-
Diese
Erfindung betrifft insbesondere einen Kopfpositionssensor zur Verwendung
in einem Fahrzeug, wie einem Automobil, in Verbindung mit Steuerungen
zum Einsatz von Sicherheitsrückhalte-Airbags,
und im Allgemeinen ein Sensor-Array, das in anderen Abbildungs-
und Erfassungssystemen nützlich
ist, und ein Verfahren zum Vorsehen von Information, um Sicherheits-Airbags
in einem Fahrzeug zu steuern.
-
Sicherheitsrückhalte-Airbagsysteme
in Automobilen werden momentan eingesetzt ohne Wissen, ob es einen
Insassen in dem Sitz gibt, oder über
die Position seines Kopfes. Der Gesetzgeber führt wahrscheinlich eine Bestimmung
für eine
Insassenpositionserfassung ein. Erforschte Technologien umfassen Kameras
für das
sichtbare Band mit einer Beleuchtung zum Betrieb in der Nacht, kapazitive
Sensoren, akustische Sensoren und so weiter. Das ideale System wäre ein System
wie eine Kamera für
das sichtbare Band, aber ohne Beleuchtung, das unter US$ 20 kostet.
-
Das
Problem der Bestimmung der Position eines Fahrers (oder eines anderen
Autoinsassen) wird gelöst
gemäß dieser
Erfindung durch die Verwendung eines thermischen Abbildungssystems (Thermographie – thermal
imaging) zusammen mit einer Verarbeitung, um die Position des Kopfes
des Fahrers zu bestimmen in Relation zu einem oder mehreren in dem
Fahrzeug vorhandenen Airbag(s). Eine Thermographie, die in dem Wellenlängenband von
3–14 μm arbeitet,
verwendet die natürliche
Körperstrahlung
zur Erfassung, ohne die Notwendigkeit einer Beleuchtung, im Gegensatz
zu einer herkömmlichen „nahes
Infrarot"-Abbildung.
Thermische Sensoren sind passiv und werden nicht durch Beleuchtungsverhältnisse
gestört
und können
in absoluter Dunkelheit arbeiten.
-
Andere
Erfassungstechniken sind aktiv und geben eine Strahlung in der einen
oder anderen Form ab, z.B. Ultraschallstrahlen, elektromagnetische
Wellen, nahes Infrarotlicht. Siehe zum Beispiel EP-1167126A2, das Infrarot-Emitter
einsetzt, um eine Person zu illuminieren und eine Kopfposition zu verfolgen
unter Verwendung einer Gesichtsmerkmalsbildabtastung; US-6270116-B1
verwendet einen Ultraschall- oder elektromagnetischen oder Infrarot-Emitter
und geeignete Sensoren, um die Position einer Person zu erfassen;
US-6254127-B1 setzt
ein Ultraschall- oder kapazitives System in einem Lenkrad ein, um
eine Position zu lokalisieren; US-5691693 verwendet zumindest 3
kapazitive Sensoren, um eine Kopfposition und eine Bewegung zu erfassen;
US-5785347 strahlt eine Vielzahl von Infrarotstrahlen aus, um Ort
und Position eines Sitzinsassen zu bestimmen; US-6324453-B1 sendet
elektromagnetische Wellen in den Fahrgastraum.
-
Anderer
Stand der Technik spezifiziert auch die Verwendung von mehreren
Sensoren pro Fahrzeuginsasse, z.B. US-5330226, das ein Ultraschall- und
ein Infrarot-System zusammen verwendet.
-
Techniken,
die passive thermische Infrarot-Ansätze einsetzen, werden in DE-19822850
und JP-20011296184 dargelegt.
-
Das
Patent DE-19822850 spezifiziert die Erhebung eines thermischen Abbildes
von der frontalen Richtung, um ein Kopf- und Schultern Porträt-ähnliches
Bild des Insassen zu erzeugen und verwendet zwei Temperaturschwellen,
um Teile des Bilds als Kopf oder Körper zu klassifizieren. Dieses
System liefert keine Information hinsichtlich der Nähe zu einem
frontalen Airbag und kann einen kalibrierten Sen sor erfordern, der
absolute Temperaturen messen kann. Leider arbeitet ein derartiges
System nur, wenn das Innere des Autos kühl ist. An warmen oder heißen Tagen
können
die Innentemperaturen in dem Auto die Hauttemperaturen leicht übersteigen.
-
Das
Patent JP-20011296184 beschreibt eine Temperaturkompensationstechnik
unter Verwendung eines Erfassungselements, das keine thermische Strahlung
von der Szene empfängt.
Dieses maskierte Element fühlt
auf der Substrattemperatur des Sensorchips und bildet somit eine
Referenz, zu der Änderungen
in der Szenerietemperatur gemessen werden können. Dies ist erforderlich,
um ein System zu bilden, das eine absolute Temperatur in der Szene
genauer messen kann, und ist hilfreich zur Steuerung einer Heizung
und der Klimaanlage. Das Patent beschreibt keine Erfindung, die
dem kompensierten Sensor ermöglicht,
die Aufgabe der Erfassung einer Insassenposition zu lösen.
-
Die
vorliegende Patentanmeldung beschreibt das Sensorsystem und Algorithmen,
die erforderlich sind, um eine Fähigkeit
zur Erfassung einer Insassenposition von einer passiven thermischen
Infrarotkamera vorzusehen. Der beschriebene Sensor quantifiziert
die Temperatur nicht, wie JP-20011296184, und verwendet keine Temperaturschwellen,
wie DE-19822850. Es verwendet auch einen einzelnen Sensor pro Insasse,
im Gegensatz zu US-5330226.
-
Die
Erfindung wird durch die Merkmale des Anspruchs 1 definiert. Insbesondere
weist ein Kopfpositionssensor zur Verwendung in einem Fahrzeug in
Verbindung mit Steuerungen zum Einsatz von Sicherheitsrückhalte-Airbags
auf:
ein Array aus passiven thermischen Infrarot-Detektoren,
ein
Linsensystem zur Abbildung eines Sitzinsassen und einer Position
von zumindest einem Airbag,
einen Prozessor zum Bestimmen der
Existenz eines Insassen in einem Sitz und der Position des Kopfes des
Insassen relativ zu zumindest einem Airbag aus einem thermischen
Bild des Arrays durch Konvertieren der Entfernung in Bildpixeln
in eine Schätzung
einer realen Entfernung in dem Fahrzeug durch einen einfachen Multiplizierer.
-
Vorzugsweise
sind das Detektor-Array und der Prozessor integral.
-
In
einem weiteren Ausführungsbeispiel
umfasst der Sensor Mittel zum Bestimmen der Handposition des Fahrers
und somit eine Position des Lenkrads.
-
Vorzugsweise
umfasst der Sensor Mittel zum Bestimmen der Position des Lenkrads
und somit der Position eines vorderen Airbags aus Merkmalen in einem
thermischen Abbild des Fahrzeuginneren.
-
Das
Detektor-Array kann ein x, y-Array von Detektorelementen sein, wobei
x und y in dem Bereich von 24 bis einschließlich 96 liegen, vorzugsweise
ungefähr
32 oder 64.
-
Der
Sensor kann auch verwendet werden, um zugehörige Airbags zu steuern, d.h.
das Timing und/oder die Menge des Aufblasens nachfolgend auf einen
Unfall. Der Sensor kann verwendet werden, um Airbags nur AN zu schalten,
wenn ein Sitz besetzt ist; normalerweise bleibt ein Airbag in einem
AN-Zustand unabhängig
davon, ob ein Sitz, Fahrer oder Beifahrer, besetzt ist oder nicht,
was zum Beispiel dazu führen
kann, dass ein Airbag eines Passagiers aufgeht auch bei Abwesenheit
eines Passagiers. Der Sensor kann auch verwendet werden, um einen
Passagier-Airbag in einem AUS-Zustand zu halten, wenn ein Sitz zum
Beispiel von einem Kinder- oder Baby-Sitz besetzt ist oder von Gepäck.
-
Der
Sensor kann in der „A"-Säule neben
dem Kopf des Fahrers angebracht werden oder in der Nähe des zentralen
Lichtblocks angebracht werden. Eine Weitwinkellinse wird verwendet,
z.B. ungefähr 90° bis 120°, so dass
sich der Kopf eines Insassen und der Platz des Airbags in dem Sichtfeld
befinden.
-
Der
Prozessor kann Mittel zur Erfassung des Kopfes eines Fahrers unter
Verwendung einer Forminformation umfassen. Zum Beispiel durch Falten kreisförmiger symmetrischer
Filter mit ausgewählten Teilen
des thermischen Bildes.
-
Der
Prozessor kann auch die Körpermasse eines
Sitzinsassen bestimmen durch Berücksichtigen
(Zählen)
des Bildbereichs, alleine oder in Verbindung mit einem Gewichtsensor
in einem Sitz. Eine derartige Information kann dann verwendet werden zusammen
mit der Kopfposition, um die Menge des Aufblasens eines Airbags
zu steuern.
-
Zusätzliche
Sensoren können
für andere
Insassen des Fahrzeugs vorgesehen werden. Zum Beispiel kann sich
ein zweiter Sensor an der äußersten
linken Seite (nearside (righthand driving)) bzw. der äußersten
rechten Seite (nearside (lefthand driving)) des Armaturenbretts
des Fahrzeugs befinden, um einen Passagier in dem Vordersitz zu
erfassen, sowohl Besetzung als auch Position. Auch können Sensoren
in der „B-Säule" oder am Dach angebracht sein,
um Passagiere auf den hinteren Sitzen zu erfassen und zugehörige Airbags
zu steuern.
-
Die
Entfernung zwischen dem Kopf und entweder den vorderen oder den
seitlichen Airbags kann berechnet werden aus einem einzelnen Sensorbild durch
Lokalisieren von Kopf- und Airbag-Positionen in einem einzelnen
Bild und direktes Schätzen
ihres Abstands. Wenn mehrere Sensoren verwendet werden, dann können auch
zusätzlich
eine Triangulation und ein Stereoabgleich verwendet werden.
-
Gemäß einem
weiteren Aspekt dieser Erfindung wird nun ein Verfahren zum Vorsehen
einer Information vorgeschlagen, um Sicherheits-Airbags in einem Fahrzeug zu steuern,
mit Steuerungen zum Einsatz von Sicherheits-Rückhalte-Airbags, wobei das
Verfahren die Schritte von Anspruch 8 umfasst.
-
Vorzugsweise
umfasst das Verfahren den Schritt des Bestimmens einer Position
des Lenkrads aus der Position der Hände des Fahrers in dem thermischen
Bild. Vorteilhafterweise weist das Verfahren den Schritt einer Schätzung der
Körpermasse
des Insassen aus der Größe des Insassen
in dem thermischen Bild auf. Alternativ oder zusätzlich wird die Körpermasse
aus der Größe des Insassen
in dem thermischen Bild zusammen mit einer Gewichtsmessung von dem
Sitz des Fahrzeugs geschätzt.
-
In
einem bevorzugten Ausführungsbeispiel wird
die Kopfposition in drei Dimensionen geschätzt durch und unter Verwendung
einer erfassten Kopfgröße, um eine
Entfernung von dem Sensor zu schätzen,
und durch Verwendung einer relativen Position des Kopfes in dem
thermischen Bild, um die anderen zwei der drei Dimensionen zu bestimmen.
-
In
einem weiteren Ausführungsbeispiel
wird die Kopfposition durch Verwendung von zwei Arrays von thermischen
Abbildungsdetektoren und Triangulationsberechnungen erlangt.
-
Eine
Form der Erfindung wird nun auf beispielhafte Weise unter Bezugnahme
auf die beigefügten
Zeichnungen beschrieben, wobei:
-
1 eine
schematische Aufsicht eines Fahrzeugs zeigt;
-
2 relative
Positionen des Kopfes eines Fahrers, seitliche und vordere Airbags
in der Abbildung zeigt;
-
3 Bilder
A bis F von thermischen Szenen des Inneren eines warmen Fahrzeugs
zeigt, das erste Bild A ohne einen Fahrer, dann das Bild B mit einem
Fahrer, und die Bilder C bis F die verschiedenen Schritte, die bei
der Verarbeitung des Bilds B unternommen werden, um eine Kopfposition
relativ zu einem Airbag in einem Lenkrad zu lokalisieren und zu messen;
-
4 einen
ersten Algorithmus zur Verarbeitung der Ausgaben von jedem Detektor
in einem Array von Detektoren zeigt;
-
5–7 eine
Sequenz von thermischen Abbildern eines Raums zeigen, wobei eine
Person den Raum betritt;
-
8 das
Bild von 7 nach einer Schwellenverarbeitung
zeigt;
-
9 das
Bild von 7 nach einer Bilddifferenzierungsverarbeitung
zeigt;
-
10 ein
teilweise verarbeitetes Bild zeigt, das die Differenz zwischen einem
Referenzbild und einem aktuellen Bild ist;
-
11 ein
verarbeitetes Bild zeigt, wo ein Rauschen über eine Schwelle entfernt
wurde (thresholded out) und die resultierende Maske verwendet wird,
um ein aktuelles Bild zu erkennen (key);
-
12 einen
zweiten Algorithmus zur Verarbeitung der Ausgaben von jedem Detektor
in. einem Array von Detektoren zeigt;
-
13 eine
schematische Ansicht eines Arrays von Detektoren mit zugehörigen Schaltungen zeigt;
-
14 einen
Querschnitt eines Teils von 13 zeigt;
-
15 ein
schematisches Diagramm mit Verbindungen zu jedem Detektor zeigt;
-
16 eine
Ansicht einer Szene ist, die mit einem 2 × 2-Detektor-Array aufgenommen
ist;
-
17 eine
Ansicht einer Szene ist, die mit einem 4 × 4-Detektor-Array aufgenommen
ist;
-
18 eine
Ansicht einer Szene ist, die mit einem 8 × 8-Detektor-Array aufgenommen
ist;
-
19 eine
Ansicht einer Szene ist, die mit einem 16 × 16-Detektor-Array aufgenommen
ist;
-
20 eine
Ansicht einer Szene ist, die mit einem 32 × 32-Detektor-Array aufgenommen
ist;
-
21 eine
Ansicht einer Szene ist, die mit einem 64 × 64-Detektor-Array aufgenommen
ist;
-
22 eine
Ansicht einer Szene ist, die mit einem 128 × 128-Detektor-Array aufgenommen
ist; und
-
23 eine
Ansicht einer Szene ist, die mit einem 256 × 256-Detektor-Array aufgenommen
ist.
-
Wie
in 1 zu sehen ist, hat ein Fahrzeug einen Fahrersitz 2,
einen Beifahrersitz 3 und ein Lenkrad 4. Ein vorderer
Airbag ist in dem Lenkrad 4 angebracht und ein Seiten-Airbag 6 befindet
sich an der Seite des Fahrzeugs neben dem Fahrersitz. Der Kopf eines
Fahrers ist mit 7 bezeichnet.
-
Ein
thermischer Abbildungssensor 8 befindet sich in der A-Säule des
Fahrzeugs vor dem und seitlich zu dem Fahrersitz. Eine alternative
Position für den
Abbildungssensor befindet sich in der Mitte des Fahrzeugs 1 bei
dessen Rückspiegel.
Dieser Abbildungssensor 8 hat eine Weitwinkellinse, um
ungefähr 90° Sichtfeld
abzudecken, um den Fahrer 7, das Lenkrad 4 und
die Seite des Fahrzeugs zu umfassen.
-
Zusätzliche
Sensoren 9 können
an der A-Säule
auf der linken Seite platziert werden, um einen Beifahrer abzudecken.
Die Sensoren 8, 9 können sich an dem Rückspiegel 10 befinden,
wenn eine Messung der Entfernung der Insassen zu einem Seiten-Airbag
nicht erforderlich ist.
-
In
einem Auto bei normaler Temperatur, z.B. 22 Grad Celsius, erscheint
ein Fahrer oder Beifahrer viel wärmer – Hauttemperaturen
messen typischerweise 32 Grad Celsius. Unter Gleichgewichtsbedingungen
befindet sich eine Bekleidung bei einer Temperatur in diesem Bereich,
z.B. 27 Grad Celsius.
-
Es
ist folglich möglich,
einfache Graupegel-Schwellen-Algorithmen zu verwenden, um den Teil
der Abbildung zu definieren, der dem Auto, der Bekleidung und der
Haut entspricht, siehe Stand der Technik ZEXEL (
DE 19822850 ).
-
In
der Praxis geschieht dies nicht so einfach, da das Auto oft wärmer als
die Insassen sein kann, wenn es in der Sonne geparkt wurde, oder
eine Temperatur sehr nahe zu der Hauttemperatur hat, einfach aus
dem Treibhauseffekt der Autoscheiben, der die interne Temperatur
auch an einem wolkigen Tag ansteigen lässt.
-
Wenn
ein wärmeres
Auto abkühlt,
gibt es einen Punkt, an dem die Durchschnittstemperatur des Insassen
gleich der Durchschnittstemperatur des Autos ist.
-
Unter
dieser Bedingung muss eine thermische Kamera ausreichend räumliche
Auflösung
haben, um kühlere
und wärmere
Stellen in der Szene zu unterscheiden, und ausreichend thermische
Auflösung,
um die geringen Temperaturunterschiede zu erfassen. Ein einfacher
Schwellen-basierter Algorithmus arbeitet wahrscheinlich nicht zufriedenstellend.
-
3, A, zeigt ein thermisches Abbild eines
Fahrersitzes in einem Fahrzeug. In diesem Fall befindet sich der
Sensor in der Mitte des Armaturenbretts. Dies ist keine ideale Position,
aber dient dazu, die detaillierte Information anzuzeigen, die von
einem thermischen Sensor verfügbar
ist. Eine Verarbeitung des thermischen Abbilds, wie unten angeführt, nimmt an,
dass der Sensor wie in den 1, 2 gezeigt an
einer A-Säule
platziert ist.
-
Da
der Insasse 7 und die Airbag-Positionen 5, 6 in
dem Abbild enthalten sind, kompensiert jede Bild-basierte Berechnung
eine Anpassung des Lenkwinkels bzw. der Lenkstrecke und der Sitzposition, die
von unterschiedlichen Fahrern gemacht wird.
-
In
eineigen Ausführungsbeispielen
ist es wünschenswert,
die Ausgaben einiger Detektoren in dem Array zu ignorieren. Zum
Beispiel kann die Verarbeitung von anderen Autoinsassen oder Teilen
des Autos ausgeschlossen werden müssen. In diesem Fall kann der
Sensor programmiert werden, einige der Detektoren in den Arrayausgaben
während
der Verarbeitung der thermischen Abbildungen zu ignorieren. Auf
diese Weise kann ein standardmäßiger Weitwinkelfeldsensor 8 angepasst
werden, einen eingeschränkteren
Bereich abzudecken, ohne die Notwendigkeit für eine physikalische Maskierung
der Linse, eine Sensorpositionsanpassung oder eine Änderung
von Komponenten.
-
3, A, zeigt ein Fahrzeuginneres mit einer
mittleren radiometrischen Temperatur von ungefähr 32 Grad Celsius und die B zeigt das Auto mit einem Insassen in
dem Fahrersitz. Die in dem Stand der Technik beschriebenen Algorithmen werden
nicht in der Lage sein, den Insassen herauszusegmentieren, da seine
Bekleidung kühler
ist als das Auto. Es kann möglich
sein, den Kopf zu segmentieren, aber andere wärmere Bereiche des Autos stören und
das Ergebnis wird sehr schlecht sein.
-
Der
unter Bezugnahme auf 4 beschriebene Algorithmus berechnet
zuerst den Modulus des Unterschieds zwischen dem Hintergrundbild
A und dem Bild B mit Insassen. Das Abbild A kann aufgenommen werden,
wenn zum Beispiel das Auto aufgesperrt wird.
-
Das
Ergebnis, C, ist ein strukturiertes Bild, das ein geisterhaftes
Bild des Insassen in einem verrauschten Hintergrund zeigt.
-
Struktur-basierte
Segmentierungstechniken (wie morphologische und Filterungs-Operationen) können dann
eingesetzt werden, um ein bauschen zu entfernen und den Insassen
in eine einzelne Einheit zusammenzufassen. Eine Maske wird von diesem Prozess
erzeugt, die einfach den Bereich in dem Bild definiert, wo geglaubt
wird, dass sich der Insasse befindet, und dies wird in dem Bild
D gezeigt.
-
Berechnungen,
wie Körpergröße, können auf
diesem Maskenbild allein basieren, aber mehr Information kann verfügbar gemacht
werden durch Multiplizieren dieser binären Maske mit dem Quellenbild
B, um ein ausgeschnittenes Bild E des Insassen zu erzeugen.
-
Schwellentechniken
können
nun verwendet werden, um den Kopf ohne störende heiße Hintergrundobjekte zu identifizieren,
aber dies funktioniert nur gut, wenn der Insasse bekleidet ist.
Ein besserer Ansatz ist, zuerst die Körpermasse aus der Größe der Maske
in Bild D zu schätzen
und dann einen Bruchteil der Größe, z.B.
1/8, dem Kopf zuzurechnen, und somit nach einem kreisförmigen Objekt
dieser Größe in dem
oberen Teil des maskierten Abbilds E zu suchen.
-
Der
Ort des vorderen Airbags (Lenkrad oder Armaturenbrett für einen
Beifahrer) ist auch einfach zu finden unter Verwendung eines Phasenansatzes, der
nach erweiterten Bildmerkmalen in einem gegebenen Orientierungsbereich
und einer Position sucht. Alternativ kann diese Position, wenn sie
fest ist, in den Sensor vorprogrammiert werden.
-
Die
Ergebnisse werden in Abbild F gezeigt, wo ein Oktagon verwendet
wurde, um die Position des Kopfes 7 zu markieren, wobei
eine dicke Linie die Position des Lenkrads 4 anzeigt und
eine dünne
Linie 11 die Entfernung zwischen dem Kopf und dem Airbag
in dem Lenkrad darstellt.
-
Ein
einfacher Multiplizierer kann dann verwendet werden, um die Entfernung
in Bildpixeln in eine Schätzung
einer realen Entfernung in dem Auto zu konvertieren.
-
Diese
Schätzung
kann verbessert werden durch eine weitere Schätzung der Variation der Entfernung
von dem Sensor zu dem Kopf durch Überwachen einer offensichtlichen
Vergrößerung/
eines Schwunds der Kopfgröße in dem
Abbild, wenn sich der Kopf zu dem Sensor mit weitem Sichtfeld hin
und davon weg bewegt.
-
Diese
direkte Form der Messung von innerhalb des Bildes durch Identifizieren
des Insassen, seiner Größe und Kopfposition
und dem Ort des Airbags aus demselben Bild (erlangt durch eine neue Auswahl
einer Kombination von Sensortechnologie, Ort des Sensors und Bildverarbeitung)
bedeutet, dass sekundäre
Sensoren, zum Beispiel Sitzposition und Lenkwinkel, nicht erforderlich
sind. Dies bringt eine Kosteneinsparung und vereinfacht stark eine
in dem Fahrzeug erforderliche Verdrahtung.
-
Ein
erster Algorithmus zur Verarbeitung der in 3 gezeigten
Abbilder, Abbilder A–F,
wird in der 4 gezeigt und weist die folgenden
Schritte auf:
- Schritt 1: Das Referenzbild Iref
(Bild A) wird entweder durch Mitteln einer Anzahl von Rahmen über eine
Zeitdauer berechnet oder wird aus einem Speicher genommen. Zum Beispiel
kann in einer Airbag-Steuerungsanwendung
eine Serie von Bildern über
eine kurze Zeitdauer aufgenommen werden, z.B. ein Bruchteil einer
Sekunde, wenn der Fahrer bei Annäherung
an das Fahrzeug das Türschloss
betätigt.
Im Fall einer Szene, in der sich Objekte bewegen, z.B. Personen
in einem Einkaufszentrum, wird der Effekt jedes einzelnen Individuums
reduziert, wenn die Durchschnittsbildung zum Beispiel über eine
Dauer von mehreren Minuten getätigt
wird.
- Schritt 2: Nimm das aktuelle Abbild Inow (Bild B). Dies ist
der Eintrittspunkt in eine unendliche Schleife, die unterbrochen
werden kann von einem Zurücksetzen-Signal,
wenn es eine Ansammlung von Fehlern gibt, wobei der Algorithmus
neu gestartet werden würde.
Das aktuelle Bild wird nicht nach außerhalb der Vorrichtung geliefert,
sondern nur von dem internen Vorverarbeitungs-Algorithmus verwendet.
- Schritt 3: Berechne Modulus des Differenzbildes (Bild C). Das
letzte Bild von der Kamera wird Pixel für Pixel von dem Referenzbild
subtrahiert und alle negativen Ergebnisse werden durch Multiplizieren
mit – 1
in positive Zahlen konvertiert. Das Ergebnis ist ein positives Bild,
das Rauschen ist, außer
dort, wo sich Objekte in der Szene bewegt haben.
- Schritt 4: Das Rauschen im Hintergrund wird identifiziert als
unstrukturierte Formen niedriger Amplitude. Strukturformen mit einem
höheren
Signal stellen Bereiche dar, in denen ein Objekt vorhanden ist.
Struktur- und Rauschen-Erfassungsalgorithmen können verwendet werden, um ein
binäres
Maskenbild (Bild D) zu erzeugen, das jedes Pixel in dem Bild von
Schritt 3 als entweder Objekt oder Hintergrund einteilt. Der vorliegende
Algorithmus ist auch anwendbar, wenn er zum Beispiel in einem Einkaufszentrum
verwendet wird, wo es eine Anzahl unterschiedlicher Bereiche gibt
statt einen einzelnen zusammenhängenden
Bereich, der z.B. von einem Sitzinsassen gebildet wird. Maskenbilder
können
von dem Sensor nach Schritt 4 ausgegeben werden, um eine Silhouetten-Information
zu liefern. Dies kann nützlich
sein, wenn eine Privatsphäre
bewahrt werden muss, z.B. ein Einbrecher-Erfassungssystem mit einer Überwachung
durch Sicherheitspersonal. Die Maskenbilder können verwendet werden, um eine Körpermasse
eines Insassen aus dem besetzten Bereich des Bilds zu schätzen, z.B.
durch Zählen von
Pixeln in dem Maskenbild.
Der Sensor kann in Verbindung mit
einem Gewichtsensor in dem Sitz des Fahrzeugs verwendet werden,
um eine Genauigkeit bei der Schätzung
der Körpermasse
zu verbessern.
- Schritt 5: Teilbilder (Bild E) werden erzeugt durch Maskieren
des eingegebenen Bilds Inow mit dem Maskenbild und die Koordinatenposition
jedes Teilbilds wird berechnet. Diese Teilbilder und ihre Koordinaten
können
nun von der Vorrichtung an nachfolgende Verarbeitungssysteme kommuniziert
werden.
- Schritt 6: Das Hintergrundreferenzbild Iref (Bild A) muss regelmäßig aktualisiert
werden. Ein Mittel, dies zu erreichen, ist durch Berechnen eines
langfristigen Mittels der Inow-Bilder.
-
Andere
komplexere Verfahren können
ebenfalls eingesetzt werden, um eine Leistung in sich dynamischer
verändernden
Umgebungen zu verbessern.
-
Der
obige Algorithmus von 4 kann von Fachleuten einfach
in einem Computercode geschrieben werden und auf geeigneten Media
gespeichert werden, zum Beispiel in einem Speicherchip auf oder
integral zu dem Array der 13 und 14.
-
Der
Algorithmus von 4 kann in anderen Detektor-Arrays
verwendet werden; die Arrays können
in jedem Typ einer herkömmlichen
Kamera sein, die ein 2D-Bild erzeugt, und kann in den sichtbaren, Infrarot-
oder thermischen Wellenbändern
arbeiten. Dies liefert auf folgenden Gründen ein verbessertes Produkt:
Normale
Kamerasysteme liefern ein Bildmaterial mit vollen Rahmen des betrachteten
Bereichs, unabhängig
von der beobachteten Szene. Eine Vorrichtung gemäß einem Aspekt dieser Erfindung
weist eine Kamera und einen vorverarbeitenden Algorithmus auf, der,
statt ein Bildmaterial auf die normale Weise zu erzeugen, nur eine
Sequenz von Teilbildern ausgibt, die neue Objekte in der Szene und
ihre Position in der Szene zeigen.
-
Zum
Beispiel kann eine derartige Vorrichtung verwendet werden, um ein
Büro zu überwachen.
In einem leeren Büro
erzeugt die Kamera keine wie auch immer geartete Ausgabe. Wenn ein
Büroangestellter
das Büro
betritt, erzeugt die Vorrichtung eine Sequenz von Teilbildern des
Angestellten, der sich in dem Büro
bewegt, zusammen mit einer Positionsinformation.
-
Diese
Vorrichtung liefert die folgenden Vorteile: wenn sich kein neues
Objekt in dem beobachteten Bereich befindet, werden von der Kamera
keine Daten erzeugt, so dass es keinen Datenverarbeitungs-Overhead oder Leistungsverbrauch
durch nachfolgende Bildverarbeitungs- oder Codierungssysteme gibt.
Auch wenn sich ein neues Objekt in dem beobachteten Bereich befindet,
ist die einzige Datenausgabe die (x, y)-Position des Objekts in
dem Bildkoordinatensystem und ein Teilbild oder „Ausschnitt (cut-out)" des Objekts. Dieser
Ausschnitt verändert
die Graupegel oder Farbpegel des ursprünglichen Bilds nicht und somit
kann jede nachfolgende Bilderkennungs- oder Musterverarbeitung verwendet werden,
um das Objekt zu erkennen oder zu klassifizieren und zu verfolgen.
Ebenso enthält
der Ausschnitt keinen Hintergrund.
-
Die
erzeugte binäre
Maske kann auch derart invertiert bzw. umgekehrt werden, dass der
entstehende Ausschnitt nur den Hintergrund zeigt und nicht die Personen
in einem Raum. Dies kann nützlich
sein für
Aufgaben wie eine Überwachung
von Gefängniszellen,
wo der Operator sehen möchte,
dass der Raum intakt ist und die Insassen sich an ihren normalen
Positionen befinden, wobei aber deren Privatsphäre geschützt wird.
-
Eine
weitere Anwendung ist eine Systemüberwachung für Hauseindringlinge,
wo ein Alarmempfangszentrum die Aktivitäten in einem Raum sehen können muss,
um zu bestätigen,
dass ein Einbruch stattfindet, der Kunde aber seine Privatsphäre geschützt haben
möchte.
-
Ein
weiterer Algorithmus zum Erlangen der Position des Kopfes einer
Person aus der kollektiven Ausgabe jedes Detektors in dem Array
wird in 12 detailliert dargelegt. Die
Schritte 1 bis 15 werden aufgeführt.
Die Ausgabe nach Schritt 3 kann verwendet werden, um den Sensor
einzustellen, Bereiche in einem Auto auszuschließen, die nicht verarbeitet
werden müssen.
Die Ausgabe des Schritts 3 kann beobachtet werden zum Beispiel auf
einem LCD-Bildschirm eines Computers, die dann verwendet werden kann,
um selektiv einige der Detektoren in dem Array auszuschalten. Für den Fall
der Erfassung einer Kopfposition ist die mögliche Ausgabe nach dem Schritt
13 überflüssig; nur
die Ausgabe von Schritt 15 wird verwendet, um zum Beispiel an eine
Airbag-Steuereinrichtung zu kommunizieren, welche die Kopfposition
kennen muss, um die Entfernung zu einer Airbag-Öffnung
zu berechnen.
-
Die
Verarbeitungsschritte des Algorithmus von 12 sind
wie folgt:
Der Zweck des folgenden Algorithmus ist, in Frage kommende
Objekte aus dem thermischen Bildmaterial zu identifizieren. Primäre Anwendungsgebiete sind
möglicherweise
eine Erfassung der Kopfposition für eine Airbag-Steuerung, die
eine Erfassung der Position des Kopfes erfordert, und eine Erfassung von
Eindringlingen für
Einbruchwarnanlagen, die eine Unterscheidung zwischen Menschen, Tieren und
Spinnen und Insekten erfordert sowie unbelebte Objekte zurückweist.
-
Schritt
1: Stelle Kamera-Verstärkungs-
und Pegel-Einstellungen ein; dies ermöglicht dem Bilderfasser, automatisch
die Verstärkung
der Kamera anzupassen, um ein ausreichendes Kontrastdetail in dem
Bild vorzusehen, und setzt den Pegel, um sicherzustellen, dass der
mittlere Graupegel in dem Bild nahe einem mittleren Wert liegt.
Es gibt mehrere Möglichkeiten,
um die Belichtung bzw. Exposition automatisch einzustellen, aber
der wichtige Punkt ist hier, dass, sobald die Verstärkungs-
und die Pegel-Einstellungen berechnet wurden, diese fest sind. Dies
bedeutet, dass die Graupegel der Szene sich nur ändern, wenn sich ihre Temperatur ändert, statt als
ein Ergebnis der Variation einer Verstärkungs- und Pegel-Steuerung.
Ein Festlegen der Verstärkung und
des Pegels ermöglicht,
dass später
eine Bildarithmetik unternommen werden kann, ohne unkontrollierte
Fehler einzuführen.
-
Schritt
2: Berechne das Referenzbild Iref durch Mitteln einer Anzahl von
Rahmen über
eine kurze Zeitdauer. Dieser Schritt ermöglicht der Einheit, ein Referenzbild
zu berechnen, das geringes Rauschen hat. Ein Mitteln einer Anzahl
von Rahmen über
eine bestimmte Zeit reduziert das Zeit-variierende Pixel-unabhängige Rauschen.
Die späteren
arithmetischen Operationen profitieren von einem reduzierten Rauschpegel
in dem Referenzbild. Zum Beispiel kann in einer Airbag-Steuerungsanwendung eine
Reihe von Bildern über
eine kurze Zeitdauer, z.B. eine Sekunde, aufgenommen werden, wenn
der Fahrer das Türschloss
bei Annäherung
an das Fahrzeug betätigt.
In dem Fall einer Szene, in der sich Objekte bewegen, z.B. Leute
in einem Einkaufszentrum, wird der Effekt jeder einzelnen Person
reduziert, wenn die Mittelwertbildung über eine Zeitdauer von zum
Beispiel 1 Minute geschieht. Es ist nicht wichtig, ob es eine stationäre Person
gibt, da das Verbleibende des Algorithmus derartige Fälle korrigiert.
-
Schritt
3: Nimm das aktuelle Bild Inow. Dies ist der Eintrittspunkt in eine
unendliche Schleife, die unterbrochen werden kann von einem Zurücksetzen-Signal,
wenn es eine Ansammlung von Fehlern gibt. Ein Zurücksetzen
wird aktiviert entweder durch einen Schlüssel (z.B. Türschloss
des Fahrzeugs, Setzen der Einbruchwarnanlage) oder durch eine Überwachungsschaltung,
die das Verhalten des Systems überwacht,
oder einfach ein Anschalten (power-up). Die Schleife kann bei ungefähr normalen TV-Rahmenraten
arbeiten, z.B. 25–30
Hz, oder an einer anderen gewünschten
Frequenz, abhängig
von der Anforderung der Anwendung. Die maximale Frequenz des Systems
wird bestimmt von thermischen Zeitkonstanten des Detektor-Arrays
und kann mehrere hundert Hertz betragen. Es gibt keine untere Frequenzgrenze.
Ein Live-Bildmaterial kann an dieser Stufe über einen Ausgabeanschluss
an eine Anzeigevorrichtung geliefert werden. Derartiges Bildmaterial
kann zum Beispiel erforderlich sein für manuelle Verifizierungszwecke
in der Einbrecherwarnindustrie. Das Bild ist klein, 64 × 64 Pixel,
8 Bit = 32768 Bit. Dies kann stark komprimiert werden, zum Beispiel mit
einer Ratio von 20:1, was 1.6 kbits/Sekunde ergibt. Bei 30 Rahmen
pro Sekunde ist die Gesamtdatenrate 49 kbits pro Sekunde. Live-Bildmaterial
mit voller räumlicher
Auflösung
kann somit über
eine herkömmliche
Telefonleitung (Kapazität
56 kbit/sek) an ein Alarmempfangszentrum übertragen werden.
-
Schritt
4: Berechne Differenzbild Idiff = Inow – Iref. Das letzte Bild von
dem Array wird von dem Referenzbild subtrahiert. Wenn eine Person
das Sichtfeld betritt und wärmer
als der Hintergrund ist (wie es typischerweise der Fall ist), zeigt
das Differenzbild ein warmes Objekt vor einem Rauschen-Hintergrund.
Wenn ein unbelebtes Objekt bewegt wurde, z.B. eine Tür, dann
zeigt das Bild eine statische Ände rung,
die über
eine Zeitdauer anhält.
Dieser Schritt hat die Position von sich bewegenden oder verschobenen
Objekten identifiziert.
-
Schritt
5: Berechne Rauschpegel in Hintergrund von Idiff. Der geringe Pegel
an Rauschen in dem Hintergrund sollte entfernt werden, da aber die Verstärkungseinstellungen
und Charakteristiken der Umgebung unbekannt sein können, bevor
eine Schwellen-Funktion durchgeführt
wird, ist es vorteilhaft, das Rauschen zu charakterisieren. Dies
kann durchgeführt
werden unter Verwendung von standardmäßigen statistischen Ansätzen und
eine optimale Schwelle kann gesetzt werden, um das gesamte Hintergrundrauschen
zu entfernen.
-
Schritt
6: Setze Rauschschwelle Tn gerade über Rauschpegel. Dies ist selbsterklärend.
-
Schritt
7: Berechne Maskenbild Imask = 1, wenn {|Idiff| > Tn}, ansonsten 0. Durch Prüfen jedes Pixels
in dem Differenzbild der Reihe nach und Betrachten, ob die Größe (oder
Modulus) des Graupegels größer als
die gesetzte Schwelle ist, kann das entsprechende Pixel in Imask
gleich 1 oder 0 gesetzt werden. Die Bereiche in Imask, die gleich
1 sind, stellen somit Positionen dar, wo es eine Bewegung oder eine Änderung
einer anderen Art gegeben hat, z.B. eine eingeschaltete Heizung.
-
Schritt
8: Wenn gewünscht,
unterteile Bereiche bzw. Flecken (blobs) in Maskenbild unter Verwendung
einer höheren
Schwelle Th, um Gesicht/Kopf zu lokalisieren. Für ein Erfassungssystem für eine Kopfposition
ist es nicht ausreichend, den gesamten Körper zu lokalisieren. Die Verwendung
einer höheren
Schwelle ermöglicht,
dass wärmere
Objekte in dem Bild herausgestellt werden. Dies ist normalerweise
nackte Haut statt bekleidete Bereiche.
-
Schritt
9: Bezeichne Bereiche (blobs) in Imask mit Zahlen, berechne und
speichere ihr Etikett (label), die Zeit, die Größe, die Position, den Aspekt bzw.
die Lage, usw. Jeder getrennt gekennzeichnete Bereich in dem Maskenbild
muss zwischen Rahmen identifiziert und verfolgt werden. Ein numerisches
Etikett dient dazu, den Bereich zu identifizieren, und an dem Bereich
durchgeführte
Messungen werden für einen
späteren
Abruf und Vergleich gespeichert.
-
Schritt
10: Erzeuge Teilbild jedes Bereichs durch Multiplizieren Inow mit
Imask. Die in 9 charakterisierten Bereiche
waren tatsächlich
Silhouetten. Dieser Schritt nimmt die Graupegel aus dem Eingangsbild
Inow und kopiert sie auf den maskierten Bereich. Visuell liefert
dies Bilder, die Ausschnitte (cut-outs) des ursprünglichen
Bilds Inow sind, aber das Bild enthält nur ein Graupegel-Detail,
so dass das Objekt erkannt werden kann.
-
Schritt
11: Verfolge jeden Bereich durch Suchen einer Ähnlichkeit in gemessenen Parametern, Merkmalen
in dem Teilbild und Bewegungsmustern. Um zu bestimmen, ob sich ein
Objekt über
das Bild bewegt hat, muss es zwischen aufeinander folgenden Rahmen
verfolgt werden.
-
Schritt
12: Wenn sich ein warmer Bereich mit der Zeit signifikant über das
Bild bewegt, bezeichne ihn als „lebend", ignoriere kalte Bereiche. Sich bewegende
warme Objekte (Personen und Tiere) sind besonders interessant; somit
wird ein zusätzliches
Etikett verwendet, um diese zu identifizieren. Kalte Bereiche können von
Insekten und Spinnen oder durch das Verrücken von Möbeln, usw., erzeugt werden,
die nicht von Interesse sind und somit ignoriert werden.
-
Schritt
13: Wenn ein „lebender" Bereich ein starkes
Längenverhältnis für einen
gegebenen Zeitabschnitt hat, aktiviere Warnungs- Weitermeldung. Die bereits gesammelte
und analysierte Information kann verwendet werden, um eine Anzeige
zu liefern, dass ein Eindringling in einen Raum eingedrungen ist,
wenn die Erfindung als eine Eindringlings-Erfassungsvorrichtung
verwendet wird. Ein zugewiesener Ausgabe-Pin wird vorgesehen, um
einen Transistor oder eine Weitermeldungsschaltung anzusteuern, was
eine unmittelbare Verwendung der Erfindung als eine Eindringlings-Erfassungsvorrichtung
in existierenden Alarmeinrichtungen ermöglicht.
-
Schritt
14: Wenn ein nicht als „lebend" bezeichneter Bereich über eine
lange Zeitdauer statisch bleibt, füge sein Teilbild zu Iref hinzu
und korrigiere auch eine dc-Verschiebung in Iref. Objekte, wie geöffnete Türen, erzeugen
einen Unterschied zu dem Referenzbild, sind aber nicht von Interesse.
Wenn derartige Bereiche über
eine lange Zeitdauer statisch bleiben, z.B. viele Minuten, dann
können
sie aus der weiteren Verarbeitung entfernt werden durch Aufnahme
ihres Teilbilds in das Referenzbild durch Hinzufügen. Der dc-Pegel des Hintergrundbildbereichs
wird überwacht,
um zum Beispiel Änderungen
der Raumtemperatur zu verfolgen, und ein dc kann angewendet werden,
um dies zu korrigieren.
-
Schritt
15: Gib Bildmaterial und Daten an Kopfpositions-Berechnungsalgorithmus, Eindringlings-Entscheidung,
Komprimierung, Erkennung, Bezeichnungs-Algorithmen, usw. aus. Ein
Datenanschluss ist vorgesehen, um Ergebnisse der eingebauten Algorithmen
an externe Prozessoren oder Elektronik zu kommunizieren. Diese können zum Beispiel
für eine
Airbag-Steuervorrichtung von Wert sein, welche die Kopfposition
kennen muss, um eine Entfernung zu einer Airbag-Öffnung zu berechnen.
-
Der
obige Algorithmus kann von Fachleuten einfach in einen Computercode
geschrieben werden und auf geeigneten Media gespeichert werden,
zum Beispiel in einem Speicherchip auf oder integral zu dem Array
der 13 und 14.
-
Die
Leistung des Prozesses der 12, den Kopf
einer Person zu erfassen, wird durch Betrachtung der 5 bis 11 dargestellt,
die thermische Bilder des Inneren eines Raums sind.
-
Die 5–7 zeigen
drei unterschiedliche Zeitsequenzrahmen von thermischen Bildern
in einem typischen Büro.
Allen drei gemeinsam sind verschiedene heiße Objekte, z.B. Radiatoren
bzw. Heizkörper,
Computer, usw. Die 6, 7 zeigen eine
den Raum betretende Person. Herkömmliche Algorithmen
zur Erfassung einer einen Raum betretenden Person verwenden eine
Graupegel-Schwellenfunktion, um warme Objekte zu finden, und erfassen
eine Bewegung durch Differenzieren aufeinander folgender Rahmen. 8 zeigt
den Effekt einer einfachen Graupegel-Schwellenfunktion; der verwendete
Schwellenpegel, um die Person von dem lokalen Hintergrund zu unterscheiden,
ist zu niedrig, um die störenden
Objekte zu eliminieren. Wenn die Schwelle angehoben wird, wird die
Person allmählich durch
die Schwelle entfernt (thresholded out), da das wärmste Objekt
in dem Raum der Radiator ist.
-
9 zeigt
den Effekt einer Bilddifferenzierung. Der Ansatz der Bilddifferenzierung
ist sehr effektiv beim Entfernen von statischen Objekten, wie Radiatoren,
betrifft aber unglücklicherweise
das Bild des Eindringlings. Statt den Eindringling als Ganzes zu
sehen, erzeugt die Differenzierungsoperation einen seltsamen Effekt.
-
Der
Algorithmus von 12 leidet nicht unter diesen
Problemen, sondern liefert einen deutlichen Ausschnitt (cut-out)
des vorgesehenen Objekts, wodurch es aus der thermischen Signatur
erkannt werden kann, wie in 11 gezeigt.
Er weist auch Objekt zurück,
die in dem überwachten
Bereich bewegt wurden, aber offensichtlich unbelebt sind.
-
Das
in 10 gezeigte dazwischenliegende Bild ist das Ergebnis
der Hintergrund-Subtraktion.
-
Das
Bild in 10 ist die Differenz zwischen dem
Referenzbild und dem aktuellen Bild, und das Bild in 11 ist
eines, in dem das Rauschen durch die Schwelle entfernt wurde (thresholded
out) und die entstehende Maske verwendet wird, um das aktuelle Bild
zu erkennen (key).
-
Das
Bild in 11 ist deutlich ein Mensch und
eine Messung der Höhe
und Breite, um ein Längenverhältnis zu
berechnen, ist trivial einfach. Eine andere Forminformation ist
deutlich sichtbar und eine Information in der Form ist ebenso verfügbar für Erkennungsalgorithmen,
um damit zu arbeiten.
-
Details
eines geeigneten thermischen Kamera-Arrays werden in den 13, 14 gezeigt.
Ein thermisches Abbildungs-Array 21 weist eine Basisplatte 22 aus
Silikon auf, auf der Schaltungen 23, wie Verstärker, Gatter,
usw. vorgesehen sind. Das Array 21 hat 4096 Detektoren,
die in einem 64 × 64-Array angeordnet
sind. Jeder Detektor 24 hat zwei Zeilen-Elektroden 25, 26 und
eine Spalten-Elektrode 27 zugeordnet, um Spannungen an
jeden Detektor 24 anzulegen und eine Ausgabe aus jedem
Detektor 24 zu lesen. Alle Zeilen-Elektroden 25, 26 werden
durch einen Zeilen-Treiber 29 betrieben und alle Spalten-Elektroden 27 werden
durch einen Spalten-Treiber 28 betrieben. Beide Treiber
werden gesteuert von einer Steuerungsschaltung 30, die
mit externen Schaltungen kommuniziert, die nicht gezeigt sind.
-
Jeder
Detektor 24 kann hergestellt werden, wie in WO/GB00/03243
beschrieben wird. In einer derartigen Vorrichtung wird ein Mikro-Bolometer 34 als
eine Mikro-Brücke 35 ausgebildet,
in der eine Schicht aus zum Beispiel Titan durch dünne Schenkel
(legs) 37, 38 im Abstand von 1 bis 2 μm von einer Substratoberfläche 36 angeordnet
ist. Typischerweise ist das Titan ungefähr 0.1 bis 0.25 μm in einem
Bereich von 0.05 bis 0.3 μm
mit einem Schichtwiderstand von ungefähr 3.3 Ω/sq. in einem Bereich von 1.5
bis 6Ω/sq.
Die Detektor-Mikro-Brücke 35 wird
unterstützt
unter einer Schicht 39 aus Siliziumoxid mit einer Dicke
von ungefähr λ/4, wobei λ die Wellenlänge der
zu erfassenden Strahlung ist. Der Titan-Detektor absorbiert einfallende
Infrarot-Strahlung (8 bis 14 μm
Wellenlänge)
und verändert
seinen Widerstand mit der Temperatur. Somit liefert das Messen des
Detektor-Widerstands einen Wert der einfallenden Strahlungsamplitude.
-
Die
Detektoren 34 befinden sich alle in einem luftdichten Container
mit Wänden 40 und
einem Deckel 41, der ein Fenster oder eine Linse bildet.
Die Wände 40 können aus
Siliziumoxid sein und das Fenster 41 kann aus Germanium,
Silizium oder einem Chalcogen-Glas sein. Typischerweise ist der Druck
in dem Container weniger als 10 Pa.
-
Die 15 zeigt,
wie jeder Detektor ausgelesen werden kann. Es werden zwei Reihen
gezeigt. Eine erste Reihe von Detektoren wird von den Widerständen R1-1 bis R1-64 angezeigt,
die jeweils an einem Ende mit einer a+V-Bias-Elektrode 51 verbunden sind.
Die anderen Enden der Widerstände
können über Schalter
S1–S64 mit einer Auslese-Elektrode verbunden werden, die über einen
Schalter S1 mit einem Ende eines Referenz-Widerstands R1 und mit einem
Integrierkondensatorverstärker 54 verbunden ist.
Der Referenz-Widerstand R1 ist mit einer negativen Bias-Spannung
gleicher Amplitude mit der +V-Bias verbunden.
-
Ähnlich hat
die zweite Reihe von Detektoren die Widerstände R2-1 bis
R2-64, die verbunden sind über die
Schalter S2-1 bis S2-64 und
S2 mit einem Integrierkondensatorverstärker 55; und einen
Referenz-Widerstand
R2. Weitere Schalter S3 und S4 ermöglichen unterschiedliche Kombinationen
von Verbindungen.
-
Eine
thermische Szene wird gelesen, indem jedem Detektor 34 ermöglicht wird,
durch die Szene durch das Fenster oder die Linse 41 beleuchtet
zu werden. Diese thermische Strahlung erhöht die Temperatur jedes Detektors
und variiert somit seinen Widerstandswert. Jeder Detektor in der
ersten Reihe wird dann der Reihe nach über die Schalter S1–S64 mit dem Verstärker 54 für eine Integrationszeit
verbunden. Die Verstärkerausgabespannung
ist somit proportional zu der Temperatur jedes Detektors. Ähnlich werden
alle anderen Reihen ausgelesen. Die gesamte Ausgabe aller Detektoren
liefert ein elektrisches Bild der thermischen Szene.
-
Das
x, y-Array ist vorzugsweise ein 64 × 64-Array, obwohl andere Werte
von x und y in dem Bereich von 24 bis 96 gewählt werden können. Am vorzugsweisesten
haben x und y die Werte von 32 oder 64, so dass einfache binäre Schaltungen
verwendet werden können.
Typischerweise sind x und y ungefähr 64, obwohl beispielsweise
auch 62 verwendet werden kann mit zwei redundanten Reihen, die für andere
Zwecke übrig
sind, wie Timing-Marken oder Referenz-Widerstände.
-
Die
Verwendung von 64 × 64-Arrays
passt gut zur menschlichen Fovea. Die hochauflösende Stelle im Auge (die Fovea)
deckt ungefähr
zwei Grad der Mitte des Sichtfelds ab. In dieser hochauflösenden Stelle
beträgt
die Auflösung
ungefähr
1 Bogenminute; eine Auflösung
von 1 Bogenminute repräsentiert
ein 20:20-Sehvermögen
(vision). Somit kann für ein
20:20-Sehvermögen
die Fovea durch ein Bild aus 120 × 120 Pixeln ausgefüllt werden,
beispielsweise 128 × 128
(der Einfachheit halber), wenn sich die Anzeige in einer komfortablen
Entfernung zu einem Betrachter befindet. Wenn dies reduziert wird
auf 64 × 64
Pixel, um ein weniger als perfektes Sehvermögen zu repräsentieren, dann kann die vorliegende
Erfindung als eine arbeitsfähige
Anzeige betrachtet werden. Sich bewegende Bilder enthalten jedoch
eine zusätzliche
Information und können
bei 32 × 32
zu erkennen sein, aber nur gerade noch.
-
Der
Wert der Auswahl von ungefähr
64 × 64-Arrays
wird unter Bezugnahme auf die 16 bis 23 erläutert, die
Bilder einer thermischen Szene zeigen. Ein Minimieren der Array-Größe hält Kosten von
Rohmaterial- und Bildverarbeitungsschaltungen niedrig, wodurch ein
sehr konkurrenzfähiges
Produkt geliefert wird.
-
16 zeigt
ein Bild der thermischen Szene, das von einem 2 × 2-Detektor-Array aufgenommen wurde; es
kann nichts Verwertbares beobachtet werden.
-
17 zeigt
ein Bild der thermischen Szene, das von einem 4 × 4-Detektor-Array aufgenommen wurde; außer zwei
helleren Bereichen oben und unten kann nichts Verwertbares beobachtet
werden.
-
18 zeigt
ein Bild der thermischen Szene, das von einem 8 × 8-Detektor-Array aufgenommen wurde; getrennte
Bereiche von hell und dunkel können
unterschieden werden, aber ohne Vorwissen kann wenig Verwertbares
beobachtet werden.
-
19 zeigt
ein Bild der thermischen Szene, das von einem 16 × 16-Detektor-Array aufgenommen wurde;
dies ist eine Verbesserung gegenüber
dem 8 × 8-Array,
aber es können
keine Details unterschieden werden.
-
20 zeigt
ein Bild der thermischen Szene, das von einem 32 × 32-Detektor-Array aufgenommen wurde.
Dabei sind ausreichende Details verfügbar, um einen Operator zu
zeigen, der in einem Auto sitzt und einen Sicherheitsgurt angelegt
hat, aber das Gesicht ist unscharf.
-
21 zeigt
ein Bild der thermischen Szene, das von einem 64 × 64-Detektor-Array aufgenommen wurde.
Dieses Bild ist ausreichend scharf, um Gesichtsmerkmale des Operators
und Details seiner Bekleidung zu identifizieren.
-
Vergleichsweise
zeigen die 22 und 23 ein
Bild der thermischen Szene, das jeweils von einem 128 × 128-Detektor-Array
und einem 256 × 256-Detektor-Array
aufgenommen wurde. Beide zeigen mehr Detail als das 64 × 64-Array,
aber die Verbesserung ist marginal und die zusätzliche Komplexität und Kosten
nicht wert.
-
Unter
Verwendung der Information aus dem 64 × 64-Array der 21 kann
die Kopfposition des Operators relativ zu einem Lenkrad bestimmt
werden. Wie zu sehen ist, lehnt sich der Operator zurück, während er
fährt,
statt sich zum Beispiel nach vorne zu beugen, um ein Radio einzustellen.
In dem ersten Fall ist ein normaler Betrieb des Lenkrad-Airbags
sicher, während
in dem zweiten Fall ein voller Betrieb des Lenkrad-Airbags nicht
sicher ist.