Wykrywanie i lokalizacja obiektów za pomocą skanowania przestrzeni niskorozdzielczą kamerą termowizyjną

pol Artykuł w języku polskim DOI: 10.14313/PAR_259/101

Karol Erd , wyślij Krzysztof Sawicki Instytut Optoelektroniki, Wojskowa Akademia Techniczna, ul. Gen. Sylwestra Kaliskiego 2, 01-476 Warszawa

Pobierz Artykuł

Streszczenie

We współczesnych systemach monitoringu i detekcji często stosowane są technologie termowizyjne, które umożliwiają obserwację obiektów w warunkach słabego oświetlenia czy trudnych warunkach pogodowych. Szczególnym wyzwaniem pozostaje jednak skuteczne wykrywanie i lokalizacja obiektów przy użyciu niskorozdzielczych kamer termowizyjnych, które mimo ograniczeń sprzętowych oferują szereg zalet, takich jak niski koszt, niewielkie wymiary oraz energooszczędność. W artykule przedstawiono autorski algorytm przetwarzania obrazu termowizyjnego przeznaczony dla kamer o niskiej rozdzielczości. Przedstawiono także i przetestowano system skanujący, realizujący opracowany algorytm, oparty na kamerze termowizyjnej o rozdzielczości 32 × 24 piksele, zbudowany przy użyciu popularnych i łatwo dostępnych komponentów elektronicznych. Zwrócono uwagę na zagadnienia optymalizacji filtracji, binaryzacji oraz operacji morfologicznych, które pozwalają zredukować szumy, poprawić jakość detekcji oraz umożliwiają precyzyjne określenie położenia wykrytych obiektów. Wyniki przeprowadzonych eksperymentów pozwalają sądzić, że nawet przy zastosowaniu niskorozdzielczej matrycy możliwe jest uzyskanie użytecznych informacji o ruchu i lokalizacji obiektów, co otwiera nowe możliwości rozwoju kompaktowych i ekonomicznych systemów monitoringu w podczerwieni.

Słowa kluczowe

detekcja ruchu, kamera termowizyjna, przetwarzanie obrazu

Detection and Localization of Objects Using Area Scanning with a Low-Resolution Thermal Camera

Abstract

Modern monitoring and detection systems frequently employ thermographic technologies, which enable observation of objects under low-light conditions or adverse weather. However, the effective detection and localization of objects using low-resolution thermal cameras remains a significant challenge. Despite their hardware limitations, such cameras offer numerous advantages, including low cost, compact size, and energy efficiency. This paper presents a custom developed algorithm for thermal image processing, designed for low-resolution cameras. It also describes and evaluates a scanning system that implements the developed algorithm. The system is based on a thermal imaging camera with a 32 × 24 pixel resolution and was constructed using commercially available electronic components. Particular attention is given to the optimization of filtering, binarization, and morphological operations, which reduce noise, enhance detection quality, and enable precise determination of the location of detected objects. The results of conducted experiments demonstrate that even with a low-resolution sensor, it is possible to obtain useful information regarding the movement and localization of objects. This opens new possibilities for the development of compact and cost-effective infrared monitoring systems.

Keywords

image processing, motion detection, thermal camera

Bibliografia

  1. Portocarrero J.M.T., Delicato F.C., Pires P.F., Gámez N., Fuentes L., Ludovino D., Ferreira P., Autonomic Wireless Sensor Networks: A Systematic Literature Review, “Journal of Sensors”, Vol. 2014, DOI: 10.1155/2014/782789.
  2. Diaz S., Mendez D., Kraemer R., A Review on Self-Healing and Self-Organizing Techniques for Wireless Sensor Networks, “Journal of Circuits, Systems and Computers”, Vol. 28, No. 5, 2019, DOI: 10.1142/S0218126619300058.
  3. Bieszczad G., Sosnowski T., Sawicki K., Gogler S., Ligienza A., Mścichowski M., Sieć miniaturowych czujników termowizyjnych do wykrywania i śledzenia obiektów, „Pomiary Automatyka Robotyka”, T. 25, Nr 242, 2021, 57–66, DOI: 10.14313/PAR_242/57.
  4. Chiu S.-Y., Tseng Y.-C., Chen J.-J., Low-Resolution Thermal Sensor-Guided Image Synthesis, IEEE/CVF Winter Conference on Applications of Computer Vision Workshops (WACVW), 2023, 60–69, DOI: 10.1109/WACVW58289.2023.00011.
  5. Bielecki Z., Rogalski A., Detekcja sygnałów optycznych, Wydawnictwo naukowe PWN, 2021.
  6. Więcek B., De Mey G., Termowizja w Podczerwieni. Podstawy i Zastosowania, Wydawnictwo Naukowe PWN, 2017.
  7. Minkina W., Pomiary termowizyjne: przyrządy i metody, Wydawnictwa Politechniki Częstochowskiej, 2004, ISBN: 978-83-7193-237-3.
  8. Howell J., Mengüc M.P., Siegel R., Daun K., Thermal Radiation Heat Transfer, CRC Press Taylor & Francis Group, 2020, DOI: 10.1201/9780429327308.
  9. Krupiński M., Bieszczad G., Sosnowski T., Madura H., Gogler S., Nonuniformity correction in microbolometer array with temperature influence compensation, “Metrology and Measurement Systems”, Vol. 21, No. 4, 2014, DOI: 10.2478/mms-2014-0050.
  10. Sosnowski T., Kastek M., Sawicki K., Ligienza A., Gogler S., Więcek B., High-Accuracy Calibration Method of a Thermal Camera Using Two Reference Blackbodies, “Sensors”, Vol. 24, No. 17, 2024, DOI: 10.3390/s24175831.
  11. Smith S.W., The scientist and engineer’s guide to digital signal processing, USA: California Technical Publishing, 1997, ISBN: 978-09-6601-763-3.
  12. Kim H.J., Shrestha A., Sapkota E., Pokharel A., Pandey S., Kim C.S., Shrestha R., A Study on the Effectiveness of Spatial Filters on Thermal Image Pre-Processing and Correlation Technique for Quantifying Defect Size, “Sensors”, Vol. 22, No. 22, 2022, DOI: 10.3390/s22228965.
  13. Lyons R., Understanding Digital Signal Processing, Pearson Education International, 2011, ISBN: 978-01-3211-937-5.
  14. Bergenroth H., Use of Thermal Imagery for Robust Moving Object Detection Hannah, 2021, student thesis, [https://liu.diva-portal.org].
  15. Gahramanova A., Locating Centers of Mass with Image Processing, “Undergraduate Journal of Mathematical Modeling: One + Two”, Vol. 10, No. 1, 2019, DOI: 10.5038/2326-3652.10.1.4906.
  16. van Rijsbergen C.J., Information Retrieval, 2nd. Butterworth-Heinemann, 1979.
  17. DeVries L., Underwood M., Holtta V., Lacher A.J., Lary D.J., Assessing thermal imagery integration into object detection methods for improved situational awareness on the flight deck, “Scientific Reports”, Vol. 13, No. 1, 2023, DOI: 10.1038/s41598-023-34791-8.
  18. Gupta R., Jain S., Kumar M., An Enhanced Algorithm for Small Object Detection based on Thermal Imaging Using YOLOv8-EPB, “Journal of Computer Science”, Vol. 21, No. 6, 2025, 1391–1403, DOI: 10.3844/jcssp.2025.1391.1403.
  19. Zhang X., Wu C., TADAR: Thermal Array-based Detection and Ranging for Privacy-Preserving Human Sensing, Proceedings of the Twenty-fifth International Symposium on Theory, Algorithmic Foundations, and Protocol Design for Mobile Networks and Mobile Computing (MobiHoc ’24), ACM, 2024, 11–20, DOI: 10.1145/3641512.3686357.
  20. Chidurala V., Li X., Detection of moving objects using thermal imaging sensors for occupancy estimation, “Internet of Things”, Vol. 17, 2022, DOI: 10.1016/j.iot.2021.100487.