[发明专利]一种基于红外热像仪的目标物识别的方法与装置

说明书

本发明公开了一种基于红外热像仪的目标物识别的方法及装置，该方法包括以下步骤：获取红外热像仪拍摄到的红外图像数据，该红外图像数据包括像素点位置和像素点灰度值；将获取到的告警区域内的像素点灰度值与该告警区域的预设阈值进行比较，如果大于该预设阈值，则执行下一步；根据像素点位置得到红外图像数据中的闯入目标的身份信息及数量并产生相应的告警信息。本发明能够实现对告警输出的精准控制，当用户需要只针对一种或几种相近的告警目标物时，可以设置与告警目标物相对应的矢量范围来锁死触发告警的目标物，使其他的目标物不会触发告警，这样用户使用起来更方便，而且能使系统的应用场景更广泛，更少的误报率。

技术领域

本发明属于计算机视觉及机器视觉技术领域，尤其涉及一种基于红外热像仪的目标物识别的方法及装置。

背景技术

智能视频监测系统是最近这些年来计算机视觉及机器视觉领域内发展较快，而且研究的较多的一个应用方向。这种系统能够利用计算机或机器视觉技术对采集到的图像信号进行处理和分析甚至理解，并在此基础上对视频监控系统进行进一步的操作和处理，根据不同的情境做出不同的响应，从而使智能视频监控系统具备更好的智能性和更宽广的应用领域。近些年来，智能视频监测系统主要涉及到机器视觉、计算机视觉、图像处理、人工智能和模式识别等多方面的知识，

从目前的研究看，智能视频监测系统主要技术包括：移动目标的检测、目标的分类、运动目标的跟踪、目标行为的理解与描述。就目标跟踪而言，视频监控系统又可以分为单摄像机系统、多摄像机系统和立体系统。

目前市场上大多数智能视频监测设备都是基于可见光的应用，而且多数都是使用了基于颜色分布或其他特征信息进行对图像的处理，目前常用的用于运动目标监测的算法有背景差分法、帧间差分法和光流算法等，但这些算法在实际应用中都会有很大的困难，因为这些算法都容易受到在实际环境中目标运动的巨大复杂性以及视频数据复杂性和特殊性的影响，其中目标物到的大小、运动的速度、运动的轨迹、目标的颜色和背景颜色的相似程度、背景的稳定程度都是其中较为重要的影响因素。

另一方面，市场上各种基于各种红外热像仪的智能监测告警方法都不相同，但目前的智能监测告警系统，都有很大的告警范围，而且告警条件不可控，这就造成了很高的误报率，并且不能够准确识别进入到告警范围的目标的状态。

发明内容

为了克服现有技术的不足，本发明的目的之一在于提供一种基于红外热像仪的目标物识别的方法，其能解决闯入目标的身份识别及数量统计的技术问题。

本发明的目的之二在于提供一种基于红外热像仪的目标物识别的装置，其能解决闯入目标的身份识别及数量统计的技术问题。

本发明的目的之一采用以下技术方案实现：

一种基于红外热像仪的目标物识别的方法，包括以下步骤：

S1：接收用户在红外热像仪拍摄图像上设置的告警区域，并设置与该告警区域对应的告警规则，该告警规则为一预设阈值；

S2：获取红外热像仪拍摄到的红外图像数据，该红外图像数据包括像素点位置和像素点灰度值；

S3：将获取到的告警区域内的像素点灰度值与该告警区域的预设阈值进行比较，如果大于该预设阈值，则显示告警区域内有闯入目标并执行步骤S4；

S4：根据像素点位置得到红外图像数据中的闯入目标的身份信息及数量并产生相应的告警信息。

优选的，步骤S3具体包括以下子步骤：

S301：获取当前帧的告警区域内所有的像素点位置，并获得与该像素点位置对应的像素点灰度值；

S302：将当前帧的像素点灰度值与上一帧/或前几帧的相对应坐标的像素点灰度值进行对比；

S303：得到当前帧的像素点灰度值与上一帧/或前几帧的像素点灰度值的差值；