CN101213563A - 识别物体运动模式的方法 - Google Patents

识别物体运动模式的方法 Download PDF

Info

Publication number
CN101213563A
CN101213563A CNA2006800238263A CN200680023826A CN101213563A CN 101213563 A CN101213563 A CN 101213563A CN A2006800238263 A CNA2006800238263 A CN A2006800238263A CN 200680023826 A CN200680023826 A CN 200680023826A CN 101213563 A CN101213563 A CN 101213563A
Authority
CN
China
Prior art keywords
image
motion blur
motion
fuzzy
people
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CNA2006800238263A
Other languages
English (en)
Inventor
O·皮特奎因
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips Electronics NV
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Koninklijke Philips Electronics NV filed Critical Koninklijke Philips Electronics NV
Publication of CN101213563A publication Critical patent/CN101213563A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30241—Trajectory

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Social Psychology (AREA)
  • Psychiatry (AREA)
  • Health & Medical Sciences (AREA)
  • Image Analysis (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

公开了一种方法和一种运动识别系统，用于通过确定在图像或图像序列中至少一个物体周围的相对运动模糊变化来识别所述至少一个物体的运动模式。从图像中的运动模糊中提取运动模糊参数，并在其基础上通过确定在运动模糊参数之间的变化来确定运动模糊变化。

Description

识别物体运动模式的方法
本发明涉及一种方法和一种运动识别器，用于通过确定在至少一个物体的图像或图像序列中在所述至少一个物体周围的相对运动模糊变化，来识别所述至少一个物体的运动模式。
众所周知，在由固定相机拍摄的物体图像中，如果在拍摄图像时物体正在运动，那么在图像中物体周围就会存在运动模糊。例如，如果物体是沿着水平轴行走的人，则在人周围的模糊会出现在人的左右两侧。因此，无法判断人是沿着轴从左向右行走，还是从右向左行走。
US6,766,036公开了一种方法，用于控制车辆的功能装置，其中，用户通过各种与位置和方位相关的功能来与车辆互动，例如通过借助于使用光源来以上/下运动移动他的手指，其中通过相机来检测光源的不同位置。基于该检测，确定该装置的想要的控制功能。该发明公开了用亮度变化来确定和/或追踪物体目标数据，在此使用了明亮的目标，例如LED或反光镜。如果目标图像出现运动，那么在特定方向上就会辨认出模糊，其中模糊方向也指示轴向运动。
该公开存在的问题是对于用户相当的不友好，因为该发明需要用户必需穿戴所述光源，在此光源是明亮的且易于被所述相机识别。而且，在US6,766,036中，由于在该参考文献中仅从模糊中提取方向参数，因此只能以非常受限的方式来使用模糊。
本发明的一个目的是借助于扩展在运动模糊中所提供信息的用途并在识别物体运动模式时实现所述用途，来解决上述问题。
根据一个方面，本发明涉及一种通过确定在至少一个物体的图像中或图像序列中在所述至少一个物体周围的相对运动模糊变化来识别所述至少一个物体的运动模式的方法，所述方法包括步骤：
-从所述图像或所述图像序列中的运动模糊中提取运动模糊参数，以及
-确定在所述运动模糊参数之间的变化。
因此，提供了一种非常容易且用户友好的方法，用于基于运动模糊的变化来识别物体的运动模式。所述物体可以是人、人手、手指等。所述方法可以在手势识别中实施，在此用户可以简单地通过指向或使用任一种手语来与手势识别系统(例如拟人系统)互动，其例如更适于非常嘈杂的环境中。实施该方法的另一个实例是通过使用计算机和例如网络摄像头(webcam)或任何一种相机而用于手语识别中，其中，不再需要现有技术方法所用的位置传感器。这使得本方法比其它现有技术方法成本低的多，并更易于实现。
在一个实施例中，所述模糊参数包括所检测的运动模糊的范围，其中该范围用作物体速度的指示器。因此，获得了对于物体相对速度的指示器，在此较低范围表示低速，较大范围表示高速。
在一个实施例中，使用所述图像序列中所述物体的所检测运动模糊的所述范围的时间进展(time evolution)，来识别所述物体的运动模式。由此，通过对在不同时间值上所拍摄的多个图像的所检测运动模糊的范围进行检测，能够根据所述图像确定物体是在加速还是以恒定速度运动，即获得物体的一维运动状态。
在一个实施例中，使用在同一图像内的两个或更多物体之间的所检测运动模糊的相对范围，来识别在所述图像内的所述物体的相对速度。由此，基于所检测运动模糊的所述相对范围，能够确定例如在同一图像内的两个或更多物体中哪一个运动最快，哪一个运动第二快等等。
在一个实施例中，所述运动模糊参数包括模糊的方向，其中通过确定在所述方向中的变化，来获得物体的轨迹。由此，例如能够跟随人在房间中的轨迹，其例如显著地增强了所述手势识别。而且，通过结合所述方向和所述范围参数，获得了物体的三维运动状态。
在一个实施例中，所述图像或所述图像序列包括由静态相机拍摄的一个(或多个)固定图像。在另一个实施例中，所述图像序列包括由移动相机拍摄的图像，其中从模糊中减去由于所述移动所造成的、在所述图像中所述至少一个物体周围的运动模糊。前一个采集系统可以是网络摄像头，第二采集系统可以是监视摄像机，在此从所述图像中的模糊中减去背景模糊。
在另一方面，本发明涉及一种计算机可读取介质，包含存储在其中的指令，用于使处理单元执行所述方法。
根据另一方面，本发明涉及一种运动识别器，通过确定在至少一个物体的图像或图像序列中所述至少一个物体周围的相对运动模糊变化来识别所述至少一个物体的运动模式，所述运动识别器包括：
-用于从所述图像或所述图像序列中的运动模糊中提取运动模糊参数的处理器，以及
-用于确定在所述运动模糊参数之间的变化的处理器。
参考下文中所述的实施例的说明，本发明这些以及其它方面会变得显而易见。
以下将参考附图来说明本发明的优选实施例，在此：
图1-3示出了在三种不同运动条件下人的三个静止图像；
图4(a)-(d)示出了本发明的一个实例，显示了为识别物体的运动模式，对在连续图像之间的局部运动模糊宽度的时间变化；
图5示出了图(a)-(d)区域中模糊的放大图；
图6示出了根据本发明的方法，用于基于物体的至少一个图像来识别该物体的运动模式；以及
图7示出了根据本发明的运动识别器，用于识别物体的运动模式。
图1-3示出了在三种不同运动条件下人100的三个静止图像，在此用相机(例如数码相机、网络摄像头、监视摄像机等)拍摄所述图像。在图1中，人100静止站立，在图2中人按箭头103所指从右向左移动，在图3中人按箭头104所指从左向右移动。根据本发明，模糊101、102用作信息源，用于识别物体的运动模式，即，在此情况下识别人100的运动模式。因此，不是将模糊认为是应被消除的噪声，而是将模糊用于提取模糊运动参数，随后使用这些参数来识别物体相对于所述相机的运动模式。在此，假定相机处于固定位置，以便图像中没有背景模糊，否则如果在拍摄图像时相机移动，就会出现这种情况。在相机移动的情况下，由于相机的移动，当处理图像时，背景模糊就必须被减去。
图1中没有检测到模糊的实际情况表明人是静止站立的。如图2和3所示，运动模糊101、102表明人或者从左到右、或者从右到左运动。由于模糊101、102出现在人100的两侧，因此不能确定由箭头103、104所指定的实际方向。
在一个实施例中，人100(物体)的运动模式包括人100的轨迹，其中通过确定运动模糊101、102的位置作为用于人100的图像序列的时间函数是如何变化的，来确定轨迹。
在另一个实施例中，人100(物体)的运动模式包括确定人100是以恒定速度运动还是加速运动。这可以基于作为用于人100的图像序列的时间函数的运动模糊范围中的变化而确定。如图2和3所示，由于在两个图像之间的范围基本上相同，因此在两个图像中的人100是以基本上相同的速度运动。通过将该运动模式与人100的所述轨迹相结合，可以获得人100(物体)的详细运动状态。
在本发明的再另一个实施例中，使用运动模糊的范围来确定物体的绝对速度。以此方式，通过考虑例如一个物体的仅仅一幅图像，使用运动模糊的范围来确定物体速度的绝对值。必须执行将模糊的范围“ext”与物体速度V(ext)相联系的校准，在此例如V(ext)～ext。例如，本发明能够实施于测速器。在此，假设物体速度与运动模糊的范围“ext”成比例。在这个简化的实例中，校准参数是常数，即V(ext)＝const*ext。物体例如可以是汽车，相机是测速相机。在最简化的实施例中，假设在相机与物体之间的距离总是固定的，例如，相机位于街道上方或在街道一侧。校准当然还可以包括在物体与相机之间的距离。
图4(a)-(d)示出了本发明的一个实例，显示了在四个连续图像之间的局部运动模糊范围的时间变化，其中，对这些变化进行处理，并用于识别物体是以恒定速度运动还是加速运动。如在此所示的，该物体是图1中所示的人100，基于由所述相机在四个不同时间值t1-t4上所探测的图像序列(a)-(d)来识别人的运动模式，在此t1＜t2＜t3＜t4。随后，从所述图像中提取与在401a-402d中的运动模糊范围相关的运动模糊参数。随后，将这些参数用于识别相对于所述相机的位置的运动模式。局部模糊范围401a-401d的增大表明人正在以正加速度加速运动。
图4(a)-(d)也能够被认为是四个不同人的单个图像。通过确定这四个人之间的相对范围，能够确定这四个人之间的相对速度。因此，由于人(a)的模糊范围最小，人(b)的第二小，人(c)的第二大，及人(d)的最大，随之而来的是人(a)的速度最小，人(b)的第二小，人(c)的第二大，及人(d)的最大，即V(a)＜V(b)＜V(c)＜V(d)，在此V是物体的速度。在没有速度校准的情况下(在此，对速度进行测量，并将其与固定距离的运动模糊范围相关联)，不能预测V(a，b，c，d)运动得有多快。只能够确定相对速度差。然而，通过进行所述校准，还能够获得这些速度。
图5示出了图4中区域401a-401d中模糊的放大图，在此我们假设这四个人是同一个人。在用于所述四个平均分布的时间值t1-t4的曲线图500中，在纵轴上绘出局部模糊401a-401d的范围d1-d4502-505。如在此所示的，在时间t1，以任意单位给出的模糊范围d1在t1是最小的，但稳定的增大，并在时间值t4变为最大d4。范围随时间的增大表明了从左到右或从右到左运动的人100的运动模式是加速运动。此外，由于直线506，该加速运动是等加速度的。
如前所述，还能够通过额外确定表明运动模糊位置的运动模糊参数是如何随用于图4(a)-(d)中图像序列的时间而变化的，来额外地使用人100的轨迹。
实现本发明的一种方式是与手势相关联，例如用于监视人102是到达还是离开，或者用于一些基本命令，通常出现在对话系统期间，如停止与拟人系统的互动、等待、返回、继续、求助等。例如，当环境过于嘈杂时，这可以允许避免与系统的语音互动。真正的多模式互动也是可能的，在该情况下，人102同时通过语音和手势提供补充信息的。例如如果人102想要图像源在指定方向上移动，他/她可以说“请看这个方向”，并通过在该方向中移动他/她的手臂来显示该方向。
实现本发明的另一种方式是在手语解释中，通过使用计算机和摄像头来代替位置传感器。具有普通个人计算机的用户因此可以将手语转录为位于其前面的文本，或者使用文本到语音软件，将文本转换为可听见的语音。
图6示出了一种根据本发明的方法，用于基于物体的至少一个图像来识别物体的运动模式。开始，例如通过数字摄像机在步骤601中拍摄多个静止图像(C_A)。随后，在步骤602中从图像中检测到模糊(D_B)，并且基于该检测，在步骤603中提取运动模糊参数(E)。例如，可以借助于通过计算利普希茨系数(lipschitz coefficient)测量图像中边缘的连续性来进行对运动模糊的检测，其中，如果边缘是清晰的，则其对应于图像梯度的方向中的强不连续性，如果它是模糊的，则其就对应于平滑的不连续性。存在几种方法来提取运动模糊参数，例如Mallet等人的“S.Mallet and W.L.Hwang，Singularity detection andprocessing with wavelets，IEEE Transactions on Information Theory，vol.32，no.2，March 1992”所公开的方法，其据此被包含作为参考。
在捕捉图像时相机移动的情况下，由于相机移动所引起的“背景”模糊必须在步骤604中从图像中减去/消除。
在从检测到的模糊中提取运动模糊参数之后，在步骤605中为在连续图像之间的运动执行偏差计算(V_C)。例如这可以包括计算运动模糊参数的位置在两个相连图像之间是否改变，模糊的范围(例如在物体的特定区域内)是否改变，以确定物体是以恒定速度运动，还是加速运动。这些变化随后起到特征或输入参数的作用，用于例如步骤606的算法中的手势分类/识别(G_C)。
例如，如果用户用他/她的头来表明否定(通过摇头)，则模糊参数按如下在用户脸部周围变化：
-首先是脸部的清晰图像(没有模糊)
-随后检测到一系列具有不同宽度的水平运动模糊(因为头部从中间向一侧加速运动，随后在每一侧减慢甚至停止，并数次从一侧向另一侧再次加速运动)
-最后是脸部新的清晰图像。
图7示出了根据本发明的运动识别器700，用于识别物体的运动模式，其中识别器700包括相机701；处理器(P)702，适于从所述物体的图像704中提取模糊参数；以及存储器(M)703，包含存储在其中的识别软件。相机(C)701用于提供图像，优选的是物体的数字图像704，并能够集成在运动识别器700中，或者位于外部并通过无线通信网络706与运动识别器700互连。这可以是例如图像源是监视摄像机且运动识别器位于其它位置，例如中央服务器、警察局等的情况。存储器703可以包含预先存储的一组规则，其结合所述运动模糊参数来识别物体的运动模式。
应指出上述实施例是说明本发明，而不是限制，本领域技术人员将能够设计许多可选实施例，而不会脱离所附权利要求的范围。在权利要求书中，位于括号中的任何参考标记都不应被解释为限制权利要求。词语“包括”不排除除在权利要求中所列出的之外，其它元件或步骤的存在。能够借助于包含几个不同元件的硬件，或借助于被适当编程的计算机来实现本发明。在列举了几个装置的设备权利要求中，这些装置中的几个可以由一个同一项硬件来包含。仅是在相互不同的从属权利要求中阐述特定措施的事实并不表示这些措施的组合不能够被用于产生良好效果。

Claims (9)

1.一种通过确定在至少一个物体(100)的图像或图像序列中所述至少一个物体(100)周围的相对运动模糊(101，102，401a-401d)变化来识别所述至少一个物体(100)的运动模式的方法，所述方法包括以下步骤：
从所述图像或所述图像序列中的运动模糊(101，102)中提取运动模糊参数，以及
确定在所述运动模糊参数之间的变化。
2.根据权利要求1的方法，其中，所述模糊参数包括所检测运动模糊(101，102，401a-401d)的范围(502-505)，其中，将所述范围用作所述物体(100)的速度的指示器。
3.根据权利要求1或2的方法，其中，使用所述图像序列中所述物体的所检测运动模糊(101，102，401a-401d)的所述范围的时间进展，来识别所述物体(100)的运动模式。
4.根据前述任意一项权利要求的方法，其中，使用在同一图像内的两个或更多物体之间的所检测运动模糊(101，102，401a-401d)的相对范围，来识别在所述图像内的所述物体的相对速度。
5.根据前述任意一项权利要求的方法，其中，所述运动模糊(101，102，401a-401d)参数包括所述模糊的方向，其中，通过确定在所述方向上的所述变化，来获得所述物体(100)的轨迹。
6.根据前述任意一项权利要求的方法，其中，所述图像或所述图像序列包括由固定相机(701)拍摄的一个或多个固定图像。
7.根据前述任意一项权利要求的方法，其中，所述图像或所述图像序列包括由移动相机(701)拍摄的图像，其中，从所述模糊(101，102，401a-401d)中减去由于所述移动所造成的、在所述图像或所述多个图像中所述至少一个物体周围的运动模糊(101，102，401a-401d)。
8.一种计算机可读取介质，包含存储在其中的指令，用于使处理单元执行根据权利要求1-7中任意一项的方法。
9.一种运动识别器(700)，通过确定在至少一个物体(100)的图像或图像序列中所述至少一个物体(100)周围的相对运动模糊(101，102，401a-401d)变化来识别所述至少一个物体(100)的运动模式，所述运动识别器(700)包括：
用于从所述图像或所述图像序列中的运动模糊(101，102，401a-401d)中提取运动模糊参数的处理器(702)，以及
用于确定在所述运动模糊参数之间的变化的处理器(702)。
CNA2006800238263A 2005-06-30 2006-06-23 识别物体运动模式的方法 Pending CN101213563A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP05105941 2005-06-30
EP05105941.8 2005-06-30

Publications (1)

Publication Number Publication Date
CN101213563A true CN101213563A (zh) 2008-07-02

Family

ID=37074247

Family Applications (1)

Application Number Title Priority Date Filing Date
CNA2006800238263A Pending CN101213563A (zh) 2005-06-30 2006-06-23 识别物体运动模式的方法

Country Status (6)

Country Link
US (1) US20100046796A1 (zh)
EP (1) EP1904951A1 (zh)
JP (1) JP2009500709A (zh)
CN (1) CN101213563A (zh)
TW (1) TW200719244A (zh)
WO (1) WO2007004100A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI469101B (zh) * 2009-12-23 2015-01-11 Chi Mei Comm Systems Inc 手語識別系統及方法
CN104870276A (zh) * 2012-12-28 2015-08-26 罗伯特·博世有限公司 车辆停止识别的系统和方法
TWI501205B (zh) * 2014-07-04 2015-09-21 Sabuz Tech Co Ltd 手語圖像輸入方法及裝置

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008139399A2 (en) * 2007-05-15 2008-11-20 Philips Intellectual Property & Standards Gmbh Method of determining motion-related features and method of performing motion classification
US20100082990A1 (en) * 2008-09-29 2010-04-01 Microsoft Corporation Establishment of a relationship between wireless devices
US8310547B2 (en) * 2008-12-05 2012-11-13 Electronics And Telecommunications Research Institue Device for recognizing motion and method of recognizing motion using the same
JP5569062B2 (ja) * 2010-03-15 2014-08-13 オムロン株式会社 ジェスチャ認識装置、ジェスチャ認識装置の制御方法、および、制御プログラム
US9053562B1 (en) 2010-06-24 2015-06-09 Gregory S. Rabin Two dimensional to three dimensional moving image converter
JP5895720B2 (ja) * 2012-06-06 2016-03-30 富士通株式会社 被写体追跡装置、被写体追跡方法及び被写体追跡用コンピュータプログラム
JP5782061B2 (ja) * 2013-03-11 2015-09-24 レノボ・シンガポール・プライベート・リミテッド 移動物体の動作を認識する方法および携帯式コンピュータ
US9992021B1 (en) 2013-03-14 2018-06-05 GoTenna, Inc. System and method for private and point-to-point communication between computing devices
CN105993038A (zh) 2014-02-07 2016-10-05 皇家飞利浦有限公司 操作控制系统的方法及因此的控制系统
US10373458B2 (en) * 2017-04-20 2019-08-06 Deep Sentinel Corp. Automatic threat detection based on video frame delta information in compressed video streams

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020036617A1 (en) * 1998-08-21 2002-03-28 Timothy R. Pryor Novel man machine interfaces and applications
US6154558A (en) * 1998-04-22 2000-11-28 Hsieh; Kuan-Hong Intention identification method
US6766036B1 (en) * 1999-07-08 2004-07-20 Timothy R. Pryor Camera based man machine interfaces
US7274800B2 (en) * 2001-07-18 2007-09-25 Intel Corporation Dynamic gesture recognition from stereo sequences
US7440634B2 (en) * 2003-06-17 2008-10-21 The Trustees Of Columbia University In The City Of New York Method for de-blurring images of moving objects

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI469101B (zh) * 2009-12-23 2015-01-11 Chi Mei Comm Systems Inc 手語識別系統及方法
CN104870276A (zh) * 2012-12-28 2015-08-26 罗伯特·博世有限公司 车辆停止识别的系统和方法
CN104870276B (zh) * 2012-12-28 2018-11-02 罗伯特·博世有限公司 车辆停止识别的系统和方法
US11190738B2 (en) 2012-12-28 2021-11-30 Robert Bosch Gmbh Vehicle standstill recognition
TWI501205B (zh) * 2014-07-04 2015-09-21 Sabuz Tech Co Ltd 手語圖像輸入方法及裝置
US9524656B2 (en) 2014-07-04 2016-12-20 Sabuz Tech. Co., Ltd. Sign language image input method and device

Also Published As

Publication number Publication date
US20100046796A1 (en) 2010-02-25
WO2007004100A1 (en) 2007-01-11
TW200719244A (en) 2007-05-16
JP2009500709A (ja) 2009-01-08
EP1904951A1 (en) 2008-04-02

Similar Documents

Publication Publication Date Title
CN101213563A (zh) 识别物体运动模式的方法
CN105654512B (zh) 一种目标跟踪方法和装置
US20190025773A1 (en) Deep learning-based real-time detection and correction of compromised sensors in autonomous machines
KR20200005999A (ko) 듀얼 이벤트 카메라를 이용한 slam 방법 및 slam 시스템
US20200034633A1 (en) People flow estimation device, people flow estimation method, and recording medium
CN109791608A (zh) 映射摘要和本地化
CN109465819A (zh) 人体识别系统及人体识别方法
CN112149636A (zh) 用于检测目标物体的方法、装置、电子设备及存储介质
CN110807410B (zh) 关键点定位方法、装置、电子设备和存储介质
WO2016027627A1 (ja) 角膜反射位置推定システム、角膜反射位置推定方法、角膜反射位置推定プログラム、瞳孔検出システム、瞳孔検出方法、瞳孔検出プログラム、視線検出システム、視線検出方法、視線検出プログラム、顔姿勢検出システム、顔姿勢検出方法、および顔姿勢検出プログラム
CN110717918A (zh) 行人检测方法和装置
CN110703732B (zh) 相关性检测方法、装置、设备及计算机可读存储介质
CN111767853A (zh) 车道线检测方法和装置
Aubeck et al. Camera based step detection on mobile phones
KR20170036747A (ko) 장면 내 키포인트를 추적하기 위한 방법
JP2020052544A (ja) 画像処理装置
CN111601013B (zh) 用于处理视频帧的方法和装置
CN110084187B (zh) 基于计算机视觉的位置识别方法、装置、设备及存储介质
CN109960961A (zh) 行人识别方法和装置
CN114200934A (zh) 机器人目标跟随控制方法、装置、电子设备和存储介质
KR101471519B1 (ko) 누적 차영상 레이블링을 이용한 이동체 검출 장치 및 방법
JP6836985B2 (ja) 撮影映像から人の行動を表すコンテキストを推定するプログラム、装置及び方法
Waegel et al. Filling the gaps: Hybrid vision and inertial tracking
CN112492219A (zh) 一种图像采集方法、终端以及计算机可读存储介质
JP6770488B2 (ja) 注視対象物推定装置、注視対象物推定方法、およびプログラム

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication

Open date: 20080702