人员检测方法、装置、设备以及计算机存储介质

技术领域

本发明实施例涉及计算机数据处理技术领域，具体涉及一种人员检测方法、装置、设备以及计算机存储介质。

背景技术

目前在进行空间内人员检测时，一般通过摄像头采集待检测空间内的可见光图像，通过对可见光图像进行识别，判断是否存在人员出现。或者，通过红外摄像头对待检测空间进行活体检测，判断是否存在人员出现。但一方面红外图像分析无法准确区分人体与其他能散发热量的类人体，而可见光图像分析无法区别活体与其他人形物体。因此，为了准确地对空间内的人员进行检测，发明人想到将可见光图像与红外图像进行结合，来实现人员检测。

但在实施现有技术的过程中，发明人发现：现有一般用机器学习算法将可见光图像与红外图像进行图像融合，根据融合后的图像直接进行人员检测，其问题在于，图像融合的算法复杂度较高、机器学习模型训练周期较长，导致现有的人员检测存在复杂度高、时效性不强的问题。

因此需要一种复杂度更低且准确率高的人员检测方案。

发明内容

鉴于上述问题，本发明实施例提供了一种人员检测方法、装置、设备以及计算机存储介质，用于解决现有技术中存在的人员检测的复杂度高、时效性不强的问题。

根据本发明实施例的一个方面，提供了一种人员检测方法，所述方法包括：

实时采集目标区域对应的可见光图像以及红外热图像；

对所述可见光图像进行人体检测，得到所述可见光图像中的人体轮廓区域；

对所述人体轮廓区域进行实时运动跟踪，确定所述人体轮廓区域在所述可见光图像内的位置是否存在变化；

对所述红外热图像进行活体检测，得到所述红外热图像中的活体区域；

确定所述活体区域的区域轮廓与预设的人体轮廓是否匹配；

当确定所述人体轮廓区域的位置存在变化并且所述活体区域的区域轮廓与所述预设的人体轮廓匹配时，计算所述人体轮廓区域以及所述活体区域之间的重合度；

根据所述重合度确定所述目标区域内的人员检测结果。

在一种可选的方式中，所述人体轮廓区域的数量为至少一个；所述活体区域的数量为至少一个；所述方法还包括：

将对应的所述重合度大于预设的重合度阈值的所述人体轮廓区域与所述活体区域确定为对应于所述目标区域内的同一个活体人员；

根据对应于所述目标区域内的同一个活体人员的所述人体轮廓区域或活体区域的数量，确定所述目标区域内的活体人员数量。

在一种可选的方式中，所述方法还包括：

对相邻两帧的所述可见光图像进行抖动检测；

当确定相邻两帧的所述可见光图像之间存在画面抖动时，确定所述人体轮廓区域在所述可见光图像内的位置存在变化。

在一种可选的方式中，所述方法还包括：

当确定所述人体轮廓区域存在位置变化时，确定所述人体轮廓区域对应于所述目标区域内的一个活体人员；

根据存在位置变化的所述人体轮廓区域的数量，确定所述目标区域内的活体人员的数量。

在一种可选的方式中，所述方法还包括：

将与所述预设的人体轮廓匹配的所述活体区域确定为对应于所述目标区域内的一个活体人员；

根据对应于所述目标区域内的一个活体人员的所述活体区域的数量，确定所述目标区域内的活体人员的数量。

在一种可选的方式中，所述方法还包括：

当确定所述目标区域内的所有所述人体轮廓区域的位置均不存在变化时，确定所述目标区域内不包括活体人员；

当确定所述目标区域内的所有所述活体区域的区域轮廓均不与所述预设的人体轮廓匹配时，确定所述目标区域内不包括活体人员。

在一种可选的方式中，所述方法还包括：

对待检测区域对应的可见光图像进行目标识别，得到所述待检测区域内的人员可活动区域；

将所述人员可活动区域确定为所述目标区域。

根据本发明实施例的另一方面，提供了一种人员检测装置，包括：

采集模块，用于实时采集目标区域对应的可见光图像以及红外热图像；

第一检测模块，用于对所述可见光图像进行人体检测，得到所述可见光图像中的人体轮廓区域；

跟踪模块，用于对所述人体轮廓区域进行实时运动跟踪，确定所述人体轮廓区域在所述可见光图像内的位置是否存在变化；

第二检测模块，用于对所述红外热图像进行活体检测，得到所述红外热图像中的活体区域；

匹配模块，用于确定所述活体区域的区域轮廓与预设的人体轮廓是否匹配；

计算模块，用于当确定所述人体轮廓区域的位置存在变化并且所述活体区域的区域轮廓与所述预设的人体轮廓匹配时，计算所述人体轮廓区域以及所述活体区域之间的重合度；

确定模块，用于根据所述重合度确定所述目标区域内的人员检测结果。

根据本发明实施例的另一方面，提供了一种人员检测设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；

所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行如前述任意一项所述的人员检测方法实施例的操作。

根据本发明实施例的又一方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使人员检测设备执行如前述任意一项所述的人员检测方法实施例的操作。

本发明实施例通过实时采集目标区域对应的可见光图像以及红外热图像；对所述可见光图像进行人体检测，得到所述可见光图像中的人体轮廓区域；对所述人体轮廓区域进行实时运动跟踪，确定所述人体轮廓区域在所述可见光图像内的位置是否存在变化；对所述红外热图像进行活体检测，得到所述红外热图像中的活体区域；确定所述活体区域的区域轮廓与预设的人体轮廓是否匹配；当确定所述人体轮廓区域的位置存在变化并且所述活体区域的区域轮廓与所述预设的人体轮廓匹配时，计算所述人体轮廓区域以及所述活体区域之间的重合度；根据所述重合度确定所述目标区域内的人员检测结果。从而区别于现有一般用机器学习算法将可见光图像与红外图像进行图像融合，根据融合后的图像的算法复杂度较高、机器学习模型训练周期较长，导致现有的人员检测存在复杂度高、时效性不强的问题，本发明实施例对可见光图像中人体轮廓区域进行运动跟踪，以及对活体区域进行区域轮廓是否满足人体轮廓，并只在人体轮廓区域存在位置变化且活体区域匹配人体轮廓特征时，推断该人体区域以及活体区域可能均对应于目标区域内一个活体人员，为了进一步提高人员检测的准确率，本发明实施例还计算此时人体轮廓区域以及所述活体区域之间的重合度，当该重合度大于预设阈值时，则确定前述人体区域以及活体区域均对应于目标区域内一个活体人员，由此提高人员检测的准确率，避免非人类活体或人形静物的干扰，同时也无需采用复杂的图像融合算法，直接根据重合度进行判断，提高了人员检测的效率。

上述说明仅是本发明实施例技术方案的概述，为了能够更清楚了解本发明实施例的技术手段，而可依照说明书的内容予以实施，并且为了让本发明实施例的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

附图仅用于示出实施方式，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1示出了本发明实施例提供的人员检测方法的流程示意图；

图2示出了本发明实施例提供的人员检测装置的结构示意图；

图3示出了本发明实施例提供的人员检测设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。

相关名词说明：其中，摄像头成像得到可见光图像的过程包括如下：(1)捕捉：摄像头将光线的照射变成电子信号的过程。这一过程有三个部分：光学器件、传感器和电路。首先，光学器件将光线收集到摄像头内，然后由传感器转换为电子信号，最后，电路将信号转换为数字信号，并发送给计算机处理。(2)显示：摄像头将电子信号转换为图像的过程。这一过程有三个部分：显示器、芯片和显示设备。首先，电子信号经过芯片处理后，发送给显示器；然后，显示器将电子信号转换为图像；最后，图像显示在显示设备上。其中，屏幕显示成像技术包括多种，其中常见的包括：(1)LCD显示技术：LCD(Liquid Crystal Display，液晶显示)是一种液晶显示技术，它通过利用液晶分子的光电效应改变液晶单元的透光率或者反射率，实现画面显示。LCD显示技术较为成熟，成本低，但成像效果一般。(2)3LCD显示技术：3LCD是一种由三块LCD显示面板组成的显示技术，它可以通过分别控制红绿蓝三种颜色的液晶像素的透光率，使色彩相互交织形成明暗变化，提高成像效果。3LCD显示技术成像质量较高，但成本也较高。(3)DLP显示技术：DLP(Digital Light Processor，数字光处理)是一种数字光处理技术，它通过将图像分解为数字像素，并将其投射到屏幕上实现显示。DLP显示技术具有高亮度、高对比度、高分辨率等特点，适合用于大屏幕显示。LCoS显示技术：LCoS(Liquid Crystal on Silicon，基于硅的液晶)是一种液晶显示技术，它利用硅片作为基板，在硅片上制作液晶像素和驱动电路，实现高分辨率、高亮度的显示效果。LCoS显示技术成像质量较高，但成本也较高。不同的屏幕显示成像技术在成本、成像质量、适用场景等方面有所不同，需要根据实际需求选择合适的技术。摄像头的成像原理是摄像头在拍摄图像时必须遵循的物理原理：摄像头首先要捕捉光线，将其转换为电子信号，然后将电子信号转换为图像，最后图像显示在显示设备上。

红外热成像技术的成像过程主要包括辐射探测、信号处理和图像显示三个步骤。

(1)辐射探测：通过红外探测器将物体发热部位辐射的功率信号转换成电信号。然后将信号传输到信号处理电路中进行处理

(2)信号处理：信号处理电路对信号进行放大、滤波、调理、测温、补偿等操作。

(3)图像显示：图像的生成过程包括扫描、帧累加、灰度化等操作。将处理后的信号转换成可供人类视觉分辨的图像和图形，并可以进一步计算出温度值。最终，通过电视屏或监视器显示被测目标的红外热像图。

红外热像仪的工作原理：利用红外探测器、光学成像物镜和光机扫描系统(先进的焦平面技术则省去了光机扫描系统)接收被测目标的红外辐射能量分布图形反映到红外探测器的光敏元上，在光学系统和红外探测器之间，有一个光机扫描机构(焦平面热像仪无此机构)对被测物体的红外热像进行扫描，并聚焦在单元或分光探测器上，由探测器将红外辐射能转换成电信号，经放大处理、转换或标准视频信号通过电视屏或监测器显示红外热像图。

图1示出了本发明实施例提供的人员检测方法的流程图，该方法由计算机处理设备执行。该计算机处理设备可以包括手机、笔记本电脑等。如图1所示，该方法包括以下步骤：

步骤10：实时采集目标区域对应的可见光图像以及红外热图像。

其中，目标区域为待进行人员检测的区域，可以是可能存在人员进出的室内或室外空间，如大堂、机场、教室等。可见光图像通过摄像头采集，用于表征环境中物体的外观特征，红外热图像可以通过红外热像仪采集，用于表征环境物体自身的温度。其中，可见光图像较受到采集环境中光线的影响，对应地，红外热图像不受采集环境中光线的影响。可以理解的是，可见光图像是实时采集的，因此当物体在目标区域内存在运动时，其在相邻的前后帧的可见光图像内的位置会发生变动。对应地，不同类型的物体的发热的温度以及部位都存在差异，因此其对应的红外热图像的图像特征不同。红外热图像与可见光图像均是实时采集的，上述两者以不同的传感方式对同一空间在同一时刻下的空间内情况进行感知和表现。

考虑到目标区域的面积可能较大，与此同时目标区域内一般会存在一些固定位置的非活体人员的静物，如墙壁、电器、植物以及其他装饰物等，因此，为了提高目标区域内人员检测的效率以及准确率，在对目标区域对应的可见光图像以及红外热图像进行活体人员检测之前，可以先对待检测的区域进行划分，得到人员可以活动的区域，经将该类区域作为目标区域进行对应的图像识别。

具体地，在本发明的再一个实施例中，步骤10还包括：

步骤101：对待检测区域对应的可见光图像进行目标识别，得到所述待检测区域内的人员可活动区域。

其中，根据多种预设类型的物体对应的可见光图像特征对待检测区域对应的可见光图像进行目标识别，得到待检测区域中包括的各预设类型的物体的位置，其中，预设类型用于表征固定位置的非活体人员的静物，如墙壁、电器、植物以及其他装饰物等。

根据待检测区域中包括的各预设类型的物体的位置，对待检测区域进行划分，如可以以检测到的墙壁为分界线，将待检测区域划分为多个子空间，并将各个子空间内不包括前述预设类型的物体的区域分别作为一个对应的目标区域。

步骤102：将所述人员可活动区域确定为所述目标区域。

通过对待检测区域内的静物进行识别，根据识别到的静物的功能属性将待检测区域划分为多个独立的人员可能存在活动的子空间，并剔除子空间内的不可运动的静物的影响，从而提高待检测区域的人员检测的效率和准确率。

步骤20：对所述可见光图像进行人体检测，得到所述可见光图像中的人体轮廓区域。

其中，可以根据预设的人体可见光图像特征对可见光图像进行目标检测，得到可见光图像中包括的至少一个人体轮廓区域。人体可见光图像特征用于表征人体在可见光图像中会具有的图像特征，如人体的轮廓、亮度以及颜色等。可以理解的是，识别出可见光图像中的符合人体轮廓特征的图像区域作为人体轮廓区域时，除了根据预设的图像特征进行目标检测，还可以采取其他现有手段，本发明对此不进行限制。

步骤30：对所述人体轮廓区域进行实时运动跟踪，确定所述人体轮廓区域在所述可见光图像内的位置是否存在变化。

其中，考虑到符合人体轮廓特征的可以是活体人员，也可能是人形静物，如人形立牌、人体模型等，因此，为了筛选出目标区域内非活体人员对应的人体轮廓区域，考虑到活体人员在空间内一般不会保持绝对的静止，即在实时逐帧采集的可见光图像序列中会存在运动，该运动以人体轮廓区域在画面中的位置的变动被捕捉到，因此，对所述人体轮廓区域进行实时运动跟踪，确定所述人体轮廓区域在所述可见光图像内的位置是否存在变化。其中，实时运动跟踪可以采用目标跟踪、光流法以及画面抖动检测等方式。

优选地，步骤30还包括：

步骤301：对相邻两帧的所述可见光图像进行抖动检测。

其中，确定相邻两帧的所述可见光图像之间是否存在画面抖动。当相邻两帧的所述可见光图像内存在物体的位置变化时，即判定相邻两帧的所述可见光图像之间存在画面抖动。

步骤302：当确定相邻两帧的所述可见光图像之间存在画面抖动时，确定所述人体轮廓区域在所述可见光图像内的位置存在变化。

其中，人体轮廓区域对应的对象在目标区域内的运动会导致实时采集的可见光图像存在画面抖动，因此，当确定相邻两帧的所述可见光图像之间存在画面抖动时，确定所述人体轮廓区域在所述可见光图像内的位置存在变化。

可选地，考虑到只有活体人员才会在存在运动的同时具有人形轮廓，因此，由此可以根据是否具有人体轮廓以及是否具有运动确定目标区域对应的活体人员数量，具体地，在步骤30之后还包括：

步骤310：当确定所述人体轮廓区域存在位置变化时，确定所述人体轮廓区域对应于所述目标区域内的一个活体人员。

考虑到只有活体人员才会在具有人形轮廓的同时存在运动，因此，当确定所述人体轮廓区域存在位置变化时，确定所述人体轮廓区域对应于所述目标区域内的一个活体人员，从而避免目标区域内其他非人类运行对象以及人形静物的干扰。

步骤311：根据存在位置变化的所述人体轮廓区域的数量，确定所述目标区域内的活体人员的数量。

对存在位置变化的所述人体轮廓区域的数量进行统计，得到目标区域内的活体人员的数量。

步骤40：对所述红外热图像进行活体检测，得到所述红外热图像中的活体区域。

其中，根据预设的温度阈值对红外热图像内的各个像素点区域散发的温度进行检测，将区域温度大于温度阈值的像素点区域进行相邻像素点合并，得到红外热图像中的活体区域，可以理解的是，温度阈值可以用于表征一般人类的正常体温范围，从而剔除红外热图像中的其他非生物类型热源，如发热电器造成的干扰。

步骤50：确定所述活体区域的区域轮廓与预设的人体轮廓是否匹配。

考虑到生物的体温一般集中在一个区间，如人类与其他非人类生物，特别是恒温哺乳动物的体温差别并不大，但人类与其他非人类生物物种在红外热图像中的热量分布情况(包括活体区域内不同部分对应的温度以及各个部分之间的连接情况)存在显著差异，因此，在根据温度阈值识别出热源对应的区域轮廓之后，为了提高人员识别的准确率，还需要将所述活体区域的区域轮廓与预设的人体轮廓进行匹配，仅将活体区域的轮廓满足人体轮廓的特征的活体区域确定为对应于一个活体人员，而非人类热源。

考虑到在根据红外热图像进行人员检测时进行了温度筛选先检测出活体，以及热源分布情况筛选，检测出人类活体，因此本发明实施例基于红外热图像的人员检测的准确率较高，因此，在步骤50之后还包括：

步骤501：将与所述预设的人体轮廓匹配的所述活体区域确定为对应于所述目标区域内的一个活体人员。

仅将活体区域的轮廓满足人体轮廓的特征的活体区域确定为对应于一个活体人员，从而剔除目标区域内存在的非人类热源的干扰。

步骤502：根据对应于所述目标区域内的一个活体人员的所述活体区域的数量，确定所述目标区域内的活体人员的数量。

对对应于所述目标区域内的一个活体人员的所述活体区域的数量进行统计，得到所述目标区域内的活体人员的数量。

步骤60：当确定所述人体轮廓区域的位置存在变化并且所述活体区域的区域轮廓与所述预设的人体轮廓匹配时，计算所述人体轮廓区域以及所述活体区域之间的重合度。

其中，考虑到只有活体人员会同时存在运动、热量散发以及具有人形轮廓，因此，当人体轮廓区域存在位置变化时，该人体轮廓区域大概率对应于一个活体人员，对应地，活体区域满足人体轮廓特征时，该活体区域大概率对应于一个活体人员，基于此，为了进一步提高人员检测的准确率，只有当确定所述人体轮廓区域的位置存在变化并且所述活体区域的区域轮廓与所述预设的人体轮廓匹配时，才计算所述人体轮廓区域以及所述活体区域之间的重合度。

其中，人体轮廓区域以及所述活体区域之间的重合度可以是根据人体轮廓区域与活体区域的重合区域的面积占比确定。面积占比可以是重合区域占人体轮廓区域和/或活体区域的比例。在计算重合度时，可以将红外热图像映射拟合到可见光图像上，以提高重合度的计算效率。

步骤70：根据所述重合度确定所述目标区域内的人员检测结果。

其中，考虑到红外热图像与可见光图像均是实时采集的，上述两种图像以不同的传感采集原理对同一空间在同一时刻下的空间内情况进行感知和表现，基于此，同一活体人员在目标区域内的运动行为在红外热图像以及可见光图像中的被表征的情况具有同时性和关联性，因此，当重合度大于预设重合度阈值时，可以认为可见光图像中的人体轮廓区域以及红外热图像中的活体区域实际上对应于同一个活体人员，即是由于同一个特定的活体人员的存在以及运动所引起的，由此根据目标区域内重合度大于前述预设重合度阈值的人体轮廓区域-活体区域对的数量，对目标区域内的活体人员进行计数。

具体地，所述人体轮廓区域的数量为至少一个；所述活体区域的数量为至少一个；在本发明实施例中，步骤70包括：

步骤701：将对应的所述重合度大于预设的重合度阈值的所述人体轮廓区域与所述活体区域确定为对应于所述目标区域内的同一个活体人员。

其中，考虑到目标检测以及运动跟踪的算法均可能存在一定偏差，对应地，对活体区域的识别也可能存在一定的偏差，因此，为了提高活体人员检测的准确率以及检测结果的可信度，可以设置重合度阈值，用于表征在允许机器学习算法的误差的情况下，同一个活体人员对应的人体轮廓区域以及活体区域应该具备的重合程度，优选的，重合度阈值可以设置为80％以及以上。

步骤702：根据对应于所述目标区域内的同一个活体人员的所述人体轮廓区域或活体区域的数量，确定所述目标区域内的活体人员数量。

其中，将每一个对应的重合度大于前述预设重合度阈值的人体轮廓区域-活体区域对确定为对应于目标区域内的同一个活体人员，对上述重合度大于前述预设重合度阈值的人体轮廓区域-活体区域对的数量进行统计，得到所述目标区域内的活体人员数量。举例说明，当存在10个人体轮廓区域-活体区域对对应的重合度大于前述重合度阈值时，确定目标区域内包括10个活体人员。

可选地，考虑到只有活体人员会同时存在运动、热量散发以及具有人形轮廓，因此，当人体轮廓区域不存在运动或者活体区域不满足人体轮廓特征时，均可以判定目标区域内不存在活体人员。具体地，本发明实施例还包括：

步骤801：当确定所述目标区域内的所有所述人体轮廓区域的位置均不存在变化时，确定所述目标区域内不包括活体人员。

基于活体人员一般都会存在运动，难以保持绝对的静止，而这种运动会被实时采集的可见光图像记录下来，因此，当确定所述目标区域内的所有所述人体轮廓区域的位置均不存在变化时，确定所述目标区域内不包括活体人员。

步骤802：当确定所述目标区域内的所有所述活体区域的区域轮廓均不与所述预设的人体轮廓匹配时，确定所述目标区域内不包括活体人员。

考虑到除活体人员外的热源，即使是在红外热图像中会对应一定面积的活体区域，该非人类热源的活体区域内的热量值以及热量分布情况也与活体人员存在较大差异，如小动物对应的红外热图像特征与人类对应的红外热图像完全不同，因此，当确定所述目标区域内的所有所述活体区域的区域轮廓均不与所述预设的人体轮廓匹配时，确定所述目标区域内不包括活体人员。

本发明实施例通过实时采集目标区域对应的可见光图像以及红外热图像；对所述可见光图像进行人体检测，得到所述可见光图像中的人体轮廓区域；对所述人体轮廓区域进行实时运动跟踪，确定所述人体轮廓区域在所述可见光图像内的位置是否存在变化；对所述红外热图像进行活体检测，得到所述红外热图像中的活体区域；确定所述活体区域的区域轮廓与预设的人体轮廓是否匹配；当确定所述人体轮廓区域的位置存在变化并且所述活体区域的区域轮廓与所述预设的人体轮廓匹配时，计算所述人体轮廓区域以及所述活体区域之间的重合度；根据所述重合度确定所述目标区域内的人员检测结果。从而区别于现有一般用机器学习算法将可见光图像与红外图像进行图像融合，根据融合后的图像的算法复杂度较高、机器学习模型训练周期较长，导致现有的人员检测存在复杂度高、时效性不强的问题，本发明实施例对可见光图像中人体轮廓区域进行运动跟踪，以及对活体区域进行区域轮廓是否满足人体轮廓，并只在人体轮廓区域存在位置变化且活体区域匹配人体轮廓特征时，推断该人体区域以及活体区域可能均对应于目标区域内一个活体人员，为了进一步提高人员检测的准确率，本发明实施例还计算此时人体轮廓区域以及所述活体区域之间的重合度，当该重合度大于预设阈值时，则确定前述人体区域以及活体区域均对应于目标区域内一个活体人员，由此提高人员检测的准确率，避免非人类活体或人形静物的干扰，同时也无需采用复杂的图像融合算法，直接根据重合度进行判断，提高了人员检测的效率。

图2示出了本发明实施例提供的人员检测装置的结构示意图。如图2所示，该装置90包括：采集模块901、第一检测模块902、跟踪模块903、第二检测模块904、匹配模块905、计算模块906和确定模块907。

采集模块901，用于实时采集目标区域对应的可见光图像以及红外热图像；

第一检测模块902，用于对所述可见光图像进行人体检测，得到所述可见光图像中的人体轮廓区域；

跟踪模块903，用于对所述人体轮廓区域进行实时运动跟踪，确定所述人体轮廓区域在所述可见光图像内的位置是否存在变化；

第二检测模块904，用于对所述红外热图像进行活体检测，得到所述红外热图像中的活体区域；

匹配模块905，用于确定所述活体区域的区域轮廓与预设的人体轮廓是否匹配；

计算模块906，用于当确定所述人体轮廓区域的位置存在变化并且所述活体区域的区域轮廓与所述预设的人体轮廓匹配时，计算所述人体轮廓区域以及所述活体区域之间的重合度；

确定模块907，用于根据所述重合度确定所述目标区域内的人员检测结果。

本发明实施例提供的人员检测装置的操作过程与前述方法实施例大致相同，不再赘述。

本发明实施例提供的人员检测装置的操作过程通过实时采集目标区域对应的可见光图像以及红外热图像；对所述可见光图像进行人体检测，得到所述可见光图像中的人体轮廓区域；对所述人体轮廓区域进行实时运动跟踪，确定所述人体轮廓区域在所述可见光图像内的位置是否存在变化；对所述红外热图像进行活体检测，得到所述红外热图像中的活体区域；确定所述活体区域的区域轮廓与预设的人体轮廓是否匹配；当确定所述人体轮廓区域的位置存在变化并且所述活体区域的区域轮廓与所述预设的人体轮廓匹配时，计算所述人体轮廓区域以及所述活体区域之间的重合度；根据所述重合度确定所述目标区域内的人员检测结果。从而区别于现有一般用机器学习算法将可见光图像与红外图像进行图像融合，根据融合后的图像的算法复杂度较高、机器学习模型训练周期较长，导致现有的人员检测存在复杂度高、时效性不强的问题，本发明实施例对可见光图像中人体轮廓区域进行运动跟踪，以及对活体区域进行区域轮廓是否满足人体轮廓，并只在人体轮廓区域存在位置变化且活体区域匹配人体轮廓特征时，推断该人体区域以及活体区域可能均对应于目标区域内一个活体人员，为了进一步提高人员检测的准确率，本发明实施例还计算此时人体轮廓区域以及所述活体区域之间的重合度，当该重合度大于预设阈值时，则确定前述人体区域以及活体区域均对应于目标区域内一个活体人员，由此提高人员检测的准确率，避免非人类活体或人形静物的干扰，同时也无需采用复杂的图像融合算法，直接根据重合度进行判断，提高了人员检测的效率。

图3示出了本发明实施例提供的人员检测设备的结构示意图，本发明具体实施例并不对人员检测设备的具体实现做限定。

如图3所示，该人员检测设备可以包括：处理器(processor)1002、通信接口(Communications Interface)1004、存储器(memory)1006、以及通信总线1008。

其中：处理器1002、通信接口1004、以及存储器1006通过通信总线1008完成相互间的通信。通信接口1004，用于与其它设备比如客户端或其它服务器等的网元通信。处理器1002，用于执行程序1010，具体可以执行上述用于人员检测方法实施例中的相关步骤。

具体地，程序1010可以包括程序代码，该程序代码包括计算机可执行指令。

处理器1002可能是中央处理器CPU，或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路。人员检测设备包括的一个或多个处理器，可以是同一类型的处理器，如一个或多个CPU；也可以是不同类型的处理器，如一个或多个CPU以及一个或多个ASIC。

存储器1006，用于存放程序1010。存储器1006可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如磁盘存储器。

程序1010具体可以被处理器1002调用使人员检测设备执行以下操作：

实时采集目标区域对应的可见光图像以及红外热图像；对所述可见光图像进行人体检测，得到所述可见光图像中的人体轮廓区域；对所述人体轮廓区域进行实时运动跟踪，确定所述人体轮廓区域在所述可见光图像内的位置是否存在变化；对所述红外热图像进行活体检测，得到所述红外热图像中的活体区域；确定所述活体区域的区域轮廓与预设的人体轮廓是否匹配；当确定所述人体轮廓区域的位置存在变化并且所述活体区域的区域轮廓与所述预设的人体轮廓匹配时，计算所述人体轮廓区域以及所述活体区域之间的重合度；根据所述重合度确定所述目标区域内的人员检测结果。

本发明实施例提供的人员检测设备的操作过程与前述方法实施例大致相同，不再赘述。

本发明实施例提供的人员检测设备的操作过程通过实时采集目标区域对应的可见光图像以及红外热图像；对所述可见光图像进行人体检测，得到所述可见光图像中的人体轮廓区域；对所述人体轮廓区域进行实时运动跟踪，确定所述人体轮廓区域在所述可见光图像内的位置是否存在变化；对所述红外热图像进行活体检测，得到所述红外热图像中的活体区域；确定所述活体区域的区域轮廓与预设的人体轮廓是否匹配；当确定所述人体轮廓区域的位置存在变化并且所述活体区域的区域轮廓与所述预设的人体轮廓匹配时，计算所述人体轮廓区域以及所述活体区域之间的重合度；根据所述重合度确定所述目标区域内的人员检测结果。从而区别于现有一般用机器学习算法将可见光图像与红外图像进行图像融合，根据融合后的图像的算法复杂度较高、机器学习模型训练周期较长，导致现有的人员检测存在复杂度高、时效性不强的问题，本发明实施例对可见光图像中人体轮廓区域进行运动跟踪，以及对活体区域进行区域轮廓是否满足人体轮廓，并只在人体轮廓区域存在位置变化且活体区域匹配人体轮廓特征时，推断该人体区域以及活体区域可能均对应于目标区域内一个活体人员，为了进一步提高人员检测的准确率，本发明实施例还计算此时人体轮廓区域以及所述活体区域之间的重合度，当该重合度大于预设阈值时，则确定前述人体区域以及活体区域均对应于目标区域内一个活体人员，由此提高人员检测的准确率，避免非人类活体或人形静物的干扰，同时也无需采用复杂的图像融合算法，直接根据重合度进行判断，提高了人员检测的效率。

本发明实施例提供了一种计算机可读存储介质，所述存储介质存储有至少一可执行指令，该可执行指令在人员检测设备上运行时，使得所述人员检测设备执行上述任意方法实施例中的人员检测方法。

可执行指令具体可以用于使得人员检测设备执行以下操作：

实时采集目标区域对应的可见光图像以及红外热图像；对所述可见光图像进行人体检测，得到所述可见光图像中的人体轮廓区域；对所述人体轮廓区域进行实时运动跟踪，确定所述人体轮廓区域在所述可见光图像内的位置是否存在变化；对所述红外热图像进行活体检测，得到所述红外热图像中的活体区域；确定所述活体区域的区域轮廓与预设的人体轮廓是否匹配；当确定所述人体轮廓区域的位置存在变化并且所述活体区域的区域轮廓与所述预设的人体轮廓匹配时，计算所述人体轮廓区域以及所述活体区域之间的重合度；根据所述重合度确定所述目标区域内的人员检测结果。

本发明实施例提供的计算机存储介质存储的可执行指令的操作过程与前述方法实施例大致相同，不再赘述。

本发明实施例提供的提供的计算机存储介质存储的可执行指令的操作过程通过实时采集目标区域对应的可见光图像以及红外热图像；对所述可见光图像进行人体检测，得到所述可见光图像中的人体轮廓区域；对所述人体轮廓区域进行实时运动跟踪，确定所述人体轮廓区域在所述可见光图像内的位置是否存在变化；对所述红外热图像进行活体检测，得到所述红外热图像中的活体区域；确定所述活体区域的区域轮廓与预设的人体轮廓是否匹配；当确定所述人体轮廓区域的位置存在变化并且所述活体区域的区域轮廓与所述预设的人体轮廓匹配时，计算所述人体轮廓区域以及所述活体区域之间的重合度；根据所述重合度确定所述目标区域内的人员检测结果。从而区别于现有一般用机器学习算法将可见光图像与红外图像进行图像融合，根据融合后的图像的算法复杂度较高、机器学习模型训练周期较长，导致现有的人员检测存在复杂度高、时效性不强的问题，本发明实施例对可见光图像中人体轮廓区域进行运动跟踪，以及对活体区域进行区域轮廓是否满足人体轮廓，并只在人体轮廓区域存在位置变化且活体区域匹配人体轮廓特征时，推断该人体区域以及活体区域可能均对应于目标区域内一个活体人员，为了进一步提高人员检测的准确率，本发明实施例还计算此时人体轮廓区域以及所述活体区域之间的重合度，当该重合度大于预设阈值时，则确定前述人体区域以及活体区域均对应于目标区域内一个活体人员，由此提高人员检测的准确率，避免非人类活体或人形静物的干扰，同时也无需采用复杂的图像融合算法，直接根据重合度进行判断，提高了人员检测的效率。

本发明实施例提供一种人员检测装置，用于执行上述人员检测方法。

本发明实施例提供了一种计算机程序，所述计算机程序可被处理器调用使人员检测设备执行上述任意方法实施例中的人员检测方法。

本发明实施例提供了一种计算机程序产品，计算机程序产品包括存储在计算机可读存储介质上的计算机程序，计算机程序包括程序指令，当程序指令在计算机上运行时，使得所述计算机执行上述任意方法实施例中的人员检测方法。

在此提供的算法或显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明实施例也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

类似地，应当理解，为了精简本发明并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明实施例的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。

本领域技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。上述实施例中的步骤，除有特殊说明外，不应理解为对执行顺序的限定。