一种温度检测方法、装置及设备

技术领域

本申请涉及智能交通领域，尤其涉及一种温度检测方法、装置及设备。

背景技术

可见光传感器是用于采集可见光图像的传感器，可见光图像是在可见光(可见光是电磁波谱中人眼可以感知的部分，如波长在400～760nm之间)范围内采集到的图像，可见光图像是人眼所能看到的图像，包含丰富的光谱信息。

热成像传感器是用于采集热成像图像的传感器，热成像图像不是在可见光范围内采集的图像，而是与物体表面温度有关的图像。例如，自然界中物体可以辐射红外线，通过检测红外线的特定波段信号，将该信号转换成可供人眼分辨的图像，这个图像就是热成像图像，热成像图像能够反映物体表面的温度值。

针对同时部署可见光传感器和热成像传感器的检测设备来说，可以同时采集到可见光图像和热成像图像。但是，应该如何使用检测设备对检测区域的车辆进行监测，目前并没有有效的实现方式，无法合理使用检测设备。

发明内容

本申请提供一种温度检测方法，所述方法应用于检测设备，所述检测设备至少包括可见光传感器和热成像传感器，所述方法包括：

通过所述热成像传感器周期性的获取目标位置的初始温度值；

在目标车辆到达所述目标位置时，确定所述目标车辆是否为指定类型车辆，若是，则通过所述可见光传感器获取所述目标车辆的多个可见光图像；

针对每个可见光图像，基于所述可见光图像的获取时刻与初始温度值的获取时刻，从所有初始温度值中选择所述可见光图像对应的目标温度值；

基于多个可见光图像对应的目标温度值确定所述目标车辆的多个测温点的温度值，基于所述多个测温点的温度值确定所述目标车辆的温度值。

在一种可能的实施方式中，所述基于多个可见光图像对应的目标温度值确定所述目标车辆的多个测温点的温度值，包括：

针对每个可见光图像，从所述可见光图像中确定出与所述目标位置匹配的目标像素坐标；基于所述目标像素坐标确定所述目标车辆的测温点，并将所述可见光图像对应的目标温度值确定为所述测温点的温度值。

示例性的，所述从所述可见光图像中确定出与所述目标位置匹配的目标像素坐标，包括：确定所述目标位置在所述热成像传感器的坐标系下的目标位置坐标；基于所述可见光传感器与所述热成像传感器之间的单应性变换关系，从所述可见光图像中确定出与所述目标位置坐标匹配的目标像素坐标；

其中，所述单应性变换关系用于表示所述可见光传感器的坐标系下的像素坐标与所述热成像传感器的坐标系下的位置坐标的映射关系。

示例性的，所述基于所述多个测温点的温度值确定所述目标车辆的温度值，包括：将所述多个测温点的温度值的最大值，确定为所述目标车辆的温度值；或，将所述多个测温点的温度值的平均值，确定为所述目标车辆的温度值。

在一种可能的实施方式中，所述基于所述多个测温点的温度值确定所述目标车辆的温度值之后，所述方法还包括：

若所述目标车辆的温度值大于告警阈值，则生成针对所述目标车辆的告警数据，所述告警数据包括所述目标车辆的车牌标识和所述目标车辆的温度值。

示例性的，所述确定所述目标车辆是否为指定类型车辆，包括：

通过所述可见光传感器采集包括所述目标车辆的目标图像，并将所述目标图像输入给深度学习模型，由所述深度学习模型输出所述目标图像对应的类别，所述类别用于表示所述目标车辆为指定类型车辆或不为指定类型车辆。

示例性的，所述通过所述可见光传感器获取所述目标车辆的多个可见光图像，包括：通过所述可见光传感器周期性的获取所述目标位置的可见光图像；

若基于第一可见光图像确定所述目标车辆的车头到达所述目标位置，则对所述目标车辆进行检测，一直到基于第二可见光图像确定所述目标车辆的车尾到达所述目标位置，将检测得到的所述第一可见光图像与所述第二可见光图像之间的每个可见光图像确定为所述目标车辆的多个可见光图像。

在一种可能的实施方式中，所述目标位置是基于所述热成像传感器对检测区域中各个位置的测温精度确定，所述方法还包括：基于所述热成像传感器对检测区域中各个位置的测温精度，从检测区域的各个位置中确定出与最高测温精度匹配的位置，将与最高测温精度匹配的位置确定为所述目标位置。

本申请提供一种温度检测装置，所述装置应用于检测设备，所述检测设备至少包括可见光传感器和热成像传感器，所述装置包括：

获取模块，用于通过所述热成像传感器周期性的获取目标位置的初始温度值；在目标车辆到达所述目标位置时，确定所述目标车辆是否为指定类型车辆；若是，则通过所述可见光传感器获取所述目标车辆的多个可见光图像；

选择模块，用于针对每个可见光图像，基于可见光图像的获取时刻与初始温度值的获取时刻，从所有初始温度值中选择可见光图像对应的目标温度值；

确定模块，用于基于多个可见光图像对应的目标温度值确定所述目标车辆的多个测温点的温度值，基于多个测温点的温度值确定所述目标车辆的温度值。

本申请提供一种检测设备，所述检测设备至少包括可见光传感器和热成像传感器，所述检测设备还包括：处理器和机器可读存储介质，所述机器可读存储介质存储有能够被所述处理器执行的机器可执行指令；

所述处理器用于执行机器可执行指令，以实现如下步骤：

通过所述热成像传感器周期性的获取目标位置的初始温度值；

在目标车辆到达所述目标位置时，确定所述目标车辆是否为指定类型车辆，若是，则通过所述可见光传感器获取所述目标车辆的多个可见光图像；

针对每个可见光图像，基于所述可见光图像的获取时刻与初始温度值的获取时刻，从所有初始温度值中选择所述可见光图像对应的目标温度值；

基于多个可见光图像对应的目标温度值确定所述目标车辆的多个测温点的温度值，基于所述多个测温点的温度值确定所述目标车辆的温度值。

由以上技术方案可见，本申请实施例中，可以将检测设备(同时部署可见光传感器和热成像传感器)部署在检测区域，通过检测设备确定目标车辆的温度值，基于目标车辆的温度值确定目标车辆是否为危险品运输车辆，从而自动确定目标车辆是否为危险品运输车辆，可以对危险品运输车辆进行温度测量和车牌识别，实现危险品运输车辆在行驶过程中的高温预警，有效解决了针对危险品运输车辆在行驶过程中难以实施测温的问题，有效解决了驾驶员难以察觉自身车辆潜在高温风险的问题，有效增强了危险品运输车辆的管控能力，降低目标车辆由于自身温度过高，而驾驶员不自知情况下的自燃风险。

附图说明

为了更加清楚地说明本申请实施例或者现有技术中的技术方案，下面将对本申请实施例或者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申请中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据本申请实施例的这些附图获得其他的附图。

图1是本申请一种实施方式中的检测设备的结构示意图；

图2是本申请一种实施方式中的检测区域的应用场景示意图；

图3是本申请一种实施方式中的温度检测方法的流程示意图；

图4是本申请另一种实施方式中的温度检测方法的流程示意图；

图5是本申请一种实施方式中的温度检测装置的结构示意图；

图6是本申请一种实施方式中的检测设备的硬件结构图。

具体实施方式

在本申请实施例使用的术语仅仅是出于描述特定实施例的目的，而非限制本申请。本申请和权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其它含义。还应当理解，本文中使用的术语“和/或”是指包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本申请实施例可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，此外，所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。

本申请实施例中提出一种温度检测方法，该方法可以应用于检测设备，参见图1所示，为检测设备的结构示意图，该检测设备至少可以包括可见光传感器(可见光sensor)和热成像传感器(热成像sensor)，检测设备可以为IPC(IP Camera，网络摄像机)、模拟摄像机等，对此检测设备的类型不做限制。

参见图2所示，可以在检测区域部署检测设备，该检测区域可以是交通卡口、高速公路、普通公路等应用场景的区域，检测区域是有车辆经过的区域，对此检测区域不做限制。可以在安装立杆位置部署检测设备，这样，检测设备可以对检测区域经过的车辆(将检测区域经过的每一个车辆称为目标车辆)进行检测，比如说，可见光传感器可以获取目标车辆的可见光图像，基于可见光图像实现目标车辆的检测和识别，热成像传感器可以获取目标车辆的温度值。

在安装立杆位置部署检测设备后，需要从检测区域中确定出目标位置(如图2中的T截面位置)，可以在目标位置标记出一条划分线，使得目标车辆经过该划分线时，能够获知目标车辆到达目标位置，如目标车辆的车头到达目标位置，目标车辆的车尾到达目标位置，目标车辆的车身到达目标位置等。

由于检测区域中包括大量位置，关于将检测区域的哪个位置作为目标位置，在一种可能的实施方式中，可以将检测区域中的任意位置配置为目标位置，或者，基于热成像传感器对检测区域中各个位置的测温精度，从检测区域的各个位置中确定出目标位置，对此目标位置不做限制，只要能够确定目标位置即可。

在基于热成像传感器对检测区域中各个位置的测温精度，从检测区域的各个位置中确定出目标位置时，可以基于热成像传感器对检测区域中各个位置的测温精度，从检测区域的各个位置中确定出与最高测温精度匹配的位置，将与最高测温精度匹配的位置确定为目标位置，即，目标位置为测温精度最高的位置。当然，上述方式只是示例，只要目标位置是基于热成像传感器对检测区域中各个位置的测温精度确定即可。比如说，将与第二高测温精度匹配的位置确定为目标位置，将与第三高测温精度匹配的位置确定为目标位置，以此类推。

示例性的，热成像传感器对检测区域进行测温时，可以对检测区域中各个位置进行测温，且检测区域的不同位置的测温精度是不同的，即有位置的测温精度可能比较高，表示热成像传感器测量的该位置的温度值的准确性较高，而有位置的测温精度可能比较低，表示热成像传感器测量的该位置的温度值的准确性较低，因此，可以获知热成像传感器对检测区域的不同位置的测温精度，而不同位置的测温精度与热成像传感器的结构有关，对此不再赘述。

本实施例中，可以获知热成像传感器对检测区域的不同位置的测温精度，并从检测区域中确定出与最高测温精度匹配的位置，如图2中的T截面位置，将与最高测温精度匹配的位置作为目标位置，在目标位置出标记出一条划分线。

在安装立杆位置部署检测设备后，还可以确定可见光传感器与热成像传感器之间的单应性变换关系(也称为单应性矩阵)，单应性(Homography)是计算机视觉领域的重要概念，用于描述物体在不同坐标系之间的位置映射关系。

为了区分方便，本实施例中，将可见光传感器的坐标系下的坐标点称为像素坐标，将热成像传感器的坐标系下的坐标点称为位置坐标，因此，可见光传感器与热成像传感器之间的单应性变换关系，用于表示可见光传感器的坐标系下的像素坐标与热成像传感器的坐标系下的位置坐标的映射关系。例如，热成像传感器的坐标系下的位置坐标a为(x,y,1)，可见光传感器的坐标系下的像素坐标b为(u,v,1)。(x,y,1)为位置坐标a的齐次坐标，(u,v,1)为像素坐标b的齐次坐标。齐次坐标是用(n+1)维向量来表示n维向量，例如，二维直角坐标系的(1，2)，齐次坐标可表示成(1*a，2*a，a)，a为非0实数。以a为1为例，(x,y)的齐次坐标是(x,y,1)，(u,v)的齐次坐标是(u,v,1)。

示例性的，若热成像传感器的坐标系下的位置坐标a与可见光传感器的坐标系下的像素坐标b具有匹配关系，即位置坐标a和像素坐标b是同一位置，则位置坐标a和像素坐标b的转换关系，可以参见公式(1)所示。

b＝Ha

在公式(1)中，T表示矩阵的转置，H表示单应性矩阵(即可见光传感器与热成像传感器之间的单应性变换关系)，且单应性矩阵参见公式(2)所示。

示例性的，由于位置坐标a为(x,y,1)，像素坐标b为(u,v,1)，因此，在将公式(2)代入公式(1)之后，就可以得到公式(3)所示的关系。

示例性的，可以将公式(3)中的第3个等式，分别代入到公式(3)中的第1个等式和第2个等式，继而能够得到公式(4)所示的关系。

示例性的，针对公式(4)，通过乘以分母进行展开，还可以得到公式(5)。在得到公式(5)后，对公式(5)进行整理，可以得到公式(6)。

示例性的，通过公式(6)可以得到公式(7)所示的线性方程组：

显然，若能够得到热成像传感器的坐标系下的位置坐标(x

在得到[h

综上所述，只要能够得到N(大于或者等于4)个标记点在热成像传感器的坐标系下的位置坐标和N个标记点在可见光传感器的坐标系下的像素坐标，就可以利用N个标记点在热成像传感器的坐标系下的位置坐标和N个标记点在可见光传感器的坐标系下的像素坐标，确定单应性矩阵H。比如说，上述(x

综上所述，通过在热成像传感器和可见光传感器的视场重叠区域选取N个标记点，可以确定可见光传感器与热成像传感器之间的单应性变换关系(也称单应性矩阵H)，并存储可见光传感器与热成像传感器之间的单应性变换关系。

在上述应用场景下，参见图3所示，为本申请实施例中提出的温度检测方法的流程图，该温度检测方法可以应用于检测设备，该方法可以包括：

步骤301，通过热成像传感器周期性的获取目标位置的初始温度值。

示例性的，热成像传感器可以周期性的获取检测区域的每个位置的温度值，由于检测区域的每个位置中包括目标位置，因此，热成像传感器可以获取该目标位置的温度值，为了区分方便，将该目标位置的温度值记为该目标位置的初始温度值，关于目标位置之外的其它位置的温度值，本实施例中不做限制。

综上所述，可以通过热成像传感器周期性的获取目标位置的初始温度值，比如说，可以在时刻a1获取目标位置的初始温度值T1，在时刻a2获取目标位置的初始温度值T2，在时刻a3获取目标位置的初始温度值T3，以此类推。

在通过热成像传感器周期性的获取目标位置的初始温度值时，初始温度值的获取周期可以根据经验配置，如每隔1秒获取目标位置的初始温度值。

步骤302，在目标车辆到达目标位置时，确定该目标车辆是否为指定类型车辆，若是，则通过可见光传感器获取该目标车辆的多个可见光图像。

示例性的，可以通过可见光传感器周期性获取目标位置的可见光图像，可见光图像的获取周期可以根据经验配置，如每隔1秒获取目标位置的可见光图像。目标位置的可见光图像是指：可见光图像中需要包括目标位置，即可见光图像中包括上述划分线。基于可见光传感器获取的可见光图像，可以检测是否有目标车辆到达目标位置。比如说，若可见光图像中包括目标车辆，且目标车辆的任一区域(如车头区域、车尾区域、车身区域等)到达目标位置(如该区域正处于划分线)，则确定目标车辆到达目标位置。若可见光图像中不包括目标车辆，则确定目标车辆未到达目标位置。若可见光图像中包括目标车辆，但是目标车辆的所有区域均未到达目标位置，则确定目标车辆未到达目标位置。

当然，上述方式只是确定是否有目标车辆到达目标位置的示例，对此确定方式不做限制，只要能够确定是否有目标车辆到达目标位置即可。

示例性的，在有目标车辆到达目标位置时，还可以确定该目标车辆是否为指定类型车辆，该指定类型车辆可以是危险品运输车辆，也可以是其它类型车辆，对此指定类型车辆不做限制，只要是需要进行温度检测的车辆即可。

为了确定该目标车辆是否为指定类型车辆，可以采用如下方式：通过可见光传感器采集包括该目标车辆的目标图像，并将该目标图像输入给深度学习模型(即已训练的深度学习模型)，由深度学习模型输出该目标图像对应的类别，该类别用于表示该目标车辆为指定类型车辆或者不为指定类型车辆。因此，基于深度学习模型输出的类别，可以确定该目标车辆是否为指定类型车辆。

深度学习模型的训练过程，可以包括：获取大量训练图像，这些训练图像包括正样本训练图像和负样本训练图像，正样本训练图像包括指定类型车辆，且正样本训练图像的标签值为第一取值(用于表示指定类型车辆)，负样本训练图像包括非指定类型车辆(即不是指定类型车辆)，且负样本训练图像的标签值为第二取值(用于表示非指定类型车辆)。将大量训练图像和这些训练图像的标签值输入给初始深度模型，从而对初始深度模型进行训练，对此训练过程不做限制，就可以得到已训练的深度学习模型，该深度学习模型能够识别出图像的类别，该类别用于表示车辆为指定类型车辆或者不为指定类型车辆。

在得到已训练的深度学习模型后，在步骤302中，在通过可见光传感器采集到包括目标车辆的目标图像后，可以将该目标图像输入给已训练的深度学习模型，由深度学习模型输出该目标图像对应的类别。若该类别用于表示该目标车辆为指定类型车辆，则确定该目标车辆为指定类型车辆，若该类别用于表示该目标车辆不为指定类型车辆，则确定该目标车辆不为指定类型车辆。

综上所述，在目标车辆到达目标位置时，可以确定该目标车辆是否为指定类型车辆。若该目标车辆为指定类型车辆，则通过可见光传感器获取该目标车辆的多个可见光图像。若该目标车辆不为指定类型车辆，则等待下一个目标车辆到达目标位置，并确定下一个目标车辆是否为指定类型车辆，以此类推。

示例性的，若该目标车辆为指定类型车辆，则可以通过可见光传感器获取该目标车辆的多个可见光图像，每个可见光图像均包括目标车辆，且目标车辆有区域(如车头区域、车尾区域、车身区域等)位于目标位置(如处于划分线)。

为了获取目标车辆的多个可见光图像，可以采用如下方式：通过可见光传感器周期性的获取该目标位置的可见光图像；若基于第一可见光图像确定目标车辆的车头到达目标位置，则对目标车辆进行检测，一直到基于第二可见光图像确定目标车辆的车尾到达目标位置，将检测得到的第一可见光图像与第二可见光图像之间的每个可见光图像确定为目标车辆的多个可见光图像。

比如说，在目标车辆到达目标位置，且该目标车辆为指定类型车辆时，可以通过可见光传感器周期性的获取目标位置的可见光图像，该可见光图像中需要包括目标位置，且可见光图像中包括目标车辆，且目标车辆的任一区域(如车头区域、车尾区域、车身区域等)到达目标位置(如该区域正处于划分线)。

在通过可见光传感器获取可见光图像的过程中，若基于某一帧可见光图像确定目标车辆的车头到达目标位置(车头区域正处于划分线)，则将该帧可见光图像记为第一可见光图像。若基于某一帧可见光图像确定目标车辆的车尾到达目标位置(车尾区域正处于划分线)，则将该帧可见光图像记为第二可见光图像。综上所述，在基于第一可见光图像确定目标车辆的车头到达目标位置后，可以对目标车辆进行检测，一直到基于第二可见光图像确定目标车辆的车尾到达目标位置，停止对目标车辆进行检测。将检测得到的第一可见光图像与第二可见光图像之间的每个可见光图像确定为目标车辆的多个可见光图像。

比如说，可见光传感器在时刻b1获取到可见光图像1，且基于可见光图像1确定目标车辆的车头到达目标位置，则可见光图像1为第一可见光图像，从时刻b1开始对目标车辆进行检测，即，检测得到目标车辆在每个时刻的可见光图像。可见光传感器在时刻b5获取到可见光图像5，且基于可见光图像5确定目标车辆的车尾到达目标位置，则可见光图像5为第二可见光图像，在时刻b5停止对目标车辆进行检测。综上所述，可以将检测得到的时刻b1的可见光图像1、时刻b2的可见光图像2、时刻b3的可见光图像3、时刻b4的可见光图像4、时刻b5的可见光图像5，均作为目标车辆的可见光图像，即得到多个可见光图像。

步骤303，针对目标车辆的每个可见光图像，基于可见光图像的获取时刻(获取到可见光图像的时刻)与目标位置的初始温度值的获取时刻(获取到初始温度值的时刻)，从所有初始温度值中选择该可见光图像对应的目标温度值。

示例性的，若可见光图像的获取时刻与目标位置的初始温度值的获取时刻相同，则可以将该初始温度值作为该可见光图像对应的目标温度值。

参见步骤301所示，可以得到目标位置的多个初始温度值，每个初始温度值对应有该初始温度值的获取时刻，如初始温度值T1对应时刻a1、初始温度值T2对应时刻a2、初始温度值T3对应时刻a3，以此类推。参见步骤302所示，可以得到目标车辆的多个可见光图像，每个可见光图像对应有该可见光图像的获取时刻，如可见光图像1对应时刻b1、可见光图像2对应时刻b2、可见光图像3对应时刻b3、可见光图像4对应时刻b4、可见光图像5对应时刻b5。

若时刻a1与时刻b1相同，则将时刻a1对应的初始温度值T1作为时刻b1对应的可见光图像1对应的目标温度值，若时刻a2与时刻b2相同，则将初始温度值T2作为可见光图像2对应的目标温度值，若时刻a3与时刻b3相同，则将初始温度值T3作为可见光图像3对应的目标温度值，若时刻a4与时刻b4相同，则将初始温度值T4作为可见光图像4对应的目标温度值，若时刻a5与时刻b5相同，则将初始温度值T5作为可见光图像5对应的目标温度值。

步骤304，基于目标车辆的多个可见光图像对应的目标温度值确定目标车辆的多个测温点(如目标车辆的车头、车身、车尾等区域)的温度值。

比如说，针对目标车辆的每个可见光图像，从该可见光图像中确定出目标车辆的哪个区域到达目标位置，这个区域是目标车辆的测温点。例如，若基于可见光图像确定出目标车辆的车头到达目标位置，则目标车辆的测温点为车头测温点，将该可见光图像对应的目标温度值确定为车头测温点的温度值。若基于可见光图像确定出目标车辆的车身到达目标位置，则目标车辆的测温点为车身测温点，将该可见光图像对应的目标温度值确定为车身测温点的温度值。若基于可见光图像确定出目标车辆的车尾到达目标位置，则目标车辆的测温点为车尾测温点，将该可见光图像对应的目标温度值确定为车尾测温点的温度值。

综上所述，目标车辆的测温点是从车头开始到车尾截止的各个区域，因此，可以得到目标车辆的从车头开始到车尾截止的各个区域的温度值，即能够自动检测目标车辆的各个区域的温度值，从而得到目标车辆的完整温度值(从车头到车尾的整体区域的温度值)，而不是只得到目标车辆的某个区域的温度值。

在一种可能的实施方式中，基于目标车辆的多个可见光图像对应的目标温度值确定目标车辆的多个测温点的温度值，可以包括但不限于：针对每个可见光图像，从该可见光图像中确定出与该目标位置匹配的目标像素坐标；基于该目标像素坐标确定目标车辆的测温点，并将该可见光图像对应的目标温度值确定为该测温点的温度值。比如说，在从可见光图像中确定出目标像素坐标之后，从该可见光图像中解析出与该目标像素坐标对应的车辆区域(如车头区域、车身区域、车尾区域等)，将该车辆区域确定为目标车辆的测温点，并将该可见光图像对应的目标温度值确定为该测温点的温度值。例如，若从该可见光图像中解析出与该目标像素坐标对应的车辆区域是车头区域，则将车头区域确定为目标车辆的测温点，若从该可见光图像中解析出与该目标像素坐标对应的车辆区域是车身区域，则将车身区域确定为目标车辆的测温点，以此类推。

示例性的，从该可见光图像中确定出与该目标位置匹配的目标像素坐标，可以包括但不限于如下方式：确定该目标位置在热成像传感器的坐标系下的目标位置坐标(即将该目标位置转换为热成像传感器的坐标系下的位置坐标，将其记为目标位置坐标)，并基于可见光传感器与热成像传感器之间的单应性变换关系，从该可见光图像中确定出与该目标位置坐标匹配的目标像素坐标。

例如，参见上述公式(7)所示，为单应性变换关系(即单应性矩阵H)的示例，该单应性变换关系用于表示可见光传感器的坐标系下的像素坐标与热成像传感器的坐标系下的位置坐标的映射关系。基于此，在得到热成像传感器的坐标系下的目标位置坐标后，可以将该目标位置坐标代入公式(7)所示的单应性变换关系，从而得到可见光图像中与该目标位置坐标匹配的目标像素坐标。

综上所述，基于目标车辆的多个可见光图像对应的目标温度值，就可以确定出目标车辆的从车头开始到车尾截止的多个测温点的温度值，即得到目标车辆的整个车体各个切面的温度值，得到车头至车尾之间的完整温度值。

步骤305，基于目标车辆的多个测温点的温度值确定目标车辆的温度值。

比如说，可以将多个测温点的温度值的最大值，确定为目标车辆的温度值；或者，将多个测温点的温度值的平均值，确定为目标车辆的温度值。当然，上述方式只是示例，对此不做限制，还可以将其它温度值确定为目标车辆的温度值，比如说，将指定区域的测温点的温度值确定为目标车辆的温度值，该指定区域可以是车身区域，即将车身区域的温度值确定为目标车辆的温度值。

在得到目标车辆的温度值之后，可以确定目标车辆的温度值是否大于告警阈值(可以根据经验配置)，若目标车辆的温度值大于告警阈值，则生成针对该目标车辆的告警数据，该告警数据包括目标车辆的车牌标识和目标车辆的温度值。若目标车辆的温度值不大于告警阈值，则不生成针对该目标车辆的告警数据。综上所述，若目标车辆的温度值大于告警阈值，则将目标车辆的车牌标识和目标车辆的温度值发送至告警系统，由告警系统将目标车辆的车牌标识和目标车辆的温度值发送至道路诱导显示屏，从而警示驾驶员进行自检。

示例性的，上述执行顺序只是为了方便描述给出的一个示例，在实际应用中，还可以改变步骤之间的执行顺序，对此执行顺序不做限制。而且，在其它实施例中，并不一定按照本说明书示出和描述的顺序来执行相应方法的步骤，其方法所包括的步骤可以比本说明书所描述的更多或更少。此外，本说明书中所描述的单个步骤，在其它实施例中可能被分解为多个步骤进行描述；本说明书中所描述的多个步骤，在其它实施例也可能被合并为单个步骤进行描述。

由以上技术方案可见，本申请实施例中，可以将检测设备(同时部署可见光传感器和热成像传感器)部署在检测区域，通过检测设备确定目标车辆的温度值，基于目标车辆的温度值确定目标车辆是否为危险品运输车辆，从而自动确定目标车辆是否为危险品运输车辆，可以对危险品运输车辆进行温度测量和车牌识别，实现危险品运输车辆在行驶过程中的高温预警，有效解决了针对危险品运输车辆在行驶过程中难以实施测温的问题，有效解决了驾驶员难以察觉自身车辆潜在高温风险的问题，有效增强了危险品运输车辆的管控能力，降低目标车辆由于自身温度过高，而驾驶员不自知情况下的自燃风险。在上述方式中，通过可见光与热成像的双目装置，可对危险品运输车辆进行温度测量、车牌识别，实现了危险品运输车辆在行驶过程中的超温预警，实现了对目标车辆的逐段分片测温，以完成达到对整个目标车辆实现测温的目标。

参见图4所示，为温度检测方法的另一个流程图，该方法可以包括：

步骤401，检测设备通过热成像传感器周期性的获取目标位置的初始温度值。

步骤402，检测设备通过可见光传感器周期性的获取目标位置的可见光图像。

步骤403，检测设备获取到可见光图像后，基于该可见光图像确定是否有目标车辆到达目标位置。若否，则检测设备在下一个获取周期继续获取目标位置的可见光图像，一直到有目标车辆到达目标位置。若是，则执行步骤404。

步骤404，在目标车辆到达目标位置时，检测设备确定该目标车辆是否为指定类型车辆(如挂有危险品标识的危险品运输车辆)。若否，则检测设备在下一个获取周期继续获取目标位置的可见光图像。若是，则执行步骤405。

步骤405，若目标车辆为指定类型车辆，则检测设备对目标车辆进行检测，得到目标车辆的多个可见光图像。在对目标车辆进行检测时，可以检测得到第一可见光图像(目标车辆的车头到达目标位置时的可见光图像)与第二可见光图像(目标车辆的车尾到达目标位置时的可见光图像)之间的多个可见光图像。

在对目标车辆进行检测时，还可以识别目标车辆的车牌标识，并为该目标车辆建立检测标识，并记录目标车辆的检测标识、目标车辆的车牌标识及目标车辆的可见光图像之间的映射关系，并持续检测该目标车辆的运动。

步骤406，针对每个可见光图像，检测设备基于可见光图像的获取时刻与目标位置的初始温度值的获取时刻，从所有初始温度值中选择该可见光图像对应的目标温度值，即目标温度值的获取时刻与该可见光图像的获取时刻相同。

综上所述，可以得到目标车辆的多个可见光图像对应的目标温度值。

步骤407，检测设备基于目标车辆的多个可见光图像对应的目标温度值确定目标车辆的多个测温点的温度值。比如说，针对目标车辆的每个可见光图像，从该可见光图像中确定出目标车辆的哪个区域到达目标位置，这个区域是目标车辆的测温点，将该可见光图像对应的目标温度值确定为该测温点的温度值。

综上所述，在从目标车辆的车头区域到达目标位置开始，到目标车辆的车尾区域到达目标位置截止，随着目标车辆向前行驶，检测设备可以得到目标车辆的各个测温点的温度值，从而完成整个车体各个切面的测温过程。

步骤408，检测设备基于目标车辆的多个测温点的温度值确定目标车辆的温度值。比如说，统计从目标车辆的车头区域到目标车辆的车尾区域之间的各个测温点的温度值，得出目标车辆的完整温度值。若目标车辆的温度值大于告警阈值，则将目标车辆的车牌标识和温度值发送至告警系统，由告警系统将目标车辆的车牌标识和温度值发送至道路诱导显示屏，从而警示驾驶员进行自检。

基于与上述方法同样的申请构思，本申请实施例中提出一种温度检测装置，所述装置应用于检测设备，所述检测设备至少包括可见光传感器和热成像传感器，参见图5所示，为所述温度检测装置的结构示意图，所述装置包括：

获取模块51，用于通过所述热成像传感器周期性的获取目标位置的初始温度值；在目标车辆到达所述目标位置时，确定所述目标车辆是否为指定类型车辆；若是，则通过所述可见光传感器获取所述目标车辆的多个可见光图像；

选择模块52，用于针对每个可见光图像，基于可见光图像的获取时刻与初始温度值的获取时刻，从所有初始温度值中选择可见光图像对应的目标温度值；

确定模块53，用于基于多个可见光图像对应的目标温度值确定目标车辆的多个测温点的温度值，基于多个测温点的温度值确定所述目标车辆的温度值。

在一种可能的实施方式中，所述确定模块53基于多个可见光图像对应的目标温度值确定目标车辆的多个测温点的温度值时具体用于：

针对每个可见光图像，从所述可见光图像中确定出与所述目标位置匹配的目标像素坐标；基于所述目标像素坐标确定所述目标车辆的测温点，并将所述可见光图像对应的目标温度值确定为所述测温点的温度值。

在一种可能的实施方式中，所述确定模块53从所述可见光图像中确定出与所述目标位置匹配的目标像素坐标时具体用于：确定所述目标位置在所述热成像传感器的坐标系下的目标位置坐标；基于所述可见光传感器与所述热成像传感器之间的单应性变换关系，从所述可见光图像中确定出与所述目标位置坐标匹配的目标像素坐标；其中，所述单应性变换关系用于表示所述可见光传感器的坐标系下的像素坐标与所述热成像传感器的坐标系下的位置坐标的映射关系。

所述确定模块53基于多个测温点的温度值确定所述目标车辆的温度值时具体用于：将所述多个测温点的温度值的最大值，确定为所述目标车辆的温度值；或，将所述多个测温点的温度值的平均值，确定为所述目标车辆的温度值。

示例性的，所述获取模块51确定所述目标车辆是否为指定类型车辆时具体用于：通过所述可见光传感器采集包括所述目标车辆的目标图像，并将所述目标图像输入给深度学习模型，由所述深度学习模型输出所述目标图像对应的类别，所述类别用于表示所述目标车辆为指定类型车辆或不为指定类型车辆。

示例性的，所述获取模块51通过所述可见光传感器获取所述目标车辆的多个可见光图像时具体用于：通过所述可见光传感器周期性的获取所述目标位置的可见光图像；若基于第一可见光图像确定所述目标车辆的车头到达所述目标位置，则对所述目标车辆进行检测，一直到基于第二可见光图像确定所述目标车辆的车尾到达所述目标位置，将检测得到的所述第一可见光图像与所述第二可见光图像之间的每个可见光图像确定为所述目标车辆的多个可见光图像。

基于与上述方法同样的申请构思，本申请实施例中提出一种检测设备，所述检测设备至少包括可见光传感器和热成像传感器，参见图6所示，所述检测设备还包括：处理器61和机器可读存储介质62，所述机器可读存储介质62存储有能够被所述处理器61执行的机器可执行指令；所述处理器61用于执行机器可执行指令，以实现如下步骤：通过所述热成像传感器周期性的获取目标位置的初始温度值；在目标车辆到达所述目标位置时，确定所述目标车辆是否为指定类型车辆，若是，则通过所述可见光传感器获取所述目标车辆的多个可见光图像；针对每个可见光图像，基于所述可见光图像的获取时刻与初始温度值的获取时刻，从所有初始温度值中选择所述可见光图像对应的目标温度值；基于多个可见光图像对应的目标温度值确定所述目标车辆的多个测温点的温度值，基于所述多个测温点的温度值确定所述目标车辆的温度值。

基于与上述方法同样的申请构思，本申请实施例还提供一种机器可读存储介质，所述机器可读存储介质上存储有若干计算机指令，所述计算机指令被处理器执行时，能够实现本申请上述示例公开的温度检测方法。

其中，上述机器可读存储介质可以是任何电子、磁性、光学或其它物理存储装置，可以包含或存储信息，如可执行指令、数据，等等。例如，机器可读存储介质可以是：RAM(Radom Access Memory，随机存取存储器)、易失存储器、非易失性存储器、闪存、存储驱动器(如硬盘驱动器)、固态硬盘、任何类型的存储盘(如光盘、dvd等)，或者类似的存储介质，或者它们的组合。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机，计算机的具体形式可以是个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件收发设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任意几种设备的组合。

为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可以由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其它可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其它可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

而且，这些计算机程序指令也可以存储在能引导计算机或其它可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或者多个流程和/或方框图一个方框或者多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其它可编程数据处理设备上，使得在计算机或者其它可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其它可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。