阅读说明：本技术 目标对象佩戴口罩情况的检测方法及热红外图像处理器 (Method for detecting mask wearing condition of target object and thermal infrared image processor ) 是由 张焱 张华宾 林铭 于 2020-04-26 设计创作，主要内容包括：本申请公开了一种目标对象佩戴口罩情况的检测方法及热红外图像处理器。其中,该方法包括：获取通过热红外图像采集设备采集的第一图像；在第一图像中确定包含目标对象的脸部的第一脸部图像区域；根据第一脸部图像区域的上部图像区域和下部图像区域的图像信息,确定目标对象的上脸部温度信息和下脸部温度信息；以及根据上脸部温度信息和下脸部温度信息,确定目标对象是否佩戴口罩。(The application discloses a method for detecting the mask wearing condition of a target object and a thermal infrared image processor. Wherein, the method comprises the following steps: acquiring a first image acquired by a thermal infrared image acquisition device; determining a first face image region containing a face of the target object in the first image; determining upper face temperature information and lower face temperature information of the target object according to image information of an upper image area and a lower image area of the first face image area; and determining whether the target object wears the mask according to the upper face temperature information and the lower face temperature information.)

目标对象佩戴口罩情况的检测方法及热红外图像处理器

技术领域

本申请涉及口罩检测技术领域，特别是涉及一种目标对象佩戴口罩情况的检测方法及热红外图像处理器。

背景技术

口罩是一种常用的卫生用品，能够有效的防止粉尘，有害气体，唾液飞沫等进出口鼻。在办公室、购物商场以及医院等公共场所，佩戴口罩不仅能够保证自身不受传染病流行的危害，还有效的防止了病毒的传播；在工地、工厂等作业环境具有较大粉尘的区域，佩戴口罩能够防止自身因吸入粉尘而对自身健康造成危害。另外，在一些重点监控场所，例如ATM取款机，可疑分子会为了避免被摄像头抓拍而会刻意用口罩遮挡住面部。因此，在一些公共场所中，需要对相关人员(目标对象)的佩戴口罩情况进行检测，即检测相关人员是否按照要求佩戴口罩。

目前的用于检测相关人员是否按照要求佩戴口罩的检测方法大多采用人工的方式或者基于可见光图像检测目标对象是否佩戴口罩的方式，但是，通过人工的方式去检测不仅需要耗费大量的人力资源，且检测效率低下。基于可见光图像检测目标对象是否佩戴口罩的方式容易受光线强度的影响，例如在夜间，光线强度低，采集到的可见光图像的清晰度不高，导致无法进行检测或者检测准确率较低，容易出现漏检、误检和错检等问题。

针对上述的现有技术中存在的目前采用的人工或者基于可见光图像检测目标对象是否佩戴口罩的方式，由于人工的检测方式需要耗费大量的人力资源以及基于可见光图像检测目标对象是否佩戴口罩的方式容易受光线强度的影响，导致目标对象佩戴口罩情况的检测效率低，准确率低，容易造成漏检、误检和错检的技术问题，目前尚未提出有效的解决方案。

发明内容

本公开提供了一种目标对象佩戴口罩情况的检测方法及热红外图像处理器，以至少解决现有技术中存在的目前采用的人工或者基于可见光图像检测目标对象是否佩戴口罩的方式，由于人工的检测方式需要耗费大量的人力资源以及基于可见光图像检测目标对象是否佩戴口罩的方式容易受光线强度的影响，导致目标对象佩戴口罩情况的检测效率低，准确率低，容易造成漏检、误检和错检的技术问题。

根据本公开实施例的一个方面，提供了一种目标对象佩戴口罩情况的检测方法，包括：获取通过热红外图像采集设备采集的第一图像；在第一图像中确定包含目标对象的脸部的第一脸部图像区域；根据第一脸部图像区域的上部图像区域和下部图像区域的图像信息，确定目标对象的上脸部温度信息和下脸部温度信息；以及根据上脸部温度信息和下脸部温度信息，确定目标对象是否佩戴口罩。

根据本公开实施例的另一个方面，提供了一种热红外图像处理器，包括人工智能处理模块，配置用于获取通过热红外图像采集设备采集的第一图像，并在第一图像中确定包含目标对象的脸部的第一脸部图像区域；温度检测模块，与人工智能处理模块连接，配置用于根据第一脸部图像区域的上部图像区域和下部图像区域的图像信息，确定目标对象的上脸部温度信息以及下脸部温度信息；以及佩戴口罩情况检测模块，与温度检测模块连接，配置用于根据上脸部温度信息和下脸部温度信息，确定目标对象是否佩戴口罩。

根据本公开实施例的另一个方面，还提供了一种目标对象佩戴口罩情况的检测系统，包括：热红外图像采集设备；以及上述中任意一项所述的热红外图像处理器，其中热红外图像处理器与热红外图像采集设备通信连接，用于针对热红外图像采集设备采集的第一图像进行目标对象佩戴口罩情况的检测。

根据本公开实施例的另一个方面，还提供了一种目标对象佩戴口罩情况的检测装置，包括：热红外图像获取模块，用于获取通过热红外图像采集设备采集的第一图像；图像区域确定模块，用于在第一图像中确定包含目标对象的脸部的第一脸部图像区域；温度确定模块，用于根据第一脸部图像区域的上部图像区域和下部图像区域的图像信息，确定目标对象的上脸部温度信息和下脸部温度信息；以及佩戴口罩情况确定模块，用于根据上脸部温度信息和下脸部温度信息，确定目标对象是否佩戴口罩。

根据本公开实施例的另一个方面，还提供了一种目标对象佩戴口罩情况的检测装置，包括：处理器；以及存储器，与处理器连接，用于为处理器提供处理以下处理步骤的指令：获取通过热红外图像采集设备采集的第一图像；在第一图像中确定包含目标对象的脸部的第一脸部图像区域；根据第一脸部图像区域的上部图像区域和下部图像区域的图像信息，确定目标对象的上脸部温度信息和下脸部温度信息；以及根据上脸部温度信息和下脸部温度信息，确定目标对象是否佩戴口罩。

根据本公开实施例的另一个方面，还提供了一种存储介质。存储介质包括存储的程序，其中，在程序运行时由处理器执行以上所述的方法。

在本发明实施例中，热红外图像处理器首先利用人工智能处理模块获取通过热红外图像采集设备采集的第一图像，并在第一图像中确定包含目标对象的脸部的第一脸部图像区域。通过这种方式，可以在包含目标检测对象的全图像画面中筛选出只包含目标对象的脸部的第一脸部图像区域，便于后续对目标对象的脸部做温度检测。然后，通过与人工智能处理模块连接的温度检测模块来根据第一脸部图像区域的上部图像区域和下部图像区域的图像信息，确定目标对象的上脸部温度信息以及下脸部温度信息。最后基于佩戴口罩的目标对象的下脸部温度信息明显区分于目标对象的上脸部温度信息的特征，使得佩戴口罩情况检测模块根据上脸部温度信息和下脸部温度信息，能够准确地确定目标对象是否佩戴口罩。从而，本申请所提供的热红外图像处理器基于热红外图像进行佩戴口罩情况的检测，不受光线强度的影响，检测准确率高，排除漏检、误检和错检，并且无需耗费大量的人力资源，大大提高了检测效率。此外，通过获取由热红外图像采集设备采集的第一图像来进行非接触式检测，无感检测，无需停留，快速疏导人流。进而解决了现有技术中存在的目前采用的人工或者基于可见光图像检测目标对象是否佩戴口罩的方式，由于人工的检测方式需要耗费大量的人力资源以及基于可见光图像检测目标对象是否佩戴口罩的方式容易受光线强度的影响，导致目标对象佩戴口罩情况的检测效率低，准确率低，容易造成漏检、误检和错检的技术问题。

根据下文结合附图对本申请的具体实施例的详细描述，本领域技术人员将会更加明了本申请的上述以及其他目的、优点和特征。

附图说明

后文将参照附图以示例性而非限制性的方式详细描述本申请的一些具体实施例。附图中相同的附图标记标示了相同或类似的部件或部分。本领域技术人员应该理解，这些附图未必是按比例绘制的。附图中：

图1是根据本公开实施例1所述的目标对象佩戴口罩情况的检测系统的示意图；

图2是根据本公开实施例1所述的添加有标识图形的第一图像的一个示意图；

图3是根据本公开实施例1所述的添加有标识图形的第一图像的又一个示意图；

图4是根据本公开实施例1的第三个方面所述的目标对象佩戴口罩情况的检测方法的流程图；

图5是根据本公开实施例2所述的目标对象佩戴口罩情况的检测装置的示意图；以及

图6是根据本公开实施例3所述的目标对象佩戴口罩情况的检测装置的示意图。

具体实施方式

需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。

为了使本技术领域的人员更好地理解本公开方案，下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本公开一部分的实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本公开保护的范围。

需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的术语在适当情况下可以互换，以便这里描述的本公开的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

实施例1

图1是根据本申请实施例1所述的目标对象佩戴口罩情况的检测系统的示意图。参考图1所示，本申请实施例1的第一个方面提供了一种热红外图像处理器200，包括人工智能处理模块220，配置用于获取通过热红外图像采集设备100采集的第一图像，并在第一图像中确定包含目标对象的脸部的第一脸部图像区域；温度检测模块230，与人工智能处理模块220连接，配置用于根据第一脸部图像区域的上部图像区域和下部图像区域的图像信息，确定目标对象的上脸部温度信息以及下脸部温度信息；以及佩戴口罩情况检测模块240，与温度检测模块230连接，配置用于根据上脸部温度信息和下脸部温度信息，确定目标对象是否佩戴口罩。

正如背景技术中所述的，目前的用于检测相关人员是否按照要求佩戴口罩的检测方法大多采用人工的方式或者基于可见光图像检测目标对象是否佩戴口罩的方式，但是，通过人工的方式去检测不仅需要耗费大量的人力资源，且检测效率低下。基于可见光图像检测目标对象是否佩戴口罩的方式容易受光线强度的影响，例如在夜间，光线强度低，采集到的可见光图像的清晰度不高，导致无法进行检测或者检测准确率较低，容易出现漏检、误检和错检等问题。

具体地，针对上述的问题，参考图1所示，本实施例的第一方面所提供的热红外图像处理器200首先利用人工智能处理模块220获取通过热红外图像采集设备100采集的第一图像，并在第一图像中确定包含目标对象的脸部的第一脸部图像区域。通过这种方式，可以在包含目标检测对象的全图像画面中筛选出只包含目标对象的脸部的第一脸部图像区域，便于后续对目标对象的脸部做温度检测。

然后，通过与人工智能处理模块220连接的温度检测模块230来根据第一脸部图像区域的上部图像区域和下部图像区域的图像信息，确定目标对象的上脸部温度信息以及下脸部温度信息。

最后，通过与温度检测模块230连接的佩戴口罩情况检测模块240，根据上脸部温度信息和下脸部温度信息，确定目标对象是否佩戴口罩。具体地，在目标对象佩戴口罩的情况下，由于口罩对下脸部的遮挡以及口罩表面温度与人脸温度差异较大，温度检测模块230所确定的目标对象的下脸部温度信息明显区分于目标对象的上脸部温度信息，反则否之。因此，在这种情况下，佩戴口罩情况检测模块240根据上脸部温度信息和下脸部温度信息，能够准确地确定目标对象是否佩戴口罩。

从而，通过这种方式，本实施例的第一个方面所提供的热红外图像处理器200基于热红外图像进行佩戴口罩情况的检测，不受光线强度的影响，检测准确率高，排除漏检、误检和错检，并且无需耗费大量的人力资源，大大提高了检测效率。此外，通过获取由热红外图像采集设备100采集的第一图像来进行非接触式检测，无感检测，无需停留，快速疏导人流。进而解决了现有技术中存在的目前采用的人工或者基于可见光图像检测目标对象是否佩戴口罩的方式，由于人工的检测方式需要耗费大量的人力资源以及基于可见光图像检测目标对象是否佩戴口罩的方式容易受光线强度的影响，导致目标对象佩戴口罩情况的检测效率低，准确率低，容易造成漏检、误检和错检的技术问题。

可选地，确定目标对象的上脸部温度信息的操作，包括：确定上部图像区域的各像素所对应的温度值；以及根据各像素所对应的温度值确定上脸部温度信息。

具体地，温度检测模块230首先确定上部图像区域的各像素所对应的温度值，然后将各像素所对应的最大温度值或者平均温度值作为目标对象的上脸部的上脸部温度。或者，温度检测模块230在上部图像区域中选取像素值最高的预定数量的像素点，然后根据所选取的像素点的像素值，确定所选取的像素点对应的温度值，最后根据所选取的像素点对应的温度值求取平均温度值，并将平均温度值作为目标对象的上脸部的上脸部温度。通过这种方式，可以准确地确定目标对象的上脸部温度信息。

可选地，确定目标对象的下脸部温度信息的操作，包括：确定下部图像区域的各像素所对应的温度值；以及根据各像素所对应的温度值确定下脸部温度信息。

具体地，温度检测模块230首先确定下部图像区域的各像素所对应的温度值，然后将各像素所对应的最大温度值或者平均温度值作为目标对象的下脸部的下脸部温度。或者，温度检测模块230在下部图像区域中选取像素值最高的预定数量的像素点，然后根据所选取的像素点的像素值，确定所选取的像素点对应的温度值，最后根据所选取的像素点对应的温度值求取平均温度值，并将平均温度值作为目标对象的下脸部的下脸部温度。通过这种方式，可以准确地确定目标对象的下脸部温度信息。

可选地，根据上脸部温度信息和下脸部温度信息，确定目标对象是否佩戴口罩的操作，包括：根据上脸部温度信息和下脸部温度信息，判定目标对象的上脸部温度和下脸部温度之间的温度差是否大于预设阈值；以及根据判定的结果，确定目标对象是否佩戴口罩。

具体地，在目标对象佩戴口罩的情况下，由于口罩对下脸部的遮挡以及口罩表面温度与人脸温度差异较大，温度检测模块230所确定的目标对象的下脸部温度信息明显区分于目标对象的上脸部温度信息。因此，佩戴口罩情况检测模块240首先根据上脸部温度信息和下脸部温度信息，判定目标对象的上脸部温度和下脸部温度之间的温度差是否大于预设阈值，以及根据判定的结果，确定目标对象是否佩戴口罩。例如，在判定目标对象的上脸部温度和下脸部温度之间的温度差大于预设阈值的情况下，确定目标对象佩戴口罩。在判定目标对象的上脸部温度和下脸部温度之间的温度差不大于预设阈值的情况下，确定目标对象未佩戴口罩。通过这种方式，可以准确地确定目标对象是否佩戴口罩。

可选地，根据判定的结果，确定目标对象是否佩戴口罩的操作，包括：在判定的结果为目标对象的上脸部温度和下脸部温度之间的温度差不大于预设阈值的情况下，通过人工智能处理模块220判定第一脸部图像区域中是否包含目标对象的鼻子和/或嘴巴；在人工智能处理模块220判定第一脸部图像区域中不包含目标对象的鼻子和/或嘴巴的情况下，确定目标对象佩戴口罩；以及在人工智能处理模块220判定第一脸部图像区域中包含目标对象的鼻子和/或嘴巴的情况下，确定目标对象未佩戴口罩。

具体地，在判定目标对象的上脸部温度和下脸部温度之间的温度差不大于预设阈值的情况下确定目标对象未佩戴口罩的判断方式，容易造成误检问题。例如，在目标对象的上脸部温度和下脸部温度之间的温度差小于预设阈值且与预设阈值之间的差值十分小的情况下，不能排除目标对象佩戴了口罩。在这种情况下，需要做进一步的判定，以免出现误检。

因此，在本实施例中，在判定的结果为目标对象的上脸部温度和下脸部温度之间的温度差不大于预设阈值的情况下，可以通过人工智能处理模块220判定第一脸部图像区域中是否包含目标对象的眼睛、鼻子和/或嘴巴。在人工智能处理模块220判定第一脸部图像区域中包含目标对象的眼睛且不包含目标对象的鼻子和/或嘴巴的情况下，意味着目标对象佩戴了口罩，因此确定目标对象佩戴口罩。此外，在人工智能处理模块220判定第一脸部图像区域中包含目标对象的眼睛且不包含目标对象的鼻子和/或嘴巴的情况下，确定目标对象未佩戴口罩。通过这种方式，在判定的结果为目标对象的上脸部温度和下脸部温度之间的温度差不大于预设阈值的情况下，做出进一步的目标对象是否佩戴口罩的判定，以免出现误检。

可选地，热红外图像处理器200还包括：预处理模块210，配置用于生成与第一图像对应的第二图像，其中第二图像适于预设的图像检测模型进行检测；并且人工智能处理模块220包括人体部位检测单元221以及人体部位映射单元222，其中人体部位检测单元221与预处理模块210连接，配置用于通过图像检测模型，在第二图像中检测包含目标对象的脸部的第二脸部图像区域；人体部位映射单元222配置用于根据第二脸部图像区域在第二图像中的位置信息，在第一图像中确定第一脸部图像区域。

具体地，参照图1所示，热红外图像处理器200还包括预处理模块210，用于生成与第一图像对应的第二图像，其中第二图像适于预设的图像检测模型进行检测。由于目前的图像检测模型通常支持对有限范围内的分辨率的图像进行识别(例如分辨率为512*512、640*360、640*480或者其他)，因此为了保障人工智能处理模块220能够对第一图像中的目标对象进行有效的检测，在本实施例中需要通过预处理模块210对获取到的第一图像进行预处理，从而生成适于人工智能处理模块220进行检测的第二图像。

进一步地，人工智能处理模块220包括人体部位检测单元221以及人体部位映射单元222。其中人体部位检测单元221与预处理模块210连接，用于图像检测模型，在第二图像中检测包含目标对象的脸部的第二脸部图像区域。在检测出第二脸部图像区域的情况下，人体部位映射单元222需要根据第二脸部图像区域在第二图像中的位置信息，在第一图像中确定第一脸部图像区域。从而，通过这种方式，不仅能够对第一图像中的目标对象进行有效的检测，还能够准确的在第一图像中确定第一脸部图像区域。

可选地，通过图像检测模型，在第二图像中检测包含目标对象的脸部的第二脸部图像区域的操作，包括：通过图像检测模型，在第二图像中检测包含目标对象的目标对象图像区域；以及在目标对象图像区域中确定第二脸部图像区域。

具体地，为了从第二图像中提取出包含目标对象的图像区域，人体部位检测单元221首先通过图像检测模型，在第二图像中检测包含目标对象的目标对象图像区域，然后在目标对象图像区域中确定第二脸部图像区域。

可选地，预处理模块210包括以下的至少一项：分辨率转换单元211，配置用于将图像的分辨率转换成与图像检测模型匹配的分辨率；以及图像增强单元212，配置用于增强图像中的细节信息。

具体地，参照图1所示，预处理模块210包括分辨率转换单元211和图像增强单元212中的至少一项。其中，在热红外图像采集设备100采集的第一图像的分辨率低于人工智能处理模块220能够检测的图像的分辨率的情况下，分辨率转换单元211可以为上采样单元，用于对第一图像进行上采样操作，例如可以利用多相滤波器或者线性滤波器进行上采样，完成低分辨率到高分辨率的提升。从而，不再需要基于采集的热红外图像重新训练模型，而是先将图像的分辨率转换成与图像检测模型匹配的分辨率，然后利用现有的人工智能检测功能，对低分辨率的热红外图像进行有效检测。

此外，在热红外图像采集设备100采集的第一图像的分辨率高于人工智能处理模块220能够检测的图像的分辨率的情况下，分辨率转换单元211可以为下采样单元，用于对第一图像进行下采样操作，从而将第一图像的分辨率转换为与图像检测模型匹配的分辨率。

进一步地，由于热红外传感器本身成像特点以及分辨率较低等原因，热红外图像往往噪声高，导致物体的边缘信息被干扰。针对噪声高这个问题，本实施例通过图像增强单元212使用预设的去噪滤波算法进行去噪，以抑制图像中的噪声，同时不破坏物体的边缘。其中，常见的去噪滤波算法例如有双边滤波算法和导向滤波算法等。

优选地，由于热红外图像是根据物体表面温度成像的，而实际场景中物体和背景的温度差不会很大，所以物体的边缘细节在热红外图像中不明显。针对这个问题，本实施例还可以通过图像增强单元212使用预设的边缘锐化算法进行边缘增强，以增强物体的细节信息。其中，常见的边缘锐化算法例如有拉普拉斯滤波算法和sobel滤波算法等。

此外，需要特别说明的是，图像增强单元212不局限于包含去噪滤波算法和边缘锐化算法，也可以包含其他的可以增强图像质量的算法。

优选地，本实施例的预处理模块210还可以首先通过分辨率转换单元211将第一图像的分辨率转换为成与图像检测模型匹配的分辨率。然后通过图像增强单元212，对分辨率转换单元211输出的图像进行图像增强操作，抑制图像中的噪声，同时增强图像中的细节信息，从而生成适于人工智能处理模块220进行检测的第二图像。

可选地，根据第二脸部图像区域在第二图像中的位置信息，在第一图像中确定第一脸部图像区域的操作，包括：根据第二脸部图像区域在第二图像中的位置信息以及第一图像和第二图像之间的位置映射关系，确定第一脸部图像区域在第一图像中的位置信息；以及根据第一脸部图像区域在第一图像中的位置信息，在第一图像中确定第一脸部图像区域。

具体地，人体部位映射单元222首先根据第二脸部图像区域在第二图像中的位置信息以及第一图像和第二图像之间的位置映射关系，例如利用预先设置的坐标转换算法，将第二图像中的位置信息转换为第一图像中相对应的位置信息，从而确定第一脸部图像区域在第一图像中的位置信息。其中，所确定的第一脸部图像区域在第一图像中的位置信息例如均可以包括x,y,w,h，即第一脸部图像区域在第一图像中的x,y坐标以及宽高信息。然后根据第一脸部图像区域在第一图像中的位置信息，在第一图像中确定第一脸部图像区域。通过这种方式，保障了所确定的第一脸部图像区域的准确性。

可选地，热红外图像处理器200还包括图像融合模块250，与人工智能处理模块220和佩戴口罩情况检测模块240连接，配置用于在第一脸部图像区域的位置处添加用于指示目标对象是否佩戴口罩的标识图形。

在实践中，监控工作人员通常通过观看监控视频，监控目标对象是否佩戴口罩。因此如果能够在视频中添加用于指示目标对象是否佩戴口罩的标记(例如在第一图像中的第一脸部图像区域，使用不同的颜色矩形框标记目标对象是否佩戴口罩，或者大致标记出口罩在第一脸部图像区域中的位置信息等)，则更加有利于监控工作人员观察监控视频。

具体地，图2实例性的示出了添加有标识图形的第一图像的一个示意图，图3实例性的示出了添加有标识图形的第一图像的又一个示意图。参照图1、图2以及图3所示，本实施例通过图像融合模块250将第一图像与人工智能处理模块220检测到的第一脸部图像区域以及佩戴口罩情况检测模块240检测到的佩戴口罩情况进行融合，并在第一脸部图像区域的位置处添加相应的标识图形。其中，参照图2和图3所示，例如在第一脸部图像区域添加不同颜色的矩形框，用于标记所检测出的目标对象是否佩戴口罩，此外还可以用矩形框来大致标记出口罩在第一脸部图像区域中的位置信息。从而，通过这种方式，可以向监控工作人员提供高清并具有标记的监控视频，有利于监控人员进行监控。

本申请实施例1的第二个方面提供了一种目标对象佩戴口罩情况的检测系统，包括：热红外图像采集设备100；以及上述中任意一项所述的热红外图像处理器200，其中热红外图像处理器200与热红外图像采集设备100通信连接，用于针对热红外图像采集设备100采集的第一图像进行目标对象佩戴口罩情况的检测。

具体地，参照图1所示，本申请实施例1的第二个方面提供了一种目标对象佩戴口罩情况的检测系统，包括热红外图像采集设备100以及上述中任意一项所述的热红外图像处理器200。从而，可以通过热红外图像采集设备100(例如，热红外摄像机)采集热红外图像(对应于图1中的第一图像)，然后由热红外图像采集设备100将采集的热红外图像发送至热红外图像处理器200。热红外图像处理器200在接收到热红外图像采集设备100采集的热红外图像后，对热红外图像进行目标对象佩戴口罩情况的检测。

可选地，目标对象佩戴口罩情况的检测系统还包括：显示模块310，与热红外图像处理器200的图像融合模块250通信连接，用于显示添加有标识图形的第一图像。

具体地，参照上述的，图像融合模块250用于在第一脸部图像区域的位置处添加标识图形。因此，参考图1所示，目标对象佩戴口罩情况的检测系统还包括显示模块310，与图像融合模块250连接，用于显示添加有标识图形的第一图像。同时，还可以将佩戴口罩情况信息、目标对象位置和添加有标识图形的第一图像的相关数据发送给远端服务器。从而，不仅能够向相关的工作人员显示带有目标对象的位置信息和佩戴口罩情况信息的标记的第一图像，还使得远端服务器可以做进一步的数据分析。

可选地，目标对象佩戴口罩情况的检测系统还包括网络接口320，与热红外图像处理器200的图像融合模块250通信连接，用于通过网络传输添加有标识图形的第一图像。

具体地，参考图1所示，目标对象佩戴口罩情况的检测系统还包括网络接口320，可以通过网络接口320发送佩戴口罩情况信息、目标对象位置和添加有标识图形的第一图像的相关数据给远端服务器做进一步数据分析。

可选地，目标对象佩戴口罩情况的检测系统还包括报警模块330，与热红外图像处理器200的佩戴口罩情况检测模块240通信连接，用于在佩戴口罩情况检测模块240判定目标对象未佩戴口罩的情况下，发出警报信息。

具体地，参考图1所示，目标对象佩戴口罩情况的检测系统还包括报警模块330，与佩戴口罩情况检测模块240通信连接。在佩戴口罩情况检测模块240判定目标对象未佩戴口罩的情况下，报警模块330发出警报信息。从而，通过这种方式，在检测到目标对象未佩戴口罩的情况下，能够及时的警示相关的工作人员。

在图1所示的目标对象佩戴口罩情况的检测系统中，参考图4所示，本申请实施例1的第三个方面提出了一种目标对象佩戴口罩情况的检测方法。参考图4所示，该方法包括：

S402：获取通过热红外图像采集设备采集的第一图像；

S404：在第一图像中确定包含目标对象的脸部的第一脸部图像区域；

S406：根据第一脸部图像区域的上部图像区域和下部图像区域的图像信息，确定目标对象的上脸部温度信息和下脸部温度信息；以及

S408：根据上脸部温度信息和下脸部温度信息，确定目标对象是否佩戴口罩。

可选地，确定目标对象的上脸部温度信息的操作，包括：确定上部图像区域的各像素所对应的温度值；以及根据各像素所对应的温度值确定上脸部温度信息。

可选地，确定目标对象的下脸部温度信息的操作，包括：确定下部图像区域的各像素所对应的温度值；以及根据各像素所对应的温度值确定下脸部温度信息。

可选地，根据上脸部温度信息和下脸部温度信息，确定目标对象是否佩戴口罩的操作，包括：根据上脸部温度信息和下脸部温度信息，判定目标对象的上脸部温度和下脸部温度之间的温度差是否大于预设阈值；以及根据判定的结果，确定目标对象是否佩戴口罩。

可选地，根据判定的结果，确定目标对象是否佩戴口罩的操作，包括：在判定的结果为目标对象的上脸部温度和下脸部温度之间的温度差不大于预设阈值的情况下，判定第一脸部图像区域中是否包含目标对象的眼睛、鼻子和/或嘴巴；在判定第一脸部图像区域中包含目标对象的眼睛且不包含目标对象的鼻子和/或嘴巴的情况下，确定目标对象佩戴口罩；以及在判定第一脸部图像区域中包含目标对象的眼睛且不包含目标对象的鼻子和/或嘴巴的情况下，确定目标对象未佩戴口罩。

可选地，在第一图像中确定第一脸部图像区域的操作，包括：生成与第一图像对应的第二图像，其中第二图像适于预设的图像检测模型进行检测；通过图像检测模型，在第二图像中检测包含目标对象的脸部的第二脸部图像区域；以及根据第二脸部图像区域在第二图像中的位置信息，在第一图像中确定第一脸部图像区域。

可选地，通过图像检测模型，在第二图像中检测包含目标对象的脸部的第二脸部图像区域的操作，包括：通过图像检测模型，在第二图像中检测包含目标对象的目标对象图像区域；以及在目标对象图像区域中确定第二脸部图像区域。

可选地，生成与第一图像对应的第二图像的操作，包括以下的至少一项：分辨率转换操作，用于将图像的分辨率转换成与图像检测模型匹配的分辨率；以及图像增强操作，用于增强图像中的细节信息。

可选地，根据第二脸部图像区域在第二图像中的位置信息，在第一图像中确定第一脸部图像区域的操作，包括：根据第二脸部图像区域在第二图像中的位置信息以及第一图像和第二图像之间的位置映射关系，确定第一脸部图像区域在第一图像中的位置信息；以及根据第一脸部图像区域在第一图像中的位置信息，在第一图像中确定第一脸部图像区域。

可选地，方法还包括：在第一脸部图像区域的位置处添加用于指示目标对象是否佩戴口罩的标识图形。

本实施例第三方面提供的目标对象佩戴口罩情况的检测方法可以参照第一方面提供的热红外图像处理器200中的所有描述，并且能够实现第一方面提供的热红外图像处理器200的所有功能，这里不再赘述。

此外，根据本实施例的第四个方面，提供了一种存储介质。存储介质包括存储的程序，其中，在程序运行时由处理器执行以上任意一项所述的方法。

从而，本实施例的第三个方面所提供的目标对象佩戴口罩情况的检测方法首先获取通过热红外图像采集设备采集的第一图像，并在第一图像中确定包含目标对象的脸部的第一脸部图像区域。通过这种方式，可以在包含目标检测对象的全图像画面中筛选出只包含目标对象的脸部的第一脸部图像区域，便于后续对目标对象的脸部做温度检测。然后，根据第一脸部图像区域的上部图像区域和下部图像区域的图像信息，确定目标对象的上脸部温度信息以及下脸部温度信息。最后基于佩戴口罩的目标对象的下脸部温度信息明显区分于目标对象的上脸部温度信息的特征，根据上脸部温度信息和下脸部温度信息，能够准确地确定目标对象是否佩戴口罩。从而，本实施例所提供的目标对象佩戴口罩情况的检测方法基于热红外图像进行佩戴口罩情况的检测，不受光线强度的影响，检测准确率高，排除漏检、误检和错检，并且无需耗费大量的人力资源，大大提高了检测效率。此外，通过获取由热红外图像采集设备采集的第一图像来进行非接触式检测，无感检测，无需停留，快速疏导人流。进而解决了现有技术中存在的目前采用的人工或者基于可见光图像检测目标对象是否佩戴口罩的方式，由于人工的检测方式需要耗费大量的人力资源以及基于可见光图像检测目标对象是否佩戴口罩的方式容易受光线强度的影响，导致目标对象佩戴口罩情况的检测效率低，准确率低，容易造成漏检、误检和错检的技术问题。

实施例2

图5示出了根据本实施例所述的目标对象佩戴口罩情况的检测装置500，该装置500与根据实施例1的第三个方面所述的方法相对应。参考图5所示，该装置500包括：热红外图像获取模块510，用于获取通过热红外图像采集设备采集的第一图像；图像区域确定模块520，用于在第一图像中确定包含目标对象的脸部的第一脸部图像区域；温度确定模块530，用于根据第一脸部图像区域的上部图像区域和下部图像区域的图像信息，确定目标对象的上脸部温度信息和下脸部温度信息；以及佩戴口罩情况确定模块540，用于根据上脸部温度信息和下脸部温度信息，确定目标对象是否佩戴口罩。

可选地，温度确定模块530，包括：第一确定子模块，用于确定上部图像区域的各像素所对应的温度值；以及第二确定子模块，用于根据各像素所对应的温度值确定上脸部温度信息。

可选地，温度确定模块530包括：第三确定子模块，用于确定下部图像区域的各像素所对应的温度值；以及第四确定子模块，用于根据各像素所对应的温度值确定下脸部温度信息。

可选地，佩戴口罩情况确定模块540，包括：判定子模块，用于根据上脸部温度信息和下脸部温度信息，判定目标对象的上脸部温度和下脸部温度之间的温度差是否大于预设阈值；以及第五确定子模块，用于根据判定的结果，确定目标对象是否佩戴口罩。

可选地，第五确定子模块，包括：判定单元，用于在判定的结果为目标对象的上脸部温度和下脸部温度之间的温度差不大于预设阈值的情况下，判定第一脸部图像区域中是否包含目标对象的眼睛、鼻子和/或嘴巴；第一确定单元，用于在判定第一脸部图像区域中包含目标对象的眼睛且不包含目标对象的鼻子和/或嘴巴的情况下，确定目标对象佩戴口罩；以及第二确定单元，用于在判定第一脸部图像区域中包含目标对象的眼睛且不包含目标对象的鼻子和/或嘴巴的情况下，确定目标对象未佩戴口罩。

可选地，图像区域确定模块520包括：图像生成子模块，用于生成与第一图像对应的第二图像，其中第二图像适于预设的图像检测模型进行检测；检测子模块，用于通过图像检测模型，在第二图像中检测包含目标对象的脸部的第二脸部图像区域；以及图像区域确定子模块，用于根据第二脸部图像区域在第二图像中的位置信息，在第一图像中确定第一脸部图像区域。

可选地，检测子模块包括：检测单元，用于通过图像检测模型，在第二图像中检测包含目标对象的目标对象图像区域；以及图像区域确定单元，用于在目标对象图像区域中确定第二脸部图像区域。

可选地，图像生成子模块，包括以下的至少一项：分辨率转换单元，用于将图像的分辨率转换成与图像检测模型匹配的分辨率；以及图像增强单元，用于增强图像中的细节信息。

可选地，图像区域确定子模块包括：位置信息确定单元，用于根据第二脸部图像区域在第二图像中的位置信息以及第一图像和第二图像之间的位置映射关系，确定第一脸部图像区域在第一图像中的位置信息；以及图像区域确定单元，用于根据第一脸部图像区域在第一图像中的位置信息，在第一图像中确定第一脸部图像区域。

可选地，目标对象佩戴口罩情况的检测装置500还包括：报警模块，用于在判定目标对象未佩戴口罩的情况下，发出警报信息。

可选地，目标对象佩戴口罩情况的检测装置500还包括：标识图形添加模块，用于在第一脸部图像区域的位置处添加用于指示目标对象是否佩戴口罩的标识图形。

从而根据本实施例，目标对象佩戴口罩情况的检测装置500首先获取通过热红外图像采集设备采集的第一图像，并在第一图像中确定包含目标对象的脸部的第一脸部图像区域。通过这种方式，可以在包含目标检测对象的全图像画面中筛选出只包含目标对象的脸部的第一脸部图像区域，便于后续对目标对象的脸部做温度检测。然后，根据第一脸部图像区域的上部图像区域和下部图像区域的图像信息，确定目标对象的上脸部温度信息以及下脸部温度信息。最后基于佩戴口罩的目标对象的下脸部温度信息明显区分于目标对象的上脸部温度信息的特征，根据上脸部温度信息和下脸部温度信息，能够准确地确定目标对象是否佩戴口罩。从而，本实施例所提供的目标对象佩戴口罩情况的检测装置500基于热红外图像进行佩戴口罩情况的检测，不受光线强度的影响，检测准确率高，排除漏检、误检和错检，并且无需耗费大量的人力资源，大大提高了检测效率。此外，通过获取由热红外图像采集设备采集的第一图像来进行非接触式检测，无感检测，无需停留，快速疏导人流。进而解决了现有技术中存在的目前采用的人工或者基于可见光图像检测目标对象是否佩戴口罩的方式，由于人工的检测方式需要耗费大量的人力资源以及基于可见光图像检测目标对象是否佩戴口罩的方式容易受光线强度的影响，导致目标对象佩戴口罩情况的检测效率低，准确率低，容易造成漏检、误检和错检的技术问题。

实施例3

图6示出了根据本实施例所述的目标对象佩戴口罩情况的检测装置600，该装置600与根据实施例1的第三个方面所述的方法相对应。参考图6所示，该装置600包括：处理器610；以及存储器620，与处理器610连接，用于为处理器610提供处理以下处理步骤的指令：获取通过热红外图像采集设备采集的第一图像；在第一图像中确定包含目标对象的脸部的第一脸部图像区域；根据第一脸部图像区域的上部图像区域和下部图像区域的图像信息，确定目标对象的上脸部温度信息和下脸部温度信息；以及根据上脸部温度信息和下脸部温度信息，确定目标对象是否佩戴口罩。

可选地，确定目标对象的上脸部温度信息的操作，包括：确定上部图像区域的各像素所对应的温度值；以及根据各像素所对应的温度值确定上脸部温度信息。

可选地，确定目标对象的下脸部温度信息的操作，包括：确定下部图像区域的各像素所对应的温度值；以及根据各像素所对应的温度值确定下脸部温度信息。

可选地，根据上脸部温度信息和下脸部温度信息，确定目标对象是否佩戴口罩的操作，包括：根据上脸部温度信息和下脸部温度信息，判定目标对象的上脸部温度和下脸部温度之间的温度差是否大于预设阈值；以及根据判定的结果，确定目标对象是否佩戴口罩。

可选地，根据判定的结果，确定目标对象是否佩戴口罩的操作，包括：在判定的结果为目标对象的上脸部温度和下脸部温度之间的温度差不大于预设阈值的情况下，判定第一脸部图像区域中是否包含目标对象的眼睛、鼻子和/或嘴巴；在判定第一脸部图像区域中包含目标对象的眼睛且不包含目标对象的鼻子和/或嘴巴的情况下，确定目标对象佩戴口罩；以及在判定第一脸部图像区域中包含目标对象的眼睛且不包含目标对象的鼻子和/或嘴巴的情况下，确定目标对象未佩戴口罩。

可选地，在第一图像中确定第一脸部图像区域的操作，包括：生成与第一图像对应的第二图像，其中第二图像适于预设的图像检测模型进行检测；通过图像检测模型，在第二图像中检测包含目标对象的脸部的第二脸部图像区域；以及根据第二脸部图像区域在第二图像中的位置信息，在第一图像中确定第一脸部图像区域。

可选地，通过图像检测模型，在第二图像中检测包含目标对象的脸部的第二脸部图像区域的操作，包括：通过图像检测模型，在第二图像中检测包含目标对象的目标对象图像区域；以及在目标对象图像区域中确定第二脸部图像区域。

可选地，生成与第一图像对应的第二图像的操作，包括以下的至少一项：分辨率转换操作，用于将图像的分辨率转换成与图像检测模型匹配的分辨率；以及图像增强操作，用于增强图像中的细节信息。

可选地，根据第二脸部图像区域在第二图像中的位置信息，在第一图像中确定第一脸部图像区域的操作，包括：根据第二脸部图像区域在第二图像中的位置信息以及第一图像和第二图像之间的位置映射关系，确定第一脸部图像区域在第一图像中的位置信息；以及根据第一脸部图像区域在第一图像中的位置信息，在第一图像中确定第一脸部图像区域。

可选地，存储器620还用于为处理器610提供处理以下处理步骤的指令：：在第一脸部图像区域的位置处添加用于指示目标对象是否佩戴口罩的标识图形。

从而根据本实施例，目标对象佩戴口罩情况的检测装置600首先获取通过热红外图像采集设备采集的第一图像，并在第一图像中确定包含目标对象的脸部的第一脸部图像区域。通过这种方式，可以在包含目标检测对象的全图像画面中筛选出只包含目标对象的脸部的第一脸部图像区域，便于后续对目标对象的脸部做温度检测。然后，根据第一脸部图像区域的上部图像区域和下部图像区域的图像信息，确定目标对象的上脸部温度信息以及下脸部温度信息。最后基于佩戴口罩的目标对象的下脸部温度信息明显区分于目标对象的上脸部温度信息的特征，根据上脸部温度信息和下脸部温度信息，能够准确地确定目标对象是否佩戴口罩。从而，本实施例所提供的目标对象佩戴口罩情况的检测装置600基于热红外图像进行佩戴口罩情况的检测，不受光线强度的影响，检测准确率高，排除漏检、误检和错检，并且无需耗费大量的人力资源，大大提高了检测效率。此外，通过获取由热红外图像采集设备采集的第一图像来进行非接触式检测，无感检测，无需停留，快速疏导人流。进而解决了现有技术中存在的目前采用的人工或者基于可见光图像检测目标对象是否佩戴口罩的方式，由于人工的检测方式需要耗费大量的人力资源以及基于可见光图像检测目标对象是否佩戴口罩的方式容易受光线强度的影响，导致目标对象佩戴口罩情况的检测效率低，准确率低，容易造成漏检、误检和错检的技术问题。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为授权说明书的一部分。在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

为了便于描述，在这里可以使用空间相对术语，如“在……之上”、“在……上方”、“在……上表面”、“上面的”等，用来描述如在图中所示的一个器件或特征与其他器件或特征的空间位置关系。应当理解的是，空间相对术语旨在包含除了器件在图中所描述的方位之外的在使用或操作中的不同方位。例如，如果附图中的器件被倒置，则描述为“在其他器件或构造上方”或“在其他器件或构造之上”的器件之后将被定位为“在其他器件或构造下方”或“在其他器件或构造之下”。因而，示例性术语“在……上方”可以包括“在……上方”和“在……下方”两种方位。(该器件也可以其他不同方式定位旋转90度或处于其他方位)，并且对这里所使用的空间相对描述作出相应解释。

在本公开的描述中，需要理解的是，方位词如“前、后、上、下、左、右”、“横向、竖向、垂直、水平”和“顶、底”等所指示的方位或位置关系通常是基于附图所示的方位或位置关系，仅是为了便于描述本公开和简化描述，在未作相反说明的情况下，这些方位词并不指示和暗示所指的装置或元件必须具有特定的方位或者以特定的方位构造和操作，因此不能理解为对本公开保护范围的限制；方位词“内、外”是指相对于各部件本身的轮廓的内外。

以上所述，仅为本申请较佳的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应该以权利要求的保护范围为准。