一种基于红外热像仪的单兵侦查方法、装置及存储介质与流程

本发明涉及一种监控侦测
技术领域：
，尤其涉及一种基于红外热像仪的单兵侦查方法、装置及存储介质。
背景技术：
：随着计算机技术的高速发展，人们对各种监控侦测产品和设备的“智能”性要求越来越高，产品的功能性需求变大使得越来越多的工作被机械所取代，越来越多的监控侦测系统趋向于无人值守的自动化、智能化。现有的自动化、智能化监控侦测系统如移动侦测设备，其基本都是基于高清摄像机来实现的。进行室外影像侦测时，必须考虑到景物影像的照度是否足够，以及光线强度多变的问题。这表示，当入侵者进入摄影画面时，若当时光线昏暗，影像移动的光影便不明显；然而若当时光线足够，或具有较好的光照环境，便可明显看出移动影像的光线变化。如果影像移动侦测仅仅比较与预设光影值的差异，作为发现入侵者的依据，则在光线不足的地方会无法使用，而过亮的地方则会过度敏感。而传统的传统的影像移动侦测系统采用类比讯号来侦测，由摄像机输入的监视影像区分出各影像区块的亮度差异，如果辨识出该时段亮度与原始设定不同，警报便会启动。此类产品目前仍在市面上流通，但以室内应用为主。室外侦测距离远，且光线环境不固定，例如飞鸟、云影、树影、风势过大引起摄像机摇晃，甚至大雨、冰雪等气候的影响，都可能引起误报，因此此类产品并不适用于室外。显然，利用摄像机进行监控侦测，均存在一些侦测误差的弊端。而另一方面，对于军用侦查设备，常用的军用侦查设备有侦查卫星和侦查雷达等，但是这些大多都是用于侦查大面积大目标的侦查系统，就算可以移动到目标点进行侦查，但是目标也很巨大，智能固定地点，或使用车辆来进行移动侦查，不适合用来单兵作战时使用。基于此，提供一种适合单兵使用的便携式移动侦测设备，能够方便单兵侦查使用，并且能够减少侦测误报，更准确地实现监控侦测，是值得探究的技术问题。技术实现要素：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单兵侦查方法，能够减少侦测误报，更准确地实现监控侦测。本发明的目的之一采用如下技术方案实现：一种基于红外热像仪的单兵侦查方法，包括：数据获取步骤，获取侦查场景的红外原始裸数据，同时从前端配置文件中获取到对应侦查场景下的各侦察报警区域信息及其对应的触发报警的条件；分析统计步骤，对获取到的对应侦查场景的红外原始裸数据进行分析处理，统计出在红外画面内侦查到的各个目标的类型和其在红外图像上的坐标位置信息，筛选出处于各侦查报警区域的目标，统计处于侦查报警区域对应侦查目标类型的目标数量；侦查报警步骤，将处于侦查报警区域对应侦查目标类型的目标数量与预设的侦查报警区域对应侦查目标类型的目标数量报警阈值进行对比，若目标数量大于报警阈值，则触发对应侦查目标类型的侦查报警。进一步地，在所述数据获取步骤之前，还包括：侦查设定步骤，对不同的侦查场景布防侦查报警区域，并设置相应的侦查目标类型的目标数量报警阈值。进一步地，在所述侦查报警步骤中，侦查场景若没有布防侦察报警区域，则只要在对应侦查场景上侦查到任意类型的目标均触发侦查报警。进一步地，在所述分析统计步骤中，经过侦查算法分析处理最终输出对应侦查场景下的目标物的类型、数量和侦查到的各个目标的坐标位置，还根据各个目标的坐标位置，利用osd叠加在红外视频流上进行位置标记，不同类型的目标分别使用不同的颜色进行标记区分，同时把探测到的各目标类型的目标数量叠加在红外视频流上输出。进一步地，在所述分析统计步骤中，通过动态侦查算法及静态侦查算法分别对侦查场景下的动态目标物、静态目标物进行对应分析处理，确定出对应目标物的种类、数量、以及在画面上的位置。进一步地，在所述分析统计步骤中，通过读取对应侦查场景下各侦查报警区域的顶点坐标信息，根据各目标物在画面上的位置，利用几何算法筛选出处于各侦查报警区域内的目标。进一步地，在所述侦查报警步骤中，若触发对应侦查目标类型的侦查报警，则上传包括对应侦查场景的侦查位编号信息、触发报警时的云台角度信息、触发报警的侦查目标类型和对应的数量信息以及触发侦查报警时对应侦查场景下的红外图片。本发明的目的之二在于提供一种基于红外热像仪的单兵侦查装置，能够便携移动，方便单兵侦查使用，减少侦测误报，更准确地实现监控侦测。本发明的目的之二采用如下技术方案实现：一种基于红外热像仪的单兵侦查装置，包括红外热像仪、高清摄像头、4g路由模块、锂电池及便携式全景云台，所述便携式全景云台用于平衡稳定所述红外热像仪及所述高清摄像头，所述4g路由模块用于通过4g网络、wifi、网线中的任意一种或多种与侦查结果接收端通信连接，上传所述红外热像仪、所述高清摄像头的侦查数据，所述锂电池用于为所述红外热像仪、所述高清摄像头、所述4g路由模块及所述便携式全景云台供电，所述红外热像仪包括红外探测器及fpga模块，所述红外探测器用于获取侦查视场角内的红外原始裸数据，所述fpga模块与所述红外探测器通信连接，实现如本发明目的之一所述的一种基于红外热像仪的单兵侦查方法。进一步地，所述红外热像仪上传侦查数据时，所述高清摄像头同时上传对应侦查场景下的视频数据。本发明的目的之三在于提供一种存储介质，能够减少侦测误报，更准确地实现监控侦测。本发明的目的之三采用如下技术方案实现：一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如本发明目的之一所述的一种基于红外热像仪的单兵侦查方法。相比现有技术，本发明的有益效果在于：本发明的一种基于红外热像仪的单兵侦查方法、装置及存储介质，通过对获取到的红外原始裸数据进行分析处理，筛选出处于各侦查报警区域的目标，并目标数量，根据比对预设的对应侦查目标类型的目标数量报警阈值，判断是否触发侦查报警，通过红外探测排除了监测距离的限制，监测范围内只要有一个像素点，就可以监测得到，较好地减少侦测误报，更准确地实现监控侦测。同时单兵侦查装置采用4g路由模块，方便通过无线通信上传侦查数据，实现侦查设备的便携移动的效果，能够方便单兵侦查使用。附图说明图1为发明一种基于红外热像仪的单兵侦查方法流程图；图2为发明一种基于红外热像仪的单兵侦查装置各模块连接示意图；图3为矩形目标块示意图。具体实施方式下面，结合附图以及具体实施方式，对本发明做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。实施例一：实施例一公开了一种基于红外热像仪的单兵侦查方法，如图1所示，包括如下步骤：s1侦查设定步骤，对不同的侦查场景布防侦查报警区域，并设置相应的侦查目标类型的目标数量报警阈值；s2数据获取步骤，获取侦查场景的红外原始裸数据，同时从前端配置文件中获取到对应侦查场景下的各侦察报警区域信息及其对应的触发报警的条件；s3分析统计步骤，对获取到的对应侦查场景的红外原始裸数据进行分析处理，统计出在红外画面内侦查到的各个目标的类型和其在红外图像上的坐标位置信息，筛选出处于各侦查报警区域的目标，统计处于侦查报警区域对应侦查目标类型的目标数量；s4侦查报警步骤，将处于侦查报警区域对应侦查目标类型的目标数量与预设的侦查报警区域对应侦查目标类型的目标数量报警阈值进行对比，若目标数量大于报警阈值，则触发对应侦查目标类型的侦查报警。利用一个基于红外热像仪的单兵侦查装置，来实现上述方法。如图2所示，单兵侦查装置包括红外热像仪、高清摄像头、4g路由模块、锂电池及便携式全景云台，便携式全景云台用于平衡稳定所述红外热像仪及高清摄像头，4g路由模块用于通过4g网络、wifi、网线中的任意一种或多种与侦查结果接收端通信连接。fpga模块执行上述方法。该红外热像仪的单兵侦查装置为实现单兵侦查使用，做到小巧轻便，便于携带。其设备外观下半部为直径为12厘米的圆柱形，上半部为球形，整机高度24.5厘米，重量小于4kg。此外，设备内部集成有大容量的电池可供设备不间断侦查72小时以上。为了安装使用方便，设备配备一个轻便的伸缩式三角支架。需要侦查时，可以随时随地把设备通过螺丝简单地安装在伸缩式的三脚支架上。设备内置有锂电池，锂电池用于为所述红外热像仪、所述高清摄像头、所述4g路由模块及所述便携式全景云台供电，锂电池能够实现为装置长时间供电，满足单兵侦查设备无人值守5天甚至7天，无需再外接电源实现设备运行。使得装置能够独立工作，适应户外侦查环境。设备内部的4g路由模块，不但支持以wifi局域网的方式连接设备，同样支持以4g网络连接设备，即只要有4g网络信号的地方均可使用。实现不同通信方式与接收端连接。并且，其架构简单，系统把智能侦查算法直接移植进了红外热像仪的fpga模块内部，把后端的数据处理直接转入前端进行运算，不需要经过服务器的处理过程，用户只需要打开客户端，即可直接连接设备进行通信，去掉了中间的可能故障节点，加强了通信链路的稳定性、可靠性和安全性。可以通过红外内部的智能侦查算法对设备周围红外热像仪可探测范围进行扫描侦查，智能且实时地输出扫描范围内预设异常目标物的数量及其位置。系统同时可以布防报警区域，若布防区域内的某种目标数量达到某个阈值，即可实现自动报警。由于红外热像仪本身所具有的特性，该设备可以同时实现日间和夜间的稳定侦查。不需要考虑环境亮度的问题，大大减少了侦查误差。实际使用过程中，当选择好侦测地点后，把设备安装在简易的可收缩支架上放置平稳，并把设备上电。设备云台内部有内置的4g路由模块，设备上电后，用户可以使用移动客户端通过wifi搜索或4g网络直接连接到设备。云台内部的红外热像仪和高清摄像机连接在内置的4g路由模块上，4g路由模块可以发射wifi信号，用户可以使用移动设备连接该wifi信号，用户距离设备超出局域网范围后时，同时也可通过4g网络与设备进行通信。客户端连接到设备后，用户可以查看到设备的视频流和相关的参数信息。在参数设置界面获取到设备的相关参数信息，其中包括设备号，设备的ip地址，连接设备的账户信息等。通过客户端视频流界面可以查看到单兵设备的红外热像仪和高清摄像机的视频流，同时，在视频流界面可以实现对设备进行上下左右的转动控制，同时可以调整高清摄像机的焦距，来查看远距离的实际画面。客户端根据设备视频流来分别选择实际需要进行侦查的场景位置，从而在各个侦查场景分别设置侦查位，同时可以根据实际情况在一些重点位置布防报警区域，并设置相应的报警条件，以此完成侦查设定步骤。客户端把某个红外场景设置为侦查位时，fpga模块会对应保存下侦查位的编号和此时单兵设备在该侦查位上的云台水平角度和俯仰角度。则该侦查位对应该红外侦查场景。客户端在设置设备的各个侦查位时，同时系统会获取各个侦查为对应侦查场景的红外图片，用户可以在各个红外图片上布防侦查区域，就相当于在对应的各个侦查场景上布防侦察区域，每个侦察区域对应设置触发侦查报警的报警条件。布防侦查区域的类型需与系统的模板库中目标的类型相对应，如系统模板库中包含的目标类型人、电动车、轿车、公交车和卡车等，则用户即可在侦查位上布防人员侦查区域、电动车侦查区域、轿车侦查区域、公交车侦查区域和卡车侦查区域等。布防侦查区域的同时，还可以设置触发侦查报警的目标数量，如布防了一个人员的侦查区域，同时设置人员侦查区域的触发报警的数量阈值为a，则当设备侦查出该人员侦查区域内出现有a个或以上人员时，设备会触发人员侦查报警。布防的各种侦查区域的形状可以为矩形区域和多边形区域，用户在某个侦查位布防好报警区域后，客户端会把该侦查位的编号、侦查区域的类型、侦查区域触发报警的目标数量阈值和侦查区域的各个顶点坐标发送给前端设备，前端设备把该布防区域的信息写入前端的配置文件中。若某个侦查位上未布防侦查区域，则在该侦查位上系统默认侦查整个红外版面，且侦查到任意类型的目标出现，均会触发侦查报警。当用户设置好侦查位和报警区域及相关参数后，设备会按照设置的侦查位编号顺序进行自动巡航扫描。扫描过程中，侦查报警流程如下：1、自动巡航扫描时，系统读取前端的配置文件，按照侦查位编号分别获取到各个侦查位的对应的云台角度。系统按照侦查位编号顺序，分别控制云台到各个侦查位对应的云台角度来进行侦查，从而实现自动扫描侦查。设备每扫描到一个侦查位置，红外热像仪内部的红外探测器会获取该侦查场景下的红外原始裸数据，同时从前端配置文件中获取到该场景下的侦察报警区域信息及其触发报警的条件。2、红外热像仪的fpga模块会通过其内部的智能侦查算法对数据进行处理分析，侦查出红外探测范围内的各种目标物。该算法可以通过对某个侦查位的红外原始裸数据的分析，来探测和统计侦查场景内的各类目标。系统内部有设置有一个侦查算法的开关变量，当设备巡航到某个侦查位时，系统自动打开侦查算法开始进行侦查，侦查完成后，关闭侦查算法，再继续扫描下一个侦查位，保证在设备转动的过程中不进行侦查。红外人像仪扫描某个侦查位时，把获取到的该侦查位的红外原始裸数据代入侦查算法进行分析，统计出在红外画面内侦查到的各个目标的类型和其在红外图像上的坐标位置信息，同时统计各种类型的目标数量。经过侦查算法最终输出该场景下的目标物的种类、数量和侦查到的各个目标的坐标位置，系统根据目标的坐标位置，使用红外热像仪的osd叠加在红外视频流上进行位置标记，不同类型的目标，分别使用不同的颜色进行标记区分，同时系统会统计出探测到的各种类型目标的数量，同时把探测到的各类型目标数量叠加在红外视频流上。通过在各个侦查位上不断地获取红外原始裸数据代入侦查算法进行分析，从而在每帧红外视频数据上利用osd叠加进行目标的标记，即实现在红外视频流上实时显示探测到的各个目标的位置。这样，用户通过查看客户端设备的红外视频流，即可实时查看红外探测到的目标的实时情况。需要说明的是，由于侦查场景下，侦查对象可能包括静态目标及动态目标，因此，本系统的侦查算法包括动态侦查和静态侦查两部分构成，动态侦查算法用于侦查该场景下的运动的目标物，确定出目标物的种类、数量、以及在画面上的位置；静态侦查算法用于侦查该场景下的静止不动的目标物，确定出目标物的种类、数量、以及在画面上的位置。动态侦查算法的实现方法如下：当红外热像仪面对一个场景时，红外图像的每一个像素点都有一个亮度值(或灰度值)，该亮度值即为裸数据，最黑的像素裸数据(也叫作亮度)为0，最白的像素裸数据为55296。整个图像各个像素点的裸数据的值都分布在0到55296的区间中，越黑的像素，其裸数据的值越接近于0，越白(既越亮)的像素点，其裸数据的值越接近于55296。分别以红外图像的上边缘和左边缘为x轴和y轴，建立一个直角坐标系，则红外的每一个像素点的均处于二维坐标系中，每一个像素点都会有一个二维坐标。设备每扫描到一个侦测场景时，红外的fpga模块会连续不断地获取该场景下的整个版面所有像素点的红外原始裸数据，分别把前后连续两帧的红外数据存放在二维数组中。若红外热像仪的分辨率为640*480，说明红外热像仪的横向像素点数量为640个，纵向像素点数量为480个，则创建两个二维数组prepiexvalue[480][640]和curpiexvalue[480][640]，分别存放上一帧和这一帧的像素点数据。当有目标物在侦测场景内运动时，红外热像仪图像版面内对应位置的像素点的数据值会随之发生较大变化,同样的，若发现某个位置的像素点数据发生了变化，则说明该像素点对应的位置存在有运动的目标物。根据红外裸数据的二维数组的下标来对比前后两帧数据，即分别对比prepiexvalue[m][n]和curpiexvalue[m][n]，若发现某个位置的像素点的数据值发生了大于等于50的变化，即prepiexvalue[m][n]和curpiexvalue[m][n]的差值的绝对值大于等于50，则把该像素点信息添加进变化的像素点结构体数组varpiexl[]中，像素点结构体定义如下所示：typedefpixel{intpixel_x；//像素点的x坐标intpixel_y；//像素点的y坐标intvalue；//像素点的数据值(灰度值)}结构体数组varpiexl[]中保存的像素点基本均为红外版面内运动目标物(包括但不仅限于人、电动车、轿车、公交车和卡车等)所占的像素点块中的一部分像素点集合(因为当目标物运动时，目标物的边缘像素点的数据变化较为明显，所以该像素点集合中一定包括目标物轮廓的像素点)，fpga内置的动态侦查算法，按照前面创建的二维坐标系中x和y坐标是否相邻，把该数组中的像素点进行分块处理(即把集合中相邻的像素点分为一块)，最终整理出红外版面内运动的各个目标物的轮廓像素点集合信息，分别把每一个目标物的轮廓信息保存在结构体数组outline[]中。每一个目标物在红外版面内都由若干个像素点的集合构成的，每个像素点在二维坐标中又有x和y坐标，遍历该目标物轮廓信息的像素点数组集合，找出该目标物块的最上、最下、最左和最右的像素点位置，即找出该目标物目标物轮廓像素点数组所有像素点中的最大的x坐标maxx、最大的y坐标maxy、最小的x坐标minx和最小的y坐标miny。当找出了某个轮廓中的最大坐标和最小坐标，即可按照左上角坐标(minx,miny)和右下角坐标(maxx,maxy)的两个坐标，截取出该目标物完整的矩形数据块，把其中的数据保存在objvalue[]数组中。系统的动态侦查算法，会把目标物的数据块(objvalue[]数组)，经过映射和二极化算法，把每个目标物的数据块都映射到16*16的二维矩阵中再进行下一步分析。映射和二极化的算法实现如下：当目标物在x轴方向所占的像素点数量大于16，或目标物在y轴方向所占的像素点数量大于16时，需要把目标物所在的像素点数据得二维矩阵压缩或扩展成16*16的像素点数据所构成的矩阵。扩展过程中，算法先找出目标物矩阵中裸数据值最大的像素点和裸数据值最小的像素点的值，然后计算出最大值maxvalue和最小值minvalue的差值diffvalue，同时求得该目标物矩阵的所有像素点的平均值avevalue。设16*16的映射矩阵中的某个像素点mappedvalue[i][j]的值分别为：for(intj＝0；j<16；j++){for(inti＝0；i<16；i++){mappedvalue[i][j]＝getave(minx+j*((maxx-minx)/16),miny+j*((maxy-miny)/16),minx+(j+1)*((maxx-minx)/16),miny+(j+1)*((maxy-miny)/16))；}}其中getave()函数是获取用于映射的几个像素点灰度值的平均值。其定义如下所示：经过上述算法，可以把目标物的像素点矩形块映射到16*16的数据矩阵中。然后对16*16的矩阵中的像素点数据进行二极化处理，二极化处理时分为两种，一种是基于目标物形状的二极化，另一种是基于目标物高低温的二极化。其中，基于目标物形状的二极化：通过上述目标物轮廓的像素点集合，把轮廓以内的像素点对应的映射矩阵的值全部置为1，把轮廓以外的像素点对应的映射矩阵的值全部置为0。此时16*16的矩阵中目标物所占的像素点的值都为1，而目标物周围以外的像素点的值都为0，即为目标物形状二极化矩阵。基于目标物高低温的二极化：先求得矩阵中数据的平均值，然后把矩阵中数据大于平均值的数据记为1，把矩阵中小于平均值的数据记为0。实现方法如下：voidbipolarvalue()系统内部的特征库中存储有大量的基于目标物形状的二极化特征数据和基于高低温的二极化特征数据，上面的数据经过二极化处理后，分别与系统内部的形状特征库和高低温特征库进行对比，若对比后的数据满足形状特征库的百分之90则确定该目标物属于该类别，或满足形状特征库的百分之六十，同时满足高低温特征库的百分之七十五，也可确定该目标物属于该类别。因为二极化后的特征库数据以二进制的形式保存为特征库文件，大大减小了特征库文件的对比效率，同时可以实现在前端收录更多的目标物特征数据，也保证了目标物识别的准确率。静态侦查算法的实现方法如下：静态侦查算法用来侦查红外视场范围内静止的目标物(包括但不仅限于人、电动车、轿车、公交车和卡车等)，最终分析出该场景下的目标物的种类、数量和位置，并在视频流上进行位置标记，同时看目标物是否触发了预设的报警条件，若触发了报警条件，则把报警信息推送给客户端。要识别静态的目标物，首先需要先找出目标物所占的像素点数据块，本系统筛选目标块时，是先通过图像处理算法提取出目标块像素点的边缘，再提取出目标块的数据，再判别目标块是否属于所探测的目标类型。目前对于图像边缘提取的算法已经很成熟，常用的图像边缘提取的算子有sobel算子、isotropicsobel算子、roberts算子、prewitt算子、laplacian算子和canny算子，通过对上述几种算子的综合效果的对比，该算子功能比前面几种都要好，本系统在进行目标块边缘提取时，使用canny算子来实现。canny算子是一个具有滤波，增强，检测的多阶段的优化算子，在进行处理前，canny算子先利用高斯平滑滤波器来平滑图像以除去噪声，canny分割算法采用一阶偏导的有限差分来计算梯度幅值和方向，在处理过程中，canny算子还将经过一个非极大值抑制的过程，最后canny算子还采用两个阈值来连接边缘。canny边缘检测算法的分为4个步骤：step1:用高斯滤波器平滑图象；step2:用一阶偏导的有限差分来计算梯度的幅值和方向；step3:对梯度幅值进行非极大值抑制；step4:用双阈值算法检测和连接边缘。canny边缘检测算法比较常规，下面简单介绍下本系统使用的一些细节。step1:用高斯滤波器滤波实现数据平滑处理使用高斯滤波器实现平滑图像通常使用二维高斯函数：其中σ为高斯函数的标准差，x和y为高斯模板的坐标，x2+y2也可以理解为滤波的点离模板中心点的距离的平方。根据该原理，可以用代码实现高斯模板矩阵的生成函数方法如下：其中第一个参数gaus是指向生成的高斯模板的指针，第二个参数size是高斯卷积核的尺寸大小；第三个参数sigma是卷积核的标准差。经过实际处理的对比，使用矩阵大小为5*5，卷积核标准差sigma为1的canny算子矩阵，即上述函数中，参数为size为5，sigma为1代入计算，获取到高斯模板矩阵。将上述获得的高斯模板矩阵和红外数据进行卷积，得到抑制噪声后的高斯滤波后的红外数据。step2:用一阶偏导的有限差分来计算梯度的幅值和方向图像灰度值的梯度一般使用一阶有限差分来进行近似，这样就可以得图像在x和y方向上偏导数的两个矩阵，本系统使用常用的sobel算子计算梯度幅值和方向，算子使用经典的sobel卷积算子：x方向和y方向上的梯度算子分别为x方向:-10+1-20+2-10+1y方向：+1+2+1000-1-2-1x方向和y方向上的卷积公式为：其中i为上一步处理后的红外数据，使用上述卷积公式分别求得水平方向(即x方向)和垂直方向(即y方向)上的卷积数据，然后再对求得的水平和垂直方向的梯度数据的每一个点进行求和，即g即为求得梯度数据，同时计算出各个点的梯度角的值，即θ＝atan(gy/gx)*57.3+90step3:对梯度幅值进行非极大值抑制，进一步消除非边缘噪点，同时收窄边缘像素点的宽度。系统分别以θ的值在0到45度、45到90度、90到135度和135到180度四个角度范围进行非极大值处理，各个点的幅值公式为：p(x0,y0)+(p(x0-1,y0+1)-p(x0,y0))*tan(θ)将上面第三步求得的各个点的梯度数据和梯度角在四个角度范围内分别使用上述公式进行处理，得出非极大值抑制的红外数据。step4:用双阈值算法检测和连接边缘，双阈值一个低阈值a和一个高阈值b，一般取b为图像整体数据值分布的70％，且b为1.5到2倍大小的a；且数据值大于b的，置为255，灰度值小于a的，置为0，数据值在a和b之间的，在查看其周围的8个点中是否有255的值，若有，则该点也置为255，若没有，则该点的值置为0。经过本系统参照红外热像仪的实际数据情况对比，最终取b的值为121，取a的值为72。上述为canny算子的实现原理，opencv库是经典的图像处理算法，其中包含有canny算子的实现，本系统直接调用其中的cvcanny函数来实现对目标轮廓的提取：voidcvcanny(constcvarr*image,cvarr*edges,doublethreshold1,doublethreshold2,intaperture_size＝3)；参数说明：image为输入的图像数据；edges为输出的图像边缘数据；threshold1第一个阈值；threshold2第二个阈值；aperture_sizesobel算子内核大小。经过上述的处理，可以得到处理后的红外图像数据，再调用cvfindcontours函数来提取出各个目标轮廓中的像素点坐标集合：intcvfindcontours(cvarr*image,cvmemstorage*storage,cvseq**first_contour,intheader_size＝sizeof(cvcontour),intmode＝cv_retr_list,intmethod＝cv_chain_approx_simple,cvpointoffset＝cvpoint(0,0))；参数说明：image为二值化后的图像数据；storage为提取到的轮廓的容器；first_contour为指向第一个外接轮廓的指针；header_size为轮廓序列的大小；mode是轮廓检索的层次模式；method是指边缘近似的方法；offset是指偏移量；本系统调用时参数mode选用cv_retr_list，检索所有的轮廓，并将其放入list中；method选用cv_chain_approx_simple；offset选用默认值，无偏移量。使用上述函数可以获取到图像中各个目标块的轮廓像素点坐标集合，保存在storage指针指向的容器中。当获取到各个轮廓的像素点坐标集合后，系统分别针对每一个目标块轮廓区域进行分析。设未处理的该帧红外原始裸数据集合为m(x,y)，经过处理后，其中某个目标块轮廓的像素点数据集合为p(x,y)，对该轮廓集合中的像素点按照y坐标从小到大进行排序，再找出每一行(即相同y值)中最小的x坐标xmin和最大的x坐标xmax，则在该帧数据集合中纵坐标为y且横坐标介于xmin和xmax之间的像素点的数据添加进该目标块数据的容器中，这样就把该帧红外原始裸数据中各个目标块的数据都分别提取出来。同时统计出各个目标块的像素点个数，目标块像素点最小x坐标minx、最大x坐标maxx、最小y坐标miny和最大y坐标maxy，及其在x方向和y方向上所占的像素点个数。然后对目标块的数据进行预筛选，预筛选时，系统获取到用户设置的该预置位下设备距离监测位置的大概距离参数，根据本系统的距离与像素点的比例公式计算出目标块像素点的可用范围。其中系统的固定像素点比例与距离统计曲线公式：f(x)＝8.61×10-14x5-2.58×10-10x4+2.86×10-7x3+0.02x-0.11其中f(x)为10个像素点长度对应的实际物体的长度(单位：米)，x为目标物与前端设备之间的距离(单位：米)，如计算出该预置位场景内10个红外像素点对应的实际目标物长度为2米，若该场景需要探测的目标物最大的实际长度大约为6米，宽度大约为2米，则该目标物在红外上长度实际所占的像素点个数应为30个以内，宽度实际所占的像素点个数应为10个以内，则在预筛选时去除掉，目标块的长度和宽度远远超过该范围的目标块数据，并以同样的方法去除掉目标块像素点个数远远小于该范围的目标块数据。若用户未设置该预置位下设备距离监测位置的距离参数，系统会通过上述动态探测算法，探测出该预置位下的目标车辆所占的像素点的数量，如探测到轿车在该预置位上所占的像素点为12*6，而轿车实际的长度和宽度约为4米*2米，则计算出该预置位下，一米所占的像素点个数比例为3个，则用该比例乘以需要探测的最大的目标块的实际长度，即可计算出在该预置位下最大的目标块的范围。同样地，经过预筛选，去除掉那些所占像素点数量不在该最小范围和最大范围的之间的目标块数据。筛选出目标块像素点数据后，分别针对每个目标块的数据范围扩充为一个矩形范围，矩形范围对角线坐标为(minx，miny)和(maxx，maxy)，在该矩形范围内，矩形目标块如图3所示，目标块的数据仍用目标块的数据进行填充，其外的数据用0填充，如下所示，黑色的为目标物的像素点数据，白色的为按照对角坐标进行扩充的像素点。当每个目标块的数据经过扩充成矩形范围后，再次按照上述动态探测算法中的映射和二极化的方法进行处理(只做形状二极化处理)。处理完成后，再次与系统的静态探测模板库中的数据进行对比，最终分析出各种目标物的类型，然后在红外视频流上实时标定出各个目标物的位置。最终分析出该场景下的目标物的种类、数量和位置，并在视频流上进行位置标记，同时看目标物是否触发了预设的报警条件，若触发了报警条件，则把报警信息推送给客户端。系统在各个侦查位侦查完成后，系统在前端配置文件中读取该侦查位编号对应的各类侦察区域的顶点坐标信息，通过几何算法筛选出处于各类布防区域内的目标，同时与侦查区域的触发报警目标数量阈值进行对比，确定是否有报警触发。系统通过获取到某个侦查区域上布防的侦察区域信息(包括侦察区域类型、侦察区域顶点坐标和侦察区域目标数量报警阈值)，先确定某个侦察区域的类型，来针对前面探测到的该类型的目标来进行筛选，然后根据该侦察区域的顶点坐标通过几何算法，筛选出处于该区域内的该类型的目标的数量。然后将该数量与用户设置的侦查区域的目标数量报警阈值进行对比，若该布防区域内该类型的目标数量大于报警阈值，则触发该目标类型的侦查报警。若该侦查位上没有布防侦察区域，则只要在该侦查位上侦查到任意类型的目标均触发侦查报警。当系统前端侦查算法分析出侦查场景内有目标物触发报警时，系统的前端软件会发送侦查报警信息给连接到该设备的客户端(pc客户端和手机app客户端)，通知用户有侦察报警触发，客户端的红外视频流上标记有各个目标物的位置，同时用户还可以通过控制高清摄像机的焦距的来查看侦查到的目标物具体的实际情况。前端软件向客户端发送的侦查报警信息包括触发侦查报警的侦查位编号，报警时的云台角度，触发报警的目标物类型和对应的数量以及侦查报警的红外图片。报警信息会保存在客户端，用户也可以查看某段时间段内某个侦查位置的报警历史记录。在一个侦查位上侦查完成后，按照侦查位的编号继续扫描下一个侦查位置。系统不断地在各个侦查位之间进行自动巡航扫描，实现了对多个侦查位置的各类需要探测的目标进行探测，降低了人工侦查的繁琐和危险性，同时实现了人机分离的远距离的侦查。本实施例的一种基于红外热像仪的单兵侦查方法、装置，通过对获取到的红外原始裸数据进行分析处理，筛选出处于各侦查报警区域的目标，并目标数量，根据比对预设的对应侦查目标类型的目标数量报警阈值，判断是否触发侦查报警，通过红外探测排除了监测距离的限制，监测范围内只要有一个像素点，就可以监测得到，较好地减少侦测误报，更准确地实现监控侦测。同时单兵侦查装置采用4g路由模块，方便通过无线通信上传侦查数据，实现侦查设备的便携移动的效果，能够方便单兵侦查使用。实施例二：实施例二公开了一种可读的计算机存储介质，该存储介质用于存储程序，并且该程序被处理器执行时，实现实施例一的一种基于红外热像仪的单兵侦查方法。上述实施方式仅为本发明的优选实施方式，不能以此来限定本发明保护的范围，本领域的技术人员在本发明的基础上所做的任何非实质性的变化及替换均属于本发明所要求保护的范围。当前第1页12