用于转换警报的方法与流程

本发明涉及一种用于在视频监控操作中转换警报的方法和一种被配置为在视频监控操作中转换警报的警报鉴别器。

背景技术：

热相机广泛用于许多不同的应用。例如，热相机可用于视频监控中的自动检测和识别，其中交通的视频监控正成为越来越重要的应用。这种监控交通的系统通常能够在检测到诸如事故、火灾、车辆、人员或丢弃货物等等的某些事件时自动触发警报。这些警报触发器通常以多种方式实现，而令人感兴趣的是减少虚假警报的数量。

一种难以处理的虚假警报是从交通隧道内的车辆落下的雪。这种事件通常被错误地识别为例如掉落的货物或停止的车辆。然后，操作员必须检查这些虚假警报，如果存在大量虚假警报，则实际警报对于操作员来说变得不太显著。因此，虚假警报是成本增加以及安全风险的来源。

因此，需要减少与从车辆落下的雪有关的虚假警报的数量。

技术实现要素：

有鉴于此，本发明构思的一个目的是提供一种用于在视频监控操作中转换警报的方法和警报鉴别器。

目的是单独地或以任何组合地减轻、缓解或消除本领域中的一个或多个上述缺陷和缺点，并至少解决上述问题。

根据第一方面，通过一种用于在视频监控操作中转换警报的方法来实现上述和其它目的。该方法包括：响应于在场景的热图像流中检测场景中的前景静止对象，触发候选警报；相对于背景强度评估检测到的静止前景对象的强度；和响应于检测到的静止前景对象的强度高于背景强度，将候选警报转换为实际警报。

通过本方法，可以通过确定候选警报与雪无关而将候选警报转换为实际警报。由于候选警报到实际警报的转换是基于检测到的静止前景对象的强度，因此可以进一步减少虚假警报的数量。

措辞“候选警报”应该被解释为可能被转换为实际警报或丢弃警报的临时警报。

措词“热图像”应该被解释为表示对象发射的红外能量的图像。

措词“静止前景对象”应该被解释为最近进入场景使得与背景存在可观察的差异、并且在给定的时间范围内是静态的或静止的对象。因此，移动对象不是本申请语境中的静止前景对象。

措词“实际警报”应该被解释为转发给操作员的警报。

本领域技术人员认识到热图像中的强度可能与温度有关。例如，检测到的静止前景对象的强度可能与检测到的静止前景对象的温度有关，而背景强度可能与背景温度有关。

根据本方法，响应于在场景的热图像流中检测场景中的前景静止对象，触发候选警报。可以使用对象检测功能来检测场景中的静止前景对象。对象检测功能可以是软件实现的和/或硬件实现的。

触发候选警报的优点是，可以在将候选警报转换为实际警报或丢弃警报之前评估关于检测到的静止前景对象的另外的信息。

根据本方法，相对于背景强度评估检测到的静止前景对象的强度。可以以多种不同方式确定检测到的静止前景对象的强度。例如，检测到的静止前景对象的强度可以基于图像的包括检测到的静止前景对象的区域中的像素的强度的加权平均值或加权中值。检测到的静止前景对象的强度可以基于图像的包括检测到的静止前景对象的区域中的像素的峰值强度。检测到的静止前景对象的强度可能与检测到的静止前景对象的温度有关。背景强度可能与背景的温度相关。因此，可以在将候选警报转换为实际警报或丢弃警报之前，相对于背景温度评估检测到的静止前景对象的温度。

相对于背景强度评估检测到的静止前景对象的强度的优点在于，可以将检测到的静止前景对象基于其强度与背景分离。

根据本方法，响应于检测到的静止前景对象的强度高于背景强度，将候选警报转换为实际警报。因此，如果检测到的静止前景对象的强度高于背景强度，则候选警报被转换为实际警报。可以将实际警报传输或转发给操作员。操作员可以是操作监控系统的人。应该理解，实际警报可以在传输给操作员之前，在其它警报系统中处理。例如，可以根据实际警报的优先级对实际警报进行分类。

响应于检测到的静止前景对象的强度高于背景强度而将候选警报转换为实际警报的优点在于，检测到的静止前景对象可以是本方法已经检测到需要操作员动作的静止前景对象。例如，检测到的静止前景对象可以是停止的车辆，其必须从交通隧道中移走。

该方法可以进一步包括：响应于检测到的静止前景对象的强度等于或低于背景强度，计算与场景的包括检测到的静止前景对象的区域有关的像素中的强度的无序度量；和响应于无序度量高于无序阈值，将候选警报转换为丢弃警报。

措辞“像素”应该被解释为热图像中的像素，而不是被解释为图像检测器中的像素。

措辞“丢弃警报”应被解释为不传输或转发给操作员的警报。因此，警报被丢弃或应该被丢弃。

根据本方法，响应于检测到的静止前景对象的强度等于或低于背景强度，计算与场景的包括检测到的静止前景对象的区域有关的像素中的强度的无序度量。

如上所述，检测到的静止前景对象的强度和背景强度可能与温度有关。在这种情况下，可以响应于检测到的静止前景对象的温度等于或低于背景温度，计算与场景的包括检测到的静止前景对象的区域有关的像素中的温度的无序度量。

像素中的强度的无序度量可能与像素中强度的变化程度有关。因此，在强度与温度有关的情况下，无序度量可以是温度无序度量。像素中的温度无序度量可以与像素中的温度变化有关。

例如，如果检测到的静止前景对象被分散，则与场景的包括检测到的静止前景对象的区域有关的像素可以具有与背景强度和检测到的静止前景对象的强度都有关的强度。因此，与场景的包括被分散的检测到的静止前景对象的区域有关的像素的变化可以高于检测到的静止前景对象未被分散的情况。

根据本方法，响应于无序度量高于无序阈值，将候选警报转换为丢弃警报。换句话说，在与包括检测到的静止前景对象的区域有关的像素中的强度或温度的无序度量高于无序阈值的情况下，可以将候选警报转换为丢弃警报。无序阈值可以是预定的无序阈值或动态的无序阈值。

响应于无序度量高于无序阈值而将候选警报转换为丢弃警报的优点是，可能已经检测到不需要操作员动作的静止前景对象。响应于无序度量高于无序阈值而将候选警报转换为丢弃警报的另一个优点可以是，操作员不被警告，因此可以降低与虚假警报有关的经济成本。响应于无序度量高于无序阈值而将候选警报转换为丢弃警报的另一个优点可以是，操作员不必分心检查与检测到的静止前景对象有关的不需要操作员任何动作的警报。

例如，在检测到的静止前景对象是从交通隧道中的车辆落下的被分散的雪的情况下，检测到的静止前景对象的强度可以低于背景强度。在本示例中，背景强度可以与交通隧道内的温度有关，而检测到的静止前景对象的强度可以与检测到的静止前景对象的温度有关。因此，雪可以具有低于交通隧道的温度。在从车辆落下之后雪被分散，并且与包括检测到的静止前景对象的区域有关的像素可以具有与背景强度和检测到的静止前景对象的强度有关的强度。换句话说，与包括被分散的雪的区域有关的像素可以具有与雪和交通隧道有关的强度。因此，被分散的雪可以具有比固体连续对象高的像素中的强度的无序度量，这是因为包括固体连续对象的区域可以包括与背景强度相关联的更少像素。因此，在检测到的静止前景对象为被分散的雪的示例中，候选警报被转换为丢弃警报，因此不被传输或转发给操作员。

因此，本方法的优点可以是，与从交通隧道中的车辆落下的雪有关的候选警报可以被转换为丢弃警报，因此可以减少虚假警报的数量和/或与虚假警报有关的成本。

该方法可以进一步包括：响应于无序度量等于或低于无序阈值，将候选警报转换为实际警报。换句话说，在与包括检测到的静止前景对象的区域有关的像素中的强度或温度的无序度量低于无序阈值的情况下，可以将候选警报转换为实际警报。

例如，在检测到的静止前景对象是先前例示的固体连续对象的情况下，无序度量可以等于或低于无序阈值。在这种情况下，将候选警报转换为实际警报。这种固体连续对象的示例可以是从车辆落下时没有破裂和分散的冰块。

响应于无序度量等于或低于无序阈值而将候选警报转换为实际警报的优点是，具有比背景强度低的强度的固体连续对象可以与具有比背景强度低的强度的分散对象区分开。换句话说，具有比背景强度低的强度的散布的/分散的碎片的破碎对象可以与具有比背景强度低的强度的完整或未破碎的对象区分开。

背景强度可以基于以下中的一个或多个：热图像流中的至少一个热图像的一部分中的强度；参考热图像的一部分中的强度；和预定的强度。

可以动态更新背景强度。可以定期更新背景强度。例如，可以每五分钟更新一次背景强度。应当理解，热图像可以分成几个部分，并且每个部分可以具有背景强度。换句话说，热图像中的不同部分可以具有不同的背景强度。

根据本方法，背景强度可以基于热图像流中的至少一个热图像的一部分中的强度。背景强度可以是热图像流中的至少一个热图像的该部分中的像素的强度的加权平均值和/或加权中值。在背景强度基于热图像流中的多于一个热图像的情况下，背景强度可以基于所述多于一个热图像的加权平均值。例如，可以将得到的平均热图像创建为多于一个热图像的加权平均值。多于一个热图像的加权平均值中的图像权重可以基于每个热图像的年龄，使得较老的热图像比较近的热图像对加权平均值的贡献更小。换句话说，背景强度可以基于得到的平均热图像的一部分中的强度。

根据本方法，背景强度可以基于参考热图像的一部分中的强度。

背景强度可以是参考热图像的该部分中的像素的强度的加权平均值和/或加权中值。参考热图像可以是热图像流中的先前热图像。参考热图像可以基于热图像流中的多于一个热图像。例如，参考热图像可以是热图像流中的多于一个热图像的加权平均值。可以创建多于一个热图像的加权平均值，使得参考热图像中的每个像素是所述多于一个热图像中的对应像素的加权平均值。所述多于一个热图像的加权平均值中的图像权重可以基于每个热图像的年龄，使得较老的热图像比较近的热图像对加权平均值的贡献更小。

根据本方法，背景强度可以基于预定的强度。

预定的强度可以是最小阈值强度。预定的强度可以是最大阈值强度。预定的强度可以是回落强度。

应当理解，背景强度可以基于热图像流中的至少一个热图像的一部分中的强度、参考热图像的一部分中的强度和/或预定的强度的组合。例如，在基于热图像流中的至少一个热图像的一部分中的强度和/或参考热图像的一部分中的强度的背景强度导致低于预定的强度的背景强度的情况下，可以将背景强度设置为预定的强度。换句话说，预定的强度是最小阈值强度，不可以将背景强度设置为低于该最小阈值强度。应该理解，预定的强度可以是相应方式中的最大阈值强度。此外，在背景强度不能基于热图像流中的至少一个热图像的一部分中的强度和/或参考热图像的一部分中的强度的情况下，预定的强度可以是回落强度

无序度量可以基于以下中的一个或多个：检测到的静止前景对象的强度变化；检测到的静止前景对象中的边缘的数量；和检测到的静止前景对象中的边缘的强度。检测到的静止前景对象的强度变化可以基于强度熵、强度噪声和/或强度梯度。例如，与包括检测到的静止前景对象的区域有关的像素中的强度变化可以基于与包括检测到的静止前景对象的区域有关的像素中的强度的熵。检测到的静止前景对象中的边缘的数量和/或强度可以是从热图像流中的至少一个热图像提取的特征。因此，无序度量可以基于检测到的静止前景对象中的边缘的数量和/或强度。

无序阈值可以基于以下中的一个或多个：热图像流中的至少一个热图像的一部分中的无序度量；参考热图像的一部分中的无序度量；和预定的无序度量。无序阈值可以基于热图像流中的先前热图像的一部分中的无序度量。无序阈值可以基于热图像流中的先前热图像的多个部分中的无序测量的加权平均值和/或加权中值。例如，加权平均值和/或加权中值中的图像权重可以基于热图像的年龄，使得较老的热图像在加权平均值和/或加权中值中比较新的热图像重要性低。可以定期更新无序阈值。可以动态更新无序阈值。例如，可以每五分钟更新一次无序阈值。应当理解，热图像可以分成几个部分，并且每个部分可以具有无序阈值。换句话说，热图像中的不同部分可以具有不同的无序阈值。

应当理解，在此背景下，可以以与先前描述的相同方式确定参考热图像、多于一个热图像的加权平均值和/或加权中值。

在场景的热图像流中检测静止前景对象的动作可以包括：在场景的热图像流中检测场景中的前景对象；对于热图像流中的热图像序列，确定检测到的前景对象在场景中的位置；响应于检测到的前景对象在场景中的位置对于热图像流中的热图像序列来说是不变的，将检测到的前景对象分类为静止前景对象。换句话说，可以针对热图像流中的热图像序列确定检测到的前景对象在场景中的位置，并且在位置不变的情况下，将检测到的前景对象分类为是静止的。

措辞“热图像流中的热图像序列”应该被解释为热图像流中的多于一个热图像。

可以基于热图像流中的热图像与热图像流中的参考热图像和/或先前热图像的比较来检测前景对象。

热图像流中的热图像序列可以是后续热图像的序列。热图像流中的热图像序列可以是连续的热图像的序列。换句话说，热图像序列可以是连续的，但可替代地，可以是非连续的。

检测到的前景对象的位置可以基于热图像序列中的每个热图像中的包括检测到的前景对象的区域。例如，该位置可以是包括检测到的前景对象的区域的质心或加权质心。加权质心的权重可以基于与包括检测到的前景对象的区域相关联的像素的强度。

在检测到的前景对象的位置不是不变的情况下，检测到的前景对象可以被分类为非静止前景对象。应该理解，在预定的范围内，该位置可能是不变的。换句话说，在预定的范围内，前景对象的位置可能改变，但仍然被分类为静止前景对象。

针对热图像流中的热图像序列确定检测到的前景对象的位置的优点是，可以忽略移动的前景对象。例如，在不停止的情况下穿过场景的轿车不应该触发候选警报。

在场景的热图像流中检测前景对象的动作可以包括：在场景的热图像流中检测场景的变化；确定场景的变化的来源；和响应于场景的变化的来源是前景对象，将场景的变化的来源分类为检测到的前景对象。

场景的变化可以与场景中的运动有关。场景中的变化可以与出现在场景中的对象有关。例如，它可能与进入场景的轿车或从车辆落下的对象有关。

场景的变化的来源可以是与场景中的运动有关的对象。例如，它可以是进入场景的轿车或从车辆落下的对象。

可以将变化的来源确定为是或不是前景对象。该确定可以基于变化的来源的大小。该确定可以基于变化的来源的大小与阈值大小的比较。例如，在变化的来源是轿车的情况下，其大小可以大于阈值大小，于是可以将变化的来源确定为是前景对象。作为另一示例，在变化的来源是鸟的情况下，其大小可以小于阈值大小，于是可以将变化的来源确定为不是前景对象。

在场景的变化与场景中的运动有关的情况下，该确定可以基于场景中的运动的速度。例如，可以将运动的速度与阈值速度进行比较。

确定场景的变化的来源的优点是，可以在前景对象的分类中使用变化的来源的另外的特征。例如，在对前景对象进行分类时，可以使用来源(例如轿车)的大小和速度。

根据第二方面，提供了一种被配置为在视频监控操作中转换警报的警报鉴别器。此设备具有控制电路，该控制电路包括：对象检测功能，被配置为在场景的热图像流中检测场景中的静止前景对象，并且响应于此，触发候选警报；候选警报评估功能，被配置为：相对于背景强度评估检测到的静止前景对象的强度；和响应于检测到的对象的强度高于背景强度，将候选警报转换为实际警报。

警报鉴别器可以进一步被配置为接收场景的热图像流。警报鉴别器可以进一步被配置为捕获场景的热图像流。换句话说，警报鉴别器可以连接到热视频相机或包含在热视频相机中。警报鉴别器可以通过有线或无线连接直接或间接连接到热视频相机。警报鉴别器可以进一步被配置为从其上存储热图像流的计算机可读介质接收热图像流。

对象检测功能可以是软件或硬件实现的。候选警报评估功能可以是软件或硬件实现的。

警报鉴别器可以进一步被配置为将实际警报传输或转发给操作员。

当可应用时，前述方法的上述特征和优点适用于第二方面。为了避免不必要的重复，参考上文。

候选警报评估功能可以进一步被配置为：响应于检测到的静止前景对象的强度等于或低于背景强度，计算与场景的包括检测到的静止前景对象的区域有关的像素中的强度的无序度量；和响应于无序度量高于无序阈值，将候选警报转换为丢弃警报。

候选警报评估功能可以以如前所述的方式计算与场景的区域有关的像素的强度的无序度量。

候选警报评估功能可以进一步被配置为：响应于无序度量等于或低于无序阈值，将候选警报转换为实际警报。

对象检测功能可以通过被配置为执行以下动作而被配置为在场景的热图像流中检测场景中的静止前景对象：检测场景中的前景对象；对于热图像流中的热图像序列，确定检测到的前景对象的位置；并且响应于检测到的前景对象的位置对于热图像流中的热图像序列来说是不变的，将前景对象分类为静止前景对象。

对象检测功能可以通过被进一步配置为执行以下动作而被配置为检测场景中的前景对象：检测场景的变化；确定场景的变化的来源；并且响应于场景的变化的来源是前景对象，将场景的变化的来源分类为检测到的前景对象。

警报鉴别器可以包括在被配置为获取场景的热图像流的热视频相机中。

根据第三方面，提供了一种非暂时性计算机可读存储介质，该介质上存储有指令，该指令用于在具有处理能力的设备上被执行时实现本方法。

当可应用时，该方法的上述特征也适用于第三方面。为了避免不必要的重复，参考上文。

根据下面给出的详细描述，本公开的进一步适用范围将变得显而易见。然而，应该理解的是，尽管指出了本发明构思的优选变型，但是详细描述和具体示例仅以说明的方式给出，这是因为本发明构思范围内的各种变化和修改对于本领域技术人员来说将从此详细描述中变得显而易见。

因此，应该理解，本发明构思不限于所描述的方法的特定步骤或者所描述系统的特定组成部分，这是因为这种方法和系统可以变化。还应该理解，本文使用的术语仅用于描述特定实施例的目的，而不是旨在限制。必须注意的是，除非上下文另有明确规定，如在说明书和所附权利要求中所使用地，冠词“一”、“该”和“所述”旨在表示存在一个或多个元件。因此，例如，对“一单元”或“该单元”的引用可以包括若干设备等等。此外，词语“包括”、“包含”和类似的措辞不排除其它元件或步骤。

附图说明

现在将参考示出本发明构思的变型的附图更详细地描述本发明构思的上述和其它方面。不应该认为附图将本发明构思限制于特定变型；相反，它们用于解释和理解本发明构思。

如图中所示，为了说明的目的，夸大了层和区域的尺寸，因此，这些尺寸被提供来说明本发明构思的实施例的一般结构。相同的附图标记自始至终指代相同的元件。

图1a示出了描绘场景的参考热图像。

图1b示出了描绘包括静止轿车的场景的热图像。

图1c示出了描绘包括分散的雪的场景的热图像。

图1d示出了描绘包括固体连续冰块的场景的热图像。

图2是用于转换候选警报的方法的框图。

图3示出了热视频相机。

图4是用于检测静止前景对象的方法的框图。

具体实施方式

现在将在下文中参考附图更全面地描述本发明构思，附图中示出了本发明构思的当前优选变型。然而，本发明构思可以以许多不同的形式实现，并且不应该被解释为限于本文阐述的变型；相反，提供这些变型是为了彻底和完整，并且将本发明构思的范围完全传达给本领域技术人员。

现在将参考图1a至图1d在视频监控操作中举例说明本方法。本领域技术人员认识到热图像中的对象的强度可以与对象的温度有关。

图1a示出了描绘场景的参考热图像100。在图1a至图1d所示的示例中，场景是交通隧道。在图1a中，交通隧道是空的，而在图1b至图1d中，存在不同的静止前景对象220、320、420。将关于图4描述检测不同静止前景对象220、320、420的方法。

在图1a所示的示例中，看到道路102和交通隧道的入口104。图1a所示的参考热图像100基于热图像流中的多于一个热图像，但是可替代地，它可以是热图像流中的单个热图像。该示例中的参考热图像100是热图像流中的若干热图像的加权平均值。在这种情况下，较老的热图像在加权平均值中的图像权重小于较近的热图像在加权平均值中的图像权重。换句话说，较老的热图像对加权平均值的贡献小于较近的热图像所做的。在该示例中，参考热图像100被定期更新。例如，每五分钟将热图像流中的新的热图像添加到加权平均值。应当理解，可以在将流中的新的热图像添加到加权平均值之前，对其进行评估。例如，取决于参考热图像100和新的热图像之间的强度差异，可以将新的热图像包括在加权平均值中，或将其从加权平均值排除。可替代地，可以动态地更新参考热图像100。例如，可以根据参考热图像100的存在时间(age)和/或热图像流中的热图像的强度来更新参考热图像100。

在参考热图像100中，看到几个部分110、112、114。背景强度可以基于第一部分110、第二部分112和第三部分114。在本具体示例中，背景强度基于第一部分110，但是可以同样基于第二部分112或第三部分114。第一部分110、第二部分112和第三部分114可以具有不同的背景强度。因此，可以将场景的不同部分与基于参考热图像100的不同部分的不同的背景强度进行比较。在交通隧道中，如图1a所示，背景强度通常是均匀的。换句话说，第一部分110、第二部分112和第三部分114中的背景强度通常是均匀的。

应当理解，背景强度可以基于多于一个部分，例如第一部分110、第二部分112和/或第三部分114的组合。

在图1a所示的示例中，由于参考热图像100被定期更新，因此背景强度被定期更新。可替代地，可以动态更新背景强度。

在本示例中，背景强度是第一部分110中的像素的强度值的中值。因此，背景是加权中值，其中对于与第一部分110相关联的所有像素来说，部分权重相等。可替代地，背景强度可以是加权平均值。应当理解，背景强度可以是第一部分110、第二部分112和第三部分114中的像素的强度的加权平均值或中值，其中给予每个相应部分110、112、114不同的权重。

应当理解，以上描述适用于背景强度基于热图像流中的至少一个图像的情况。此外，可以将背景强度设置为预定的强度。

作为替代方案，背景强度可以基于以上描述的组合。例如，预定的强度可以是较低阈值，不可以将背景强度设置为低于该较低阈值。因此，背景强度可以基于参考热图像100，并且如果要将背景强度设置为低于预定的强度的强度值，则将背景强度设置为预定的强度。

图1b示出了描绘包括最近进入场景的静止轿车220的交通隧道的热图像200。因此，在本申请的上下文中，静止轿车220是静止前景对象。在本示例中，使用软件实现的对象检测功能来检测静止轿车220。然而，对象检测功能可以是硬件实现的。在检测到静止轿车220时，触发候选警报。

在图1b所示的示例中，显现了包括静止轿车220的第一区域216。第一区域216可以由对象检测功能确定。在检测到静止轿车220之后，相对于背景强度评估静止轿车220的强度。在该示例中，静止轿车220的强度是与第一区域216有关的像素的强度的中值。换句话说，静止轿车220的强度是加权中值，其中对于所有像素来说，像素权重为1。然而，静止轿车220的强度可以以多种不同方式确定。例如，它可以是与第一区域216有关的像素的峰值强度，或者是与第一区域216有关的像素的强度的加权平均值。发现图1b所示的示例中的静止轿车220的强度高于背景强度。

由于发现静止轿车220的强度高于背景强度，因此将候选警报转换为实际警报。然后，可以将实际警报传输或转发给操作员。操作员可以是视频监控操作中的人员。

图1c示出了描绘包括最近进入场景的分散的雪320的交通隧道的热图像300。因此，在本申请的上下文中，分散的雪320是静止前景对象。类似于关于图1b和静止轿车220的描述，对象检测功能检测到分散的雪320并且触发候选警报。对象检测功能还识别包括分散的雪320的第二区域316。然而，在图1c所示的情况下，检测到的静止前景对象(即，分散的雪320)的强度低于背景强度。在这种情况下，计算与第二区域316有关的像素的强度的无序度量。无序度量可以基于第二区域316中的强度的变化、第二区域316中的边缘的数量和第二区域316中的边缘的强度中的一个或多个。在图1c所示的具体示例中，无序度量基于与第二区域316有关的像素的强度的变化。更具体地，无序度量基于与第二区域316有关的像素的强度的熵。无序度量可以以之为基的像素的强度的变化的其它示例是强度噪声和强度梯度。在其它示例中，无序度量可以基于第二区域316中的边缘的数量和/或强度。应当理解，无序度量可以基于第二区域316中的强度变化、第二区域316中的边缘的数量和第二区域316中的边缘的强度中的一个或多个。

如图1c所示，第二区域316包括分散的雪320和道路102的一部分。因此，与第二区域316有关的像素的强度与检测到的静止前景对象(即分散的雪320)和背景强度(即道路102)都相关。因此，与第二区域316有关的像素的强度变化涉及分散的雪320与背景强度之间的强度差异、以及与散射的雪320相关联的像素的数量和第二区域316中的背景强度。在图1c所示的示例中，发现无序度量高于无序阈值。这里描述的示例的无序阈值基于图1a所示的参考热图像100的第一部分110中的无序度量。在不同的示例中，无序阈值可以是多于一个部分(例如参考热图像100中的第二部分112和第三部分114)中的无序度量的平均值。无序阈值的其它示例是热图像流中的至少一个热图像的一部分中的无序度量和预定的无序度量。应当理解，无序阈值可以基于热图像流中的至少一个热图像的一部分中的无序度量、参考热图像100的一部分中的无序度量和预定的无序阈值中的一个或多个。例如，预定的无序阈值可以是较低/较高的阈值，不可以将无序阈值设置为低于/高于该较低/较高的阈值。换句话说，在无序阈值被动态更新为太低/高的值的情况下，可以使用预定的无序阈值。此外，在无法从例如参考热图像100中的部分110、112、114确定无序阈值的情况下，预定的阈值可以用作无序阈值。

因此，针对分散的雪320触发的候选警报被转换为丢弃警报。因此，丢弃的警报不被传输或转发到操作员，操作员转而不需要调查与分散的雪320有关的警报。

图1d示出了描绘包括最近进入场景的固体连续冰块420的交通隧道的热图像400。因此，在本申请的上下文中，固体连续冰块420是静止前景对象。类似于关于图1b和图1c的描述，对象检测功能检测到固体连续冰块420并且触发候选警报。对象检测功能还识别包括固体连续冰块420的第三区域416。类似于图1c所示的示例，检测到的静止前景对象(即，固体连续冰块420)的强度低于背景强度，并且如关于图1c中的第二区域316所描述的，以相应的方式计算与第三区域416有关的像素的强度无序度量。如图1d中所见，第三区域416包括固体连续冰块420和道路102的一部分。与图1c中的第二区域316相比，图1d中的第三区域416中的与道路102相关联的像素的数量相对于检测到的静止前景对象较小。换句话说，第二区域316中与道路102相关联的像素的数量相对于第二区域316中与分散的雪320相关联的像素的数量高于第三区域416中与道路102相关联的像素的数量相对于第三区域416中与固体连续冰块420相关联的像素的数量。因此，在与分散的雪320相关联的像素和与固体连续冰块420相关联的像素具有相似的强度的情况下，第二区域316的无序度量高于第三区域416的无序度量。

在图1d所示的示例中，无序度量低于阈值强度，并且候选警报被转换为实际警报。因此，警告操作员热图像400中描绘的场景中存在固体连续冰块420。

现在将进一步参考图2描述用于转换候选警报的方法600。

方法600包括响应于在场景的热图像流中检测到场景中的静止前景对象220、320、420而触发s602候选警报。类似于关于图1b至图1c所描述地，使用软件实现的对象检测功能来检测静止前景对象220、320、420，但是它可以是硬件实现的。应该理解，对象检测功能可以是软件和硬件实现的组合。静止前景对象220、320、420可以例如是图1b中的静止轿车220、图1c中的分散的雪320或图1d中的固体连续冰块420。

方法600进一步包括评估s604关于背景强度的检测到的静止前景对象220、320、420的强度。可以以与关于图1a描述的类似方式确定和更新背景强度。

在(例如对于图1b中的静止轿车220来说)检测到的静止前景对象220、320、420的强度高于背景强度的情况下，方法600进一步包括将候选警报转换s606为实际警报。

在(例如对于图1c中的分散的雪320和图1d中的固体连续冰块420来说)检测到的静止前景对象220、320、420的强度低于背景强度的情况下，方法600进一步包括计算s608与场景的包括检测到的静止前景对象220、320、420的区域216、316、416有关的像素的强度的无序度量。可以以关于图1c描述的类似方式确定无序度量和无序阈值。

在(例如对于图1c中分散的雪320来说)与场景的包括检测到的静止前景对象220、320、420的区域216、316、416有关的像素的强度的无序度量高于无序阈值的情况下，方法600进一步包括将候选警报转换s610为丢弃警报。

在(例如对于固体连续块冰块420来说)与场景的包括检测到的静止前景对象220、320、420的区域216、316、416有关的像素的强度的无序度量低于无序阈值的情况下，方法600进一步包括将候选警报转换s612为实际警报。

现在将进一步参考图3描述被配置为获取场景的热图像流的热视频相机700。场景可以是图1a至图1d中任何一个所示的场景。热视频相机700包括相机物镜710和相机壳体720。相机物镜710被配置为将场景成像到热图像传感器722上，从而获取场景的热图像流。

热视频相机700进一步包括数据总线724和警报鉴别器730。热图像传感器722和警报鉴别器730被布置为经由数据总线724进行通信。因此，由热图像传感器722获取的热图像流经由数据总线724被传输到警报鉴别器730。热视频相机700可以包括另外的组件，例如用于视频编码和存储的专用硬件。

警报鉴别器730包括控制电路740。控制电路740包括对象检测功能742和候选警报评估功能744。

对象检测功能742被配置为在场景的热图像流中检测场景中的静止前景对象220、320、420，并且响应于此而触发候选警报。

本示例中的对象检测功能742通过被配置为检测场景中的前景对象来检测场景中的静止前景对象。可以以多种不同方式检测场景中的前景对象。作为检测场景中的前景对象的示例，对象检测功能742进一步被配置为检测场景的变化。然后，本示例中的对象检测功能742进一步被配置为确定场景的变化的来源，并且响应于场景的变化的来源是前景对象，将场景的变化的来源分类为检测到的前景对象。在本示例中，对象检测功能742被配置为确定检测到的前景对象在热图像流中的热图像序列中的位置。响应于检测到的前景对象在热图像流中的热图像序列中的位置是不变的，对象检测功能742被配置为将前景对象分类为静止前景对象220、320、420。

候选警报被传送到候选警报评估功能744。

候选警报评估功能744被配置为相对于背景强度评估检测到的静止前景对象220、320、420的强度，并且响应于(例如对于图1b中的静止汽车220来说)检测到的静止前景对象220、320、420的强度等于或高于背景强度，将候选警报转换为实际警报。可以以与关于图1a描述的类似方式确定和更新背景强度。

本具体示例中的候选警报评估功能744进一步被配置为响应于检测到的静止前景对象220、320、420的强度等于或低于背景强度，计算与场景的包括检测到的静止前景对象220、320、420的区域216、316、416有关的像素的强度的无序度量。可以以与关于图1c描述的类似方式确定无序度量。

在无序度量高于无序阈值的情况(正如如果热视频相机700监控包括图1c所示的分散的雪320的场景的情况)下，本示例中的候选警报评估功能744进一步被配置为将候选警报转换为丢弃警报。可以以与关于图1c描述的类似方式确定无序阈值。

在无序度量低于无序阈值的情况(正如如果热视频相机700监控包括图1d所示的固体连续冰块420的场景的情况)下，本示例中的候选警报评估功能744进一步被配置为将候选警报转换为实际警报。

图4是用于检测静止前景对象220、320、420的方法800的框图。方法800包括在热图像流中检测s802场景中的前景对象。可以以多种不同方式检测前景对象。在本具体示例中，通过在场景的热图像流中检测s810场景的变化来检测前景对象。例如，场景的变化可以与场景中的运动有关或者与场景中出现的对象有关。

通过确定s812场景的变化的来源来进一步检测前景对象。场景的变化的来源可以是与场景中的运动有关的对象。

通过将变化的来源分类s814来进一步检测前景对象。在将变化的来源分类s814为前景对象的情况下，方法800已经检测到前景对象。可替代地，在变化的来源被分类s814为不是前景对象的情况下，方法800未检测到前景对象。

在已经在场景中检测s802到前景对象的情况下，针对热图像流中的热图像序列确定s804检测到的前景对象在场景中的位置。换句话说，跟踪检测到的前景对象的位置。在本具体示例中，在热图像流中的连续热图像序列中跟踪检测到的前景对象的位置。然后，根据前景对象的位置的变化对检测到的前景对象进行分类。在位置不变的情况下，将检测到的前景对象分类s806为静止前景对象220、320、420。可替代地，在位置不是不变的情况下，将检测到的前景对象分类s808为非静止前景对象。

作为示例，检测图1b中描绘的热图像200中的前景对象可以通过在轿车进入交通隧道时检测s810场景的变化来完成。然后，确定s812变化的来源为轿车。然后，对变化的来源，即本示例中的轿车，进行分类s814。在这种情况下，将变化的来源的大小与阈值大小进行比较，并且将汽车分类为前景对象。对变化的来源的其它分类s814可以包括不同的动作，例如评估例如变化的来源的速度。图1b中的轿车220在进入场景后停止，这是为什么它在热图像流中的热图像序列中的位置是不变的原因。在本示例中，图1b中的轿车在场景中的位置基于与包括静止轿车220的区域216相关联的像素的加权质心。应该理解，有用于确定前景对象的位置的多种不同的方式。因此，方法800将轿车分类s806为静止前景对象220。在汽车没有停止的情况下，其位置将不是不变的，因此方法800将轿车分类s808为非静止前景对象。应当理解，方法800也可以应用于图1c和图1d中显示的热图像300、400，并且分散的雪320和固体连续冰块420将被检测到并且被分类为静止前景对象320、420。

本领域技术人员认识到，本发明构思决不限于上述优选变型。相反，在所附权利要求的范围内可以进行许多修改和变化。

例如，参考热图像可以是热图像流中的若干热图像的加权中值或加权和，而不是这里举例说明的加权平均值。

例如，背景强度和/或无序阈值可以基于参考热图像中与包括检测到的静止前景对象的部分对应的部分。

另外，通过研究附图、公开和所附权利要求，本领域技术人员在实践所要求保护的发明时可以理解和实现所公开变型的变化。