[发明专利]一种结合人脸识别的人体热成像测温方法

权利要求书

1.一种结合人脸识别的人体热成像测温方法，其特征在于，所述方法包括：

利用热红外探测器获取目标对象的热图像，之后采用BP神经网络把目标对象热图像与基准物体热图像比较，获取目标对象的绝对温度；

利用摄像头获取所述目标对象的人脸图像，利用人脸特征提取网络提取所述目标对象的人脸特征并识别所述目标对象，并连接公安数据库，从公安数据库获取所述目标对象的人员信息；

当探测到所述目标对象的所述绝对温度高于预设的阈值时，进行预警，记录所述绝对温度及对应的所述人员信息，并且向后台和工作人员做实时反馈。

2.如权利要求1所述的一种结合人脸识别的人体热成像测温方法，其特征在于，所述BP神经网络的结构，具体为：

神经网络结构有1个输入层，2个中间层，1个输出层；

神经网络使用的激活函数为sigmoid函数；

神经网络中，不同层之间进行全连接，网络输入的是热红外图像的数值，输出的是绝对温度。

3.如权利要求1所述的一种结合人脸识别的人体热成像测温方法，其特征在于，所述利用人脸特征提取网络提取所述目标对象的人脸特征并识别所述目标对象，具体为：

用包含不同光照条件或者遮挡的人脸图片减去标准光照条件下的无遮挡人脸图像，得到外部变量字典；

将人脸样本库和所述外部变量字典中的图片进行分块处理，并输入所述人脸特征提取网络中提取特征，得到分块特征字典；

将待识别人脸图像进行分块处理，并输入所述人脸特征提取网络中提取特征，并求出其与分块特征字典的联合概率表示；

综合整体与部分特征的最大概率分类情况得出最终的识别结果。

4.如权利要求3所述的一种结合人脸识别的人体热成像测温方法，其特征在于，所述人脸特征提取网络，具体为：

人脸特征提取网络由深度残差网络修改而成，深度残差网络结构中的全连接层替换为特征图平均池化层，前层网络中的池化层替换为全卷积网络结构；

人脸特征提取网络使用残差搬移卷积结构，其每个卷积操作后面都会接一个LeakyReLU激活层，残差搬移卷积结构采用分离型卷积以及组点卷积的操作。