(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210591644.7 (22)申请日 2022.05.27 (71)申请人 哈尔滨工程大 学 地址 150001 黑龙江省哈尔滨市南岗区南 通大街145号哈尔滨工程大学科技处 知识产权办公室 (72)发明人 朱正　董官清　孙贝贝　闫志坚　 曲悠扬　李玉祥　史金辉　刘昕阳　 倪方淇　刁伟建　王晓峰　 (51)Int.Cl. G06V 20/52(2022.01) G06V 10/10(2022.01) G06V 10/25(2022.01) G06V 10/46(2022.01) G06V 10/74(2022.01) G06V 10/764(2022.01)G06V 10/80(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种用于安全监视的红外全景 雷达系统 (57)摘要 本发明属于红外光电技术探测技术领域， 具 体涉及一种用于安全监视的红外全 景雷达系统。 本发明包括图像采集模块、 图像处理模块、 上位 机显示与预警模块； 图像采集模块采用旋转云台 与红外探测器相结合的方式获取图像， 保证了每 幅图像的大小相同且底端处于同一水平面上， 降 低后续的拼接复杂 度； 图像处理模块将多幅窄视 场、 高空间分辨率的红外图像合成一幅宽视场、 高空间分辨率的红外全景图像， 将多幅图像信息 整合到一幅图像中， 便于系统监测。 本发明采用 红外热成像的方式， 以高灵敏的红外探测器配合 高精度的伺服电机， 同时结合全 景图像拼接与基 于深度学习的目标识别技术， 实现对周边范围红 外目标的实时监测与有效的跟踪识别。 权利要求书3页 说明书11页 附图7页 CN 115035466 A 2022.09.09 CN 115035466 A 1.一种用于安全监视的红外全景雷达系统， 其特征在于： 包括图像采集模块、 图像处理 模块、 上位机显示与预警模块； 所述图像采集模块包括红外探测器(201)， 红外探测器(201) 安装在旋转云台(202)上， 通过旋转云台(202)实现红外探测器(201)对周边360度环境的拍 摄， 同时保证红外探测器(201)拍摄的每幅图片的最底端都处于同一水平线； 所述图像采集 模块通过红外探测器(201)不间断的获取周围的红外信息， 得到 分散的红外图像， 并将红外 图像按照拍摄顺序传输到图像处理模块； 所述图像处理模块对获取的红外图像进 行预处理 后进行图像拼接， 并对拼接好的图像进行目标识别， 将目标识别后的图像实时传输到上位 机显示与预警模块； 所述上位机显示与预警模块将接收到的已经过目标识别处理后的图像 进行实时显示， 并根据目标识别的结果， 判断是否发出警报， 并定位入侵目标位置 。 2.根据权利要求1所述的一种用于安全监视的红外全景雷达系统， 其特征在于： 所述图 像处理模块对获取的红外图像进行 预处理的方法具体为： 步骤2.1： 读取原 始红外图像； 步骤2.2： 对原 始红外图像采用低通高斯滤波器核 进行平滑滤波； 令r＝[s2+t2]1/2， 得到 通过调节变量r的大小获取不同大小的高斯核， 同 时调节标准差σ 的大小调节图像处 理的效果， 最终得到平 滑效果最佳的去噪图像； 步骤2.3： 利用二阶导数拉普拉斯 算子来锐化图像； 对于图像f(x,y)定义 为： 在x方向有 在y方向有 两个变量的离 散拉普拉斯 算子是： 通过利用拉普拉斯核对图像的处 理， 得到特 征细节增强的拉普拉斯图像； 拉普拉斯是导数算子， 因此会突出图像中的急剧灰度过渡， 并且不强调缓慢变化的灰 度区域， 将拉普拉斯图像与原图像相加， 就可恢复背景特征， 同时保留拉普拉斯的锐化效 果， 具体为： 其中， f(x,y)和g(x,y)分别为输入图像和锐化后的图像。 3.根据权利要求1所述的一种用于安全监视的红外全景雷达系统， 其特征在于： 所述图 像处理模块对获取的红外图像进行 预处理后进行图像拼接的方法具体为： 步骤3.1： 使用ROI算法对预处理后的图像进行区域选定， 将所获取的各个图像的重叠 区域提取出来， 把相邻的重 叠区域作为 一组绑定图像； 步骤3.2： 采用SIFT算法对选 定区域的红外图像进行 特征点提取；权　利　要　求　书 1/3 页 2 CN 115035466 A 2步骤3.3： 采用RANSAC算法筛 选出正确特 征匹配对； 步骤3.4： 基于特征匹配后的红外图像采用自适应相似度算法对待拼接红外图像进行 相似度计算 来确定红外图像的拼接顺序； 步骤3.5： 根据有效的特征匹配对， 采用加权图像融合算法对图像进行融合实现对红外 全景图像的拼接 。 4.根据权利要求3所述的一种用于安全监视的红外全景雷达系统， 其特征在于： 所述步 骤3.2具体为： SIFT算法的第一阶段是利用尺度空间函数搜索稳定的特征实现对图像中尺度变化不 变位置的寻找， 尺度 空间将图像表示为平滑后的图像的一个参数簇， 目的是模拟图像的尺 度减小时出现的细节损失， 控制平滑的参数称为尺度参数， 在SIFT中高斯核用于实现平滑， 尺度参数为标准差； 灰度图像f(x,y)的尺度空间L(x,y, σ )是f(x,y)与一个可变尺度高斯核G(x,y, σ )的卷 积： L(x,y, σ )＝G(x,y, σ ) ★f(x,y) 式中， 尺度由参数σ 控制， G(x,y, σ )的形式为： 输入图像f(x,y)依次与标准差为σ， kσ， k2σ， k3σ,…,kMσ 的高斯核卷积， 生成一系列由一 个常量因子k分割的高斯滤波图像； SIFT将尺度空间细分为倍频程， 每个倍频程对应于σ 的加倍， 第二个倍频程中的第一幅 图像是首先对原图像进 行下取样， 即每隔一行和一列取样， 然后用一个核来平滑得到的， 使 用的这个核的标准差是第一个倍频程中所用标准差的2倍， 在后续的各个倍频程处理中， 新 倍频程的第一幅图像按如下 方式形成； 对原图像进行足够次数的下 取样， 使图像大小为前一个倍频程内的一半； 用前一个倍频程的标准差的2倍的新标准差来平 滑下取样后的图像； 尺度空间中初始关键点的位置查找： 首先检测一个倍频程中两幅相邻尺度空间图像的 高斯差的极值， 然后对应于这个倍频程的输入图像进行 卷积， 其表达式为： D(x,y, σ )＝[G(x,y,kσ ) ‑G(x,y, σ )] ★f(x,y)＝ L(x,y,kσ ) ‑L(x,y, σ ) 在D(x,y, σ )图像中的每个位置， 将该位置像素值与其在当前图像中的8个相邻像素值 及其在上方和下方图像中的9个相邻像素值进行比较， 若该位置的值为范围内的最大值或 最小值， 则该位置被选为极值 点； 通过泰勒级数展开对D(x,y, σ )的值进行内插运算， 提高关键点位置的精度； 删除低对 比度和定位差的关键点； 使用下式计算每个关键点的幅度和方向， 其中的关键点是用与这 些公式相关联的基于直方图的步骤得到的； M(x,y)＝[(L(x+1,y) ‑L(x‑1,y))2+(L(x,y+1) ‑L(x,y‑1))2]1/2 θ(x,y)＝arctan[(L(x,y+1) ‑L(x,y‑1))/(L(x+1,y) ‑L(x‑1,y))] 围绕每个 明显不同的关键点的一个局部区域计算一个描述子， 同时对尺度、 方向、 光照 和图像视点的变化尽可能是不变的， 用这些描述子来识别不同图像中局部区域之间的匹 配。权　利　要　求　书 2/3 页 3 CN 115035466 A 3