CN110392218A - 一种红外成像识别一体化设备及工作方法 - Google Patents
一种红外成像识别一体化设备及工作方法 Download PDFInfo
- Publication number
- CN110392218A CN110392218A CN201910754406.1A CN201910754406A CN110392218A CN 110392218 A CN110392218 A CN 110392218A CN 201910754406 A CN201910754406 A CN 201910754406A CN 110392218 A CN110392218 A CN 110392218A
- Authority
- CN
- China
- Prior art keywords
- infrared
- image
- interest
- targets
- module
- 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
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000003331 infrared imaging Methods 0.000 title claims abstract description 25
- 230000010354 integration Effects 0.000 title claims abstract description 20
- 238000012545 processing Methods 0.000 claims abstract description 33
- 230000005540 biological transmission Effects 0.000 claims abstract description 31
- 230000008569 process Effects 0.000 claims abstract description 7
- 238000004891 communication Methods 0.000 claims description 16
- 238000012937 correction Methods 0.000 claims description 16
- 238000012986 modification Methods 0.000 claims description 8
- 230000004048 modification Effects 0.000 claims description 8
- 230000002708 enhancing effect Effects 0.000 claims description 5
- XHCLAFWTIXFWPH-UHFFFAOYSA-N [O-2].[O-2].[O-2].[O-2].[O-2].[V+5].[V+5] Chemical compound [O-2].[O-2].[O-2].[O-2].[O-2].[V+5].[V+5] XHCLAFWTIXFWPH-UHFFFAOYSA-N 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 229910001935 vanadium oxide Inorganic materials 0.000 claims description 4
- 238000013527 convolutional neural network Methods 0.000 claims description 3
- 238000000605 extraction Methods 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
- 239000000463 material Substances 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 abstract description 9
- 238000005516 engineering process Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000001931 thermography Methods 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000007257 malfunction Effects 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
- 238000005057 refrigeration Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/143—Sensing or illuminating at different wavelengths
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/14—Picture signal circuitry for video frequency region
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/30—Transforming light or analogous information into electric information
- H04N5/33—Transforming infrared radiation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J2005/0077—Imaging
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Theoretical Computer Science (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Transforming Light Signals Into Electric Signals (AREA)
Abstract
本发明涉及红外成像识别技术领域，特别涉及一种红外成像设备。一种红外成像识别一体化设备，它包括：红外镜头、红外探测器、探测器接口单元、图像处理单元、传输单元以及显示单元；红外镜头与红外探测器用于提供原始图像，图像处理单元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；对细节信息明显的红外图像中的兴趣目标进行智能识别，识别后对兴趣目标进行标注；图像处理单元通过传输单元将细节信息明显的红外图像以及所标注出的兴趣目标信息发送至显示单元。显示单元对红外图像及识别结果进行远程显示。本发明提供了高可靠、高灵敏度、远程监控的解决方案，可应用于全天候自动监控领域。
Description
技术领域
本发明涉及红外成像识别技术领域，特别涉及一种红外成像设备。
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。在无光环境下，可见光器材不能正常工作，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，可以对多种目标如人员、车辆等进行识别监控，可用于防火监控和伪装及隐蔽目标的识别。
由于红外热成像摄像机靠温差成像，而一般目标温差都不大，因此红外热图像对比度低，使分辨细节能力变差。所以通常看到热成像的输出画面呈现出的景物边缘比较模糊，细节辨识度差，难以对目标物进行识别。
发明内容
本发明的目的是：针对现有技术的不足，提供一种高灵敏度的红外成像一体化设备。
本发明的技术方案是：一种红外成像识别一体化设备，它包括：红外镜头、红外探测器、探测器接口单元、图像处理单元、传输单元以及显示单元；
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；
红外探测器采用氧化钒红外探测器，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单元与图像处理单元建立信号连接，图像处理单元通过传输单元与显示单元建立信号连接；传输单元与探测器接口单元建立信号连接；
红外镜头与红外探测器用于采集原始红外图像，原始红外图像通过探测器接口单元传递至图像处理单元，图像处理单元对原始红外图像进行处理得到细节信息明显的红外图像并对图像中出现的兴趣目标进行标注；细节信息明显的红外图像以及所标注出的兴趣目标信息通过传输单元发送至显示单元，显示单元对细节信息明显的红外图像以及兴趣目标进行显示。
上述方案中，具体的，红外探测器的分辨率不低于640×512，像元尺寸为15μm，F数为2。
上述方案的基础上，进一步的，图像处理单元包括：AD采集模块、FLASH存储模块、图像识别模块以及通讯接口模块；其中，图像识别模块分别与AD采集模块、FLASH存储模块以及通讯接口模块建立信号连接；
AD采集模块与探测器接口单元建立信号连接，通讯接口模块与传输单元建立信号连接。
探测器接口单元发送原始红外图像后，首先由AD采集模块对原始图像进行格式转换，之后由图像识别模块对原始红外图像进行预处理、图像增强，得到细节信息明显的红外图像；对细节信息明显的红外图像中的兴趣目标进行智能识别，识别后对兴趣目标进行标注；FLASH存储模块用于对预处理后得到校正图像进行存储；通讯接口模块用于将细节信息明显的红外图像以及所标注出的兴趣目标信息发送至传输单元。
进一步的，为实现远程监控目的，传输单元通过无线网络与显示单元建立信号连接。
更进一步的，显示单元还设有输入设备，通过输入设备能够对红外探测器的工作参数、图像处理单元的算法进行配置，以达到人机交互的目的。
本发明的另一个技术方案是：一种红外成像识别一体化设备的工作方法，它使用如上所述的设备，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单元向图像处理单元传输原始红外图像；
B. 图像处理单元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；对细节信息明显的红外图像中的兴趣目标进行智能识别，识别后对兴趣目标进行标注；
C. 图像处理单元通过传输单元将细节信息明显的红外图像以及所标注出的兴趣目标信息发送至显示单元；
D. 显示单元对获取的细节信息明显的红外图像进行格式转换后显示，并根据获取的兴趣目标信息在所显示的图像中框定兴趣目标。
进一步的，上述方案中，步骤B包括：
B1. AD采集模块接收原始红外图像，并对原始红外图像进行模数转换后送至图像识别模块；
B2. 图像识别模块对原始红外图像进行预处理得到校正图像，并将校正图像存储至FLASH存储模块；
B3. 图像识别模块调用FLASH存储模块中存储的校正图像，对校正图像进行增强算法处理得到细节信息明显的红外图像；
B4. 图像识别模块利用AI算法对细节信息明显的红外图像进行智能目标识别，若细节信息明显的红外图像中出现兴趣目标，则对该兴趣目标进行矩形框标定，并记录该矩形框的四个顶点的坐标；
B5. 图像识别模块利用通讯接口模块将细节信息明显的红外图像以及兴趣目标的四点坐标发送至传输单元。
具体的，步骤B2中，图像识别模块对原始红外图像进行预处理的方法为非均匀校正与盲元补偿。
具体的，步骤B3中，图像识别模块对校正图像进行增强算法处理的方法为直方图均衡和导向滤波。
具体的，步骤B4中，AI算法识别兴趣目标的方法为：首先对细节信息明显的红外图像进行尺寸调整；修改尺寸后的图像进入卷积神经网络中，利用预训练模型对修改尺寸后的图像进行特征提取，由此得到候选兴趣目标以及候选兴趣目标所对应的类别得分；对候选兴趣目标进行筛选，将类别得分高于设定阈值的候选兴趣目标选定为兴趣目标。
有益效果：本发明中的红外探测器采用高灵敏度的氧化钒非制冷型探测器，波段覆盖不小于3.7μm~4.8μm，图像处理单元结合其独特的成像优点，对采集的红外图像进行处理，得到细节信息明显的红外图像并对图像中的兴趣目标进行智能识别，显示单元对识别结果进行远程显示，对兴趣目标自动标注。本发明提供了高可靠、高灵敏度、远程监控的解决方案，可应用于全天候自动监控领域。
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-探测器接口单元、4-图像处理单元、4.1-AD采集模块、4.2-FLASH存储模块、4.3-图像识别模块、4.4-通讯接口模块、5-传输单元、6-显示单元。
具体实施方式
实施例1，参见附图1，一种红外成像识别一体化设备，它包括：红外镜头1、红外探测器2、探测器接口单元3、图像处理单元4、传输单元5以及显示单元6；
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采用氧化钒红外探测器，其探测器窗口与焦平面感光波段覆盖3.7μm~4.8μm波段； 本例中，红外探测器2的分辨率不低于640×512，像元尺寸为15μm，F数（光圈数）为2；
红外镜头1与红外探测器2建立信号连接，红外探测器2通过探测器接口单元3与图像处理单元4建立信号连接，图像处理单元4通过传输单元5与显示单元6建立信号连接；传输单元5与探测器接口单元3建立信号连接。
红外镜头1与红外探测器2用于采集原始红外图像，原始红外图像通过探测器接口单元3传递至图像处理单元4，图像处理单元4对原始红外图像进行处理得到细节信息明显的红外图像并对图像中出现的兴趣目标进行标注；细节信息明显的红外图像以及所标注出的兴趣目标信息通过传输单元5发送至显示单元6，显示单元6对细节信息明显的红外图像以及兴趣目标进行显示。
进一步的，为实现远程监控目的，传输单元5通过无线网络与显示单元6建立信号连接。
为达到人机交互的目的，还可对显示单元6设置输入设备，通过该输入设备能够对红外探测器2的工作参数、所采集的红外图像的参数，图像处理单元4的算法进行配置。进行配置时，显示单元6利用TCP/IP、RS232/485、私有协议等传输控制协议将配置信息发送至传输单元5，再由传输单元5分别传送至图像处理单元4及探测器接口单元3；探测器接口单元3进一步将配置信息发送至红外探测器2。
实施例2，参见附图2，在实施例1的基础上，进一步的，图像处理单元4包括：AD采集模块4.1、FLASH存储模块4.2、图像识别模块4.3以及通讯接口模块4.4；其中，图像识别模块4.3分别与AD采集模块4.1、FLASH存储模块4.2以及通讯接口模块4.4建立信号连接；本例中的图像识别模块4.3采用ARM芯片。
AD采集模块4.1与探测器接口单元3建立信号连接，通讯接口模块4.4与传输单元5建立信号连接。
探测器接口单元3发送原始红外图像后，首先由AD采集模块4.1对原始图像进行格式转换，之后由图像识别模块4.3对原始红外图像进行预处理、图像增强，得到细节信息明显的红外图像；对细节信息明显的红外图像中的兴趣目标进行智能识别，识别后对兴趣目标进行标注；FLASH存储模块4.2用于对预处理后得到校正图像进行存储；通讯接口模块4.4用于将细节信息明显的红外图像以及所标注出的兴趣目标信息发送至传输单元5。
实施例3，一种红外成像识别一体化设备的工作方法，它使用如实施例1或2所述的设备，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通过探测器接口单元3向图像处理单元4传输原始红外图像；
B. 图像处理单元4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；对细节信息明显的红外图像中的兴趣目标，如行人、车辆等，进行智能识别，识别后对兴趣目标进行标注；
C. 图像处理单元4通过传输单元5将细节信息明显的红外图像以及所标注出的兴趣目标信息发送至显示单元6；
D. 显示单元6对获取的细节信息明显的红外图像进行格式转换后显示，并根据获取的兴趣目标信息在所显示的图像中框定兴趣目标。
实施例4，在实施例3的基础上，当使用如实施例2所述的设备时，实施例3中的步骤B具体包括以下步骤：
B1. AD采集模块4.1接收原始红外图像，并对原始红外图像进行模数转换后送至图像识别模块4.3；
B2. 图像识别模块4.3对原始红外图像进行预处理得到校正图像，并将校正图像存储至FLASH存储模块4.2；本例中，预处理的方法为非均匀校正与盲元补偿；
B3. 图像识别模块4.3调用FLASH存储模块4.2中存储的校正图像，对校正图像进行增强算法处理得到细节信息明显的红外图像；本例中，对校正图像进行增强算法处理的方法为直方图均衡和导向滤波；
B4. 图像识别模块4.3利用AI算法对细节信息明显的红外图像进行智能目标识别，若细节信息明显的红外图像中出现兴趣目标，则对该兴趣目标进行矩形框标定，并记录该矩形框的四个顶点的坐标；本例中，AI算法使用TensorFlow、Caffe等主流算法框架，识别兴趣目标的方法为：首先对细节信息明显的红外图像进行尺寸调整，将细节信息明显的红外图像尺寸调整为416*416；修改尺寸后的图像进入卷积神经网络中，利用预训练模型对修改尺寸后的图像进行特征提取，由此得到候选兴趣目标以及候选兴趣目标所对应的类别得分；使用非极大值抑制、交并比对候选兴趣目标进行筛选，最终将类别得分高于设定阈值的候选兴趣目标选定为兴趣目标；本例中的设定阈值为0.45；
B5. 图像识别模块4.3利用通讯接口模块4.4将细节信息明显的红外图像以及兴趣目标的四点坐标发送至传输单元5。
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）、探测器接口单元（3）、图像处理单元（4）、传输单元（5）以及显示单元（6），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）采用氧化钒红外探测器，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单元（3）与所述图像处理单元（4）建立信号连接，所述图像处理单元（4）通过所述传输单元（5）与所述显示单元（6）建立信号连接；所述传输单元（5）与所述探测器接口单元（3）建立信号连接。
2.如权利要求1所述的一种红外成像识别一体化设备，其特征在于：所述图像处理单元（4）包括：AD采集模块（4.1）、FLASH存储模块（4.2）、图像识别模块（4.3）以及通讯接口模块（4.4）；其中，所述图像识别模块（4.3）分别与所述AD采集模块（4.1）、所述FLASH存储模块（4.2）以及所述通讯接口模块（4.4）建立信号连接；
所述AD采集模块（4.1）与所述探测器接口单元（3）建立信号连接，所述通讯接口模块（4.4）与所述传输单元（5）建立信号连接。
3.如权利要求1或2所述的一种红外成像识别一体化设备，其特征在于：所述传输单元（5）通过无线网络与所述显示单元（6）建立信号连接。
4.如权利要求1或2所述的一种红外成像识别一体化设备，其特征在于：所述红外探测器（2）的分辨率不低于640×512，像元尺寸为15μm，F数为2。
5.如权利要求1或2所述的一种红外成像识别一体化设备，其特征在于：所述显示单元（6）还设有输入设备，通过所述输入设备能够对所述红外探测器（2）、所述图像处理单元（4）进行配置。
6.一种红外成像识别一体化设备的工作方法，其特征在于，它使用如权利要求1所述的一种红外成像识别一体化设备，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单元（3）向所述图像处理单元（4）传输原始红外图像；
B. 所述图像处理单元（4）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；对细节信息明显的红外图像中的兴趣目标进行智能识别，识别后对兴趣目标进行标注；
C. 所述图像处理单元（4）通过传输单元（5）将细节信息明显的红外图像以及所标注出的兴趣目标信息发送至所述显示单元（6）；
D. 所述显示单元（6）对获取的细节信息明显的红外图像进行格式转换后显示，并根据获取的兴趣目标信息在所显示的图像中框定兴趣目标。
7.如权利要求6所述的一种红外成像识别一体化设备的工作方法，其特征在于，它使用如权利要求2所述的一种红外成像一体化设备，并包括如权利要求6所述的步骤A、C、D，其步骤B包括：
B1. 所述AD采集模块（4.1）接收原始红外图像，并对原始红外图像进行模数转换后送至所述图像识别模块（4.3）；
B2. 所述图像识别模块（4.3）对原始红外图像进行预处理得到校正图像，并将校正图像存储至所述FLASH存储模块（4.2）；
B3. 所述图像识别模块（4.3）调用所述FLASH存储模块（4.2）中存储的校正图像，对校正图像进行增强算法处理得到细节信息明显的红外图像；
B4. 所述图像识别模块（4.3）利用AI算法对细节信息明显的红外图像进行智能目标识别，若细节信息明显的红外图像中出现兴趣目标，则对该兴趣目标进行矩形框标定，并记录该矩形框的四个顶点的坐标；
B5. 所述图像识别模块（4.3）利用所述通讯接口模块（4.4）将细节信息明显的红外图像以及兴趣目标的四点坐标发送至所述传输单元（5）。
8.如权利要求7所述的一种红外成像识别一体化设备的工作方法，其特征在于，所述步骤B2中，所述图像识别模块（4.3）对原始红外图像进行预处理的方法为非均匀校正与盲元补偿。
9.如权利要求7或8所述的一种红外成像识别一体化设备的工作方法，其特征在于，所述步骤B3中，所述图像识别模块（4.3）对校正图像进行增强算法处理的方法为直方图均衡和导向滤波。
10.如权利要求7或8所述的一种红外成像识别一体化设备的工作方法，其特征在于，所述步骤B4中，所述AI算法识别兴趣目标的方法为：首先对细节信息明显的红外图像进行尺寸调整；修改尺寸后的图像进入卷积神经网络中，利用预训练模型对修改尺寸后的图像进行特征提取，由此得到候选兴趣目标以及候选兴趣目标所对应的类别得分；对候选兴趣目标进行筛选，将类别得分高于设定阈值的候选兴趣目标选定为兴趣目标。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910754406.1A CN110392218A (zh) | 2019-08-15 | 2019-08-15 | 一种红外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 |
|---|---|---|---|
| CN201910754406.1A CN110392218A (zh) | 2019-08-15 | 2019-08-15 | 一种红外成像识别一体化设备及工作方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110392218A true CN110392218A (zh) | 2019-10-29 |
Family
ID=68288798
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910754406.1A Pending CN110392218A (zh) | 2019-08-15 | 2019-08-15 | 一种红外成像识别一体化设备及工作方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110392218A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110827317A (zh) * | 2019-11-04 | 2020-02-21 | 西安邮电大学 | 一种基于fpga的四目运动目标检测与识别设备及方法 |
| CN111256833A (zh) * | 2020-02-19 | 2020-06-09 | 北京都是科技有限公司 | 体温检测方法、系统、装置及热红外图像处理器 |
| CN111289110A (zh) * | 2020-02-14 | 2020-06-16 | 北京都是科技有限公司 | 人体温度检测方法、系统、装置及热红外图像处理器 |
| CN111562016A (zh) * | 2020-02-10 | 2020-08-21 | 北京都是科技有限公司 | 人体温度检测方法、系统、装置及热红外图像处理器 |
| CN112055420A (zh) * | 2020-09-10 | 2020-12-08 | 深圳鸿祥源科技有限公司 | 一种基于5g网络通信连接的遥感试验观测处理终端 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN205693765U (zh) * | 2016-06-25 | 2016-11-16 | 上海盟云移软网络科技股份有限公司 | 应用于增强现实系统的全景红外夜视仪 |
| CN106525248A (zh) * | 2016-10-17 | 2017-03-22 | 北京理工大学 | 自动无线气体可移动部署监控工作站及监控方法 |
| US20170337669A1 (en) * | 2014-12-24 | 2017-11-23 | Sony Corporation | Image processing device, image processing method, and program |
| CN207263308U (zh) * | 2017-09-04 | 2018-04-20 | 北京盈想东方科技股份有限公司 | 一种非制冷式多功能手持红外观测仪 |
| CN109410159A (zh) * | 2018-09-11 | 2019-03-01 | 上海创客科技有限公司 | 双目可见光及红外热成像复合成像系统、方法及介质 |
| CN110111272A (zh) * | 2019-04-24 | 2019-08-09 | 江西理工大学应用科学学院 | 一种人工智能红外图像处理仪、控制系统及控制方法 |
-
2019
- 2019-08-15 CN CN201910754406.1A patent/CN110392218A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170337669A1 (en) * | 2014-12-24 | 2017-11-23 | Sony Corporation | Image processing device, image processing method, and program |
| CN205693765U (zh) * | 2016-06-25 | 2016-11-16 | 上海盟云移软网络科技股份有限公司 | 应用于增强现实系统的全景红外夜视仪 |
| CN106525248A (zh) * | 2016-10-17 | 2017-03-22 | 北京理工大学 | 自动无线气体可移动部署监控工作站及监控方法 |
| CN207263308U (zh) * | 2017-09-04 | 2018-04-20 | 北京盈想东方科技股份有限公司 | 一种非制冷式多功能手持红外观测仪 |
| CN109410159A (zh) * | 2018-09-11 | 2019-03-01 | 上海创客科技有限公司 | 双目可见光及红外热成像复合成像系统、方法及介质 |
| CN110111272A (zh) * | 2019-04-24 | 2019-08-09 | 江西理工大学应用科学学院 | 一种人工智能红外图像处理仪、控制系统及控制方法 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110827317A (zh) * | 2019-11-04 | 2020-02-21 | 西安邮电大学 | 一种基于fpga的四目运动目标检测与识别设备及方法 |
| CN111562016A (zh) * | 2020-02-10 | 2020-08-21 | 北京都是科技有限公司 | 人体温度检测方法、系统、装置及热红外图像处理器 |
| CN111289110A (zh) * | 2020-02-14 | 2020-06-16 | 北京都是科技有限公司 | 人体温度检测方法、系统、装置及热红外图像处理器 |
| CN111256833A (zh) * | 2020-02-19 | 2020-06-09 | 北京都是科技有限公司 | 体温检测方法、系统、装置及热红外图像处理器 |
| CN112055420A (zh) * | 2020-09-10 | 2020-12-08 | 深圳鸿祥源科技有限公司 | 一种基于5g网络通信连接的遥感试验观测处理终端 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110392218A (zh) | 一种红外成像识别一体化设备及工作方法 | |
| US11443550B2 (en) | Face recognition monitoring system based on spectrum and multi-band fusion and recognition method using same | |
| CN109461168B (zh) | 目标对象的识别方法和装置、存储介质、电子装置 | |
| US20210217212A1 (en) | Method and system for automatically colorizing night-vision images | |
| CN107292860B (zh) | 一种图像处理的方法及装置 | |
| CN109636754B (zh) | 基于生成对抗网络的极低照度图像增强方法 | |
| US6781127B1 (en) | Common aperture fused reflective/thermal emitted sensor and system | |
| Bulanon et al. | Image fusion of visible and thermal images for fruit detection | |
| CN108346143A (zh) | 一种基于无人机多源图像融合的作物病害监测方法和系统 | |
| CN106056594A (zh) | 一种基于双光谱的可见光图像提取系统与方法 | |
| CN110519489A (zh) | 图像采集方法及装置 | |
| CN107113408A (zh) | 图像处理装置、图像处理方法、程序和系统 | |
| CN111965636A (zh) | 一种基于毫米波雷达和视觉融合的夜间目标检测方法 | |
| CN104092987B (zh) | 一种双模双反馈自适应目标跟踪系统、控制电路及方法 | |
| CN110414486A (zh) | 一种红外可见光成像识别一体化设备及工作方法 | |
| CN107820066A (zh) | 一种低照度彩色摄像机 | |
| CN210725096U (zh) | 影像系统和移动终端 | |
| CN110213545A (zh) | 一种智能网络测温型双光设备及工作方法 | |
| CN105763783A (zh) | 一种无人机用红外双光拍摄系统 | |
| CN113486697B (zh) | 基于空基多模态图像融合的森林烟火监测方法 | |
| CN116797977A (zh) | 巡检机器人动态目标识别与测温方法、装置和存储介质 | |
| CN107147877A (zh) | 固定区域夜雾天况全天候彩色视频成像系统及其构建方法 | |
| CN110320523A (zh) | 跟随机器人的目标定位装置及方法 | |
| CN113762161A (zh) | 一种障碍物智能监测方法及系统 | |
| Robila | Toward hyperspectral face recognition |
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 |