基于红外成像大数据的物理降温平台

摘要

本发明涉及一种基于红外成像大数据的物理降温平台，包括：区域提取设备，用于提取出定制处理后红外图像中的各个人体区域；颜色解析设备，用于获取每一个人体区域的红色分量值，并将所述各个人体区域中的各个红色分量值中出现次数最多的红色分量值作为参考分量值输出；水量识别设备，用于基于所述参考分量值确定对应的单次喷发水量，所述单次喷发水量与所述参考分量值呈正相关的关系；其中，将所述人体区域内各个像素点的各个红色分量值的均值作为所述人体区域的红色分量值。本发明的基于红外成像大数据的物理降温平台数据可靠、降温有效。由于在红外成像的人体特征分析的基础上实现对单次降温水量的现场调控，从而保证了炎热地区夜间降温的效果。

权利要求

1.一种基于红外成像大数据的物理降温平台，其特征在于，所述平台包括：

红外成像仪，设置在机场的巴士候车区域，用于在当前时段为夜间且当前气温超限时，执行对所述巴士候车区域的红外成像动作，以获得相应的红外成像图像；

水体储存罐，设置在所述红外成像仪附近，用于为现场喷发机构的水体喷发提供材料；

现场喷发机构，与所述水体储存罐通过管道连接，设置在机场的巴士候车区域，用于基于接收到的单次喷发水量按照预设喷射时间间隔执行对所述巴士候车区域的水体喷发动作；

锐化处理设备，与所述红外成像仪连接，用于接收所述红外成像图像，基于所述红外成像图像的清晰度执行对所述红外成像图像的基于Smart Sharpen滤镜处理的图像锐化处理，以获得锐化处理图像，所述红外成像图像的清晰度越高，执行对所述红外成像图像的锐化处理的次数越少；

引导滤波设备，与所述锐化处理设备连接，用于基于接收到的锐化处理图像中的噪声最大幅值执行对所述锐化处理图像的引导滤波处理，以获得相应的引导滤波图像，所述噪声最大幅值越大，对所述锐化处理图像的引导滤波处理的幅度越大；

色彩校正设备，与所述引导滤波设备连接，用于对接收到的引导滤波图像执行色彩校正处理，以获得色彩校正图像；

区域提取设备，与所述色彩校正设备连接，用于接收所述色彩校正图像，提取出所述色彩校正图像中的各个人体区域；

颜色解析设备，与所述区域提取设备连接，用于获取每一个人体区域的红色分量值，并将所述各个人体区域中的各个红色分量值中出现次数最多的红色分量值作为参考分量值输出；

水量识别设备，分别与所述颜色解析设备和所述现场喷发机构连接，用于基于所述参考分量值确定对应的单次喷发水量，所述单次喷发水量与所述参考分量值呈正相关的关系；

获取每一个人体区域的红色分量值包括：将所述人体区域内各个像素点的各个红色分量值的均值作为所述人体区域的红色分量值；

信息提取设备，与所述色彩校正设备连接，用于识别接收到的色彩校正图像的长宽尺寸比例，所述长宽尺寸比例包括16比9和4比3；

形状提取设备，与所述信息提取设备连接，用于接收所述长宽尺寸比例，并基于所述长宽尺寸比例选择对应形状的分割块；

图案获取设备，分别与所述信息提取设备和所述形状提取设备连接，用于基于选择的分割块对所述色彩校正图像执行分割以获得各个待处理图案；

分块分析设备，与所述图案获取设备连接，用于对接收到的色彩校正图像的每一个待处理图案执行模糊度分析，以获得对应的模糊度，并将距离各个待处理图案的各个模糊度的均值最近的预设数量的多个模糊度的中间值作为整体模糊度输出；

数据筛选设备，用于筛选出所述色彩校正图像中清晰度超限的各个待处理图案以及所述色彩校正图像中清晰度未超限的各个待处理图案；

信号处理设备，分别与所述分块分析设备和所述数据筛选设备连接，用于对清晰度未超限的各个待处理图案分别执行基于所述整体模糊度的模糊度降低处理，以分别获得多个已处理分块，所述整体模糊度的数值越大，执行的模糊度降低处理的幅度越大；

拼接处理设备，分别与所述数据筛选设备和所述信号处理设备连接，用于将清晰度超限的各个待处理图案以及多个已处理分块进行拼接，以获得拼接处理图像；

定向滤波设备，与所述拼接处理设备连接，用于对所述拼接处理图像中的各个分块拼接处分别执行中值滤波处理，以获得相应的定向滤波图像，并将所述定向滤波图像替换所述色彩校正图像发送给所述区域提取设备；

其中，所述信号处理设备对清晰度超限的各个待处理图案不执行基于所述整体模糊度的模糊度降低处理；

其中，在所述形状提取设备中，所述对应形状的分割块的长宽尺寸比例与所述色彩校正图像的长宽尺寸比例相同。

2.一种基于红外成像大数据的物理降温方法，所述方法包括提供一种如权利要求1所述的基于红外成像大数据的物理降温平台，用于基于人体红外成像图像的红色分量数值大小决定单次物理降温的喷发水量。

说明书

基于红外成像大数据的物理降温平台

技术领域

[0001] 本发明涉及红外成像领域，尤其涉及一种基于红外成像大数据的物理降温平台。

背景技术

[0002] 红外成像技术是一项前途广阔的高新技术。比0.78微米长的电磁波位于可见光光谱红色以外，称为红外线，又称红外辐射。是指波长为0.78-1000微米的电磁波，其中波长为0.78-2.0微米的部分称为近红外，波长为2.0-1000微米的部分称为热红外线。自然界中，一切物体都可以辐射红外线，因此利用探测仪测量目标本身与背景间的红外线差可以得到不同的热红外线形成的红外图像。

[0003] 在夜间观察遇到的最大难点是光强不足及对比度差，在夜视技术没出现之前或技术不发达时，单凭人眼是很难在夜间观察目标及环境的，因此，夜间也就成为非法活动如抢劫、恐怖活动等频繁发生时间段。据统计,世界上47％的暴力犯罪案件发生在晚6点到早6点之间。原因很简单，在夜幕的笼罩下，罪犯分子易于隐蔽，易于接近受害者，犯罪场面也不容易被看见。夜间同样是军事活动的频繁发生时间，如夜间行军、劫营、伏击等，我军在抗战及解放战争期间就是以夜战出名。现代战争中，美国都是选择在夜间发动战争的，如伊拉克战争等，原因就是对方没有夜视技术，而美方装备有先进的夜视设备，进行一场不对等的战争。夜视技术分类如下：微光夜视、红外夜视、激光夜视。

发明内容

[0004] 为了解决现有技术中的相关技术问题，本发明提供了一种基于红外成像大数据的物理降温平台，能够有效利用人体越热，红外成像的人体图像越红，需要的单次降温的喷发水量越多的特性，定制自适应的巴士候车区域降温机制；同时，在针对性图像处理的基础上，将各个人体区域中的各个红色分量值中出现次数最多的红色分量值作为参考分量值，并基于所述参考分量值确定对应的单次喷发水量。

[0005] 根据本发明的一方面，提供了一种基于红外成像大数据的物理降温平台，所述平台包括：

[0006] 红外成像仪，设置在机场的巴士候车区域，用于在当前时段为夜间且当前气温超限时，执行对所述巴士候车区域的红外成像动作，以获得相应的红外成像图像；

[0007] 水体储存罐，设置在所述红外成像仪附近，用于为现场喷发机构的水体喷发提供材料；

[0008] 现场喷发机构，与所述水体储存罐通过管道连接，设置在机场的巴士候车区域，用于基于接收到的单次喷发水量按照预设喷射时间间隔执行对所述巴士候车区域的水体喷发动作；

[0009] 锐化处理设备，与所述红外成像仪连接，用于接收所述红外成像图像，基于所述红外成像图像的清晰度执行对所述红外成像图像的基于Smart Sharpen滤镜处理的图像锐化处理，以获得锐化处理图像，所述红外成像图像的清晰度越高，执行对所述红外成像图像的锐化处理的次数越少；

[0010] 引导滤波设备，与所述锐化处理设备连接，用于基于接收到的锐化处理图像中的噪声最大幅值执行对所述锐化处理图像的引导滤波处理，以获得相应的引导滤波图像，所述噪声最大幅值越大，对所述锐化处理图像的引导滤波处理的幅度越大；

[0011] 色彩校正设备，与所述引导滤波设备连接，用于对接收到的引导滤波图像执行色彩校正处理，以获得色彩校正图像；

[0012] 区域提取设备，与所述色彩校正设备连接，用于接收所述色彩校正图像，提取出所述色彩校正图像中的各个人体区域；

[0013] 颜色解析设备，与所述区域提取设备连接，用于获取每一个人体区域的红色分量值，并将所述各个人体区域中的各个红色分量值中出现次数最多的红色分量值作为参考分量值输出；

[0014] 水量识别设备，分别与所述颜色解析设备和所述现场喷发机构连接，用于基于所述参考分量值确定对应的单次喷发水量，所述单次喷发水量与所述参考分量值呈正相关的关系。

[0015] 根据本发明的另一方面，还提供了一种基于红外成像大数据的物理降温方法，所述方法包括使用一种如上述的基于红外成像大数据的物理降温平台，用于基于人体红外成像图像的红色分量数值大小决定单次物理降温的喷发水量。

[0016] 本发明的基于红外成像大数据的物理降温平台数据可靠、降温有效。由于在红外成像的人体特征分析的基础上实现对单次降温水量的现场调控，从而保证了炎热地区夜间降温的效果。

[0017] 由此可见，本发明至少具备以下几处重要的发明点：

[0018] (1)有效利用人体越热，红外成像的人体图像越红，需要的单次降温的喷发水量越多的特性，定制自适应的巴士候车区域降温机制；

[0019] (2)在针对性图像处理的基础上，将各个人体区域中的各个红色分量值中出现次数最多的红色分量值作为参考分量值，并基于所述参考分量值确定对应的单次喷发水量。

附图说明

[0020] 以下将结合附图对本发明的实施方案进行描述，其中：

[0021] 图1为根据本发明示出的基于红外成像大数据的物理降温平台的第一实施例的结构方框图。

[0022] 图2为根据本发明示出的基于红外成像大数据的物理降温平台的第二实施例的结构方框图。

具体实施方式

[0023] 下面将参照附图对本发明的基于红外成像大数据的物理降温平台的实施方案进行详细说明。

[0024] 物理降温是高热患者除药物治疗外，最简易、有效、安全的降温方法[0025] 湿敷帮助降低体温。热的湿敷可退烧。但是当病人觉得热得很不舒服时，应以冷湿敷取代。在额头、手腕、小腿上各放一湿冷毛巾，其他部位应以衣物盖住。

[0026] 假使体温上升到39.4C以上，切勿使用热敷退烧。应以冷敷处理，以免体温继续升高。当冷敷布达到体温，应换一次，反复做到烧退为止。以海绵擦拭全身蒸发也有降温作用。护理专家潘玛丽建议使用冷自来水来帮助皮肤驱散过多的热。虽然你可以摄拭(用海绵)全身，但应特别加强一些体温较高的部位，例如腋窝及鼠蹊部。将海绵挤出过多的水后，一次摄拭一个部位，其他部位应以衣物盖住。体温将蒸发这些水分，有助于散热。

[0027] 现有技术中，对于炎热国家和地区来说，日间机场的巴士候车区域温度极高，可以将单次降温水量调到最大，然而在夜间，如果仍旧保持最大值的单次降温水量，会容易导致水资源的浪费，同时，夜间下的人体特征不易分析，无法了解到夜间人群的具体体温分布情况。

[0028] 为了克服上述不足，本发明搭建了一种基于红外成像大数据的物理降温平台，能够有效解决相应的技术问题。

[0029] 图1为根据本发明示出的基于红外成像大数据的物理降温平台的第一实施例的结构方框图，所述平台包括：

[0030] 红外成像仪，设置在机场的巴士候车区域，用于在当前时段为夜间且当前气温超限时，执行对所述巴士候车区域的红外成像动作，以获得相应的红外成像图像；

[0031] 水体储存罐，设置在所述红外成像仪附近，用于为现场喷发机构的水体喷发提供材料；

[0032] 现场喷发机构，与所述水体储存罐通过管道连接，设置在机场的巴士候车区域，用于基于接收到的单次喷发水量按照预设喷射时间间隔执行对所述巴士候车区域的水体喷发动作；

[0033] 锐化处理设备，与所述红外成像仪连接，用于接收所述红外成像图像，基于所述红外成像图像的清晰度执行对所述红外成像图像的基于Smart Sharpen滤镜处理的图像锐化处理，以获得锐化处理图像，所述红外成像图像的清晰度越高，执行对所述红外成像图像的锐化处理的次数越少；

[0034] 引导滤波设备，与所述锐化处理设备连接，用于基于接收到的锐化处理图像中的噪声最大幅值执行对所述锐化处理图像的引导滤波处理，以获得相应的引导滤波图像，所述噪声最大幅值越大，对所述锐化处理图像的引导滤波处理的幅度越大；

[0035] 色彩校正设备，与所述引导滤波设备连接，用于对接收到的引导滤波图像执行色彩校正处理，以获得色彩校正图像；

[0036] 区域提取设备，与所述色彩校正设备连接，用于接收所述色彩校正图像，提取出所述色彩校正图像中的各个人体区域；

[0037] 颜色解析设备，与所述区域提取设备连接，用于获取每一个人体区域的红色分量值，并将所述各个人体区域中的各个红色分量值中出现次数最多的红色分量值作为参考分量值输出；

[0038] 水量识别设备，分别与所述颜色解析设备和所述现场喷发机构连接，用于基于所述参考分量值确定对应的单次喷发水量，所述单次喷发水量与所述参考分量值呈正相关的关系。

[0039] 接着，继续对本发明的基于红外成像大数据的物理降温平台的具体结构进行进一步的说明。

[0040] 所述基于红外成像大数据的物理降温平台中：

[0041] 获取每一个人体区域的红色分量值包括：将所述人体区域内各个像素点的各个红色分量值的均值作为所述人体区域的红色分量值。

[0042] 图2为根据本发明示出的基于红外成像大数据的物理降温平台的第二实施例的结构方框图。

[0043] 如图2所示，所述基于红外成像大数据的物理降温平台中还可以包括：

[0044] 信息提取设备，与所述色彩校正设备连接，用于识别接收到的色彩校正图像的长宽尺寸比例，所述长宽尺寸比例包括16比9和4比3。

[0045] 所述基于红外成像大数据的物理降温平台中还可以包括：

[0046] 形状提取设备，与所述信息提取设备连接，用于接收所述长宽尺寸比例，并基于所述长宽尺寸比例选择对应形状的分割块。

[0047] 所述基于红外成像大数据的物理降温平台中还可以包括：

[0048] 图案获取设备，分别与所述信息提取设备和所述形状提取设备连接，用于基于选择的分割块对所述色彩校正图像执行分割以获得各个待处理图案。

[0049] 所述基于红外成像大数据的物理降温平台中还可以包括：

[0050] 分块分析设备，与所述图案获取设备连接，用于对接收到的色彩校正图像的每一个待处理图案执行模糊度分析，以获得对应的模糊度，并将距离各个待处理图案的各个模糊度的均值最近的预设数量的多个模糊度的中间值作为整体模糊度输出。

[0051] 所述基于红外成像大数据的物理降温平台中还可以包括：

[0052] 数据筛选设备，用于筛选出所述色彩校正图像中清晰度超限的各个待处理图案以及所述色彩校正图像中清晰度未超限的各个待处理图案。

[0053] 所述基于红外成像大数据的物理降温平台中还可以包括：

[0054] 信号处理设备，分别与所述分块分析设备和所述数据筛选设备连接，用于对清晰度未超限的各个待处理图案分别执行基于所述整体模糊度的模糊度降低处理，以分别获得多个已处理分块，所述整体模糊度的数值越大，执行的模糊度降低处理的幅度越大。

[0055] 所述基于红外成像大数据的物理降温平台中还可以包括：

[0056] 拼接处理设备，分别与所述数据筛选设备和所述信号处理设备连接，用于将清晰度超限的各个待处理图案以及多个已处理分块进行拼接，以获得拼接处理图像；

[0057] 定向滤波设备，与所述拼接处理设备连接，用于对所述拼接处理图像中的各个分块拼接处分别执行中值滤波处理，以获得相应的定向滤波图像，并将所述定向滤波图像替换所述色彩校正图像发送给所述区域提取设备；

[0058] 其中，所述信号处理设备对清晰度超限的各个待处理图案不执行基于所述整体模糊度的模糊度降低处理；

[0059] 其中，在所述形状提取设备中，所述对应形状的分割块的长宽尺寸比例与所述色彩校正图像的长宽尺寸比例相同。

[0060] 同时，为了克服上述不足，本发明还搭建了一种基于红外成像大数据的物理降温方法，所述方法包括使用一种如上述的基于红外成像大数据的物理降温平台，用于基于人体红外成像图像的红色分量数值大小决定单次物理降温的喷发水量。

[0061] 另外，可以采用GPU芯片来实现所述引导滤波设备。GPU在几个主要方面有别于DSP(Digital Signal Processing，简称DSP，数字信号处理)架构。其所有计算均使用浮点算法，而且此刻还没有位或整数运算指令。此外，由于GPU专为图像处理设计，因此存储系统实际上是一个二维的分段存储空间，包括一个区段号(从中读取图像)和二维地址(图像中的X、Y坐标)。此外，没有任何间接写指令。输出写地址由光栅处理器确定，而且不能由程序改变。这对于自然分布在存储器之中的算法而言是极大的挑战。最后一点，不同碎片的处理过程间不允许通信。实际上，碎片处理器是一个SIMD数据并行执行单元，在所有碎片中独立执行代码。

[0062] 尽管有上述约束，但是GPU还是可以有效地执行多种运算，从线性代数和信号处理到数值仿真。虽然概念简单，但新用户在使用GPU计算时还是会感到迷惑，因为GPU需要专有的图形知识。这种情况下，一些软件工具可以提供帮助。两种高级描影语言CG和HLSL能够让用户编写类似C的代码，随后编译成碎片程序汇编语言。Brook是专为GPU计算设计，且不需要图形知识的高级语言。因此对第一次使用GPU进行开发的工作人员而言，它可以算是一个很好的起点。Brook是C语言的延伸，整合了可以直接映射到GPU的简单数据并行编程构造。经GPU存储和操作的数据被形象地比喻成“流”(stream)，类似于标准C中的数组。核心(Kernel)是在流上操作的函数。在一系列输入流上调用一个核心函数意味着在流元素上实施了隐含的循环，即对每一个流元素调用核心体。Brook还提供了约简机制，例如对一个流中所有的元素进行和、最大值或乘积计算。Brook还完全隐藏了图形API的所有细节，并把GPU中类似二维存储器系统这样许多用户不熟悉的部分进行了虚拟化处理。用Brook编写的应用程序包括线性代数子程序、快速傅立叶转换、光线追踪和图像处理。利用ATI的X800XT和Nvidia的GeForce 6800Ultra型GPU，在相同高速缓存、SSE汇编优化Pentium 4执行条件下，许多此类应用的速度提升高达7倍之多。

[0063] 在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。

[0064] 此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。

[0065] 虽然本发明已以实施例揭示如上，但其并非用以限定本发明，任何所属技术领域的普通技术人员，在不脱离本发明的精神和范围内，应当可以做出适当的改动和同等替换。因此本发明的保护范围应当以本申请权利要求所界定的范围为准。