红外图像热源区域探测方法及装置、电子设备及存储介质

技术领域

本申请涉及红外探测技术领域，尤其涉及一种红外图像热源区域探测方法及装置、电子设备及存储介质。

背景技术

红外成像设备经常用来判断环境中是否存在热源，它在军事、冶金、消防领域有广泛应用。红外设备会产生大量的红外图像，如何自动化地判断红外图像中是否存在热源，确定热源位置信息成为红外图像研究的重要话题。红外图像和自然图像有所不同，它没有清晰的边缘细节和纹理结构，只能依靠颜色变化来呈现发热物体。而现有的图像识别方法大都需要依赖边缘信息计算梯度等图像要素，这使得大部分基于自然图像的识别方法在红外图像上性能并不突出，因此相关技术无法精确识别出红外图像中是否存在热源。

由上可知，相关技术中的红外图像热源区域探测方法存在无法精确识别出红外图像中是否存在热源的技术问题。

发明内容

为了解决上述无法精确识别出红外图像中是否存在热源的技术问题，本申请提供了一种红外图像热源区域探测方法及装置、电子设备及存储介质。

第一方面，本申请实施例提供了一种红外图像热源区域探测方法，包括：

获取需要进行热源位置确定的红外图像；

确定所述红外图像中的各个像素对应的色带，其中，所述色带用于指示温度范围，每个所述色带对应的温度范围的温差相同，对于每个所述色带，所述色带对应的像素的颜色为所述色带包括的所有颜色中的一种；

通过确定每个所述色带所对应的所述红外图像中的像素，得到每个所述色带对应的所有像素在所述红外图像的所有像素中的像素占比；

在判定各个所述色带对应的所述像素占比满足预设要求时，确定所述红外图像中存在热源区域。

可选地，如前述的方法，在所述确定所述红外图像中的各个像素对应的色带之前，所述方法还包括：

确定用于标识所述红外图像的温度条，其中，所述温度条中的每个颜色用于指示唯一的温度；

根据预设色带数量对所述温度条进行均匀划分，得到至少两个所述色带。

可选地，如前述的方法，所述确定所述红外图像中的各个像素对应的色带包括：

针对所述红外图像中的任一个所述像素均执行以下步骤：

通过计算所述像素的颜色的RBG值中的红色值、绿色值以及蓝色值之和，得到所述像素的颜色分量和；

对于每个所述色带，根据所述色带包括的每个颜色的RBG值，计算得到所述色带包括的每个颜色的颜色分量和；根据所述色带包括的颜色的数量对所述色带的所述颜色分量和进行平均值计算，得到所述色带的颜色分量平均值；

基于所述像素的颜色分量和以及每个所述色带的颜色分量平均值，在所有所述色带中确定出所述像素对应的所述色带。

可选地，如前述的方法，所述在每个所述色带对应的所述像素占比满足预设要求时，确定所述红外图像中存在热源区域包括：

根据每个所述色带对应的所述像素占比，在所有所述色带中确定出第一色带集合，其中，所述第一色带集合中的各个色带的像素占比之和大于或等于第一预设阈值，所述第一色带集合中的色带所指示的温度高于所述红外图像中除所述第一色带集合外其它色带所指示的温度；

根据每个所述色带的所述像素占比，在所有所述色带中确定出第二色带集合，其中，所述第二色带集合中的各个色带的像素占比之和大于或等于第二预设阈值，所述第二色带集合中的色带所指示的温度低于所述红外图像中除所述第二色带集合外其它色带所指示的温度；

在所述第一色带集合中的第一目标色带与所述第二色带集合中的第二目标色带之间的色带差大于或等于第三预设阈值的情况下，确定所述红外图像中存在所述热源区域，其中，所述第一目标色带为所述第一色带集合内的所有色带中所指示的温度最低的色带，所述第二目标色带为所述第二色带集合内的所有色带中所指示的温度最高的色带，所述色带差用于指示所述第一目标色带与所述第二目标色带之间所间隔的色带的数量，所述间隔的色带所指示的温度低于所述第一目标色带所指示的温度，且高于所述第二目标色带所指示的温度。

可选地，如前述的方法，在所述确定所述红外图像中存在所述热源区域之后，所述方法还包括：

根据所述红外图像中目标像素的分布情况，在所述红外图像中确定出所述热源区域，其中，所述目标像素为所述第一色带集合中的色带所对应的像素。

可选地，如前述的方法，所述根据所述红外图像中所述目标像素的分布情况，在所述红外图像中确定出所述热源区域包括：

确定出所述红外图像中除所述目标像素之外的剩余像素；

确定所述目标像素的饱和度分量值，以及确定所述剩余像素的饱和度分量值；

对所述红外图像进行二值化处理，得到二值化图像，其中，所述二值化图像中与所述目标像素对应的第一像素的像素值为所述目标像素的饱和度分量值二值化后的第一预设值，所述二值化图像中与所述目标像素对应的第二像素的像素值为所述剩余像素的饱和度分量值二值化后的第二预设值；

基于所述二值化图像中的所述第一像素以及所述第二像素，在所述红外图像中确定出所述热源区域。

可选地，如前述的方法，所述基于所述二值化图像中的所述第一像素以及所述第二像素，在所述红外图像中确定出所述热源区域包括：

通过膨胀腐蚀方法，根据所述第一像素的第一预设值以及所述第二像素的第二预设值，在所述二值化图像中确定出目标区域，其中，所述目标区域中被赋值为所述第一预设值的所述第一像素的密度高于预设阈值；

根据所述目标区域的位置信息在所述红外图像中确定出所述热源区域。

第二方面，本申请实施例提供了一种红外图像热源区域探测装置，包括：

获取模块，用于获取需要进行热源位置确定的红外图像；

对应模块，用于确定所述红外图像中的各个像素对应的色带，其中，所述色带用于指示温度范围，每个所述色带对应的温度范围的温差相同，对于每个所述色带，所述色带对应的像素的颜色为所述色带包括的所有颜色中的一种；

占比模块，用于通过确定每个所述色带所对应的所述红外图像中的像素，得到每个所述色带对应的所有像素在所述红外图像的所有像素中的像素占比；

确定模块，用于在判定各个所述色带对应的所述像素占比满足预设要求时，确定所述红外图像中存在热源区域。

第三方面，本申请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，所述处理器、通信接口和存储器通过通信总线完成相互间的通信；

所述存储器，用于存放计算机程序；

所述处理器，用于执行所述计算机程序时，实现如前述任一项所述的方法。

第四方面，本申请实施例提供了一种计算机可读存储介质，所述存储介质包括存储的程序，其中，所述程序运行时执行如前任一项所述的方法。

本申请实施例提供的上述技术方案与现有技术相比具有如下优点：

本申请实施例提供的该方法，只需通过确定红外图像中每个像素对应的色带，并获取各个色带对应的像素占比，进而依据色带的像素在红外图像中确定是否存在热源区域，进而无需进行复杂的数学变换即可快速分析出红外图像相中是否存在热源区域，具有计算量小，实时性好，抗外界噪声能力强的优点。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。

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，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例提供的一种红外图像热源区域探测方法的流程图；

图2为本申请另一实施例提供的一种红外图像热源区域探测方法的流程图；

图3为本申请另一实施例提供的一种红外图像热源区域探测方法的流程图；

图4为本申请另一实施例提供的一种红外图像热源区域探测方法的流程图；

图5为本申请另一实施例提供的一种红外图像热源区域探测方法的流程图；

图6为本申请实施例提供的一种红外图像热源区域探测装置的框图；

图7为本申请实施例提供的一种电子设备的结构示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

根据本申请实施例的一个方面，提供了一种红外图像热源区域探测方法。可选地，在本实施例中，上述红外图像热源区域探测方法可以应用于由终端和/或服务器所构成的硬件环境中。服务器通过网络与终端进行连接，可用于为终端或终端上安装的客户端提供服务，可在服务器上或独立于服务器设置数据库，用于为服务器提供数据存储服务。

上述网络可以包括但不限于以下至少之一：有线网络，无线网络。上述有线网络可以包括但不限于以下至少之一：广域网，城域网，局域网，上述无线网络可以包括但不限于以下至少之一：WIFI(Wireless Fidelity，无线保真)，蓝牙。终端可以并不限定于为PC、手机、平板电脑等。

本申请实施例的红外图像热源区域探测方法可以由服务器来执行，也可以由终端来执行，还可以是由服务器和终端共同执行。其中，终端执行本申请实施例的红外图像热源区域探测方法也可以是由安装在其上的客户端来执行。

以由终端来执行本实施例中的红外图像热源区域探测方法为例，图1为本申请实施例提供的一种红外图像热源区域探测方法，包括如下所述步骤：

步骤S101，获取需要进行热源位置确定的红外图像。

本实施例中的红外图像热源区域探测方法可以应用于需要在由红外相机获取的红外图像中判断是否存在热源区域的场景，此外，还可以在其他设备所采集的红外图像中判断是否存在热源区域。

热源位置可以是位于红外图像中的，相对于红外图像所采集的环境而言，所指示温度更高的位置。例如，在红外图像所采集的环境为人类活动环境的情况下，热源位置可以是红外图像所采集的人的位置；在红外图像所采集的环境为运行中的计算设备的情况下，热源位置可以是红外图像所采集的CPU或GPU的位置等等。

在红外相机获取红外图像之后，执行本实施例方法的终端可以获取来自于红外相机的红外图像。

步骤S102，确定红外图像中的各个像素对应的色带，其中，色带用于指示温度范围，每个色带对应的温度范围的温差相同，对于每个色带，色带对应的像素的颜色为色带包括的所有颜色中的一种。

在获取红外图像之后，即需要对红外图像中的各个像素进行分析，以判断是否存在热源区域。

由于红外图像中是通过不同的颜色指示不同物体的温度，因此每个像素都有对应的颜色。例如，可以通过由黄色渐变到紫色中的各个颜色指示由指定高温到指定低温之间的各个温度。

色带可以是用于指示某一温度范围的，由多个存在渐变过程的颜色构成的颜色带。例如，色带1可以是由黄色渐变到橙色，以指示50℃至41℃对应的温度范围，温差为9℃(即，50℃-41℃＝9℃)，色带2可以是由橙色渐变到红色，以指示40℃至31℃对应的温度范围，温差为9℃(即，40℃-31℃＝9℃)，并且一般的，不同的色带之间的颜色不存在交集，因此，每个色带所指示的温度范围也各不相同，但是每个色带所指示的温差是相同的。

由于色带包括两个颜色之间过渡的所有颜色，而每个像素只显示一种颜色，因此，像素必然会对应于唯一的色带，而一个色带则可以对应有多个像素。

步骤S103，通过确定每个色带所对应的红外图像中的像素，得到每个色带对应的所有像素在红外图像的所有像素中的像素占比。

在确定每个像素所对应的色带之后，即可确定每个色带所对应的红外图像中的像素，因此可以得到每个色带所对应的所有像素的数量，然后由红外图像中的像素总数，即可得到每个色带对应的所有像素在红外图像的所有像素中的像素占比。

例如，在红外图像为分辨率为300×400的图像的情况下，且色带1对应的像素为1200个时，则色带1对应的所有像素在红外图像的所有像素中的像素占比为6000/(300×400)＝0.05。

步骤S104，在判定各个色带对应的像素占比满足预设要求时，确定红外图像中存在热源区域。

在得到每个色带对应的像素占比之后，并且在判定每个色带对应的像素占比满足预设要求时，即可确定红外图像中存在热源区域。

预设要求可以是用于判定红外图像中存在热源区域，并且与色带对应的像素占比相关的条件。例如，预设要求可以是：所指示温度范围最高的色带对应的至少一个像素占比达到第一预设下限；或者，所指示温度范围最高的至少一个色带对应的像素占比达到第二预设下限，且所指示温度范围最低的至少一个色带对应的像素占比达到第三预设下限等等。反之，当在每个色带对应的像素占比满足预设要求时，确定红外图像中存在热源区域。

因此，采用本实施例中的方法，只需通过确定红外图像中每个像素对应的色带，并获取各个色带对应的像素占比，进而依据色带的像素在红外图像中确定是否存在热源区域，进而无需进行复杂的数学变换即可快速分析出红外图像相中是否存在热源区域，具有计算量小，实时性好，抗外界噪声能力强的优点。

如图2所示，作为一种可选的实施方式，如前述的方法，在所述步骤S101确定红外图像中的各个像素对应的色带之前，方法还包括如下所述步骤：

步骤S201，确定用于标识红外图像的温度条，其中，温度条中的每个颜色用于指示唯一的温度。

红外图像是通过不同的颜色指示不同温度的图像，因此在拍摄得到红外图像之前，需要预先确定拍摄红外图像时所设定的温度条。温度条指示了每个温度所对应的颜色，并且，温度与颜色之间一一对应。例如，温度条可以是由黄色渐变到紫色的彩色图像。

步骤S202，根据预设色带数量对温度条进行均匀划分，得到至少两个色带。

在得到温度条之后，即可基于温度条得到多个色带。

预设色带数量可以是预先设定的，所需得到的色带的数量。可选的，温度条涵盖了红外图像所能呈现的各种颜色，所收集到的温度条从黄色渐变到紫色，代表了从高温到低温。由于温度条上的颜色是渐变的，所以无法严格地界定一种颜色的起止范围。因此可以沿着颜色渐变的方向，从温度条的一端均匀地将温度条划分为n个色带。设颜色渐变方向的像素数为N，那么色带个数d＝N/n,其中d为平均每个色带沿颜色渐变方向的像素数，一般的，为了使每个色带的像素数一致，N可以被n整除。

通过本实施例中的方法，可以快速划分得到多个色带，并且，可以使各个色带在颜色上呈连续过渡，以使红外图像中的每个像素都可以对应有包括其颜色的色带。

如图3所示，作为一种可选的实施方式，如前述的方法，所述步骤S102确定红外图像中的各个像素对应的色带包括如下所述步骤：

针对红外图像中的任一个像素均执行以下步骤：

步骤S301，通过计算像素的颜色的RBG值中的红色值、绿色值以及蓝色值之和，得到像素的颜色分量和。

在获取红外图像之后，即可确定每个像素所显示的颜色的RGB值(RGB色彩模式是工业界的一种颜色标准，是通过对红(R)、绿(G)、蓝(B)三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色的)。

在确定像素对应的RGB值之后，即可确定该像素对应的红色值、绿色值以及蓝色值，最后将红色值、绿色值以及蓝色值相加，即可得到该像素的颜色分量和。

例如，可以按照下式计算得到像素对应的颜色分量和s

s

当像素A的颜色为黄色时，则其RGB值为(255,255,0)，即，红色值、绿色值以及蓝色值分别为255，255和0，因此得到的颜色分量和为510。

步骤S302，对于每个色带，根据色带包括的每个颜色的RBG值，计算得到色带包括的每个颜色的颜色分量和；根据色带包括的颜色的数量对色带的颜色分量和进行平均值计算，得到色带的颜色分量平均值。

在确定每个色带之后，对于每个色带来说，即可对色带包括的每个颜色的RBG值，计算得到色带包括的每个颜色的颜色分量和。可选的，可以确定色带中包括的色带中像素，然后可以得到每个色带中像素的颜色的RBG值，其中，每个色带中像素的对应的颜色分量和可以参照步骤S301中示例所示进行计算得到。

在得到每个颜色的颜色分量和之后，可以对各个颜色的颜色分量和进行平均值计算，进而得到色带的颜色分量平均值。

例如，可以通过下式计算得到色带的颜色分量平均值s

其中，K为色带B

由于各个色带中像素的颜色只沿着颜色渐变的方向发生变化，且每行的色带中像素的数量都相同，因此，当色带中像素的颜色沿着纵向发生变化时，可以对该色带的每行色带中像素中只取一个色带中像素计算颜色分量和，而无需对所有色带中像素都进行颜色分量和计算，即每种颜色只计算一个颜色分量和，仍然可以保证得到的色带的颜色分量平均值的准确性。

步骤S303，基于像素的颜色分量和以及每个色带的颜色分量平均值，在所有色带中确定出像素对应的色带。

在计算得到像素的颜色分量和以及每个色带的颜色分量平均值之后，可以通过判断像素的颜色分量和与哪个色带的颜色分量平均值之间最接近，在所有色带中确定出像素对应的色带。

例如，可以通过下式计算

即，在所有颜色分量平均值中确定出与像素的颜色分量和最接近的目标颜色分量平均值。然后将目标颜色分量平均值对应的色带作为像素对应的色带。

通过本实施例中的方法，可以快速在所有色带中确定出像素对应的色带，进而可以提高整体确定出热源区域的效率。

作为一种可选的实施方式，如前述的方法，所述步骤S104在判定各个色带对应的像素占比满足预设要求时，确定红外图像中存在热源区域包括如下所述步骤：

步骤S401，根据每个色带对应的像素占比，在所有色带中确定出第一色带集合，其中，第一色带集合中的各个色带的像素占比之和大于或等于第一预设阈值，第一色带集合中的色带所指示的温度高于红外图像中除第一色带集合外其它色带所指示的温度。

在得到每个色带对应的像素占比之后，即可确定出各个色带对应的像素在红外图像中的占比。

第一色带集合中可以包括一个或多个色带，第一色带集合为红外图像对应的色带(红外图像中的任一像素对应的色带均为红外图像对应的色带)中，所指示的温度最高，且像素占比之和大于或等于第一预设阈值的色带的集合。像素占比之和为第一色带集合中各个色带对应的像素占比的总和。

第一预设阈值可以是预先设定的第一色带集合中的各个色带的像素占比之和对应的最少像素占比的数值。

可以按照所指示的温度由高至低的顺序，分别确定各个色带对应的像素占比，然后依次累加直至像素占比之和大于第一预设阈值时，即可根据遍历至的色带，得到第一色带集合。

步骤S402，根据每个色带的像素占比，在所有色带中确定出第二色带集合，其中，第二色带集合中的各个色带的像素占比之和大于或等于第二预设阈值，第二色带集合中的色带所指示的温度低于红外图像中除第二色带集合外其它色带所指示的温度；

第二色带集合中可以包括一个或多个色带，第二色带集合为红外图像对应的色带(红外图像中的任一像素对应的色带均为红外图像对应的色带)中，所指示的温度最低，且像素占比之和大于或等于第二预设阈值的色带的集合。像素占比之和为第二色带集合中各个色带对应的像素占比的总和。

第二预设阈值可以是预先设定的第二色带集合中的各个色带的像素占比之和对应的最少像素占比的数值。

可以按照所指示的温度由低至高的顺序，分别确定各个色带对应的像素占比，然后依次累加直至像素占比之和大于第二预设阈值时，即可根据遍历至的色带，得到第二色带集合。

步骤S403，在第一色带集合中的第一目标色带与第二色带集合中的第二目标色带之间的色带差大于或等于第三预设阈值的情况下，确定红外图像中存在热源区域，其中，第一目标色带为第一色带集合内的所有色带中所指示的温度最低的色带，第二目标色带为第二色带集合内的所有色带中所指示的温度最高的色带，色带差用于指示第一目标色带与第二目标色带之间所间隔的色带的数量，间隔的色带所指示的温度低于第一目标色带所指示的温度，且高于第二目标色带所指示的温度。

因为一张红外图像中大部分色带都是不冷不热的(在不包含发热物体的情况下，其实几乎色带是没有差别的，都变现为一个颜色，就是不冷不热。如果存在发热物体，色带之间就有了差异，发热物体的就存在与最热的色带哪里，不存在发热物体的部分，相对较冷)，热色带和冷色带占的比例非常少，因此可以以10％来规定哪些色带属于热色带，哪些色带属于冷色带。当第一目标色带与第二目标色带之间的色带差很大，则红外图像中存在发热物体的概率高，如果色带差的很小，那就证明没有发热物体。

第三预设阈值可以是预先设定的最热色带(即，第一色带集合)与最冷色带(即，第二色带集合)之间间隔最少的色带数量。

可选的，可以将第一色带集合中的各个色带的像素占比之和大于第一预设阈值P

例如，在红外图像中确定出第一色带集合以及第二色带集合之后，可以确定出第一色带集合与第二色带集合之间的色带差。并且，色带差可以是第一色带集合中的第一目标色带与第二色带集合中的第二目标色带之间间隔的色带的数量。例如，当对温度条划分得到n个色带，各个色带按照温度从高至低依次为：色带1、色带2、色带3、色带4…色带(n-1)、色带n；且色带1、色带2、色带3、色带4…色带(n-1)、色带n对应的像素占比依次为：2％、6％、2％、5％…5％、5％，第一预设阈值为10％、第二预设阈值为10％时，作为色带1、色带2、色带3构成的第一色带集合的像素占比之和达到10％，且色带(n-1)、色带n构成的第二色带集合的像素占比之和也达到10％；若第三预设阈值为3，则当色带3与色带(n-1)之间的色带差大于或等于3(即，(n-1)-3≥3)时，即可确定红外图像中存在热源区域。

通过本实施例中的方法，可以基于各个色带对应的像素占比快速在红外图像中确定是否存在热源区域，进而可以有效提高判定的效率。

作为一种可选的实施方式，如前述的方法，在所述步骤S104确定红外图像中存在热源区域之后，方法还包括如下所述步骤：

步骤S501，根据红外图像中目标像素的分布情况，在红外图像中确定出热源区域，其中，目标像素为第一色带集合中的色带所对应的像素。

在确定红外图像对应的第一色带集合之后，即可基于第一色带集合中色带对应的像素在红外图像中确定出热源区域。

目标像素为第一色带集合中的色带所对应的像素，因此，可以通过确定第一色带集合中每个色带所对应的所有像素，进而确定出所有目标像素。

由于红外图像中的每个像素都位于指定的位置，因此，可以得到每个目标像素在红外图像中的位置，进而确定出红外图像中目标像素的分布情况，基于分布情况，可以得到红外图像中的目标像素聚集的区域，并且，一般情况下，目标像素聚集度越高的区域，为热源区域的概率越高，因此，可以根据红外图像中目标像素的分布情况，在红外图像中确定出热源区域。

通过本实施例中的方法，可以快速的在红外图像中基于目标像素确定出热源区域的位置，可以有效提高定位的效率。

如图4所示，作为一种可选的实施方式，如前述的方法，所述步骤S501根据红外图像中目标像素的分布情况，在红外图像中确定出热源区域包括如下所述步骤：

步骤S601，确定出红外图像中除目标像素之外的剩余像素。

在确定红外图像中的目标像素之后，即可确定出除目标像素之外的剩余像素。

步骤S602，确定目标像素的饱和度分量值，以及确定剩余像素的饱和度分量值。

在红外图像中确定出目标像素以及剩余像素之后，基于在HSI颜色空间(HIS(Hue-Saturation-Intensity)颜色模型用H、S、I三参数描述颜色特性，其中H定义颜色的频率，称为色调；S表示颜色的深浅程度，称为饱和度；I表示强度或亮度)中，热源区域和非热源区域在饱和度分量S上有明显的差别，因此，可以先将红外图像由RGB颜色空间中变换到HSI颜色空间，然后再确定出目标像素的饱和度分量值，以及确定剩余像素的饱和度分量值。

步骤S603，对红外图像进行二值化处理，得到二值化图像，其中，二值化图像中与目标像素对应的第一像素的像素值为目标像素的饱和度分量值二值化后的第一预设值，二值化图像中与目标像素对应的第二像素的像素值为剩余像素的饱和度分量值二值化后的第二预设值。

在获取目标像素的饱和度分量值，以及确定剩余像素的饱和度分量值之后，为了对目标像素以及剩余像素进一步进行区分，可以按照而知分割的思想对红外图像进行二值化处理，得到二值化图像，二值化图像的图像大小与红外图像一致。二值化图像中与目标像素对应的第一像素为位置与目标像素一致的像素，二值化图像中与目标像素对应的第二像素为位置与剩余像素一致的像素，第一像素的像素值是通过对应的目标像素的饱和度分量值二值化为第一预设值后得到(即，为第一预设值)，第二像素的像素值是通过对应的剩余像素的饱和度分量值二值化为第二预设值后得到(即，为第二预设值)。

例如，可以将目标像素的像素值二值化为255，将剩余像素的像素值二值化为0后，得到二值化图像。

步骤S604，基于二值化图像中的第一像素以及第二像素，在红外图像中确定出热源区域。

在确定出二值化图像中的第一像素以及第二像素之后，即可基于第一像素以及第二像素的像素值，将像素值为第一预设值的第一像素进行连接，得到目标像素连成的片状区域，并基于该片状区域在红外图像中得到与片状区域对应的热源区域。

通过本实施例中的方法，基于二值化的方式，可以快速在红外图像中确定出热源区域，进而提升定位的效率。

如图5所示，作为一种可选的实施方式，如前述的方法，所述步骤S604基于所述二值化图像中的第一像素以及第二像素，在红外图像中确定出热源区域包括如下所述步骤：

步骤S701，通过膨胀腐蚀方法，根据第一像素的第一预设值以及第二像素的第二预设值，在二值化图像中确定出目标区域，其中，目标区域中被赋值为第一预设值的第一像素的密度高于预设阈值；

在得到与红外图像对应的二值化图像之后，即可基于二值化图像中各个像素的像素值为第一预设值还是第二预设值，在二值化图像中进行目标区域的确定。

预设阈值可以是预先设定的目标区域中的第一像素的密度对应的最小密度值。

膨胀腐蚀方法属于图像处理里面的数学形态学范畴，它的作用就是将离散的点链接成一个面。

例如，对二值化后的红外图像先进行膨胀操作，使用的1×13的长方形结构元。通过对二值化图像(即，二值化后的红外图像)进行膨胀操作，存在热源的物体部分由于温度都比较高，所以取值为255的像素点(即，第一预设值的目标像素)比较密集。所以经过膨胀之后取值为255的像素点会成一片。但是，不存在热源的部分也有可能会连成一个片状区域。但是总体来说，不存在热源的部分连成的片状区域面积肯定是小于存在热源片状区域的面积。因此，有必要再次使用一次腐蚀方法，腐蚀使用结构元相一般小于碰撞使用的结构元，可选的，可以使用1×5的结构元。这时候不存在热源的片状区域因为面积相对较小，就很容易被腐蚀掉，而存在热源的部分由于面积是大于当前结构元的面积，因此不会被腐蚀掉。经过上述膨胀腐蚀步骤，整张图像留下的就只有存在热源的区域被连接成了片状，进而得到目标区域。

步骤S702，根据目标区域的位置信息在红外图像中确定出热源区域。

由于二值化图像是与热源区域对应的二值化后的图像，因此，当确定出二值化图像中的目标区域之后，即可基于目标区域的位置信息在红外图像中确定出热源区域。

例如，在得到目标区域，且目标区域为矩形区域时，可以确定目标区域四角的像素的坐标信息，并将该坐标信息作为目标区域的位置信息，然后基于在红外图像中确定出与位置信息对应的像素，进而，即可在红外图像中确定出热源区域。

通过本实施例中的方法，可以采用二值化和和膨胀腐蚀方法定位出红外图像中的热源区域，具有计算量小，实时性好，抗外界噪声能力强的优点。

如图6所示，根据本申请另一方面的一个实施例，还提供了一种红外图像热源区域探测装置，包括：

获取模块1，用于获取需要进行热源位置确定的红外图像；

对应模块2，用于确定红外图像中的各个像素对应的色带，其中，色带用于指示温度范围，每个色带对应的温度范围的温差相同，对于每个色带，色带对应的像素的颜色为色带包括的所有颜色中的一种；

占比模块3，用于通过确定每个色带所对应的红外图像中的像素，得到每个色带对应的所有像素在红外图像的所有像素中的像素占比；

确定模块4，用于在判定各个色带对应的像素占比满足预设要求时，确定红外图像中存在热源区域。

具体的，本发明实施例的装置中各模块实现其功能的具体过程可参见方法实施例中的相关描述，此处不再赘述。

根据本申请的另一个实施例，还提供一种电子设备，包括：如图7所示，电子设备可以包括：处理器1501、通信接口1502、存储器1503和通信总线1504，其中，处理器1501，通信接口1502，存储器1503通过通信总线1504完成相互间的通信。

存储器1503，用于存放计算机程序；

处理器1501，用于执行存储器1503上所存放的程序时，实现上述方法实施例的步骤。

上述电子设备提到的总线可以是外设部件互连标准(Peripheral ComponentInterconnect，PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。该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(DigitalSignalProcessor，DSP)、专用集成电路(Application Specific Integrated Circuit，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。

本申请实施例还提供一种计算机可读存储介质，存储介质包括存储的程序，其中，程序运行时执行上述方法实施例的方法步骤。

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。

以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。