另一结构示意图；

图6为本发明实施例所提供的一种电子设备的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

为了便于理解方案，下面首先对本发明实施例所提供方案中所涉及的术语进行介绍。

活体检测：用于身份验证场景中确认对象真实生理特征的方法，可以有效抵御照片、屏幕翻拍等常见的攻击手段，从而帮助用户甄别欺诈行为，保障用户利益。

热成像:自然界的一切物体，只要温度高于绝对零度-273摄氏度，都会有红外辐射，其辐射能量正比于自身温度的四次方，辐射的波长与其温度成反比。红外成像技术是根据探测到的物体的辐射能量高低，经过系统处理，转换为物体的红外图像，也称为热成像图像；在红外图像中，不同的颜色表征不同的温度。通过红外图像可以得到物体的温度分布从而判断物体的状态。

红外测温：通过感热传感器，可以将生物热辐射转换成红外图像。

深度学习(DL,Deep Learning)：是机器学习(ML,Machine Learning)领域中一个新的研究方向，它被引入机器学习使其更接近于最初的目标——人工智能(AI，ArtificialIntelligence)。

Caffe：全称Convolutional Architecture for Fast Feature Embedding，是一个兼具表达性、速度和思维模块化的深度学习框架。

为了实现基于图像分析，对人员进行精准有效地测温的目的，本发明实施例提供了图像处理方法、装置、电子设备及存储介质。

下面首先对本发明实施例所提供的图像处理方法进行介绍。

本发明实施例所提供的图像处理方法的执行主体可以为图像处理装置。该该图像处理装置可以应用于电子设备中，示例性的，该电子设备可以为能够采集红外图像的图像采集设备，或者，与能够采集红外图像的图像采集设备相通信的设备，本发明实施例并不对设备的具体形态进行限定。

并且，该图像处理方法可以应用于存在人员测温的任何场景中，例如：办公区域的人员测温、商场入口的人员测温，等等。

其中，本发明实施例所提供的一种图像处理方法，可以包括如下步骤：

获取红外图像；

基于预先设定的人脸活体检测模型，对该红外图像进行人脸活体检测，得到第一检测结果，该第一检测结果用于表示该红外图像是否为人脸活体的图像；

其中，该人脸活体检测模型用于检测该红外图像中的温度分布，当该红外图像中的温度分布符合人脸活体的温度分布时，确定该红外图像为人脸活体的图像。

在基于该第一检测结果判断出该红外图像中存在人脸活体时，基于该红外图像，输出目标区域的温度信息，其中，该目标区域为该红外图像的人脸区域中，能够体现人体温度的区域。

本发明实施例所提供的方案中，在获得红外图像后，基于预先设定的人脸活体检测模型，对红外图像进行人脸活体检测，得到用于表示红外图像是否为人脸活体的图像的第一检测结果；进而，在基于第一检测结果判断出红外图像中存在人脸活体时，基于红外图像，输出目标区域的温度信息，目标区域为红外图像的人脸区域中，能够体现人体温度的区域。本方案中，基于预先设定的人脸活体检测模型，对红外图像进行人脸活体检测，可以保证精准识别出是否存在待测温人员；并且，在基于检测结果判断出红外图像中存在人脸活体时，基于红外图像，输出目标区域的温度信息，可以实现对待测温人员的测温。可见，通过本方案，可以实现基于图像分析，对人员进行精准有效地测温的目的。

下面结合附图，对本发明实施例所提供的图像处理方法进行介绍。

如图1所示，本发明实施例所提供的一种图像处理方法，可以包括如下步骤：

S101，获取红外图像；

其中，能够采集红外图像的图像采集设备可以采集红外图像并发送给图像处理装置，相应的，图像处理装置可以获取红外图像。并且，图像采集设备可以持续采集红外图像，并将持续采集的全部红外图像或部分红外图像发送给图像处理装置。由于图像处理装置对于每一张红外图像的处理流程均是相同的，因此，结合对一张红外图像的处理过程，来介绍本发明实施例所提供的图像处理方法。

S102，基于预先设定的人脸活体检测模型，对该红外图像进行人脸活体检测，得到第一检测结果；

其中，该第一检测结果用于表示该红外图像是否为人脸活体的图像；并且，该人脸活体检测模型用于检测该红外图像中的温度分布，当该红外图像中的温度分布符合人脸活体的温度分布时，确定该红外图像为人脸活体的图像。可以理解的是，该第一检测结果还可以用于表示存在人脸活体时人脸区域的位置信息。

为了针对人员进行精准有效测温，在获得红外图像后，并不是直接基于红外图像进行测温信息的输出，而是基于预先设定人脸活体检测模型，识别该红外图像中是否存在人脸活体，以精准确定出是否存在待测温人员，并在确定出存在待测温人员时，基于红外图像进行测温信息的输出。具体而言，在获得红外图像后，图像处理装置将所获取的红外图像输入至预先设定的人脸活体检测模型，以使得该人脸活体检测模型对该红外图像进行人脸活体检测，得到该红外图像的第一检测结果；这样，在第一检测结果表明该红外图像是包含人脸活体的图像时，再基于该红外图像进行温度信息的确定。

考虑到包含人脸活体的红外图像中的温度分布，与未包含人脸活体的红外图像的温度分布完全不同，也就是说，若一张红外图像为包含人脸活体的图像，则该张红外图像中的温度分布会符合人脸活体的温度分布，因此，可以利用大量的样本红外图像，通过深度学习的方式来学习人脸活体的温度分布，从而训练得到用于识别红外图像中是否存在人脸活体的人脸活体检测模型。这样，在任一张红外图像输入至该人脸活体检测模型后，该人脸活体检测模型可以检测输入的红外图像中的温度分布，当输入至模型的红外图像中的温度分布符合人脸活体的温度分布时，确定该输入至模型的红外图像为包含人脸活体的图像。

其中，该人脸活体检测模型的具体网络类型和网络结构，本发明实施例不做限定。示例性的，该人脸活体检测模型可以Caffe(Convolutional Architecturefor FastFeature Embedding，快速特征嵌入的卷积结构)模型或者YOLO(YouOnly Look Once)模型，等等，其中，YOLO是一种基于深度神经网络的对象识别和定位算法，其最大的特点是运行速度很快，可以用于实时系统。

示例性的，人脸活体检测模型的训练过程可以包括：

获取多个样本红外图像以及每一样本红外图像对应的人脸活体标定结果；

针对每一样本红外图像，将该样本红外图像输入至待训练的神经网络模型，得到预测结果；该预测结果用于表征该样本红外图像是否为人脸活体的图像；

基于预测结果和人脸活体标定结果的差异，判断神经网络模型是否收敛，如果收敛，则结束训练，得到人脸活体检测模型；如果未收敛，调整神经网络模型的网络参数，返回针对每一样本红外图像，将该样本红外图像输入至待训练的神经网络模型，得到预测结果的步骤，继续训练。

其中，在将样本红外图像输入至待训练的神经网络模型后，该神经网络模型可以对该样本红外图像进行多层卷积运算，来得到预测结果。并且，多个样本红外图像可以包括正样本和负样本，其中，正样本为包含人脸活体的图像，而负样本为未包含人脸活体的图像。示例性的，用于训练人脸活体检测模型的正样本中的人脸可以具有戴眼镜、戴帽子、戴口罩、长头发或短头发等特性；负样本可以为包括包含手机屏幕、打印纸张、3D雕塑等非活体人脸的图像。为了方便理解正负样本，图3(a)给出了正样本的灰度图示意图，图3(b)给了通过拍摄纸张所得到的负样本的灰度图示意图，图3(c)给出了通过拍摄手机所得到的负样本的灰度图示意图。

S103，在基于该第一检测结果判断出该红外图像中存在人脸活体时，基于该红外图像，输出目标区域的温度信息，其中，该目标区域为该红外图像的人脸区域中，能够体现人体温度的区域。

在基于该第一检测结果判断出该红外图像中存在人脸活体时，表明存在待测温人员，那么，可以继续基于该红外图像进行测温。示例性的，目标区域可以额头区域，或者，眉心区域，等等。另外，在一种实现方式中，基于该第一检测结果判断出该红外图像中存在人脸活体的实现方式，可以包括：该第一检测结果表明该红外图像中存在人脸活体。

基于该红外图像，输出目标区域的温度信息的实现方式存在多种，为了方案清楚以及布局清晰，下文结合其他实施例，对基于该红外图像，输出目标区域的温度信息的实现方式进行介绍。

本发明实施例所提供的方案中，在获得红外图像后，基于预先设定的人脸活体检测模型，对红外图像进行人脸活体检测，得到用于表示红外图像是否为人脸活体的图像的第一检测结果；进而，在基于第一检测结果判断出红外图像中存在人脸活体时，基于红外图像，输出目标区域的温度信息，目标区域为红外图像的人脸区域中，能够体现人体温度的区域。本方案中，基于预先设定的人脸活体检测模型，对红外图像进行人脸活体检测，可以保证精准识别出是否存在待测温人员；并且，在基于检测结果判断出红外图像中存在人脸活体时，基于红外图像，输出目标区域的温度信息，可以实现对待测温人员的测温。可见，通过本方案，可以实现基于图像分析，对人员进行精准有效地测温的目的。

可选地，为了进一步保证测温是针对人员人脸的测温，从而提升测温的有效性和准确度，本发明的另一实施例中，在红外图像的基础上，结合可见光图像，来进行测温。

针对结合可见光图像进行测温的实施例而言，示例性的，该图像处理方法可以为基于双系统成像设备的图像处理方法；当然，在保证能够获取到与红外图像相匹配的可见光图像的前提下，该图像处理方法并不局限于基于双系统成像设备。

其中，该双系统成像设备中包括用于采集可见光图像的可见光成像子系统，以及用于采集红外图像的热成像子系统；当然，该双系统成像设备还可以包括用于对可见光成像子系统和热成像子系统的成像图像进行处理的数据处理子系统。可以理解的是，在具体应用中，该可见光成像子系统和该热成像子系统也可以分别称为可见光成像主系统和热成像从系统。

并且，可见光成像子系统可以包括可见光镜头，以及与可见光镜头相匹配的图像传感器和图像处理器，热成像子系统可以包括热成像镜头，以及与热成像镜头相匹配的图像传感器和图像处理器；其中，可见光镜头为透射可见光的镜头，即透射可见光的镜头；而热成像镜头为用于透射红外线的镜头。并且，针对双系统成像设备而言，在双系统成像设备工作之前，可以对可见光成像子系统中的可见光镜头和热成像子系统中的热成像镜头进行区域标定，在区域标定后，可见光镜头和热成像镜头在拍摄同一物体时，物体在镜头区域中的位置信息是一致的；并且，可以对可见光成像子系统和热成像子系统进行时间校准，在时间校准后，同一采集时间的可见光图像和红外图像具有对应性，即同一采集时间的可见光图像和红外图像为关于同一对象且同一时刻的成像图像。关于双系统的区域标定以及时间校准的方式可以包括但不局限于人工方式，具体的标定或校准过程，本发明实施例不做限定。

针对图像处理方法应用于双系统成像设备而言，该图像处理装置可以为运行于可见光成像子系统的装置，也可以为运行于热成像子系统的装置，或者，也可以为运行于数据处理子系统中的装置，或者，还可以为运行于与双系统成像设备相通信的其他电子设备中的装置，这都是合理的。

另外，本实施例所提供的图像处理方法可以应用于人脸门禁或人脸考勤等人脸识别场景中。此时，该双系统成像设备可以为人脸门禁系统和人脸考勤系统中成像设备，通过该成像设备不但可以实现人脸门禁或人脸考勤等所需的人脸识别功能，还可以在人脸识别的同时实现测温。当然，本发明实施例所提供的图像处理方法可以不局限于应用于人脸门禁或人脸考勤等人脸识别场景，例如：还可以应用于专门的人员测温场景中。

具体而言，在上述图1所示的实施例的基础上，如图2所示，在S103之前，本实施例所提供的该图像处理方法还可以包括如下步骤：

S104，获取目标可见光图像；其中，该目标可见光图像与该红外图像为关于同一采集区域且采集时间相匹配的图像；

S105，对该目标可见光图像进行人脸检测，得到第二检测结果；其中，所述第二检测结果用于表示该目标可见光图像中是否存在人脸；

相应的，上述实施例中的S103可以包括：

S103A，在基于该第一检测结果判断出该红外图像中存在人脸活体，且该第二检测结果表明该目标可见光图像中存在人脸时，基于该红外图像，输出目标区域的温度信息。

需要强调的是，图2所给出的各个步骤的执行顺序，仅仅作为示例，并不应该构成对本发明实施例的限定。例如：S101可以与S104同时执行，且S102与S105同时执行，等等，这都是合理的。

在获取该红外图像的同时，或者获取红外图像之后，可以获取目标可见光图像，并且对该目标可见光图像进行人脸检测，得到第二检测结果；其中，该第二检测结果用于表示该目标可见光图像中是否存在人脸，当然，该第二检测结果还可以用于表示在目标可见光图像中存在人脸时，人脸区域的位置信息。

本实施例中，任一种能够对可见光图像进行人脸检测的方式均可以应用于本实施例中，本发明实施例对此不作限定。例如：通过预定的人脸检测模型，对目标可见光图像进行人脸检测，得到第二检测结果，其中，预定的人脸检测模型可以是预先基于包含人脸的可见光图像和未包含人脸的可见光图像作为训练样本训练得到的模型；或者，通过预定的人脸检测算法，对目标可见光图像进行人脸检测，得到第二检测结果，等等。

另外，该目标可见光图像与该红外图像为采集时间相匹配的图像，具体可以指：该目标可见光图像与该红外图像为采集时间相同的图像，该采集时间可以通过时间戳表征；或者，该目标可见光图像为与该红外图像的采集时间的差值在预定时间范围内的图像。

并且，本实施例中，在基于该第一检测结果判断出该红外图像中存在人脸活体，且该第二检测结果表明该目标可见光图像中存在人脸时，才执行基于该红外图像，输出目标区域的温度信息的步骤，相对于基于第一检测结果判定出该红外图像中存在人脸活体时即执行测温，不但可以精准识别出是否存在待测温人员，而且可以进一步保证测温是针对人员人脸的测温，从而提升测温的有效性和准确度。其中，基于该红外图像，输出目标区域的温度信息的具体实现方式可以参见下文实施例所给出的实现方式。

本实施例中，基于预先设定的人脸活体检测模型，对红外图像进行人脸活体检测，可以保证精准识别出是否存在待测温人员；并且，在基于检测结果判断出红外图像中存在人脸活体且可见光图像中存在人脸时，基于红外图像，输出目标区域的温度信息，可以实现对待测温人员的测温并且保证是针对人员人脸的测温。可见，通过本方案，可以实现基于图像分析，对人员进行精准有效地测温的目的。

另外，本实施例中，以红外图像中目标区域的温度信息，作为测温结果，而并非通过对红外图像和可见光图像进行区域映射来得到测温结果，这样使得即便在区域标定无严格要求的情况下，可以保证测温结果的精准性。

可选地，在本发明的另一实施例中，在基于该第一检测结果判断出该红外图像中存在人脸活体，且该第二检测结果表明该目标可见光图像中存在人脸时，该图像处理方法还可以包括如下步骤：

检测该目标可见光图像中的人脸是否命中预定人脸库中的人脸图像；

若检测结果为命中，执行与命中操作相匹配的处理动作。

在门禁或考勤等基于人脸识别场景中，在进行测温的同时，可以实现基于人脸的其他功能，例如：门禁功能、考勤功能，等等。因此，基于该第一检测结果判断出该红外图像中存在人脸活体，且该第二检测结果表明该目标可见光图像中存在人脸时，可以检测该目标可见光图像中的人脸是否命中预定人脸库中的人脸图像，若检测结果为命中，执行与命中操作相匹配的处理动作。举例而言：针对人脸门禁场景，与命中操作相匹配的处理动作为开门，而针对人脸考勤场景，与命中操作相匹配的处理动作为记录所命中人脸图像对应人员的考勤信息。

并且，检测该目标可见光图像中的人脸是否命中预定人脸库中的人脸的具体实现方式存在多种。示例性的，检测该目标可见光图像中的人脸是否命中预定人脸库中的人脸图像的具体实现方式可以包括：

对该目标可见光图像中的人脸进行抠图，得到包含人脸的子图像；

计算该子图像与预定人脸库中人脸图像的人脸相似度；

若存在人脸相似度大于预定阈值的人脸图像，则表明该目标可见光图像中的人脸命中预定人脸库中的人脸图像。并且，人脸相似度最大的人脸图像作为被命中的人脸图像。

并且，为了方便后续查询人员的温度信息，若检测结果为命中，还可以确定该预定人脸库中被命中的人脸所对应的身份信息；对应保存该身份信息与目标可见光图像对应的该红外图像的测温结果。也就是，通过本实施例的方案，可以确定出具体人员的测温结果，为了方便理解，参见图3(d)示出的工作原理图，具体而言：在针对目标可见光图像和红外图像分析得到第二检测结果和第一检测结果后，可以基于第一检测结果和第二检测结果，确定出目标可见光图像中人员的温度信息。

通过本实施例所提供的方案，不但可以基于图像分析，对人员进行精准有效地测温，而且，可以实现与命中操作相匹配的处理动作，提升功能全面性。

可选地，在本发明的一实施例中，基于该红外图像，输出目标区域的温度信息，可以包括如下步骤A和B：

步骤A，基于该红外图像中人脸区域，确定目标区域在该红外图像中的图像位置，作为目标位置；

可以理解的是，在第一检测结果可以用于表示存在人脸活体时人脸区域的位置信息时，在获得第一检测结果后，便可以获知该红外图像中的人脸区域的位置信息。在第一检测结果仅仅用于表示该红外图像是否为人脸活体的图像时，可以通过任一种能够实现人脸区域检测方式来确定出该红外图像中的人脸区域的位置信息。

在确定出该红外图像中人脸区域后，即确定出该红外图像中人脸区域的位置信息后，可以基于该红外图像中人脸区域的位置信息，确定目标区域在该红外图像中的图像位置，作为目标位置。

可选地，在一种实现方式中，可以按照关于目标区域的图像位置的计算公式，基于该红外图像中人脸区域的位置信息，确定目标区域在该红外图像中的图像位置，作为目标位置。其中，关于目标区域的图像位置的计算公式可以存在多种，示例性的，若目标区域为额头区域，关于目标区域的图像位置的计算公式可以如下：

假设该红外图像中人脸区域的位置信息为：左下角的坐标(X

X

W

其中，(X

需要强调的是，本实施例并不对如何基于该红外图像中人脸区域，确定目标区域在该红外图像中的图像位置的具体实现方式进行限定，任一种能够基于该红外图像中人脸区域，确定目标区域在该红外图像中的图像位置的具体实现方式，均可以应用于本实施例。

步骤B，基于该目标位置，确定该目标区域的温度信息，并输出所述目标区域的温度信息。

示例性的，在一种实现方式中，在确定出目标位置后，可以基于该红外图像中该目标位置处的颜色值以及关于颜色值与温度值的映射关系，来确定出目标区域的温度信息。

示例性的，在另一种实现方式中，基于该目标位置，确定该目标区域的温度信息，可以包括：

确定测温热力矩阵中该目标位置所指示的矩阵区域；其中，该测温热力矩阵为表征该红外图像中图像内容的温度值的温度矩阵；

从该矩阵区域中选取最高的温度值，作为该目标区域的温度信息。

可以理解的是，针对任一红外图像，其可以对应有测温热力矩阵，具体而言，测温热力矩阵的矩阵元素为温度值，红外图像和测温热力矩阵为感热传感器所感应到的温度的不同表征形式，红外图像通过颜色表征，而测温热力矩阵通过温度值表征。也就是，测温热力矩阵为表征红外图像中图像内容的温度值的温度矩阵。

由于测温热力矩阵为表征红外图像中图像内容的温度值的温度矩阵，因此，在确定出目标位置后，可以在该测温热力矩阵中确定出该目标位置所指示的矩阵区域；并且，在确定出矩阵区域后，可以从该矩阵区域中选取最高的温度值，得到该目标区域的温度信息。其中，目标位置所指示的矩阵区域的大小，与目标位置所指示的图像大小相关，示例性的，目标位置所指示的矩阵区域的大小可以为3*3，5*5等等。

上述的关于基于该红外图像，输出目标区域的温度信息的具体实现方式仅仅作为示例，并不应该构成对本发明实施例的限定。

可选地，在本发明的一实施例中，为了进一步提升测温精准度，可以基于可见光图像对目标位置进行修正。基于该种处理思路，基于该目标位置，确定该目标区域的温度信息之前，所述方法还可以包括：

步骤C，利用该红外图像对应的可见光图像中人脸的关键点的位置信息，对该目标位置进行修正，得到修正后的所述目标位置；

该红外图像对应的可见光图像与该红外图像为关于同一采集区域且采集时间相匹配的图像。该红外图像对应的可见光图像可以为上述的目标可见光图像，当然也可以不为上述的目标可见光图像。

相应的，基于该目标位置，确定该目标区域的温度信息，可以包括如下步骤：

基于修正后的目标位置，确定该目标区域的温度信息。

其中，利用该红外图像对应的可见光图像中人脸的关键点的位置信息，对该目标位置进行修正，得到修正后的该目标位置，可以包括：

利用该红外图像对应的可见光图像中人脸的关键点的位置信息，确定该红外图像对应的可见光图像中人脸区域的图像位置；

基于所确定出的图像位置，对该目标位置进行修正，得到修正后的目标位置。

可以理解的是，在获得该红外图像对应的可见光图像中人脸的关键点后，可以按照现有技术中的任一种计算确定，计算出该红外图像对应的可见光图像中人脸区域的图像位置。

并且，基于所确定出的图像位置，对该目标位置进行修正的实现方式存在多种。例如：任一图像位置通过角点的坐标和宽高的形式进行表征时，可以将所确定出的图像位置中的角点的坐标和目标位置中的角点的坐标进行求平均或加权求平均，得到修正后的角点的坐标；将修正后的角点的坐标和目标位置中宽高确定为修正后的目标位置。又例如：任一图像位置均通过角点的坐标和宽高的形式进行表征时，可以将所确定出的图像位置中的角点的坐标和目标位置中宽高确定为修正后的目标位置信息。

相较于前述实施例，通过本实施例，在实现基于图像分析，对人员进行精准有效地测温的目的的同时，由于结合可见光图像对目标位置进行修正，因此，能够保证测温结果具有更高的精准度。

可选地，在本发明的一实施例中，利用该红外图像对应的可见光图像中人脸的关键点的位置信息，对该目标位置进行修正之前，所述方法还包括：

识别该红外图像对应的可见光图像中的人脸的指定人脸角度；

若该指定人脸角度符合预定正脸条件，则执行所述利用该红外图像对应的可见光图像中人脸的关键点的位置信息，对所述目标位置进行修正的步骤。

考虑到该可见光图像中的人脸可能是非正脸，为了进一步提升修正的准确度，可以对该红外图像对应的可见光图像中的人脸进行角度分析，在人脸为正脸时，才利用对该红外图像对应的可见光图像中的人脸的关键点的位置信息，对目标位置进行修正。

示例性的，指定人脸角度可以包括：俯仰角和偏航角；相应的，预定正脸条件为俯仰角和偏航角均位于预定的正脸角度范围内。那么，在获取到指定人脸角度，如果指定人脸角度中的俯仰角和偏航角均位于预定的正脸角度范围内，则判定指定人脸角度符合预定正脸条件，否则，判定指定人脸角度不符合预定正脸条件。另外，任一种能够实现识别指定人脸角度的具体实现方式，均可以应用于本发明实施例。

另外，若该指定人脸角度不符合预定正脸条件，该方法还可以包括：

输出用于引导人员正面测温的引导信息；

或者，

确定该红外图像对应的可见光图像中人脸的姿态信息，输出包含与该姿态信息相匹配的姿态调整方式的、用于引导用户正面测温的引导信息。

其中，姿态信息可以通过人脸的俯仰角、偏转角来表征。并且，任一种能够确定该红外图像对应的可见光图像中人脸的姿态信息的方式均可以应用于本实施例中。并且，与该姿态信息相匹配的姿态调整方式为用于朝向人脸调整的方式，例如：假设人员的人脸正对前方时，人脸偏转角为0度，人员向左转脸时，人脸的偏转角为正数，而人员向右转脸时，人脸的偏转角为负数，那么，若该可见光图像中的人脸的偏转角为-30度，则与该姿态信息相匹配的姿态调整方式为向左转头，而若该可见光图像中的人脸的偏转角为30度，则与该姿态信息相匹配的姿态调整方式为向右转头。

相较于前述实施例，通过本实施例，在实现基于图像分析，对人员进行精准有效地测温的目的的同时，由于可以对目标位置进行有效的修正，因此，能够保证测温结果具有更高的精准度。

可选地，在本发明的一实施例中，利用该红外图像对应的可见光图像中人脸的关键点的位置信息，对该目标位置进行修正之前，该方法还包括：

确定该红外图像对应的可见光图像的人脸区域和红外图像的人脸区域的相交区域；

计算该相交区域在该红外图像的人脸区域中所占的比例；

若该比例大于预定比例阈值，则执行利用该红外图像对应的可见光图像中人脸的关键点的位置信息，对该目标位置进行修正的步骤。

为了保证修正有效性，可以在利用该红外图像对应的可见光图像进行位置修正之前，判定在考虑到该红外图像中的人脸和该红外图像对应可见光图像中的人脸，是同一人脸，如果是，则执行利用该红外图像对应的可见光图像中人脸的关键点的位置信息，对该目标位置进行修正的步骤。其中，比例阈值可以根据实际情况设定，示例性，该比例阈值90％、95％等等。

相较于前述实施例，通过本实施例，在实现基于图像分析，对人员进行精准有效地测温的目的的同时，由于可以对目标位置进行有效的修正，因此，能够保证测温结果具有更高的精准度。

相应于上述方法实施例，本发明实施例提供了一种图像处理装置。如图4所示，该图像处理装置可以包括：

第一获取模块410，用于获取红外图像；

第一检测模块420，用于基于预先设定的人脸活体检测模型，对所述红外图像进行人脸活体检测，得到第一检测结果，所述第一检测结果用于表示所述红外图像是否为人脸活体的图像；其中，所述人脸活体检测模型用于检测所述红外图像中的温度分布，当所述红外图像中的温度分布符合人脸活体的温度分布时，确定所述红外图像为人脸活体的图像；

输出模块430，用于在基于所述第一检测结果判断出所述红外图像中存在人脸活体时，基于所述红外图像，输出目标区域的温度信息，其中，所述目标区域为所述红外图像的人脸区域中，能够体现人体温度的区域。

可选地，如图5所示，所述装置还包括：

第二获取模块440，用于在所述输出模块基于所述红外图像，输出目标区域的温度信息之前，获取目标可见光图像；其中，所述目标可见光图像与所述红外图像为关于同一采集区域且采集时间相匹配的图像；

第二检测模块450，用于对所述目标可见光图像进行人脸检测，得到第二检测结果；其中，所述第二检测结果用于表示所述目标可见光图像中是否存在人脸；

所述输出模块430具体用于：

在基于所述第一检测结果判断出所述红外图像中存在人脸活体，且所述第二检测结果表明所述目标可见光图像中存在人脸时，基于所述红外图像，输出目标区域的温度信息。

可选地，所述输出模块430基于所述红外图像，输出目标区域的温度信息，包括：

基于所述红外图像中人脸区域，确定目标区域在所述红外图像中的图像位置，作为目标位置；

基于所述目标位置，确定所述目标区域的温度信息，并输出所述目标区域的温度信息。

可选地，所述输出模块430还用于基于所述目标位置，确定所述目标区域的温度信息之前，利用所述红外图像对应的可见光图像中人脸的关键点的位置信息，对所述目标位置进行修正，得到修正后的所述目标位置；

其中，所述红外图像对应的可见光图像与所述红外图像为关于同一采集区域且采集时间相匹配的图像。

可选地，所述输出模块430基于所述目标位置，确定所述目标区域的温度信息，包括：

确定测温热力矩阵中所述目标位置所指示的矩阵区域；其中，所述测温热力矩阵为表征所述红外图像中图像内容的温度值的温度矩阵；

从所述矩阵区域中选取最高的温度值，作为所述目标区域的温度信息。

可选地，所述输出模块430还用于利用所述红外图像对应的可见光图像中人脸的关键点的位置信息，对所述目标位置进行修正之前，识别所述红外图像对应的可见光图像中的人脸的指定人脸角度；若所述指定人脸角度符合预定正脸条件，则执行所述利用所述红外图像对应的可见光图像中人脸的关键点的位置信息，对所述目标位置进行修正的步骤。

可选地，所述输出模块430还用于利用所述红外图像对应的可见光图像中人脸的关键点的位置信息，对所述目标位置进行修正之前，确定所述红外图像对应的可见光图像的人脸区域和红外图像的人脸区域的相交区域；计算所述相交区域在所述红外图像的人脸区域中所占的比例；若所述比例大于预定比例阈值，则执行所述利用所述红外图像对应的可见光图像中人脸的关键点的位置信息，对所述目标位置进行修正的步骤。

本发明实施例还提供了一种电子设备，如图6所示，包括处理器601、通信接口602、存储器603和通信总线604，其中，处理器601，通信接口602，存储器603通过通信总线604完成相互间的通信，

存储器603，用于存放计算机程序；

处理器601，用于执行存储器603上所存放的程序时，实现本发明实施例所提供的图像处理方法的步骤。

上述电子设备提到的通信总线可以是外设部件互连标准(PeripheralComponentInterconnect，PCI)总线或扩展工业标准结构(Extended IndustryStandardArchitecture，EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

通信接口用于上述电子设备与其他设备之间的通信。

存储器可以包括随机存取存储器(Random Access Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。

上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessing，DSP)、专用集成电路(Application Specific IntegratedCircuit，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。

在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一图像处理方法的步骤。

在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一图像处理方法的步骤。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘SolidState Disk(SSD))等。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、设备实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上所述仅为本发明的较佳实施例，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。