To je rozumná otázka, ale neexistuje na ni jednoduchá odpověď. Existuje příliš mnoho faktorů, které by mohly ovlivnit výsledky, jako je útlum v různých klimatických podmínkách, citlivost tepelného detektoru, zobrazovací algoritmus, šum mrtvého bodu a šum pozadí a rozdíl teploty cílového pozadí. Například nedopalek cigarety je díky rozdílu teploty cílového pozadí viditelný jasněji než listy na stromě ve stejné vzdálenosti, i když je mnohem menší.
Detekční vzdálenost je výsledkem kombinace subjektivních a objektivních faktorů. Souvisí s vizuální psychologií pozorovatele, jeho zkušenostmi a dalšími faktory. Abychom mohli odpovědět na otázku „jak daleko dokáže termokamera vidět“, musíme nejprve zjistit, co to znamená. Například pro detekci cíle si A myslí, že ho jasně vidí, ale B si to nemusí myslet. Proto musí existovat objektivní a jednotný standard hodnocení.
Johnsonova kritéria
Johnson porovnal problém detekce oka s dvojicemi čar podle experimentu. Dvojice čar je vzdálenost vedená přes rovnoběžné světlé a tmavé čáry na hranici zrakové ostrosti pozorovatele. Dvojice čar je ekvivalentem dvou pixelů. Mnoho studií ukázalo, že je možné určit schopnost rozpoznávání cíle infračerveným termokamerovým systémem pomocí dvojic čar bez ohledu na povahu cíle a vady obrazu.
Obraz každého cíle v ohniskové rovině zabírá několik pixelů, které lze vypočítat z jeho velikosti, vzdálenosti mezi cílem a termokamerou a okamžitého zorného pole (IFOV). Poměr velikosti cíle (d) k vzdálenosti (L) se nazývá úhel clony. Lze jej vydělit úhlem IFOV, čímž se získá počet pixelů obsazených obrazem, tj. n = (D / L) / IFOV = (DF) / (LD). Je zřejmé, že čím větší je ohnisková vzdálenost, tím více hlavních bodů obsazuje obraz cíle. Podle Johnsonova kritéria je detekční vzdálenost větší. Na druhou stranu, čím větší je ohnisková vzdálenost, tím menší je úhel zorného pole a tím vyšší jsou náklady.
Dohled konkrétního termosnímku můžeme vypočítat na základě minimálního rozlišení podle Johnsonových kritérií:
Detekce – přítomnost objektu: 2 +1/-0,5 pixelů
Rozpoznávání – typ objektu lze rozeznat, osoba vs. auto: 8 +1,6/-0,4 pixelů
Identifikace – lze rozeznat konkrétní objekt, ženu vs. muže, konkrétní auto: 12,8 +3,2/-2,8 pixelů
Tato měření dávají 50% pravděpodobnost, že pozorovatel rozliší objekt na specifikované úrovni.
Čas zveřejnění: 23. listopadu 2021