Cómo calcular el alcance de detección, reconocimiento e identificación EO/IR

Cámara de largo alcance suelen presentar una única distancia destacada: detección hasta cierto número de kilómetros, reconocimiento a una distancia menor e identificación a otra distinta. Estas cifras parecen fáciles de comparar, pero pueden inducir a error si todos los proveedores no utilizan el mismo objetivo, atmósfera, criterio de probabilidad y modelo de calidad de imagen.

El rango EO/IR no es una propiedad del objetivo por sí solo. Es el resultado de una cadena de imagen que incluye el tamaño del objetivo, la distancia focal, el paso del detector, la resolución del sensor, la transmisión óptica, la atenuación atmosférica, el contraste del objetivo con el fondo, la estabilización, el procesamiento de la imagen, las condiciones de visualización y el observador o algoritmo de clasificación.

Esta guía proporciona una manera transparente de evaluar las configuraciones de cámaras y, lo que es más importante, explica lo que debe verificarse durante la adquisición y las pruebas de aceptación.

 

1. Detection, Recognition y Identification son tareas diferentes

nivel DRI	Pregunta operativa	Ejemplo
Detección	¿Hay un objeto relevante presente?	Un objeto caliente es visible contra el fondo.
Recognition	¿Qué clase general es?	El operador puede distinguir a una persona de un vehículo.
Identification	¿Qué miembro o subtipo es?	El operador puede identificar una camioneta en lugar de un vehículo genérico, sujeto a la definición de tarea acordada.

Estas definiciones deben constar por escrito en el requisito. «Identificación» puede tener significados distintos para un operador fronterizo, una autoridad portuaria, un aeropuerto o un equipo de seguridad industrial. La identificación facial, la clasificación del tipo de vehículo y la confirmación de que un objetivo porta un objeto requieren niveles de detalle de imagen muy diferentes.

2. Comienza con el Muestreo Angular: IFOV

El campo de visión instantáneo (IFOV) es el ángulo representado por un píxel del detector. Bajo la aproximación de ángulo pequeño:

IFOV (radianes por píxel) ≈ Paso de píxel ÷ Longitud focal Tamaño de muestra terrestre por píxel ≈ Distancia × IFOV Píxeles en el objetivo ≈ Dimensión del objetivo ÷ (Distancia × IFOV)

Todas las dimensiones deben utilizar unidades coherentes. Por ejemplo, un paso de píxel de 12 µm equivale a 12 × 10⁻⁶ m. Una distancia focal de 300 mm equivale a 0.300 m.

Este cálculo estima el muestreo geométrico. Aún no incluye desenfoque, transferencia óptica de modulación, atmósfera, ruido, contraste, estabilización o procesamiento de imagen.

 

3. Ejemplo Resuelto de Primer Orden

Suponga una cámara térmica sin refrigeración con:

• Detector: 640 × 512 píxeles
• Paso de píxel: 12 µm
• Longitud focal: 300 mm
• Dimensión objetivo representativa: altura de persona de 1,8 m
• Alcance: 5.000 m

IFOV ≈ 12 × 10⁻⁶ m ÷ 0.300 m = 40 µrad/píxel Tamaño proyectado por píxel a 5 km ≈ 5,000 × 40 µrad = 0,20 m/píxel Píxeles a lo ancho de un objetivo de 1,8 m de altura ≈ 1,8 ÷ 0,20 = 9 píxeles

Nueve píxeles sobre la altura del objetivo pueden bastar para detectarlo en una escena favorable, pero no demuestran automáticamente su reconocimiento o identificación. La orientación del objetivo, el contraste térmico, el desenfoque y la transmisión atmosférica pueden reducir la información útil. Si la dimensión crítica del objetivo es la anchura y no la altura, el número de píxeles puede ser mucho menor.

4. Criterios de Johnson: Punto de partida útil, no una garantía absoluta

Los criterios tipo Johnson relacionan el número de ciclos resolubles a lo largo de la dimensión crítica de un objetivo con la probabilidad de que un observador humano lo detecte, reconozca o identifique. Siguen utilizándose ampliamente porque ofrecen una relación sencilla entre el tamaño angular del objetivo y la tarea de discriminación.

Sin embargo, los criterios de Johnson se originaron en una era de imágenes anterior. Los sensores muestreados modernos, la mejora digital, la compresión, el ruido coloreado y la analítica de IA pueden comportarse de manera diferente. Los investigadores del Ejército de los EE. UU. desarrollaron la métrica de Desempeño en Tareas de Apuntado en parte porque los criterios clásicos no modelan completamente los sistemas de obtención de imágenes modernos.

Para una adquisición, el enfoque prudente consiste en:

1. Indique la tarea y el objetivo exactos de DRI.
2. Indique el nivel de probabilidad o la regla de aprobado/reprobado.
3. Muestre los ciclos o píxeles asumidos en el objetivo.
4. Aplicar pérdidas ópticas, atmosféricas y de procesamiento de señal.
5. Validar con imágenes grabadas o una prueba de campo controlada.

5. Por qué el recuento de píxeles por sí solo sobreestima el rango

Desenfoque óptico y MTF

Una cuadrícula de píxeles no garantiza que los detalles finos lleguen al detector. La calidad de la lente, el enfoque, la difracción, la respuesta del detector y el desenfoque por movimiento reducen el contraste en frecuencias espaciales más altas. Por lo tanto, dos sistemas con la misma distancia focal y paso del detector pueden producir diferentes detalles utilizables.

Atenuación atmosférica

Rendimiento de largo alcance EO/IR se ve fuertemente afectado por la humedad, la carga de aerosoles, la niebla, la lluvia, el polvo, el rocío marino y la turbulencia térmica. La atmósfera reduce el contraste del objetivo y puede difuminar la imagen aparente. Una configuración que funciona en aire frío y seco puede desempeñarse mucho peor en un ambiente costero húmedo o en un desierto caliente.

Contraste objetivo-fondo

La detección térmica depende de la diferencia de temperatura aparente entre el objetivo y su fondo. Es más fácil detectar a una persona contra un cielo nocturno frío que contra un terreno calentado por el sol cerca de la temperatura corporal. El rendimiento en luz visible depende de manera similar de la iluminación, la neblina, el camuflaje y la complejidad del fondo.

Estabilización y apuntado

A largas longitudes focales, la pequeña vibración angular causa un gran movimiento de la imagen. Oscilación de la torre, viento, juego de holgura del paneo-inclinación y la estabilización imperfecta puede eliminar detalles que el cálculo óptico predice.

Compresión y visualización

La compresión de video, el ancho de banda de la red, el enfoque, la reducción de ruido y la escala de pantalla influyen en lo que el operador ve. El zoom digital amplía los píxeles existentes; no crea información óptica adicional.

6. Canales visibles, térmicos y asistidos por láser

Canal	Fortalezas	Limitaciones para especificar
Visible / poca luz	Color y detalles finos en iluminación favorable; útil para evidencia.	Iluminación, neblina, deslumbramiento, turbulencia atmosférica y desempeño nocturno.
LWIR térmico	pasiva operación nocturna y detección de contraste térmico.	Cruce térmico, humedad, lluvia, resolución del detector y contenido fino de detalles reducido.
MWIR enfriado térmico	Alta sensibilidad y potencial de largo alcance en sistemas exigentes.	Costo, mantenimiento, vida útil del enfriador y consideraciones de exportación/cumplimiento.
Láser asistido visible Near-IR	Puede mejorar la iluminación nocturna activa y revelar detalles similares a los visibles.	Retrodispersión en niebla/lluvia, clasificación de seguridad ocular, alcance de iluminación y reflectividad de la escena.

Una plataforma multiespectral resulta valiosa porque el canal óptimo cambia según la hora, el tiempo y el objetivo. La fusión no debe describirse como una mejora universal sin definir si el sistema combina imágenes, cambia de canal o utiliza un sensor para indicar otro.

7. Un flujo de trabajo práctico para el cálculo de rangos

1. Defina la clase objetivo y la dimensión crítica: altura/ancho de la persona, ancho del vehículo, francobordo del barco u otra característica relevante.
2. Defina la tarea: detección, reconocimiento de clase, identificación de subtipo o confirmación de evidencia.
3. Seleccione el formato del detector, el tamaño del píxel y la distancia focal.
4. Calcule IFOV y los píxeles geométricos en el objetivo.
5. Aplique tolerancias de calidad óptica y de movimiento/estabilización.
6. Modelar la transmisión atmosférica para la longitud de onda, el rango y el clima.
7. Estime el contraste objetivo-fondo para condiciones de día, noche y cruce térmico.
8. Evaluar el rendimiento de la pantalla, compresión, procesamiento y del operador/IA.
9. Establezca un margen de ingeniería en lugar de publicar el límite teórico.
10. Validar con un objetivo representativo y registros ambientales sincronizados.

8. Lo que un proveedor debe revelar

Divulgación requerida	Por qué importa
Dimensiones y orientación del objetivo	La altura y el ancho de una persona conducen a diferentes resultados de rango.
Resolución del sensor y paso de píxel	Requerido para IFOV y cálculos de muestreo.
Longitud focal óptica y abertura libre	Se necesitaba evaluar el campo de visión y la recolección de luz.
Criterio DRI y probabilidad	Evita que se comparen diferentes definiciones como si fueran idénticas.
Modelo atmosférico y visibilidad	Los resultados a largo plazo dependen en gran medida del clima.
Contraste objetivo/fondo	Especialmente importante para imágenes térmicas.
Zoom óptico vs digital	El zoom digital no debe contarse como un aumento del poder de resolución.
Configuración de procesamiento de imágenes	El afilado y la reducción de ruido pueden cambiar el rendimiento percibido.
Imágenes de prueba y metadatos registrados	Permite la evaluación independiente de la calidad de imagen real.
Método de aceptación del sitio	Convierte una afirmación de marketing en un requisito medible.

9. Pruebas de Aceptación para el EO/IR de Largo Alcance

Una prueba de campo debe usar el objetivo y la tarea de discriminación relevantes para el proyecto. El plan de prueba debe incluir:

• Dimensiones del objetivo conocidas y estado de la ropa/pintura.
• Múltiples orientaciones y antecedentes.
• Día, noche y periodos de cruce térmico cuando corresponda.
• Visibilidad medida, humedad, temperatura, viento y precipitación.
• Longitud focal óptica fija y configuración de procesamiento documentada.
• Grabaciones en resolución original sin recompresión para redes sociales.
• Calificación a ciegas por más de un observador o un modelo analítico definido.
• Un umbral de aprobado/no aprobado basado en la probabilidad o en ensayos exitosos repetidos.
• Resultados separados para detección, reconocimiento e identificación.

IEC 62676-4 proporciona un marco orientado a la aplicación para planificar, diseñar, instalar, probar, poner en marcha y mantener sistemas de videovigilancia. Apoya el principio de que la selección de cámaras debe estar vinculada a un requisito operativo definido y a un rendimiento verificado en lugar de a un número de catálogo único.

10. Aplicando el método a los sistemas Midradar EO/IR

Midradar’s portafolio electroóptico incluye cámaras de visión nocturna láser, cámaras de imagen térmica, sistemas multiespectrales y plataformas de observación montadas en vehículos. El modelo adecuado debe seleccionarse según la tarea DRI requerida, las dimensiones del objetivo, el alcance, el clima, la estabilidad de instalación y el método de integración.

Para proyectos de largo alcance, el paquete de cotización recomendado debe incluir una configuración óptica, un cálculo DRI específico para el objetivo, suposiciones sobre la atmósfera, una tabla de campo de visión y un método de prueba de aceptación acordado.

Preguntas frecuentes

¿Una distancia focal mayor aumenta siempre el alcance de identificación?

Aumenta la ampliación angular y los píxeles sobre el objetivo, pero estrecha el campo de visión, amplifica las vibraciones y puede reducir la eficacia de búsqueda. La calidad óptica, la apertura, la atmósfera y la estabilización pueden convertirse en los factores limitantes.

¿Puede incluirse el zoom digital en los cálculos DRI?

El zoom digital puede hacer que una imagen parezca mayor en pantalla, pero no añade nuevas muestras ópticas. Los cálculos DRI deben basarse en el muestreo nativo del detector y la distancia focal óptica.

¿Es NETD lo mismo que el alcance de una cámara térmica?

No. NETD describe la sensibilidad a pequeñas diferencias de temperatura en condiciones especificadas. El alcance también depende del contraste del objetivo, el objetivo óptico, la resolución del detector, la atmósfera, el procesamiento y la definición de la tarea.

¿Por qué dos proveedores indican alcances DRI diferentes para equipos similares?

Pueden utilizar objetivos, dimensiones críticas, hipótesis de ciclos de Johnson, niveles de probabilidad, atmósferas o factores de procesamiento de imagen diferentes. Solicite la base de cálculo completa.

¿Debe calcularse el alcance para personas usando la altura o la anchura?

Utilice la dimensión pertinente para la tarea de discriminación y la orientación del objetivo. La altura puede sobreestimar el rendimiento cuando la persona está parcialmente oculta o se observa desde un ángulo desfavorable.