[发明专利]用于热像人脸识别的方法、电子设备和存储介质

说明书

本申请涉及一种用于热像人脸识别的方法，其包括：获得人脸红外热像图；将人脸红外热像图转换为灰度图；对灰度图中的人脸的真实框进行标记，作为标签；基于灰度图和标签，构建用于热像人脸检测的数据集，该数据集包括训练集、验证集和测试集；构建神经网络模型；基于所述训练集对所述神经网络模型进行训练；保存训练中验证集准确率最高的神经网络模型及模型参数；将所述测试集中的灰度图输入保存的经训练的所述神经网络模型，以得到关于人脸部位的预测框和温度信息；以及判断温度是否正常。本申请还涉及一种电子设备和计算机可读存储介质。由此，能够有效融合图像的高低层语义信息，提升目标检测的精度。

技术领域

本申请的实施例总体涉及信息处理领域，具体涉及用于热像人脸识别的方法、电子设备和计算机存储介质。

背景技术

以YOLO、SSD(Single Shot MultiBox Detector) 为代表的一阶段（one stage）检测算法，不需要RPN阶段，可以直接得到检测结果，所以检测速度较快，但对热像人脸的检测效果较差。

为此，本领域持续需要开发一种速度快且检测精度高的用于热像人脸识别的深度学习方法。

发明内容

为了解决上述现有技术中的技术问题，本申请一种用于热像人脸识别的深度学习方法，其采用YOLO设计思想，既继承了YOLO的检测速度，又同时改善其检测精度，特别是提升对热像人脸的检测性能。本文所述的用于热像人脸识别的深度学习方法能够有效融合图像的高低层语义信息，提升目标检测的精度。

本申请之目的还在于提供一种电子设备和非瞬时计算机可读存储介质。

为了解决上述技术问题，本申请提供以下技术方案。

根据本申请的第一方面，提供了一种用于热像人脸识别的方法，其特征在于，所述方法包括：

获得人脸红外热像图；

将人脸红外热像图转换为灰度图；

对灰度图中的人脸的真实框进行标记，作为与灰度图相关联的标签；

基于所述灰度图和所述与灰度图相关联的标签，构建用于热像人脸检测的数据集，该数据集包括训练集、验证集和测试集；

构建神经网络模型，该神经网络模型包括骨干特征提取网络、增加感受野网络和特征聚合网络；

基于所述训练集对所述神经网络模型进行训练；

保存训练中验证集准确率最高的神经网络模型及模型参数；

将所述测试集中的灰度图输入保存的经训练的所述神经网络模型，以得到关于人脸部位的预测框；

基于所述预测框在所述灰度图中的位置和所述人脸红外热像图中的温度信息，确定所述人脸部位的温度；

如果确定所述温度大于或等于预定温度，则确定所述人脸部位的温度异常；

以及，如果确定所述温度小于预定温度，则确定所述人脸部位的温度正常；

其中，在构建神经网络模型的步骤中，所述骨干特征提取网络用于从所述灰度图确定第一特征图、第二特征图和第三特征图，所述第一特征图的尺寸大于所述第二特征图，所述第二特征图的尺寸大于所述第三特征图；

其中，在构建神经网络模型的步骤中，所述增加感受野网络用于从所述第三特征图确定第四特征图；