火灾检测系统的制作方法
【专利说明】火灾检测系统
[0001]对相关申请的交叉引用
[0002]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
[0003]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。
[0004]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。
[0005]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。
[0006]发明概述
[0007]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。
[0008]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。
[0009]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。
[0010]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。
[0011]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。
[0012]附图简要说明
[0013]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:
[0014]图1所示为处于需要检测热事件的环境中的热成像相机；
[0015]图2所示为由该热成像相机获得的热像；
[0016]图3所示为热成像相机与事件调度器之间的通信；
[0017]图4所示为一种用于检测极端温度事件的方法；以及
[0018]图5所示为用于检测极端温度事件的方法的另一示例。
[0019]详细说明
[0020]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(inferno heat)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。
[0021]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。
[0022]然而，还是可能存在这样的常规无害情况，S卩，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。
[0023]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31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入口 ο
[0024]在所示示例中，在台SjP S 2处，相机102能够检测汽车106排出的废气。在台S 6处，相机102能够检测从山上升起的太阳108。在台37处，相机102能够检测火112。在台SjP S 5处，相机102能够检