CN110414486A - 一种红外可见光成像识别一体化设备及工作方法 - Google Patents
一种红外可见光成像识别一体化设备及工作方法 Download PDFInfo
- Publication number
- CN110414486A CN110414486A CN201910753763.6A CN201910753763A CN110414486A CN 110414486 A CN110414486 A CN 110414486A CN 201910753763 A CN201910753763 A CN 201910753763A CN 110414486 A CN110414486 A CN 110414486A
- Authority
- CN
- China
- Prior art keywords
- infrared
- image
- unit
- detailed information
- infrared image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000003384 imaging method Methods 0.000 title claims abstract description 39
- 230000010354 integration Effects 0.000 title claims abstract description 26
- 230000000007 visual effect Effects 0.000 title claims abstract description 19
- 238000000034 method Methods 0.000 title claims description 26
- 238000004458 analytical method Methods 0.000 claims abstract description 41
- 230000033001 locomotion Effects 0.000 claims abstract description 34
- 238000001514 detection method Methods 0.000 claims description 35
- 230000003993 interaction Effects 0.000 claims description 35
- 238000012545 processing Methods 0.000 claims description 8
- 238000013508 migration Methods 0.000 claims description 6
- 230000005012 migration Effects 0.000 claims description 6
- 230000003287 optical effect Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 229910000661 Mercury cadmium telluride Inorganic materials 0.000 claims description 3
- MCMSPRNYOJJPIZ-UHFFFAOYSA-N cadmium;mercury;tellurium Chemical compound [Cd]=[Te]=[Hg] MCMSPRNYOJJPIZ-UHFFFAOYSA-N 0.000 claims description 3
- 229910052732 germanium Inorganic materials 0.000 claims description 3
- GNPVGFCGXDBREM-UHFFFAOYSA-N germanium atom Chemical compound [Ge] GNPVGFCGXDBREM-UHFFFAOYSA-N 0.000 claims description 3
- 230000002452 interceptive effect Effects 0.000 claims description 3
- 239000000463 material Substances 0.000 claims description 3
- 238000005057 refrigeration Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 5
- 238000012544 monitoring process Methods 0.000 abstract description 5
- 230000005540 biological transmission Effects 0.000 abstract description 4
- 230000008901 benefit Effects 0.000 abstract description 3
- 238000003331 infrared imaging Methods 0.000 abstract description 2
- 238000012937 correction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000004377 microelectronic Methods 0.000 description 1
- 239000003595 mist Substances 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000001931 thermography Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V8/00—Prospecting or detecting by optical means
- G01V8/10—Detecting, e.g. by using light barriers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/08—Detecting or categorising vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Human Computer Interaction (AREA)
- Artificial Intelligence (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geophysics (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明涉及成像识别技术领域,特别涉及一种双光成像识别设备。一种红外可见光成像识别一体化设备,它包括:红外镜头、红外探测器、探测器接口模块、成像电路模块、红外识别模块、可见光摄像机、可见光识别模块、网络数据交换机以及分析显示终端;本发明结合可见光和红外成像各自的优点,获取得到红外图像以及可见光图像,并对红外图像进行处理得到细节信息明显的红外图像,之后进一步对细节信息明显的红外图像以及可见光图像进行运动目标识别,通过网络传输方式将细节信息明显的红外图像、可见光图像以及运动目标分类、标注信息传递至分析显示终端进行显示。本发明提供了高可靠、高灵敏度、远程监控的解决方案。
Description
技术领域
本发明涉及成像识别技术领域,特别涉及一种双光成像识别设备。
背景技术
随着光电信息、微电子、网络通信、数字视频、多媒体技术及传感技术的发展,安防监控技术已由传统的模拟走向高度集成的数字化、智能化、网络化。
目标检测是安防监控领域中的一个非常热点的研究,是很多研究工作的基础。如果不能定位目标,就难以继续对目标进行下一步分析。目前对目标检测主要有两种手段:基于可见光的和基于红外图像的。在无光环境下,可见光检测设备不能正常工作,同时受天气和光照影响大。红外热成像属于被动接收目标的红外热辐射,可以昼夜工作,红外线穿透雨、雾的能力较高,可以对各种目标如人员、车辆等进行监控,用于防火监控和伪装及隐蔽目标的识别。然而红外图像细节信息没有可见光图像丰富,单一的红外或可见光检测设备已不能满足复杂多变的生产生活场景需求。
发明内容
本发明的目的是:针对现有技术的不足,提供一种红外可见光成像识别一体化设备。
本发明的一个技术方案是:一种红外可见光成像识别一体化设备,它包括:红外镜头、红外探测器、探测器接口模块、成像电路模块、红外识别模块、可见光摄像机、可见光识别模块、网络数据交换机以及分析显示终端。
红外镜头与红外探测器建立信号连接,红外探测器通过探测器接口模块与成像电路模块建立信号连接,成像电路模块与红外识别模块建立信号连接,红外识别模块通过网络数据交换机与分析显示终端建立信号连接,可见光摄像机与可见光识别模块建立信号连接,可见光识别模块通过网络数据交换机与分析显示终端建立信号连接。
上述部件中,红外镜头与红外探测器用于采集原始红外图像;探测器接口模块用于将原始红外图像传送至成像电路模块;成像电路模块用于对原始红外图像进行格式转换、预处理、图像增强,得到细节信息明显的红外图像;红外识别模块用于对细节信息明显的红外图像进行运动目标识别标注;可见光摄像机用于采集可见光图像;可见光识别模块用于对可见光图像进行运动目标识别标注;网络数据交换机用于将红外识别模块所识别出的运动目标信息及细节信息明显的红外图像、可见光识别模块所识别出的运动目标信息及可见光图像发送至分析显示终端;分析显示终端用于对细节信息明显的红外图像、可见光图像进行显示,并根据运动目标分类、标注信息对红外图像、可见光图像上的运动目标进行标注,并可以对运动目标的运动态势,即运动方向、运动速度进行分析。
在上述方案的基础上,进一步的,红外识别模块包括:第一目标检测单元、第一目标识别单元、第一识别模型单元以及第一数据交互单元;其中,第一目标检测单元分别与成像电路模块、第一目标识别单元建立信号连接,第一目标识别单元分别与第一识别模型单元、第一数据交互单元建立信号连接,第一数据交互单元与网络数据交换机建立信号连接。第一目标检测单元用于检测细节信息明显的红外图像中是否存在运动目标;第一识别模型单元内预置行人、车辆等运动目标的模型;第一目标识别单元用于对运动目标的类型进行识别,并进行标注;第一数据交互单元用于向外发送细节信息明显的红外图像及运动目标分类、标注信息。
在上述方案的基础上,进一步的,可见光识别模块包括:第二目标检测单元、第二目标识别单元、第二识别模型单元以及第二数据交互单元;其中,第二目标检测单元分别与可见光摄像机、第二目标识别单元建立信号连接,第二目标识别单元分别与第二识别模型单元、第二数据交互单元建立信号连接,第二数据交互单元与网络数据交换机建立信号连接。第二目标检测单元用于检测可见光图像中是否存在运动目标;第二识别模型单元内预置行人、车辆等运动目标的模型;第二目标识别单元用于对运动目标的类型进行识别,并进行标注;第二数据交互单元用于向外发送细节信息明显的红外图像及运动目标分类、标注信息。
在上述方案的基础上,进一步的,分析显示终端包括:红外图像显示分析单元、红外图像配置单元、可见光图像显示分析单元、可见光图像配置单元;其中,红外图像显示分析单元、红外图像配置单元、可见光图像显示分析单元以及可见光图像配置单元均与网络数据交换机建立信号连接。其中,红外图像显示分析单元用于对细节信息明显的红外图像进行显示,并对运动目标进行标定;同时,还对运动目标的运动态势进行分析;红外图像配置单元用于对红外探测器的工作参数以及红外识别模块中的第一目标检测单元、第一目标识别单元、第一识别模型单元进行配置;可见光图像显示分析单元用于对细节信息明显的红外图像进行显示,并对运动目标进行标定;同时,还对运动目标的运动态势进行分析;可见光图像配置单元用于对可见光摄像机的工作参数以及可见光识别模块中的第二目标检测单元、第二目标识别单元、第二识别模型单元进行配置。
上述方案中,具体的:红外镜头采用锗材料,表面镀增透膜,覆盖波段3.7μm~4.8μm的中波红外波;
红外探测器采用碲镉汞中波斯特林制冷红外探测器,其探测器窗口与焦平面感光波段覆盖3.7μm~4.8μm波段;红外探测器的分辨率不低于720*576,像元尺寸为15μm,F数为2。
上述方案中,具体的:可见光摄像机采用焦距10mm~330mm,33倍光学变倍的光学镜头;可见光摄像机的分辨率不低于1920*1080。
本发明的另一个技术方案是: 一种红外可见光成像识别一体化设备的工作方法,它基于如上所述的一体化设备,并包括以下步骤:
A. 红外镜头采集原始红外图像,红外探测器通过探测器接口模块向图像处理模块传输原始红外图像;可见光摄像机采集可见光图像,并将可见光图像发送至可见光识别模块;
B. 图像处理模块对所接收的原始红外图像进行预处理,得到细节信息明显的红外图像,并将细节信息明显的红外图像发送至红外识别模块;
C. 红外识别模块对细节信息明显的红外图像中的运动目标进行识别,识别后对运动目标进行标注及分类;之后,红外识别模块将细节信息明显的红外图像以及其上的运动目标分类、标注信息通过网络数据交换机发送至分析显示终端;
D. 可见光识别模块对可见光图像中的运动目标进行识别,识别后对运动目标进行标注及分类;之后,可见光识别模块将可见光图像以及其上的运动目标分类、标注信息通过网络数据交换机发送至分析显示终端;
E. 分析显示终端对接收的细节信息明显的红外图像、可见光图像进行显示,并根据标注、分类信息对细节信息明显的红外图像、可见光图像上的运动目标的运动态势进行分析。
进一步的,当红外识别模块包括:第一目标检测单元、第一目标识别单元、第一识别模型单元以及第一数据交互单元时:上述方法的步骤C具体包括:
C1. 第一目标检测单元接收细节信息明显的红外图像,并判断该图像中是否存在运动目标;判断方法为:对细节信息明显的红外图像进行帧间红外差分法运算,求出图像序列中相邻两帧或多帧图像像素间的差分,并将细节信息明显的红外图像转化为二值图像,并对相应像素点相减,判断灰度差的绝对值,当绝对值超过设定阈值时,即可判断为运动目标;
C2. 当细节信息明显的红外图像中存在运动目标时,第一目标识别单元调用第一识别模型单元对图像中的运动目标进行目标类型模型匹配,匹配后第一目标识别单元进一步对图像中的运动目标进行分类、标注,并将细节信息明显的红外图像及其上的运动目标分类、标注信息发送至第一数据交互单元;
C3. 第一数据交互单元通过网络数据交换机将细节信息明显的红外图像及其上的运动目标分类、标注信息发送至分析显示终端。
进一步的,当可见光识别模块包括:第二目标检测单元、第二目标识别单元、第二识别模型单元以及第二数据交互单元时,上述方法的步骤D具体包括:
D1. 第二目标检测单元接收可见光图像,并判断该图像中是否存在运动目标;判断方法为:对可见光图像进行帧间红外差分法运算,求出图像序列中相邻两帧或多帧图像像素间的差分,并将可见光图像转化为二值图像,并对相应像素点相减,判断灰度差的绝对值,当绝对值超过设定阈值时,即可判断为运动目标;
D2. 当可见光图像中存在运动目标时,第二目标识别单元调用第二识别模型单元对图像中的运动目标进行目标类型模型匹配,匹配后第二目标识别单元进一步对图像中的运动目标进行分类、标注,并将细节信息明显的红外图像及其上的运动目标分类、标注信息发送至第二数据交互单元;
D3. 第二数据交互单元通过网络数据交换机将可见光图像及其上的运动目标分类、标注信息发送至分析显示终端。
进一步的,当所述分析显示终端包括:红外图像显示分析单元、红外图像配置单元、可见光图像显示分析单元、可见光图像配置单元时,上述方法的步骤E具体包括:
E1. 红外图像显示分析单元接收到细节信息明显的红外图像以及其上的运动目标分类、标注信息,对细节信息明显的红外图像进行显示,并根据运动目标分类、标注信息对运动目标进行标定;同时,红外图像显示分析单元根据上下帧细节信息明显的红外图像中运动目标的运动状态,计算运动目标偏移角度以及偏移速度;
E2. 可见光图像显示分析单元接收可见光图像及其上的运动目标分类、标注信息,对可见光图像进行显示,并根据运动目标分类、标注信息对运动目标进行标定;同时,可见光图像显示分析单元根据上下帧可见光图像中运动目标的运动状态,计算运动目标偏移角度以及偏移速度。
有益效果:本发明结合可见光和红外成像各自的优点,获取得到红外图像以及可见光图像,并对红外图像进行处理得到细节信息明显的红外图像,之后进一步对细节信息明显的红外图像以及可见光图像进行运动目标识别,通过网络传输方式,将细节信息明显的红外图像、可见光图像以及运动目标分类、标注信息传递至分析显示终端进行显示;操作人员可实现远程监控并利用分析显示终端对红外探测器、红外识别模块、可见光摄像机、可见光识别模块进行配置。本发明提供了高可靠、高灵敏度、远程监控的解决方案。
附图说明
图1为本发明实施例1的结构框图;
图2为本发明实施例2的结构框图;
图中:1-红外镜头、2-红外探测器、3-探测器接口模块、4-成像电路模块、5-红外识别模块、5.1-第一目标检测单元、5.2-第一目标识别单元、5.3-第一识别模型单元、5.4-第一数据交互单元、6-可见光摄像机、7-可见光识别模块、7.1-第二目标检测单元、7.2-第二目标识别单元、7.3-第二识别模型单元、7.4-第二数据交互单元、8-网络数据交换机、9-分析显示终端、9.1-红外图像显示分析单元、9.2-红外图像配置单元、9.3-可见光图像显示分析单元、9.4-可见光图像配置单元。
具体实施方式
实施例1,参见附图1,一种红外可见光成像识别一体化设备,它包括:红外镜头1、红外探测器2、探测器接口模块3、成像电路模块4、红外识别模块5、可见光摄像机6、可见光识别模块7、网络数据交换机8以及分析显示终端9。
红外镜头1与红外探测器2建立信号连接,红外探测器2通过探测器接口模块3与成像电路模块4建立信号连接,成像电路模块4与红外识别模块5建立信号连接,红外识别模块5通过网络数据交换机8与分析显示终端9建立信号连接,可见光摄像机6与可见光识别模块7建立信号连接,可见光识别模块7通过网络数据交换机8与分析显示终端9建立信号连接。
上述部件中,红外镜头1与红外探测器2用于采集原始红外图像;探测器接口模块3用于将原始红外图像传送至成像电路模块4;成像电路模块4采用ARM芯片,用于对原始红外图像进行格式转换、预处理、图像增强,得到细节信息明显的红外图像;红外识别模块5采用ARM芯片,用于对细节信息明显的红外图像进行运动目标识别标注;可见光摄像机6用于采集可见光图像;可见光识别模块7采用ARM芯片,用于对可见光图像进行运动目标识别标注;网络数据交换机8用于将红外识别模块5所识别出的运动目标信息及细节信息明显的红外图像、可见光识别模块7所识别出的运动目标信息及可见光图像发送至分析显示终端9;分析显示终端9用于对细节信息明显的红外图像、可见光图像进行显示,并根据运动目标分类、标注信息对红外图像、可见光图像上的运动目标进行标注,并可以对运动目标的运动态势,即运动方向、运动速度进行分析。
本例中,红外镜头1采用锗材料,表面镀增透膜,覆盖波段3.7μm~4.8μm的中波红外波。
红外探测器2采用碲镉汞中波斯特林制冷红外探测器,其探测器窗口与焦平面感光波段覆盖3.7μm~4.8μm波段;红外探测器2的分辨率不低于720*576,像元尺寸为15μm,F数为2。
可见光摄像机6采用焦距10mm~330mm,33倍光学变倍的光学镜头;可见光摄像机6的分辨率不低于1920*1080。
实施例2,参见附图2,在实施例1的基础上,对红外识别模块5、可见光识别模块7以及分析显示终端9做进一步限定:
红外识别模块5包括:第一目标检测单元5.1、第一目标识别单元5.2、第一识别模型单元5.3以及第一数据交互单元5.4;其中,第一目标检测单元5.1分别与成像电路模块4、第一目标识别单元5.2建立信号连接,第一目标识别单元5.2分别与第一识别模型单元5.3、第一数据交互单元5.4建立信号连接,第一数据交互单元5.4与网络数据交换机8建立信号连接。第一目标检测单元5.1用于检测细节信息明显的红外图像中是否存在运动目标;第一识别模型单元5.3内预置行人、车辆等运动目标的模型;第一目标识别单元5.2用于对运动目标的类型进行识别,并进行标注;第一数据交互单元5.4用于向外发送细节信息明显的红外图像及运动目标分类、标注信息。
可见光识别模块7包括:第二目标检测单元7.1、第二目标识别单元7.2、第二识别模型单元7.3以及第二数据交互单元7.4;其中,第二目标检测单元7.1分别与可见光摄像机6、第二目标识别单元7.2建立信号连接,第二目标识别单元7.2分别与第二识别模型单元7.3、第二数据交互单元7.4建立信号连接,第二数据交互单元7.4与网络数据交换机8建立信号连接。第二目标检测单元7.1用于检测可见光图像中是否存在运动目标;第二识别模型单元7.3内预置行人、车辆等运动目标的模型;第二目标识别单元7.2用于对运动目标的类型进行识别,并进行标注;第二数据交互单元7.4用于向外发送细节信息明显的红外图像及运动目标分类、标注信息。
分析显示终端9包括:红外图像显示分析单元9.1、红外图像配置单元9.2、可见光图像显示分析单元9.3、可见光图像配置单元9.4;其中,红外图像显示分析单元9.1、红外图像配置单元9.2、可见光图像显示分析单元9.3以及可见光图像配置单元9.4均与网络数据交换机8建立信号连接。其中,红外图像显示分析单元9.1用于对细节信息明显的红外图像进行显示,并对运动目标进行标定;同时,还对运动目标的运动态势进行分析;红外图像配置单元9.2用于对红外探测器2的工作参数以及红外识别模块5中的第一目标检测单元5.1、第一目标识别单元5.2、第一识别模型单元5.3进行配置;可见光图像显示分析单元9.3用于对细节信息明显的红外图像进行显示,并对运动目标进行标定;同时,还对运动目标的运动态势进行分析;可见光图像配置单元9.4用于对可见光摄像机6的工作参数以及可见光识别模块7中的第二目标检测单元7.1、第二目标识别单元7.2、第二识别模型单元7.3进行配置。
实施例3, 一种红外可见光成像识别一体化设备的工作方法,它基于如实施例1所述的一体化设备,并包括以下步骤:
A. 红外镜头1采集原始红外图像,红外探测器2通过探测器接口模块3向图像处理模块4传输原始红外图像;可见光摄像机6采集可见光图像,并将可见光图像发送至可见光识别模块7;
B. 图像处理模块4对所接收的原始红外图像进行预处理,得到细节信息明显的红外图像,并将细节信息明显的红外图像发送至红外识别模块5;
C. 红外识别模块5对细节信息明显的红外图像中的运动目标进行识别,识别后对运动目标进行标注及分类;之后,红外识别模块5将细节信息明显的红外图像以及其上的运动目标分类、标注信息通过网络数据交换机8发送至分析显示终端9;
D. 可见光识别模块7对可见光图像中的运动目标进行识别,识别后对运动目标进行标注及分类;之后,可见光识别模块7将可见光图像以及其上的运动目标分类、标注信息通过网络数据交换机8发送至分析显示终端9;
E. 分析显示终端9对接收的细节信息明显的红外图像、可见光图像进行显示,并根据标注、分类信息对细节信息明显的红外图像、可见光图像上的运动目标的运动态势进行分析。
实施例4,一种红外可见光成像识别一体化设备的工作方法,它基于如实施例2所述的一体化设备,并包括以下步骤:
A. 红外镜头1采集原始红外图像,红外探测器2通过探测器接口模块3向图像处理模块4传输原始红外图像;可见光摄像机6采集可见光图像,并将可见光图像发送至可见光识别模块7;
B. 图像处理模块4对所接收的原始红外图像进行预处理,得到细节信息明显的红外图像,并将细节信息明显的红外图像发送至红外识别模块5;预处理的方法为,首先对原始红外图像进行格式转换,对转换格式后的红外图像进行非均匀校正与盲元补偿得到校正图像,之后在对校正图像进行直方图均衡和导向滤波由此得到细节信息明显的红外图像;
C1. 第一目标检测单元5.1接收细节信息明显的红外图像,并判断该图像中是否存在运动目标;判断方法为:对细节信息明显的红外图像进行帧间红外差分法运算,求出图像序列中相邻两帧或多帧图像像素间的差分,并将细节信息明显的红外图像转化为二值图像,并对相应像素点相减,判断灰度差的绝对值,当绝对值超过设定阈值时,即可判断为运动目标;
C2. 当细节信息明显的红外图像中存在运动目标时,第一目标识别单元5.2调用第一识别模型单元5.3对图像中的运动目标进行目标类型模型匹配,匹配后第一目标识别单元5.2进一步对图像中的运动目标进行分类、标注,并将细节信息明显的红外图像及其上的运动目标分类、标注信息发送至第一数据交互单元5.4;
C3. 第一数据交互单元5.4通过网络数据交换机8将细节信息明显的红外图像及其上的运动目标分类、标注信息发送至分析显示终端9。
D1. 第二目标检测单元7.1接收可见光图像,并判断该图像中是否存在运动目标;判断方法为:对可见光图像进行帧间红外差分法运算,求出图像序列中相邻两帧或多帧图像像素间的差分,并将可见光图像转化为二值图像,并对相应像素点相减,判断灰度差的绝对值,当绝对值超过设定阈值时,即可判断为运动目标;
D2. 当可见光图像中存在运动目标时,第二目标识别单元7.2调用第二识别模型单元7.3对图像中的运动目标进行目标类型模型匹配,匹配后第二目标识别单元7.2进一步对图像中的运动目标进行分类、标注,并将细节信息明显的红外图像及其上的运动目标分类、标注信息发送至第二数据交互单元7.4;
D3. 第二数据交互单元7.4通过网络数据交换机8将可见光图像及其上的运动目标分类、标注信息发送至分析显示终端9。
E1. 红外图像显示分析单元9.1接收到细节信息明显的红外图像以及其上的运动目标分类、标注信息,对细节信息明显的红外图像进行显示,并根据运动目标分类、标注信息对运动目标进行标定;同时,红外图像显示分析单元9.1根据上下帧细节信息明显的红外图像中运动目标的运动状态,计算运动目标偏移角度以及偏移速度;
E2. 可见光图像显示分析单元9.3接收可见光图像及其上的运动目标分类、标注信息,对可见光图像进行显示,并根据运动目标分类、标注信息对运动目标进行标定;同时,可见光图像显示分析单元9.3根据上下帧可见光图像中运动目标的运动状态,计算运动目标偏移角度以及偏移速度。
进一步的,在步骤A前,还可通过红外图像配置单元9.2对红外探测器2的工作参数以及红外识别模块5中的第一目标检测单元5.1、第一目标识别单元5.2、第一识别模型单元5.3进行配置;通过可见光图像配置单元9.4用于对可见光摄像机6的工作参数以及可见光识别模块7中的第二目标检测单元7.1、第二目标识别单元7.2、第二识别模型单元7.3进行配置。
虽然,上文中已经用一般性说明及具体实施例对本发明作了详尽的描述,但在本发明基础上,可以对之作一些修改或改进,这对本领域技术人员而言是显而易见的。因此,在不偏离本发明精神的基础上所做的这些修改或改进,均属于本发明要求保护的范围。
Claims (10)
1.一种红外可见光成像识别一体化设备,它包括:红外镜头(1)、红外探测器(2)、探测器接口模块(3)、成像电路模块(4)、红外识别模块(5)、可见光摄像机(6)、可见光识别模块(7)、网络数据交换机(8)以及分析显示终端(9),其特征在于:
所述红外镜头(1)与所述红外探测器(2)建立信号连接,所述红外探测器(2)通过所述探测器接口模块(3)与所述成像电路模块(4)建立信号连接,所述成像电路模块(4)与所述红外识别模块(5)建立信号连接,所述红外识别模块(5)通过所述网络数据交换机(8)与所述分析显示终端(9)建立信号连接,所述可见光摄像机(6)与所述可见光识别模块(7)建立信号连接,所述可见光识别模块(7)通过所述网络数据交换机(8)与所述分析显示终端(9)建立信号连接。
2.如权利要求1所述的一种红外可见光成像识别一体化设备,其特征在于:所述红外识别模块(5)包括:第一目标检测单元(5.1)、第一目标识别单元(5.2)、第一识别模型单元(5.3)以及第一数据交互单元(5.4);其中,所述第一目标检测单元(5.1)分别与所述成像电路模块(4)、所述第一目标识别单元(5.2)建立信号连接,所述第一目标识别单元(5.2)分别与所述第一识别模型单元(5.3)、所述第一数据交互单元(5.4)建立信号连接,所述第一数据交互单元(5.4)与所述网络数据交换机(8)建立信号连接。
3.如权利要求2所述的一种红外可见光成像识别一体化设备,其特征在于:所述可见光识别模块(7)包括:第二目标检测单元(7.1)、第二目标识别单元(7.2)、第二识别模型单元(7.3)以及第二数据交互单元(7.4);其中,所述第二目标检测单元(7.1)分别与所述可见光摄像机(6)、所述第二目标识别单元(7.2)建立信号连接,所述第二目标识别单元(7.2)分别与所述第二识别模型单元(7.3)、所述第二数据交互单元(7.4)建立信号连接,所述第二数据交互单元(7.4)与所述网络数据交换机(8)建立信号连接。
4.如权利要求3所述的一种红外可见光成像识别一体化设备,其特征在于:所述分析显示终端(9)包括:红外图像显示分析单元(9.1)、红外图像配置单元(9.2)、可见光图像显示分析单元(9.3)、可见光图像配置单元(9.4);其中,所述红外图像显示分析单元(9.1)、所述红外图像配置单元(9.2)、所述可见光图像显示分析单元(9.3)以及所述可见光图像配置单元(9.4)均与所述网络数据交换机(8)建立信号连接。
5.如权利要求1-4任一项所述的一种红外可见光成像识别一体化设备,其特征在于:所述红外镜头(1)采用锗材料,表面镀增透膜,覆盖波段3.7μm~4.8μm的中波红外波;
所述红外探测器(2)采用碲镉汞中波斯特林制冷红外探测器,其探测器窗口与焦平面感光波段覆盖3.7μm~4.8μm波段;所述红外探测器(2)的分辨率不低于720*576,像元尺寸为15μm,F数为2。
6.如权利要求1-4任一项所述的一种红外可见光成像识别一体化设备,其特征在于:所述可见光摄像机(6)采用焦距10mm~330mm,33倍光学变倍的光学镜头;所述可见光摄像机(6)的分辨率不低于1920*1080。
7.一种红外可见光成像识别一体化设备的工作方法,其特征在于,它基于如权利要求1所述的一体化设备,并包括以下步骤:
A. 所述红外镜头(1)采集原始红外图像,所述红外探测器(2)通过所述探测器接口模块(3)向所述图像处理模块(4)传输原始红外图像;所述可见光摄像机(6)采集可见光图像,并将可见光图像发送至所述可见光识别模块(7);
B. 所述图像处理模块(4)对所接收的原始红外图像进行预处理,得到细节信息明显的红外图像,并将细节信息明显的红外图像发送至所述红外识别模块(5);
C. 所述红外识别模块(5)对细节信息明显的红外图像中的运动目标进行识别,识别后对运动目标进行标注及分类;之后,所述红外识别模块(5)将细节信息明显的红外图像以及其上的运动目标分类、标注信息通过所述网络数据交换机(8)发送至所述分析显示终端(9);
D. 所述可见光识别模块(7)对可见光图像中的运动目标进行识别,识别后对运动目标进行标注及分类;之后,所述可见光识别模块(7)将可见光图像以及其上的运动目标分类、标注信息通过所述网络数据交换机(8)发送至所述分析显示终端(9);
E. 所述分析显示终端(9)对接收的细节信息明显的红外图像、可见光图像进行显示,并根据标注、分类信息对细节信息明显的红外图像、可见光图像上的运动目标的运动态势进行分析。
8.如权利要求7所述的一种红外可见光成像识别一体化设备的工作方法,其特征在于,它基于如权利要求2所述的一体化设备,并包括如权利要求7所述的步骤A、B、D、E,其步骤C包括:
C1. 所述第一目标检测单元(5.1)接收细节信息明显的红外图像,并判断该图像中是否存在运动目标;判断方法为:对细节信息明显的红外图像进行帧间红外差分法运算,求出图像序列中相邻两帧或多帧图像像素间的差分,并将细节信息明显的红外图像转化为二值图像,并对相应像素点相减,判断灰度差的绝对值,当绝对值超过设定阈值时,即可判断为运动目标;
C2. 当细节信息明显的红外图像中存在运动目标时,所述第一目标识别单元(5.2)调用所述第一识别模型单元(5.3)对图像中的运动目标进行目标类型模型匹配,匹配后所述第一目标识别单元(5.2)进一步对图像中的运动目标进行分类、标注,并将细节信息明显的红外图像及其上的运动目标分类、标注信息发送至所述第一数据交互单元(5.4);
C3. 所述第一数据交互单元(5.4)通过所述网络数据交换机(8)将细节信息明显的红外图像及其上的运动目标分类、标注信息发送至所述分析显示终端(9)。
9.如权利要求7所述的一种红外可见光成像识别一体化设备的工作方法,其特征在于,它基于如权利要求3所述的一体化设备,并包括如权利要求7所述的步骤A、B、C、E,其步骤D包括:
D1. 所述第二目标检测单元(7.1)接收可见光图像,并判断该图像中是否存在运动目标;判断方法为:对可见光图像进行帧间红外差分法运算,求出图像序列中相邻两帧或多帧图像像素间的差分,并将可见光图像转化为二值图像,并对相应像素点相减,判断灰度差的绝对值,当绝对值超过设定阈值时,即可判断为运动目标;
D2. 当可见光图像中存在运动目标时,所述第二目标识别单元(7.2)调用所述第二识别模型单元(7.3)对图像中的运动目标进行目标类型模型匹配,匹配后所述第二目标识别单元(7.2)进一步对图像中的运动目标进行分类、标注,并将细节信息明显的红外图像及其上的运动目标分类、标注信息发送至所述第二数据交互单元(7.4);
D3. 所述第二数据交互单元(7.4)通过所述网络数据交换机(8)将可见光图像及其上的运动目标分类、标注信息发送至所述分析显示终端(9)。
10.如权利要求7所述的一种红外可见光成像识别一体化设备的工作方法,其特征在于,它基于如权利要求4所述的一体化设备,并包括如权利要求7所述的步骤A、B、C、D,其步骤E包括:
E1. 所述红外图像显示分析单元(9.1)接收到细节信息明显的红外图像以及其上的运动目标分类、标注信息,对细节信息明显的红外图像进行显示,并根据运动目标分类、标注信息对运动目标进行标定;同时,所述红外图像显示分析单元(9.1)根据上下帧细节信息明显的红外图像中运动目标的运动状态,计算运动目标偏移角度以及偏移速度;
E2. 所述可见光图像显示分析单元(9.3)接收可见光图像及其上的运动目标分类、标注信息,对可见光图像进行显示,并根据运动目标分类、标注信息对运动目标进行标定;同时,所述可见光图像显示分析单元(9.3)根据上下帧可见光图像中运动目标的运动状态,计算运动目标偏移角度以及偏移速度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910753763.6A CN110414486A (zh) | 2019-08-15 | 2019-08-15 | 一种红外可见光成像识别一体化设备及工作方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910753763.6A CN110414486A (zh) | 2019-08-15 | 2019-08-15 | 一种红外可见光成像识别一体化设备及工作方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110414486A true CN110414486A (zh) | 2019-11-05 |
Family
ID=68367618
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910753763.6A Pending CN110414486A (zh) | 2019-08-15 | 2019-08-15 | 一种红外可见光成像识别一体化设备及工作方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110414486A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110958376A (zh) * | 2019-12-27 | 2020-04-03 | 利卓创新(北京)科技有限公司 | 一种双波段云台联动智能相机及工作方法 |
CN111267665A (zh) * | 2020-02-17 | 2020-06-12 | 国网安徽电动汽车服务有限公司 | 一种利用图像判定汽车类型实现电动汽车充电的方法 |
CN111359122A (zh) * | 2020-02-17 | 2020-07-03 | 国网安徽电动汽车服务有限公司 | 电动充电场合使用的防盗型智能消防柜及其智能消防方法 |
CN111402534A (zh) * | 2020-02-17 | 2020-07-10 | 国网安徽电动汽车服务有限公司 | 一种具备智能消防处理的管理控制***及其控制方法 |
CN111391693A (zh) * | 2020-02-17 | 2020-07-10 | 国网安徽电动汽车服务有限公司 | 一种基于电动汽车停车充电的管理控制***及其控制方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104239905A (zh) * | 2013-06-17 | 2014-12-24 | 上海盖普电梯有限公司 | 运动目标识别方法及具有该功能的电梯智能计费*** |
CN104290753A (zh) * | 2014-09-29 | 2015-01-21 | 长安大学 | 一种前方车辆运动状态追踪预测装置及其预测方法 |
CN104778725A (zh) * | 2015-04-14 | 2015-07-15 | 长兴泛亚照明电器有限公司 | 一种背景自适应更新的地下车库及隧道运动目标检测方法 |
CN106385530A (zh) * | 2015-07-28 | 2017-02-08 | 杭州海康威视数字技术股份有限公司 | 一种双光谱摄像机 |
CN107479061A (zh) * | 2017-08-25 | 2017-12-15 | 重庆交通大学 | 一种基于图像识别与雷达测距的安全预警方法及*** |
CN109788170A (zh) * | 2018-12-25 | 2019-05-21 | 合肥芯福传感器技术有限公司 | 一种基于红外与可见光的视频图像处理***及方法 |
-
2019
- 2019-08-15 CN CN201910753763.6A patent/CN110414486A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104239905A (zh) * | 2013-06-17 | 2014-12-24 | 上海盖普电梯有限公司 | 运动目标识别方法及具有该功能的电梯智能计费*** |
CN104290753A (zh) * | 2014-09-29 | 2015-01-21 | 长安大学 | 一种前方车辆运动状态追踪预测装置及其预测方法 |
CN104778725A (zh) * | 2015-04-14 | 2015-07-15 | 长兴泛亚照明电器有限公司 | 一种背景自适应更新的地下车库及隧道运动目标检测方法 |
CN106385530A (zh) * | 2015-07-28 | 2017-02-08 | 杭州海康威视数字技术股份有限公司 | 一种双光谱摄像机 |
CN107479061A (zh) * | 2017-08-25 | 2017-12-15 | 重庆交通大学 | 一种基于图像识别与雷达测距的安全预警方法及*** |
CN109788170A (zh) * | 2018-12-25 | 2019-05-21 | 合肥芯福传感器技术有限公司 | 一种基于红外与可见光的视频图像处理***及方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110958376A (zh) * | 2019-12-27 | 2020-04-03 | 利卓创新(北京)科技有限公司 | 一种双波段云台联动智能相机及工作方法 |
CN111267665A (zh) * | 2020-02-17 | 2020-06-12 | 国网安徽电动汽车服务有限公司 | 一种利用图像判定汽车类型实现电动汽车充电的方法 |
CN111359122A (zh) * | 2020-02-17 | 2020-07-03 | 国网安徽电动汽车服务有限公司 | 电动充电场合使用的防盗型智能消防柜及其智能消防方法 |
CN111402534A (zh) * | 2020-02-17 | 2020-07-10 | 国网安徽电动汽车服务有限公司 | 一种具备智能消防处理的管理控制***及其控制方法 |
CN111391693A (zh) * | 2020-02-17 | 2020-07-10 | 国网安徽电动汽车服务有限公司 | 一种基于电动汽车停车充电的管理控制***及其控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110414486A (zh) | 一种红外可见光成像识别一体化设备及工作方法 | |
CN106650620B (zh) | 一种应用无人机监测的目标人员识别追踪方法 | |
CN103646250B (zh) | 基于距离图像头肩特征的行人监测方法及装置 | |
KR101793636B1 (ko) | 통합 지능형 cctv 영상 처리 시스템 | |
US8712149B2 (en) | Apparatus and method for foreground detection | |
CN108256439A (zh) | 一种基于循环生成式对抗网络的行人图像生成方法及*** | |
CN201936415U (zh) | 森林火情自动识别报警*** | |
CN103473554A (zh) | 人流统计***及方法 | |
Chang et al. | Vision modules for a multi-sensory bridge monitoring approach | |
CN108345050A (zh) | 多层次多维度立体化智能安检*** | |
CN109218667B (zh) | 一种公共场所安全预警***和方法 | |
CN111811658A (zh) | 一种通过人脸识别和红外热成像测量体温的方法和*** | |
CN103079062A (zh) | 一种智能视频监控*** | |
CN111695512B (zh) | 一种无人值守文物监测方法及装置 | |
CN110392218A (zh) | 一种红外成像识别一体化设备及工作方法 | |
CN107635099A (zh) | 一种人体感应双光网络摄像机及安防监控*** | |
CN112183472A (zh) | 一种基于改进RetinaNet的试验现场人员是否穿着工作服检测方法 | |
CN112287823A (zh) | 一种基于视频监控的面部口罩识别方法 | |
CN109948474A (zh) | Ai热成像全天候智能监控方法 | |
CN108921104A (zh) | 基于人脸识别的流动人群视频监控方法 | |
CN113114938A (zh) | 一种基于电子信息的目标精确监控*** | |
CN209992989U (zh) | 一种红外可见光成像识别一体化设备 | |
CN111723725A (zh) | 一种基于视频ai多维分析*** | |
CN116342481A (zh) | 一种基于机器视觉的转炉烟道结渣监测***及方法 | |
CN110321782A (zh) | 一种检测人体特征信号的*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20191105 |
|
WD01 | Invention patent application deemed withdrawn after publication |