Sieć miniaturowych czujników termowizyjnych do wykrywania i śledzenia obiektów

pol Artykuł w języku polskim DOI: 10.14313/PAR_242/57

Grzegorz Bieszczad , wyślij Tomasz Sosnowski , Krzysztof Sawicki , Sławomir Gogler , Andrzej Ligienza , Mariusz Mścichowski Wojskowa Akademia Techniczna, Instytut Optoelektroniki

Pobierz Artykuł

Streszczenie

W artykule przedstawiono koncepcję i realizację sieci czujników zobrazowania w podczerwieni służącą do lokalizacji i śledzenia obiektów. Sieć czujników używa zespołu wielu miniaturowych mikrobolometrycznych kamer termowizyjnych o niskiej rozdzielczości (80 × 80 pikseli) do wykrywania, śledzenia i lokalizacji obiektów w obszarze obserwacji. Zastosowanie systemów termowizyjnych reagujących na promieniowanie podczerwone pochodzące z obiektów sprawia, że system jest odporny na warunki oświetlenia zewnętrznego i warunki środowiskowe. Jednocześnie zastosowanie czujnika podczerwieni wymaga zastosowania specjalnie zaprojektowanych, dedykowanych technik przetwarzania obrazu. W artykule opisano techniki przetwarzania obrazu, sposoby lokalizacji obiektów, pomiary dokładności, porównanie z innymi znanymi rozwiązaniami oraz wnioski końcowe.

Słowa kluczowe

analiza obrazu, detekcja, przetwarzanie obrazu, sieć czujników, śledzenie, termowizja

A Network of Miniature Thermal Imaging Sensors for Object Detection and Tracking

Abstract

This paper presents a concept and implementation of an infrared imaging sensor network for object localization and tracking. The sensor network uses multiple low-resolution (80× 80 pixels) microbolometric thermal cameras to detect, track and locate an object within the area of observation. The network uses information simultaneously acquired from multiple sensors to detect and extract additional information about object’s location. The use of thermal-imaging systems responsive to objects’ natural infrared radiation, makes the system resistant to external illumination and environmental conditions. At the same time, the use of infrared sensor requires application of specially designed, dedicated image processing techniques appropriate for this kind of sensor. The paper describes: image processing techniques, means of object localization, accuracy measurements, comparison to other known solutions and final conclusions.

Keywords

detection, image analysis, image processing, sensor network, thermal imaging, tracking

Bibliografia

  1. Bieszczad G., Orżanowski T., Sosnowski T., Kastek M., Method of detectors offset correction in thermovision camera with uncooled microbolometric focal plane array. [In:] “Electro-Optical and Infrared Systems: Technology and Applications” VI, ed. Huckridge D.A., Ebert R.R., Vol. 7481, 2009, 200–207. International Society for Optics; Photonics; SPIE. DOI: 10.1117/12.830678.
  2. Dulski R., Kastek M., Bieszczad G., Trzaskawka P., Ciurapiński W., Data Fusion Used in Multispectral System for Critical Protection. “WIT Transactions on Information and Communication Technologies”, Vol. 42, 2009, 165–172, DOI: 10.2495/DATA090171.
  3. Kastek M., Dulski R., Życzkowski M., Szustakowski M., Ciurapiński W., Firmanty K., Pałka N., Bieszczad G., Multisensor Systems for Security of Critical Infrastructures – Concept, Data Fusion, and Experimental Results. Proceedings of SPIE – The International Society for Optical Engineering, Vol. 8193, 2011, DOI: 10.1117/12.900969.
  4. Krupiński M., Bieszczad G., Sosnowski T., Madura H., Gogler S., Non-Uniformity Correction in Microbolometer Array with Temperature Influence Compensation. “Metrology and Measurement Systems”, Vol. 21, No. 4, 2014. 709–718, DOI: 10.2478/mms-2014-0050.
  5. Ligienza A., Sosnowski T., Bieszczad G., Bareła J., Optoelectronic sensor system for recognition of objects and incidents. [In:] Radioelectronic Systems Conference 2019, Vol. 11442, 2020, 208–215, DOI: 10.1117/12.2565165.
  6. Olbrycht R., Więcek B., De Mey G., Thermal Drift Compensation Method for Microbolometer Thermal Cameras. “Applied Optics”, Vol. 51, No. 11, 2012, 1788–1794. DOI: 10.1364/AO.51.001788.
  7. Siewert Sam B., Andalibi M., Bruder S., Rizor S., Slew-to-Cue Electro-Optical and Infrared Sensor Network for Small UAS Detection, Tracking and Identification. “AIAA Scitech 2019 Forum”, DOI: 10.2514/6.2019-2264.
  8. Sosnowski T., Bieszczad G., Kastek M., Madura H., Digital image processing in high resolution infrared camera with use of programmable logic device. [In:] Optics and Photonics for Counterterrorism and Crime Fighting VI and Optical Materials in Defence Systems Technology VII, Vol. 7838, 2010, 266–276. International Society for Optics; Photonics; SPIE. DOI: 10.1117/12.865026.
  9. Sosnowski T., Bieszczad G., Madura H., Image Processing in Thermal Cameras. [In:] Advanced Technologies in Practical Applications for National Security, 2018, 35–57. Springer International Publishing. DOI: 10.1007/978-3-319-64674-9_3.
  10. Szustakowski M., Ciurapiński W., Życzkowski M., Pałka  N., Kastek M., Dulski R., Bieszczad G., Sosnowski T., Multispectral System for Perimeter Protection of Stationary and Moving Objects. “Proceedings of SPIE – The International Society for Optical Engineering”, Vol. 7481, 2009, DOI: 10.1117/12.830051.
  11. Weiszfeld E., Sur Le Point Pour Lequel La Somme Des Distances de n Points Donnes Est Minimum. “Tohoku Mathematical Journal”, Vol. 43, 1937, 355–386.
  12. Yang B., Wei Q., Yuan L., Location Ambiguity Resolution and Tracking Method of Human Targets in Wireless Infrared Sensor Network. “Infrared Physics & Technology”, Vol. 96, 2019, 174–183, DOI: 10.1016/j.infrared.2018.11.011.
  13. Yang B., Wei Q., Zhang M., Multiple Human Location in a Distributed Binary Pyroelectric Infrared Sensor Network, “Infrared Physics & Technology”, Vol. 85, 2017, 216–224, DOI: 10.1016/j.infrared.2017.06.007.
  14. Zuo C., Chen Q., Gu G., Sui X., Qian W., Scene-based nonuniformity correction method using multiscale constant statistics, “Optical Engineering”, Vol. 50, No. 8, 2011, 1–12, DOI: 10.1117/1.3610978.