CN105074789A - 火灾检测系统 - Google Patents

Abstract

检测极端温度事件的方法。一种方法，包括从高分辨率传感器采集原始数据。该方法还包括，在所采集的原始数据中识别出一个或多个变化的数据点值。该方法还包括，在所采集的原始数据中识别出一个或多个变化的数据点值已达到已确定的阈值，该阈值以高概率提示已发生极端温度事件。可替代地，该方法可能包括，在所采集的原始数据中识别出已跨过阈值的一个或多个数据点值的突然急剧增加，该阈值以高概率提示已发生极端温度事件。由此，该方法还包括发出提示已发生极端温度事件的警示。

Description

火灾检测系统

对相关申请的交叉引用

本申请主张于2013年4月9日提交的题为“步进电机控制及火灾检测系统”的61/810,192号美国临时专利申请和于2013年8月9日提交的题为“采用多个虚拟设备、将深度值与图像像素建立关联的热像数据分析方法以及一种包括无缝透镜盖的系统”的61/864,196号美国临时专利申请的权益，这两个申请通过引用整体纳入本文中。

技术背景

热成像采用可检测热量并根据热量值生成图像的相机。此外，这些图像还可用于对温度和温差进行定性。例如，黑白热像将以较亮的白色显示较热的物体，而以较暗的灰色显示较冷的物体。彩色热像可能采用各种颜色来显示温度，其中较热的物体采用较接近或处于光谱红色端的颜色显示，较冷的物体则采用较接近或处于光谱紫色端的颜色显示。

对于来自高分辨率传感器的热成像数据，经常采用自动增益控制来将高分辨率数据向下转换为8位数据来进行处理。此转换经常导致温度数据被改动，由此造成分辨率的损失。例如，在一幅经过后期处理的图像中，可能难以区分野生动物与野火，因为它们在经过后期处理的8位灰度图像上都会呈现为相同或类似的灰度色调。

本申请所主张权利的主题并不局限于可解决任何不利状况，或仅可在如上文所述等环境中工作的实施方式。提供本技术背景的目的仅在于示例出本文所述的一些实施方式可得以实施的一个示例性技术领域。

发明概述

本文所示的一种实施方式包括一种检测极端温度事件的方法。该方法包括从高分辨率传感器采集原始数据。该方法还包括，通过将数据点值与已建立的背景模型相比较的方式，在所采集的原始数据中识别出一个或多个变化的数据点值。此背景模型的建立方式为，对一个或多个帧内的像素值加以平均，以确定背景中每个像素的取值范围。该方法还包括，在所采集的原始数据中识别出一个或多个变化的数据点值已达到一个已确定的阈值，该阈值以高概率提示已发生极端温度事件。由此，该方法还包括发出提示已发生极端温度事件的警示。

在另一种实施方式中，示出了另一种检测极端温度事件的方法。该方法包括从高分辨率传感器采集原始数据。该方法还包括，在所采集的原始数据中识别出已跨过阈值的一个或多个数据点值的突然急剧增加，该阈值以高概率提示已发生极端温度事件。由此，该方法还包括发出提示已发生极端温度事件的警示。

在又另一种实施方式中，披露了一种用于检测极端温度事件的系统。该系统包括被配置为检测热量的高分辨率热成像传感器。该系统还包括与该高分辨率传感器耦合的一个或多个处理器。该处理器被配置为从该高分辨率传感器采集原始数据。该处理器还被配置为在所采集的原始数据中识别出已跨过阈值的一个或多个数据点值的突然急剧增加，该阈值以高概率提示了已发生极端温度事件。该处理器还被配置为发出提示已发生极端温度事件的警示。

本“发明概述”的目的是以简化的形式介绍下文将在“详细说明”中进一步说明的概念的选择。本“发明概述”并非意在明确指出所主张权利的主题的关键特征或基本特征，也非意在辅助确定所主张权利的主题的范围。

附加特征和优势将在下文说明中给出，其一部分将可从说明中显见，或者可从对本文讲述内容的实践中习得。本发明的特征和优势可通过在所附权利要求中明确指出的工具和组合加以实现和获得。本发明的特征将通过以下说明和所附权利要求得以更加明确的呈现，或者可通过对下文所述的本发明的实践习得。

附图简要说明

为了对可获得上文所述及其他的优势和特征的方式加以说明，以下将参照附图中所示的特定实施方式对上文所简述的主题进行更为具体的说明。在理解这些附图仅示出典型的实施方式而非因此对范围加以限定的条件下，将借助附图对各实施方式进行更加具体和详细的介绍，其中：

图1所示为处于需要检测热事件的环境中的热成像相机；

图2所示为由该热成像相机获得的热像；

图3所示为热成像相机与事件调度器之间的通信；

图4所示为一种用于检测极端温度事件的方法；以及

图5所示为用于检测极端温度事件的方法的另一示例。

详细说明

灰度热像通常由自动增益控制(AGC)进行处理，以采用大致为人眼可感知的阴影数的256级灰度阴影来生成悦目的图像。然而，这经常会导致无法区分差异非常大的事件。具体而言，当已进行过此类处理时，人无法从经过后期处理的图像中仅根据灰度等级分辨出释放体热的野生动物与释放阴热(infernoheat)的野火之间的差异，因为它们具有相同的灰度等级阴影。AGC算法会尝试使图像中的所有物体的能见度最大化，而不论其实际温度如何。AGC算法实现这一点的方式是，对图像中的不同区域采用不同的转换系数，以使图像中每个区域的物体与背景之间均具有最大的对比度。

本文的一些实施方式可通过采用对火灾等极端温度事件的自动检测来克服这一问题，方法是对原始图像数据采用机器处理(或者以此取代后期处理)，之后再进行后期处理，以生成一个悦目的图像，从而确定极端温度事件已发生的概率。例如，采用一个14位相机，每个像素具有16,384个不同值的可能性。烈火的值可能在16,000范围内，而野生动物的值则可能在7,000范围内。尽管8位后期处理将使这种差异完全模糊化，使人无法检测野生动物与烈火之间的差异，但通过使用预处理的14位(或其他高分辨率)图像数据，系统可以继续检测这两者之间的差异。

然而，还是可能存在这样的常规无害情况，即，即使采用14位高分辨率数据也完全或几乎无法根据灰度成像范围区分野火。例如，汽车发动机排气管可能呈现在与野火类似的范围内。类似地，出山的太阳可能与山脊上的野火有几乎相同的呈现。事实上，甚至是距相机相对接近的野生动物也可能与距相机相对较远的野火有类似的热学特征。由此，各实施方式可能包括用于区分这些事件的过滤器。

对极端温度事件的检测可采用多种不同方式进行。例如，在一些实施方式中，可采用诸如图1所示的相机配置进行扫描。具体而言，图1示出了一个相机102。相机102被配置为停在8个不同的台(示为S₁至S₈)，以便在每个台上拍摄静止图像。这可被用于生成单独的图像，这些图像可以被单独使用，也可以被用于生成全景图像，例如图2所示的全景图像104。然而，通常不会使用全景图像，因为组合和存储全景图像在计算方面的代价较高。在此情况下，可以采用单个的图像。由此，以下示例可适用于全景图像或单个图像的组合。

在所示示例中，在台S₁和S₂处，相机102能够检测汽车106排出的废气。在台S₆处，相机102能够检测从山上升起的太阳108。在台S₇处，相机102能够检测火112。在台S₄和S₅处，相机102能够检测动物110。

采用这一配置，有一个或多个像素具有作为极端温度事件特征的较高值的热像可被用于识别极端温度事件。例如，在一些实施方式中，相机102可持续扫描一个区域。如果区域的一个部分在来自热成像相机102的原始数据中突然呈现大幅的极端温度变化，这可能提示有火等极端温度事件。例如，火可能越过山顶或其他障碍物，这会被检测为突然且急剧的温度变化。各实施方式可采用在热成像相机原始数据中呈现的这种突变来引发警示，该警示自动生成并发送，例如采用蜂窝调制解调器、卫星调制解调器或其他通信方式进行发送。

在其他实施方式中，可以采用高分辨率热成像相机102对位置进行持续的监测。来自此类相机的原始数据(例如，未采用外部自动增益控制进行处理)可能提示某一位置呈现温度升高。这种温升可经常基于其升温的特性而被识别为极端温度事件，例如森林火灾。此时此信息可被用于提供如前所述的提示，就极端温度事件向相应的个人和/或系统发出警示。

现在进行更为详细的例示，各实施方式采用在每个台(例如台S₁-S₈)的若干图像。在一些实施方式中，在每个台上获得3至10幅图像，用于创建背景模型。在此过程中，采用数字信号处理来为原始格式的每个像素确定一个可接受的取值范围。此背景模型为一个或若干像素是否已升至足以形成一个事件的值或是否已越过预先确定的温度阈值的判断提供依据。

随后使用各种过滤器对每一事件进行过滤，以确定其确实为火。在这种过滤中采用的一些判据涉及消除热点(日出、发动机排气等)及其他涉及确定该事件本身准确温度的问题的其他可能来源。

例如，有些实施方式可能包括提示太阳在天空中位置的模型。如果温度的突然升高与模型所预测的太阳位置相符，则可消除温升为野火的可能性。

作为替代或附加方式，各实施方式可能能够确定相机与热源的距离。使用此距离，可以确定热源是否到达成为野火的温度。由此，例如，处于较近距离的动物可能与位于不同距离的野火有类似的热迹象，但由于距离的差异，可以对两种热事件加以区分。

在另一种替代实施方式中，可对野火的运动特性进行大致地建模。如果测得的温度事件已有充足的热量被检测到，但又不符合相应的运动曲线，则可以确定，该事件不表示野火。例如，如果检测到了车辆的废气，且废气的运动符合车辆的曲线，或者至少不符合野火的运动曲线，则废气将不会被报告为野火。

由此，各实施方式可进行一项评价，其中涉及像素值及其与相机的距离(例如为了实现大气吸收而确定的距离)。距相机102的距离在下文中称为z深度。一旦各实施方式确定了温度并排除了其他可能的来源，即可以非常高的确定度确定该事件确实为火。在一些实施方式中，相应的计算在相机102内的板载处理系统内进行。

在一种实施方式中，确定z深度的方式可以是，识别相机的GPS位置、相机位置和周围区域的地形数据(例如从美国地质调查局(USGS)或其他数据来源获得)，并开发周围地带的三维模型。随后各实施方式可采用相机的高度和角度以及此三维模型来为每一个相机台生成一幅深度地图，该深度地图对该台的图像视口内的每个像素指定一个z深度。将对事件的边界框的底部像素与深度地图中的对应像素进行比较，以确定事件距相机的距离。系统显示器采用此距离值显示事件(例如野火或其他事件)对相机的相对位置。事件可被发送至报警调度器302(见图3)，以确定事件的位置，并供物体分类过滤器用以估算事件物体的尺寸。在给定尺寸和纵横比下，各实施方式可以过滤出不可能是动物、人员、车辆或其他在给定场景中无意考虑的物体的事件。

在一些实现方式中，相机102拍摄图像的位置可以与实际地理位置数据(例如，GPS数据)进行关联。一旦根据地理位置数据获知了实际相机102的位置，即可在三维地形图上确定相机的位置，且一个台的给定帧的具体像素的深度值可得以确定。可针对倾斜度和高度作出校正。

将地理位置数据与相机102位置进行的关联可包括但不限于，将一幅所采集图像的像素位置建立关联，并根据热成像相机102的地理位置确定具体热成像相机图像中像素位置的深度值。在给定热成像相机102的高程和方向的条件下，图像中每个像素的距离或深度值可采用高程数据(例如，来自美国全国标高数据集(NationalElevationDataset))进行计算。

需与一给定像素关联的深度值计算可采用一系列步骤实现，这些步骤用于确定(例如计算)每个像素如何表示从相机投射、经场景与大地相交的射线。一般而言，其实现方式可以是，在采用高程数据(例如，来自美国全国标高数据集(NationalElevationDataset))创建的一个线框地形模型上使用投影相机视图来估算相机视图中每个经渲染的像素在何处与线框相交，以计算每个图像元素或像素的底部的“z”深度值。此过程可采用通过逐渐增大z距离而进行的循环过程，直至投影高度在某一距离处与高程高度相交。

这可通过确定(例如，计算)一条长度等于相机高度的射线是否在投影距离处与地面相交的方式来实现。此确定过程可以重复，即将射线长度反复增加一个给定的量(例如，1dm)，直至到达地面(例如，相交)或射线超出给定长度(例如，30km)。这种过长的长度可用于帮助绘制地平线。交叉点的维度、经度、高程和距离数据可以被存储，并对一列中的下一像素重复进行此确定(例如，计算)过程。在一列像素到达地平线之后，确定工作可转至新的一列。这种确定或计算可能基于可变的垂直视场、水平视场、标高和方向。最终的数据集可用于绘制一幅描述距离(例如，以灰度)、线以一给定距离(例如，每100m)布置的图像。所确定或计算出的图像可与一幅实际图像进行比较，以便对输入变量进行最终调整。一经完成，最终结果将提供一个“z”深度值地图，其可被保存，以便日后可即时提供分析。

作为对上述步骤的例示，一幅640x512像素的图像可能需要重复上述确定过程约250000次。

在像素位置的深度值被确定后，即可能实现对在图像内所采集到的物体的尺寸或运动速度的确定。将图像的像素位置与位置数据相关联，确定与每一像素相关联的深度值，这些处理工作可在一个远程用户界面终端上以非现场方式进行。与图像的给定像素相关联的实际深度值可以被转送至相机系统，以供存储和现场使用。

上文讨论了背景建模。在一个物体被确定为是从一背景图像进行的转变时，将应用过滤器，以对所述物体进行分类。在这一语境中，物体是指在图像中采用下文所述算法被确定为从背景图像转变而来的矩形区域。

一种过滤器会考查在一给定帧内检测到的物体的数量，并将其与该台之前的帧进行比较。突然的大量变化(由该分析的配置确定其为大)提示有环境的显著变化或相机位置的运动。在此情况下，有些实施方式被配置为等待一个附加的帧，以确定其是与相机运动相关的暂时事件，还是环境的变化。如果该变化仍然存在，则其可触发建立一个新的背景模型。

另一种过滤器会将物体与原始背景进行比较，查找图像与原始背景匹配的偏移量。这将帮助过滤出相机本身的运动，或者与风或类似事件相关的背景物体的运动。

另一种过滤器会在所研究的物体附近查找其他被检测到的物体，以确定这些是否为原物体的组成部分，以尝试将多个物体合并为一个物体，以改进分类。这可用于在图像中检测到入侵、因入侵部分接近环境温度而未在背景建模被检测为物体的情况。

另一种过滤器采用z深度来估算物体的尺寸，用纵横比确定物体是高度大于宽度还是相反，以及两者差异多少。这将设定被归类为人或车辆等的候选物体。估算的距离和纵横比用于确定分类的初始置信度。

另一种过滤器会比照环境考查物体中像素值的强度和分布，以确定物体是否符合可被归类为人、动物或车辆或火等非自然事件的预期判据。这也被用于确定最终的置信度水平。

在确定检测到野火等非自然事件时，即会通过相应的网络(例如移动数据、卫星、Wi-Fi、硬连线等)将数据发送至预先确定的点。例如，图3示出了从相机102经无线发射器304向无线接收器306进行的数据传输。此数据可能包括，例如，事件位置、尺寸以及温度等。对事件的持续监测可以提供额外的数据，例如尺寸和速度的变化。这些高置信度警示可具备足够的确定性，可据此派遣飞机或其他响应单位非常早地到达起火现场，相比在较晚时候扑救大火，可节约时间、开支、财物等。

以下讨论现在系指可进行的多种方法和方法步骤。尽管这些方法步骤可能采用某种顺序进行讨论，或者在以一特定顺序发生的流程图中示出，但一般并不要求其采用特定的顺序，除非因一个步骤需要另一步骤完成之后方可进行而给出明确声明或要求。

现在参见图4，其中示出了方法400。此方法包括用于检测极端温度事件的步骤。方法400包括从高分辨率传感器采集原始数据(步骤402)。例如，可从热成像相机102收集热像数据。该传感器可能有高分辨率数据，例如14位数据或其他高分辨率数据。该数据可以是原始数据，使其代表由该传感器检测到的绝对值，或者至少在所检测到的热量与数据点值之间保持一些原始关联。

方法400还包括在所采集的原始数据中识别出一个或多个增长中的数据点值(步骤404)。这可通过将数据点与已建立的背景模型的比较来实现。此背景模型的建立方式为，对一个或多个帧内的像素值加以平均，以确定背景中每个像素的取值范围。例如，随着时间的进展，数据点值可能增加，提示随时间进展有更多的热量发出。此数据点值可能是一个相对的数据点值而非绝对数据点值。具体而言，该数据点值可能表示一些地理位置，其中不同的绝对数据点值表示不同的时间。可能出现这种情况的场合是，例如，该传感器为变更位置，或在每个相继的图像采集循环中采集的图像稍有差异。

方法400还包括在所采集的原始数据中识别出一个或多个增长中的数据点值已达到已确定的阈值，该阈值以高概率提示已发生极端温度事件(步骤406)。

方法400还包括由此发出提示已发生极端温度事件的警示(步骤408)。例如图3所示，可以从相机102向报警调度器302发出一个警示。

方法400可以在极端温度事件为火时使用。

如上所述，方法400可以在该警示通过网络传输的情况下使用。例如，此警示可通过移动网络、卫星网络、Wi-Fi网络、有线网络或其他适用的网络传输。

方法400还可包括过滤其他事件，以使极端温度事件与其他事件相区分。例如，该方法可能包括过滤出汽车、太阳、动物、人、手动操作或其他事件，以将这些事件与所针对的极端温度事件区分开来。例如，过滤器可能包括关于天气模式、日出和日落、大气压、地理信息、结构信息(例如识别出火山坑或其他发热物体)、手动识别的信息(例如，用户可能标示出要进行受控燃烧的日期、时间和地点)等方面的信息。过滤可能包括将由高分辨率传感器生成的图像与此前由高分辨率传感器生成的背景图像进行比较。在一些此类实施方式中，方法400可能还包括，确定一个给定台(agivenstation)的特定数量的图像的变化已在该给定台的足够数量的图像中得以持续存在。由此，该方法可能包括更新该背景图像。

方法400可能包括确定由该高分辨率传感器检测到的物体的距离。例如，可通过查阅三维模型实现，该三维模型由标识该高分辨率传感器位置的GPS数据和确定高分辨率传感器周围地形的美国地质调查局(USGeologicalSurvey)数据构建。该方法可能包括，采用该模型及关于该高分辨率传感器高度和角度的信息来确定物体与该传感器的距离。

现在参见图5，其中示出了方法500。方法500包括用于检测极端温度事件的步骤。此方法包括从高分辨率传感器采集原始数据(步骤502)。

方法500还包括在所采集的原始数据中识别出已跨过阈值的一个或多个数据点值的突然急剧增加，该阈值以高概率提示已发生极端温度事件(步骤506)。

由此，方法500还包括发出一个提示已发生极端温度事件的警示(步骤508)。

此外，各方法还可由包括一个或多个处理器和诸如计算机存储器等计算机可读取介质的计算机系统加以实施。具体而言，该计算机存储器可存储计算机可执行的指令，这些指令在被一个或多个处理器执行时会使多种功能被执行，例如在各实施方式中所述的步骤。

本发明的实施方式可能包括或采用一种包括计算机硬件的专用或通用型计算机，如下文详述。属于本发明范围的各实施方式还包括用于承载或存储计算机可执行指令和/或数据结构的物理的及其他计算机可读取介质。这些计算机可读取介质可以是任何可由通用或专用计算机系统访问的可用介质。存储计算机可执行指令的计算机可读取介质为物理存储介质。承载计算机可执行指令的计算机可读取介质为传输介质。由此，作为非限定性的示例，本发明的实施方式可能包括至少两种明显不同种类的计算机可读取介质：物理的计算机可读取存储介质和传输用计算机可读取介质。

物理的计算机可读取存储介质包括RAM、ROM、EEPROM、CD-ROM或其他光盘存储器(例如CD、DVD等)、磁盘存储器或其他磁性存储设备，或其他任何可用于以计算机可执行指令或数据结构的形式存储所需程序代码内容、并可由通用或专用计算机访问的介质。

“网络”定义为可实现计算机系统和/或模块和/或其他电子设备之间的电子数据传输的一个或多个数据链路。当信息通过网络或其他通信连接(硬连线、无线或硬连线与无线方式的组合)传送或提供给计算机时，该计算机会将此连接恰当地视为传输介质。传输介质可包括可用于承载以计算机可执行指令或数据结构的形式存在的所需程序代码内容、并可由通用或专用计算机访问的网络和/或若干数据链路。上述方面的组合也包括在计算机可读取介质的范围内。

此外，在到达各种计算机系统组件时，采用计算机可执行指令或数据结构形式的程序代码内容可以被从传输计算机可读取介质自动传送至物理计算机可读取存储介质(反之亦然)。例如，通过网络或数据链路接收的计算机可执行指令或数据结构可以被缓存在网络接口模块(例如，一个“NIC”)内的RAM内，随后被最终传输至计算机系统RAM和/或计算机系统上的不太易失的计算机可读取物理存储介质。由此，计算机可读取物理存储介质可以被包括在同样(或者甚至是主要)采用传输介质的计算机系统组件内。

计算机可执行指令包含，例如，导致通用计算机、专用计算机或专用处理设备执行一项或一组特定功能的指令和数据。计算机可执行指令可能是，例如，汇编语言甚至源代码等二进制数、中间格式指令。尽管所述主题采用特定于结构特征和/或方法步骤的语言进行说明，但应该理解的是，所附权利要求中所规定的主题并不一定局限为上文所述的特征或步骤。所述特征和步骤仅作为实现权利要求的示例形式加以披露。

熟悉业内技术的人员应理解，本发明可在网络计算环境中实现，网络计算环境中可能有许多类型的计算机系统配置，包括，个人计算机、台式计算机、笔记本计算机、消息处理器、手持式设备、多处理器系统、基于微处理器或可编程的消费电子设备、网络PC、小型计算机、大型计算机、移动电话、PDA、寻呼机、路由器、交换机及其他类似设备。本发明还可在分布式系统环境中实现，其中通过网络连接(通过硬连线数据链路、无线数据链路或硬连线与无线数据链路的组合)的本地和远程计算机系统两者均执行任务。在分布式系统环境中，程序模块可能同时存在于本地和远程存储设备中。

作为替代或补充方式，本文所述的功能至少可以部分由一个或多个硬件逻辑组件实现。作为并非限定性的示例而言，可使用的硬件逻辑组件的示例类型包括现场可编程门阵列(FPGA)、程序专用集成电路(ASIC)、程序专用标准产品(ASSP)、单片系统(SOC)、复杂可编程逻辑设备(CPLD)等。

本发明可采用不背离其精神或特征的其他特定形式加以实现。所述实施方式在各方面均应被视为仅作示例而并无限定性。因此，本发明的范围由所附权利要求而非前述说明给出。属于权利要求等价内容的意义和范围内的所有变更均应被包含在其范围内。

权利要求书(按照条约第19条的修改)

1.一种检测极端温度事件的方法，所述方法包括：

从高分辨率传感器采集原始数据；

通过将数据点值与已建立的背景模型相比较的方式，在所采集的原始数据中识别出一个或多个变化的数据点值；

在所采集的原始数据中识别出所述一个或多个变化的数据点值已达到已确定的阈值，所述已确定的阈值以高概率提示已发生极端温度事件；以及

由此发出提示已发生极端温度事件的警示。

2.如权利要求1所述的方法，其中所述极端温度事件为火。

3.如权利要求1所述的方法，其中所述警示通过网络传输。

4.如权利要求1所述的方法，还包括过滤其他事件，以将极端温度事件与其他事件区分开来。

5.如权利要求4所述的方法，还包括确定由所述高分辨率传感器检测到的物体的距离。

6.如权利要求5所述的方法，其中确定所检测到的物体的距离包括查阅由标识所述高分辨率传感器位置的GPS数据和确定所述高分辨率传感器周围地形的美国地质调查局数据构建的三维模型，并采用所述模型及关于所述高分辨率传感器高度和角度的信息来确定物体与所述高分辨率传感器的距离。

7.如权利要求4所述的方法，其中过滤包括将由所述高分辨率传感器生成的图像与此前由所述高分辨率传感器生成的背景图像进行比较。

8.如权利要求7所述的方法，还包括确定给定台的特定数量的图像的变化已在所述给定台的足够数量的图像中得以持续存在，并由此更新所述背景图像。

9.如权利要求4所述的方法，其中过滤包括处理一个或多个选自下列组的事件：天气、日出、大气压、对受控燃烧等的手动操作、火山坑等的地理信息。

10.一种检测极端温度事件的方法，所述方法包括：

从高分辨率传感器采集原始数据；

通过将数据点与已建立的背景模型进行比较，在所采集的原始数据中识别出已跨过阈值的一个或多个数据点值的突然急剧增加，所述阈值以高概率提示已发生极端温度事件；以及

由此发出提示已发生极端温度事件的警示。

11.如权利要求10所述的方法，其中所述极端温度事件为火。

12.如权利要求10所述的方法，其中所述警示通过网络传输。

13.如权利要求10所述的方法，还包括过滤其他事件，以将极端温度事件与其他事件区分开来。

14.如权利要求13所述的方法，还包括确定由所述高分辨率传感器检测到的物体的距离。

15.如权利要求14所述的方法，其中确定所检测到的物体的距离包括查阅由标识所述高分辨率传感器位置的GPS数据和确定所述高分辨率传感器周围地形的美国地质调查局数据构建的三维模型，并采用所述模型及关于所述高分辨率传感器高度和角度的信息来确定物体与所述高分辨率传感器的距离。

16.如权利要求13所述的方法，其中过滤包括将由所述高分辨率传感器生成的图像与此前由所述高分辨率传感器生成的背景图像进行比较。

17.如权利要求16所述的方法，还包括确定给定台的特定数量的图像的变化已在所述给定台的足够数量的图像中得以持续存在，并由此更新所述背景图像。

18.一种用于检测极端温度事件的系统，所述系统包括：

被配置为检测热量的高分辨率热成像传感器；

与所述高分辨率传感器耦合的一个或多个处理器，其中所述处理器被配置以执行以下步骤：

从所述高分辨率传感器采集原始数据；

通过将数据点与已建立的背景模型进行比较，在所采集的原始数据中识别出已跨过阈值的一个或多个数据点值的突然急剧增加，所述阈值以高概率提示已发生极端温度事件；以及

由此发出提示已发生极端温度事件的警示。

19.如权利要求18所述的系统，还包括一个或多个物理的计算机可读取存储器，且其中所述处理器被配置为通过执行存储在所述一个或多个物理的计算机可读取存储器上的指令来执行所述步骤。

20.如权利要求18所述的系统，其中所述处理器还被配置以过滤其他事件，以使极端温度事件与其他事件区分开来。

Claims (20)

1.一种检测极端温度事件的方法，所述方法包括：

从高分辨率传感器采集原始数据；

通过将数据点值与已建立的背景模型相比较的方式，在所采集的原始数据中识别出一个或多个变化的数据点值；

在所采集的原始数据中识别出所述一个或多个变化的数据点值已达到已确定的阈值，所述已确定的阈值以高概率提示已发生极端温度事件；以及

由此发出提示已发生极端温度事件的警示。

2.如权利要求1所述的方法，其中所述极端温度事件为火。

3.如权利要求1所述的方法，其中所述警示通过网络传输。

4.如权利要求1所述的方法，还包括过滤其他事件，以将极端温度事件与其他事件区分开来。

5.如权利要求4所述的方法，还包括确定由所述高分辨率传感器检测到的物体的距离。

6.如权利要求5所述的方法，其中确定所检测到的物体的距离包括查阅由标识所述高分辨率传感器位置的GPS数据和确定所述高分辨率传感器周围地形的美国地质调查局数据构建的三维模型，并采用所述模型及关于所述高分辨率传感器高度和角度的信息来确定物体与所述高分辨率传感器的距离。

7.如权利要求4所述的方法，其中过滤包括将由所述高分辨率传感器生成的图像与此前由所述高分辨率传感器生成的背景图像进行比较。

8.如权利要求7所述的方法，还包括确定给定台的特定数量的图像的变化已在所述给定台的足够数量的图像中得以持续存在，并由此更新所述背景图像。

9.过滤包括处理天气、日出、大气压、手动操作(受控燃烧)、地理信息(火山坑)。

10.一种检测极端温度事件的方法，所述方法包括：

从高分辨率传感器采集原始数据；

通过将数据点与已建立的背景模型进行比较，在所采集的原始数据中识别出已跨过阈值的一个或多个数据点值的突然急剧增加，所述阈值以高概率提示已发生极端温度事件；以及

由此发出提示已发生极端温度事件的警示。

11.如权利要求10所述的方法，其中所述极端温度事件为火。

12.如权利要求10所述的方法，其中所述警示通过网络传输。

13.如权利要求10所述的方法，还包括过滤其他事件，以将极端温度事件与其他事件区分开来。

14.如权利要求13所述的方法，还包括确定由所述高分辨率传感器检测到的物体的距离。

15.如权利要求14所述的方法，其中确定所检测到的物体的距离包括查阅由标识所述高分辨率传感器位置的GPS数据和确定所述高分辨率传感器周围地形的美国地质调查局数据构建的三维模型，并采用所述模型及关于所述高分辨率传感器高度和角度的信息来确定物体与所述高分辨率传感器的距离。

16.如权利要求13所述的方法，其中过滤包括将由所述高分辨率传感器生成的图像与此前由所述高分辨率传感器生成的背景图像进行比较。

17.如权利要求16所述的方法，还包括确定给定台的特定数量的图像的变化已在所述给定台的足够数量的图像中得以持续存在，并由此更新所述背景图像。

18.一种用于检测极端温度事件的系统，所述系统包括：

被配置为检测热量的高分辨率热成像传感器；

与所述高分辨率传感器耦合的一个或多个处理器，其中所述处理器被配置以执行以下步骤：

从所述高分辨率传感器采集原始数据；

通过将数据点与已建立的背景模型进行比较，在所采集的原始数据中识别出已跨过阈值的一个或多个数据点值的突然急剧增加，所述阈值以高概率提示已发生极端温度事件；以及

由此发出提示已发生极端温度事件的警示。

19.如权利要求18所述的系统，还包括一个或多个物理的计算机可读取存储器，且其中所述处理器被配置为通过执行存储在所述一个或多个物理的计算机可读取存储器上的指令来执行所述步骤。

20.如权利要求18所述的系统，其中所述处理器还被配置以过滤其他事件，以使极端温度事件与其他事件区分开来。