红外热成像技术随着疫情的爆发，越来越多的走入我们日常生活。事实上红外技术早已在电力、工业控制、遥感测绘等行业进行应用。而红外+AI识别将是未来发展的大趋势。

凡是温度比绝对零度高的物体均对外有热红外辐射，不管晚上还是白天都可以在没有自然光补光的情况下对物体进行观测。另一方面，热红外波段下的辐射强度同时也反映者物体的发热程度。因此，热红外成像在夜视观测与测温领域中发挥着重要作用。在疫情期间，热红外测温特性也被很好地利用，用于人体温度测量中。

   本文章中主要介绍热红外目标识别与跟踪相关的内容。

热红外目标识别跟踪设备

    热红外目前主流的分辨率有384×288与640×512两种分辨率，不同于可见光高清、4K等大分辨率，热红外因成本与工艺问题，还停留在低分辨率阶段。我们通常在物体识别、跟踪领域中采用640×512分辨率的热红外。热红外的目标识别与跟踪中我们采用以网络为基本接口的设计方式，网络接口有易于集成与管理的优点。

    在机芯选择上选用了带有自动聚焦控制与变焦功能的LIR型号热红外机芯。

其机芯带有强光保护与图像增强调节的功能。机芯输出数字图像后接入到识别跟踪模块。识别跟踪模块选用Tofu3模块。Tofu3模块可以直接对机芯与云台进行控制。

    机芯输出到Tofu3识别跟踪模块后，在模块中进行基于深度学习算法的目标识别。目标识别算法是经过对数十万张有效红外数据进行训练后得出的。经过数据海量训练后模型的识别率才得以提高。

基于深度学习的目标识别算法不同于传统的基于模板特征、基于热分割的算法，是通过实际物体样本为输入，进行训练得出的，因此在识别率和误报率指标上远高于传统算法，而且通过现场数据的采集后进行二次训练成为可能，对实际场景的二次适应匹配能力上更强。

以下是实际多个场景中对目标识别的效果。其中包括人、车、船等目标的识别。识别速度根据不同的需求，有从15帧/秒到50帧/秒不同速度的模型。

热红外行人识别

车载行人识别

热红外船识别

目标识别过程完成后对目标进行二次确认与筛选。即进一步剔除伪目标，选择需要跟踪的目标。识别切换跟踪存在两种方式，一种是半自动，“即点即跟踪”，在多个识别到的目标中点选需要跟踪的目标，另一种是全自动跟踪，从画面中自动选择离中心位置点靠近的目标进行跟踪。第一种“即点即跟踪”模式更适合平板下有人监控的环境下操作，如无人机对地识别应用中。第二种方式是适合于安防场景下的自动目标跟踪。不管是哪一种方式，算法过程均在识别跟踪模块中完成。

跟踪过程中，识别跟踪模块实时控制云台与镜头。云台接口采用RS485接口，通信协议为pelco-d协议。变焦镜头为RS232接口，协议采用VISCA协议。通过对云台与变焦镜头的实时控制，在跟踪过程中，画面始终可以保持以被跟踪物体为中心移动，同时，拉进或拉远镜头，使得被跟踪物体始终在画面中保持一定大小的尺寸。

识别跟踪模块在识别与跟踪过程中实时将视频进行编码通过网络接口对外传输视频。同时将识别跟踪后的目标类别、目标位置、跟踪状态信息也通过网络消息传递。这样可以实现全过程的可控与记录。

客户端方面Tofu模块提供了SDK和两种版本客户端软件。第一种客户端软件是可以登录多台设备进行观测与记录的。第二种客户端软件是登录一台设备，同时支持触摸屏操作的。

多设备连接客户端

无人机应用客户端

    热红外拥有可见光所不具备的优势，而与目标识别与跟踪等AI功能相结合，会带给我们更多智能化的便利。

*博客内容为网友个人发布，仅代表博主个人观点，如有侵权请联系工作人员删除。