火災檢測系統的制作方法
【專利說明】火災檢測系統
[0001]對相關申請的交叉引用
[0002]本申請主張于2013年4月9日提交的題為“步進電機控制及火災檢測系統”的61/810,192號美國臨時專利申請和于2013年8月9日提交的題為“采用多個虛擬設備、將深度值與圖像像素建立關聯的熱像數據分析方法以及一種包括無縫透鏡蓋的系統”的61/864,196號美國臨時專利申請的權益,這兩個申請通過引用整體納入本文中。
技術背景
[0003]熱成像采用可檢測熱量并根據熱量值生成圖像的相機。此外,這些圖像還可用于對溫度和溫差進行定性。例如,黑白熱像將以較亮的白色顯示較熱的物體,而以較暗的灰色顯示較冷的物體。彩色熱像可能采用各種顏色來顯示溫度,其中較熱的物體采用較接近或處于光譜紅色端的顏色顯示,較冷的物體則采用較接近或處于光譜紫色端的顏色顯示。
[0004]對于來自高分辨率傳感器的熱成像數據,經常采用自動增益控制來將高分辨率數據向下轉換為8位數據來進行處理。此轉換經常導致溫度數據被改動,由此造成分辨率的損失。例如,在一幅經過后期處理的圖像中,可能難以區分野生動物與野火,因為它們在經過后期處理的8位灰度圖像上都會呈現為相同或類似的灰度色調。
[0005]本申請所主張權利的主題并不局限于可解決任何不利狀況,或僅可在如上文所述等環境中工作的實施方式。提供本技術背景的目的僅在于示例出本文所述的一些實施方式可得以實施的一個示例性技術領域。
[0006]發明概述
[0007]本文所示的一種實施方式包括一種檢測極端溫度事件的方法。該方法包括從高分辨率傳感器采集原始數據。該方法還包括,通過將數據點值與已建立的背景模型相比較的方式,在所采集的原始數據中識別出一個或多個變化的數據點值。此背景模型的建立方式為,對一個或多個幀內的像素值加以平均,以確定背景中每個像素的取值范圍。該方法還包括,在所采集的原始數據中識別出一個或多個變化的數據點值已達到一個已確定的閾值,該閾值以高概率提示已發生極端溫度事件。由此,該方法還包括發出提示已發生極端溫度事件的警示。
[0008]在另一種實施方式中,示出了另一種檢測極端溫度事件的方法。該方法包括從高分辨率傳感器采集原始數據。該方法還包括,在所采集的原始數據中識別出已跨過閾值的一個或多個數據點值的突然急劇增加,該閾值以高概率提示已發生極端溫度事件。由此,該方法還包括發出提示已發生極端溫度事件的警示。
[0009]在又另一種實施方式中,披露了一種用于檢測極端溫度事件的系統。該系統包括被配置為檢測熱量的高分辨率熱成像傳感器。該系統還包括與該高分辨率傳感器耦合的一個或多個處理器。該處理器被配置為從該高分辨率傳感器采集原始數據。該處理器還被配置為在所采集的原始數據中識別出已跨過閾值的一個或多個數據點值的突然急劇增加,該閾值以高概率提示了已發生極端溫度事件。該處理器還被配置為發出提示已發生極端溫度事件的警示。
[0010]本“發明概述”的目的是以簡化的形式介紹下文將在“詳細說明”中進一步說明的概念的選擇。本“發明概述”并非意在明確指出所主張權利的主題的關鍵特征或基本特征,也非意在輔助確定所主張權利的主題的范圍。
[0011]附加特征和優勢將在下文說明中給出,其一部分將可從說明中顯見,或者可從對本文講述內容的實踐中習得。本發明的特征和優勢可通過在所附權利要求中明確指出的工具和組合加以實現和獲得。本發明的特征將通過以下說明和所附權利要求得以更加明確的呈現,或者可通過對下文所述的本發明的實踐習得。
[0012]附圖簡要說明
[0013]為了對可獲得上文所述及其他的優勢和特征的方式加以說明,以下將參照附圖中所示的特定實施方式對上文所簡述的主題進行更為具體的說明。在理解這些附圖僅示出典型的實施方式而非因此對范圍加以限定的條件下,將借助附圖對各實施方式進行更加具體和詳細的介紹,其中:
[0014]圖1所示為處于需要檢測熱事件的環境中的熱成像相機;
[0015]圖2所示為由該熱成像相機獲得的熱像;
[0016]圖3所示為熱成像相機與事件調度器之間的通信;
[0017]圖4所示為一種用于檢測極端溫度事件的方法;以及
[0018]圖5所示為用于檢測極端溫度事件的方法的另一示例。
[0019]詳細說明
[0020]灰度熱像通常由自動增益控制(AGC)進行處理,以采用大致為人眼可感知的陰影數的256級灰度陰影來生成悅目的圖像。然而,這經常會導致無法區分差異非常大的事件。具體而言,當已進行過此類處理時,人無法從經過后期處理的圖像中僅根據灰度等級分辨出釋放體熱的野生動物與釋放陰熱(inferno heat)的野火之間的差異,因為它們具有相同的灰度等級陰影。AGC算法會嘗試使圖像中的所有物體的能見度最大化,而不論其實際溫度如何。AGC算法實現這一點的方式是,對圖像中的不同區域采用不同的轉換系數,以使圖像中每個區域的物體與背景之間均具有最大的對比度。
[0021]本文的一些實施方式可通過采用對火災等極端溫度事件的自動檢測來克服這一問題,方法是對原始圖像數據采用機器處理(或者以此取代后期處理),之后再進行后期處理,以生成一個悅目的圖像,從而確定極端溫度事件已發生的概率。例如,采用一個14位相機,每個像素具有16,384個不同值的可能性。烈火的值可能在16,000范圍內,而野生動物的值則可能在7,000范圍內。盡管8位后期處理將使這種差異完全模糊化,使人無法檢測野生動物與烈火之間的差異,但通過使用預處理的14位(或其他高分辨率)圖像數據,系統可以繼續檢測這兩者之間的差異。
[0022]然而,還是可能存在這樣的常規無害情況,S卩,即使采用14位高分辨率數據也完全或幾乎無法根據灰度成像范圍區分野火。例如,汽車發動機排氣管可能呈現在與野火類似的范圍內。類似地,出山的太陽可能與山脊上的野火有幾乎相同的呈現。事實上,甚至是距相機相對接近的野生動物也可能與距相機相對較遠的野火有類似的熱學特征。由此,各實施方式可能包括用于區分這些事件的過濾器。
[0023]對極端溫度事件的檢測可采用多種不同方式進行。例如,在一些實施方式中,可采用諸如圖1所示的相機配置進行掃描。具體而言,圖1示出了一個相機102。相機102被配置為停在8個不同的臺(示為31至S8),以便在每個臺上拍攝靜止圖像。這可被用于生成單獨的圖像,這些圖像可以被單獨使用,也可以被用于生成全景圖像,例如圖2所示的全景圖像104。然而,通常不會使用全景圖像,因為組合和存儲全景圖像在計算方面的代價較高。在此情況下,可以采用單個的圖像。由此,以下示例可適用于全景圖像或單個圖像的組入口 ο
[0024]在所示示例中,在臺SjP S 2處,相機102能夠檢測汽車106排出的廢氣。在臺S 6處,相機102能夠檢測從山上升起的太陽108。在臺37處,相機102能夠檢測火112。在臺SjP S 5處,相機102能夠檢