热视觉3：使用Python和OpenCV的发烧探测器（图像/视频/摄像头实时视频流人脸温度检测）

# 将 Haar 级联算法应用于热图像中的人脸，然后在热视频序列中，最后使用 USB 视频类 （UVC） 热像仪。这些部分分别在以下位置实现： # fever_detector_image.py：将 Haar级联人脸检测算法应用于输入热红外图像（faces_gray16_image.tiff）。 # fever_detector_video.py：Haar级联人脸检测算法应用于输入视频帧（gray16_sequence文件夹）。 # fever_detector_camera.py：将 Haar级联人脸检测应用于 UVC 热成像摄像机的视频输入流。 # faces_gray16_image.tiff是图3（右）所示的原始灰16热图像，该图像是从热像仪RGMVision热成像CAM 1中提取的。 # gray16_sequence文件夹包含示例视频序列。 # haarcascade_frontalface_alt2.xml 预先训练的人脸检测器，由OpenCV库（GitHub）的开发人员和维护人员提供。 # USAGE # python fever_detector_image.py # 导入必要的包 import cv2 import imutils import numpy as np # 发烧温度的阈值：确定检测到的人脸的温度是否高于正常范围，即超过99-100.5°F（约37-38°C） # 发烧温度阈值：华氏温度，摄氏温度 Celsius or Fahrenheit fever_temperature_threshold = 37.0 fever_temperature_threshold = 99.0 # 打开gray16热红外图像 cv2.IMREAD_ANYDEPTH允许以16位格式打开gray16图像 # gray16_image = cv2.imread("faces_gray16_image.tiff", cv2.IMREAD_ANYDEPTH) gray16_image = cv2.imread("ym.jpg", cv2.IMREAD_ANYDEPTH) gray16_image = imutils.resize(gray16_image,width=400) cv2.imshow("origin", imutils.resize(cv2.imread("ym.jpg"),width=400)) # 转换gray16为gray8 以便处理及可视化 # 创建一个空的 160x120 图像，将 gray16 图像从 0-65553（16位）规范化为 0-255（8位），并确保最终图像是 8位图像 gray8_image = np.zeros((120,160), dtype=np.uint8) gray8_image = cv2.normalize(gray16_image, gray8_image, 0, 255, cv2.NORM_MINMAX) gray8_image = np.uint8(gray8_image) # 使用最喜欢的OpenCV colormap* 为gray8热图像着色 gray8_image = cv2.applyColorMap(gray8_image, cv2.COLORMAP_INFERNO) # 加载预训练的haar cascade面部检测器 haar_cascade_face = cv2.CascadeClassifier('haarcascade_frontalface_alt2.xml') # 使用haar cascade面部检测器检测输入的人脸 faces = haar_cascade_face.detectMultiScale(gray8_image, scaleFactor=1.1, minNeighbors=5, minSize=(10, 10), flags=cv2.CASCADE_SCALE_IMAGE) # 遍历面部检测结果 for (x, y, w, h) in faces: # 绘制面部边界框 cv2.rectangle(gray8_image, (x, y), (x + w, y + h), (255, 255, 255), 1) # 展示结果 cv2.imshow("gray8-face-detected", gray8_image) cv2.waitKey(0) # 检测到热图像中的人脸，就可以测量每个像素的温度，以确定一个人是否具有正常值。 # 1. 测量感兴趣区域（ROI）的温度值，即检测到的人脸的特定区域。 # 2. 为ROI温度值设置一个阈值，以便在检测到发烧的人（或体温高于平时的人）时建立。 # loop over the bounding boxes to measure their temperature for (x, y, w, h) in faces: # 绘制面部边界框 cv2.rectangle(gray8_image, (x, y), (x + w, y + h), (255, 255, 255), 1) # ISO标准规定，内眼睑是使用热面部图像确定体温的最佳位置。 # 出于这个原因，为了简化流程将定义一个ROI，在Haar级联人脸检测的中心点取一个圆形作为ROI。 # 定义测量温度的ROI圆，圆心：面部矩形框的中心，半径，面部矩形框宽的1/4 haar_cascade_circle_origin = x + w // 2, y + h // 2 # ROI⚪半径 radius = w // 4 # 由于OpenCV不允许在gray16位图像中绘制圆圈，并且需要gray16信息来测量温度，因此将gray16热图像的每个像素值分成2组8位（2字节） # 获取gray16图像的8个最高有效位，因为无法直接在gray16图像中提取圆圈作为ROI # 右移16 位，丢失 8个不太有效位，并通过将图像转换为灰色8来删除新的最高有效位（8个零） gray16_high_byte = (np.right_shift(gray16_image, 8)).astype('uint8') # 获取gray16图像的8个最低有效位，因为无法直接在gray16图像中提取圆圈作为ROI # 对 16位进行左移，丢失8个最高有效位 （MSB Most Significant Bits），并通过将值除以 256 来转换新的8 MSB gray16_low_byte = (np.left_shift(gray16_image, 8) / 256).astype('uint16') # 对8个最有效高位获取mask mask = np.zeros_like(gray16_high_byte) cv2.circle(mask, haar_cascade_circle_origin, radius, (255, 255, 255), -1) gray16_high_byte = np.bitwise_and(gray16_high_byte, mask) # 对8个最有效低位获取mask mask = np.zeros_like(gray16_low_byte) cv2.circle(mask, haar_cascade_circle_origin, radius, (255, 255, 255), -1) gray16_low_byte = np.bitwise_and(gray16_low_byte, mask) # 创建/重构create/recompose gray16 ROI gray16_roi = np.array(gray16_high_byte, dtype=np.uint16) gray16_roi = gray16_roi * 256 gray16_roi = gray16_roi | gray16_low_byte # 获取ROI中的最大点坐标，以获取ROI的最高温度作为面部的预估温度 # 通过获得较高的值来估计面温 higher_temperature = np.amax(gray16_roi) # 计算温度 higher_temperature = (higher_temperature / 100) - 273.15 # higher_temperature = (higher_temperature / 100) * 9 / 5 - 459.67 # 在gray8图像中写入温度 if higher_temperature < fever_temperature_threshold: # 白色字体代表正常温度 cv2.putText(gray8_image, "{0:.1f} Celsius".format(higher_temperature), (x - 10, y - 10), cv2.FONT_HERSHEY_PLAIN, 1, (255, 255, 255), 1) else: # 显示发热红色警报文本：红色字体+红色圆圈代表发烧的温度 cv2.putText(gray8_image, "{0:.1f} Celsius".format(higher_temperature), (x - 10, y - 10), cv2.FONT_HERSHEY_PLAIN, 1, (0, 0, 255), 2) cv2.circle(gray8_image, haar_cascade_circle_origin, radius, (0, 0, 255), 2) # 展示结果 cv2.imshow("gray8-face-detected", gray8_image) cv2.waitKey(0)