Что влияет на детали того, что мы можем видеть

Количество пикселей, необходимых для обнаружения, распознавания и идентификации, определит рабочее расстояние конкретной камеры. Для обзора в 1950-х годах Джон Джонсон определил критерий визуальных пороговых значений с использованием камер усиления изображений. Его критерии были основаны на линейных парах, потому что оборудование для обработки изображений использовало систему сканирования, которая была похожа на исходную телевизионную систему. Он использовал наблюдателей-добровольцев для определения минимального разрешения для обнаружения, ориентации, распознавания и идентификации. Волонтеры могли идентифицировать эти контрольные показатели только в 50% случаев. Именно поэтому он был определен как пороговые измерения. Сегодня нам нужен метод определения диапазона камеры, который будет работать все время, а не то, что работает в 50% случаев. Если мы не будем использовать критерии Джонсона, то что мы должны использовать? В этой статье описываются лучшие критерии для современных систем наблюдения и безопасности.

Различные части IP-камеры способствуют визуальной работе системы. Мы должны учитывать не только датчик, но и объектив, датчик камеры, усилитель, систему крепления и механизм, который перемещает камеру вверх и вниз (механизм панорамирования, наклона).

Как тепловая камера, так и оптическая камера имеют аналогичные компоненты, но каждый из них имеет разные типы изображений. Это означает, что разрешение, требуемое для того, чтобы в некоторых ситуациях что-то могло быть другим. Например, тепловая камера может лучше подобрать горячий (относительно фона) объект, чем оптическая камера. Более высокая энергия нагретого объекта приведет к цветению изображения и станет намного ярче, чем эквивалентный вид с оптической камеры. Оптическая камера намного лучше идентифицирует объекты, потому что она обеспечивает лучшую контрастность и цвет, чем тепловое изображение.

Окружающая среда влияет на то, насколько хорошо мы можем видеть. Это может быть очень ветрено или темно, или могут быть туман или другие атмосферные проблемы. Чем дальше мы пытаемся увидеть что-то, тем более атмосферные условия влияют на производительность. Например, тепловые волны могут искажать изображение настолько, что мы не можем распознать объект. Предлагаемые критерии стараются учитывать все эти факторы.
Вычисление нового стандарта для разрешения
Мы используем разрешение пикселей, чтобы определить, что мы можем видеть. Чем больше пикселей требуется, тем короче фактическое расстояние до цели.
В критериях Джонсона указаны следующие пороговые значения, которые достигаются в 50% случаев:
Обнаружение : нам нужно 1.0 +/- 0.25 пар линий для обнаружения объекта в 50% случаев.Признание : объект типа может быть распознан, человек против автомобиля (пары 4 +/- 0,8 линии)Идентификация : может быть определен конкретный объект, женщина против мужчины, конкретный автомобиль (6,4 +/- 1,5 пары линий)

Новые критерии должны обеспечивать достаточную информацию, чтобы мы добивались 100% обнаружения, распознавания или идентификации. Первое, что нам нужно сделать, это преобразовать линейные пары в пиксели.
Преобразование линейной пары в пиксели
Сколько пар линий нужно обнаружить в 100% случаев? Во-первых, давайте преобразуем пары линий в пиксели, потому что разрешение сегодняшних камер указано в пикселях, а не в линиях.
Разрешение пары линий определяется как по крайней мере одним черным и одним белым детектором. Теоретически, у вас может быть один пиксель на линию, но на самом деле он требует более 2 пикселей. Нам нужен по крайней мере один пиксель, который обнаруживает черный, второй, который обнаруживает белый, и третий, который обнаруживает другой черный цвет. Как минимум, нам нужно как минимум 3 пикселя для обнаружения небольшого белого объекта. Однако этого больше. Нам нужно учитывать определенную статистическую неопределенность датчика, собирающего сигнал.
Коэффициент Келл
В реальном мире обнаружения белое пятно может появляться где-то между пикселями датчика. Это означает, что нам нужно больше пикселей для фактического обнаружения маленького объекта. Концепция неопределенности того, где объект появляется на датчике, была введена в 1934 году Раймондом Келлом. Сначала он был применен для выборки изображения, чтобы избежать частоты биений, влияющих на изображение. Коэффициент Kell является фактором вымывания, который пытается настроить неопределенность аналоговых датчиков. Число изменилось в зависимости от того, как оно используется. Келл сказал, что число должно быть 0,64, но сегодня люди обычно используют 0,7.
Коэффициент Kell увеличивает количество требуемых пикселей. Мы настраиваем пиксели по формуле: pixels / kell factor
3 / 0,7 = 4,29 вертикальных пикселей.
Факторы Месника
Помимо фактора Келла, существуют и другие реальные факторы, которые могут повлиять на то, что мы видим. Например, линзы дальнего действия иногда не имеют ясности, требуемой для размещения датчиков с более высоким разрешением. Другие факторы включают работу с низким освещением и атмосферные условия, которые влияют на видимость.

Атмосферные условия могут быть очень очевидными, как дождь или туман, или могут быть тонкими, как тепловые волны или более высокая влажность. Вид может быть резко уменьшен туманом, дымкой (дымом), дождем или снегом. К сожалению, количество уменьшенного зрения может варьироваться в зависимости от интенсивности тумана или дождя. Термальные камеры могут видеть сквозь туман и дымку, в то время как оптические камеры не могут. Некоторые оптические камеры включают противотуманные фильтры. Это может помочь в некоторых ситуациях. Менее очевидные условия, такие как более высокая влажность, могут уменьшить видимость, поскольку она уменьшает контрастность. Чем дальше объект, тем больше рассеяния света происходит.

Камеры дальнего действия также должны быть установлены на очень устойчивых платформах. Размещение камеры поверх башни может вызвать вибрацию, которая влияет на четкость видео. Некоторые дальние камеры включают стабилизацию изображения. Существуют электронные и механические механизмы для стабилизации камер.

Мы можем приспособиться к некоторым из этих реальных визуальных проблем. Мы придумали следующие факторы, которые приводят к необходимости увеличения количества пикселей для соответствия визуальным критериям.

Коэффициент объектива : от 1 до 0,6 в зависимости от выбранной четкости объектива
Низкий коэффициент светового шума : при низкой освещенности усилители в оптических камерах могут создавать шум, поскольку они пытаются усилить доступный свет. Это не влияет на тепловые камеры. Однако на тепловые камеры влияет разница температур между объектом и фоном. Фактор низких условий освещения с использованием оптических камер варьируется от 0,9 до 0,6 в зависимости от шума, создаваемого конкретными усилителями камеры.
Атмосферные факторы : тепловые волны и другие ясные факторы дня, такие как увеличение влажности с расстоянием.

Фактор атмосферного расстояния. Это все оценки атмосферного воздействия на видимость. Фактическая видимость зависит от различия в контрасте между объектом и фоном.
Для расстояния менее 1000 м = 1,0для расстояния между 1001 м – 2000 м = 0,9,для расстояния от 2001 м до 3000 м = 0,85,для расстояния свыше 3001 м до 5000 м = 0,8для расстояния от 5,001 м до 10000 м = 0,75на расстояние 10,001 м (15 км) до 15000 м = 0,7для расстояния 15001 м до 20000 м = 0,65
На самом деле кривизна земли ограничивает то, как далеко мы можем что-то увидеть. Камера, которая установлена на высоте 3 метров над землей, имеет максимальную видимость около 4700 м . Если одна и та же камера установлена на высоте 30-ти метровой башни, она может видеть 19600 м.

В целом, чем больше вы платите за конкретную систему камер, тем выше эти цифры и тем яснее будет изображение. Например, вы платите больше за лучшую оптику, камеры с более низкой светоотдачей и низким уровнем шума, камеры с противотуманными фильтрами и те, у которых более устойчивые механизмы панорамирования и наклона.
Пример использования факторов:
Следующий пример – это камера, используемая ночью, которая будет наблюдать объекты, расположенные примерно в 4км от них. Мы исключили сильные атмосферные условия, такие как туман, который может резко снизить видимость. Мы подсчитали количество пикселей для оптической камеры и тепловую камеру с аналогичным увеличением объектива.

Довольно хороший объектив (стоит много) = 0,9Используется ночью: = 0,75 для оптических, 1,0 для тепловой камерыРасстояние = 3219 м ) = 0,8Всего для оптической камеры = 9 x 0,75 x 0,8 = 0,54Итого для термического = 0,9 х 1,0 х 0,8 = 0,72Настройка оптической камеры на пиксели, требуемые = Пиксельные / Месничные факторы = 4.29 / 0.54 = 7.9 пикселей (округлые до 8 пикселей)Общее количество пикселей для тепловой камеры = 4.29 / 0.72 = 5.96 пикселей

Чем меньше пикселей требуется, тем дальше мы видим. В этом примере нам нужно больше пикселей для оптической камеры, чем для тепловой камеры. Это означает, что мы можем видеть дальше ночью с помощью тепловой камеры, чем с помощью оптической камеры.
Новые стандартные критерии
Вот краткое изложение нового стандарта DRI.
Обнаружение : 8 вертикальных пикселей по цели
Признание : мы вычислили, что мы требуем восемь раз 4 пары линий или 32 вертикальных пикселя по цели
Идентификация : мы вычислили, что нам нужно восемь раз 8 линейных пар = 64 вертикальных пикселя по цели

Обратите внимание, что это все вертикальные подсчеты пикселей, чтобы мы могли соответствовать исходным критериям Джонсона. Мы обычно используем подсчет горизонтальных пикселей для вычисления поля обзора.
Резюме
Критерии Джонсона устарели. Он не обеспечивает правильную меру разрешения для современных камерных систем. Нам нужен лучший способ определить информацию, необходимую для расчета ожидаемой производительности камеры. Новые критерии обеспечивают лучшую оценку пикселей, необходимых для достижения наших целей в области производительности. Расчеты уменьшают ожидаемое расстояние для тепловых и оптических камер, но обеспечивают гораздо более реалистичное предсказание фактической производительности.