[發明專利]用于熱像人臉識別的方法、電子設備和存儲介質

有效

• 申請號: 202011421701.4
• 申請日: 2020-12-08
• 公開（公告）號: CN112232309B
• 公開（公告）日: 2021-03-09
• 發明（設計）人: 丁順意;席林;何慧鈞;曾旭;許毅
• 申請（專利權）人: 飛礎科智慧科技(上海)有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06N3/08
• 代理公司: 上海智晟知識產權代理事務所(特殊普通合伙) 31313
• 代理人: 林高鋒

1.一種用于熱像人臉識別的方法，其特征在于，所述方法包括：

獲得人臉紅外熱像圖；

將人臉紅外熱像圖轉換為灰度圖；

對灰度圖中的人臉的真實框進行標記，作為與灰度圖相關聯的標簽；

基于所述灰度圖和所述與灰度圖相關聯的標簽，構建用于熱像人臉檢測的數據集，該數據集包括訓練集、驗證集和測試集；

構建神經網絡模型，該神經網絡模型包括骨干特征提取網絡、增加感受野網絡和特征聚合網絡；

基于所述訓練集對所述神經網絡模型進行訓練；

保存訓練中驗證集準確率最高的神經網絡模型及模型參數；

將所述測試集中的灰度圖輸入保存的經訓練的所述神經網絡模型，以得到關于人臉部位的預測框；

基于所述預測框在所述灰度圖中的位置和所述人臉紅外熱像圖中的溫度信息，確定所述人臉部位的溫度；

如果確定所述溫度大于或等于預定溫度，則確定所述人臉部位的溫度異常；

以及，如果確定所述溫度小于預定溫度，則確定所述人臉部位的溫度正常；

其中，在構建神經網絡模型的步驟中，所述骨干特征提取網絡用于從所述灰度圖確定第一特征圖、第二特征圖和第三特征圖，所述第一特征圖的尺寸大于所述第二特征圖，所述第二特征圖的尺寸大于所述第三特征圖；

其中，在構建神經網絡模型的步驟中，所述增加感受野網絡用于從所述第三特征圖確定第四特征圖；

其中，在構建神經網絡模型的步驟中，所述特征聚合網絡用于將所述第四特征圖經過上采樣的結果與所述第二特征圖進行串聯，以得到第一串聯特征圖，將所述第一串聯特征圖經過上采樣的結果與所述第一特征圖進行串聯，以得到第二串聯特征圖，將所述第二串聯特征圖經過下采樣的結果與所述第四特征圖進行串聯，以得到第三串聯特征圖，所述神經網絡模型基于所述第一串聯特征圖、所述第二串聯特征圖和所述第三串聯特征圖，確定人臉的預測框。

2.如權利要求1所述的方法，其特征在于，所述人臉紅外熱像圖包括戴口罩人臉的紅外熱像圖和不戴口罩人臉的紅外熱像圖。

3.如權利要求1或權利要求2所述的方法，其特征在于，所述骨干特征提取網絡包括至少三個特征圖層，用于輸出所述第一特征圖、所述第二特征圖和所述第三特征圖，所述特征圖層包括殘差單元、跨階段殘差邊單元和串聯單元，所述殘差單元與所述跨階段殘差邊單元并聯，所述串聯單元用于將所述殘差單元的輸出和所述跨階段殘差邊單元的輸出串聯作為所述特征圖層的輸出。

4.如權利要求3所述的方法，其特征在于，所述骨干特征提取網絡是經過樣本集預先訓練的。

5.如權利要求4所述的方法，其特征在于，所述增加感受野網絡包括短接分支和多個卷積分支，所述卷積分支包括卷積層和空洞卷積層，所述多個卷積分支之間的卷積核大小和膨脹因子不同，所述多個卷積分支的輸出經過串聯得到的結果與所述短接分支的輸出經過相加得到所述感受野網絡的輸出。

6.如權利要求5所述的方法，其特征在于，所述多個卷積分支包括3個卷積分支。

7.如權利要求1或權利要求2所述的方法，其特征在于，在基于所述訓練集對所述神經網絡模型進行訓練的步驟中，損失函數包括目標位置回歸損失、目標類別分類損失和置信度損失三部分，其中目標類別分類損失和置信度損失均使用交叉熵，其中目標位置回歸損失采用DIoU損失函數L_DIOU。

8.一種電子設備，包括：

至少一個處理器；

以及，與所述至少一個處理器通信連接的存儲器；其中，

所述存儲器存儲有可被所述至少一個處理器執行的指令，所述指令被所述至少一個處理器執行，以使所述至少一個處理器能夠執行權利要求1-7中任一項所述的方法。

9.一種存儲有計算機指令的非瞬時計算機可讀存儲介質，其特征在于，所述計算機指令用于使所述計算機執行根據權利要求1-7中任一項所述的方法。