CN102300051B - 摄像机配置决定支援装置 - Google Patents

摄像机配置决定支援装置 Download PDF

Info

Publication number
CN102300051B
CN102300051B CN201110169123.4A CN201110169123A CN102300051B CN 102300051 B CN102300051 B CN 102300051B CN 201110169123 A CN201110169123 A CN 201110169123A CN 102300051 B CN102300051 B CN 102300051B
Authority
CN
China
Prior art keywords
layout
video camera
camera
determination support
configuration
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.)
Expired - Fee Related
Application number
CN201110169123.4A
Other languages
English (en)
Other versions
CN102300051A (zh
Inventor
佐伯崇
弓场龙
伊藤诚也
助川贵勇
须田安博
三好雅则
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.)
Hitachi Industry and Control Solutions Co Ltd
Original Assignee
Hitachi Ltd
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 Hitachi Ltd filed Critical Hitachi Ltd
Publication of CN102300051A publication Critical patent/CN102300051A/zh
Application granted granted Critical
Publication of CN102300051B publication Critical patent/CN102300051B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B13/00—Burglar, theft or intruder alarms
    • G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
    • G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
    • G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
    • G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
    • G08B13/19639—Details of the system layout
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B13/00—Burglar, theft or intruder alarms
    • G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
    • G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
    • G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
    • G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
    • G08B13/19602—Image analysis to detect motion of the intruder, e.g. by frame subtraction
    • G08B13/19613—Recognition of a predetermined image pattern or behaviour pattern indicating theft or intrusion
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B13/00—Burglar, theft or intruder alarms
    • G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
    • G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
    • G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
    • G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
    • G08B13/19634—Electrical details of the system, e.g. component blocks for carrying out specific functions
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B13/00—Burglar, theft or intruder alarms
    • G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
    • G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
    • G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
    • G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
    • G08B13/19639—Details of the system layout
    • G08B13/19652—Systems using zones in a single scene defined for different treatment, e.g. outer zone gives pre-alarm, inner zone gives alarm
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B13/00—Burglar, theft or intruder alarms
    • G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
    • G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
    • G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
    • G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
    • G08B13/19678—User interface
    • G08B13/1968—Interfaces for setting up or customising the system
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/90—Arrangement of cameras or camera modules, e.g. multiple cameras in TV studios or sports stadiums
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/33—Director till display
    • G05B2219/33045—Selforganizing network
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B13/00—Burglar, theft or intruder alarms
    • G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
    • G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
    • G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
    • G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
    • G08B13/19639—Details of the system layout
    • G08B13/19645—Multiple cameras, each having view on one of a plurality of scenes, e.g. multiple cameras for multi-room surveillance or for tracking an object by view hand-over
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B13/00—Burglar, theft or intruder alarms
    • G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
    • G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
    • G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
    • G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
    • G08B13/19678—User interface
    • G08B13/19682—Graphic User Interface [GUI] presenting system data to the user, e.g. information on a screen helping a user interacting with an alarm system
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
    • Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10S706/00—Data processing: artificial intelligence
    • Y10S706/902—Application using ai with detail of the ai system
    • Y10S706/919—Designing, planning, programming, CAD, CASE
    • Y10S706/921—Layout, e.g. circuit, construction

Abstract

本发明提供一种摄像机配置决定支援装置，能够根据包含监视布局的客户要求自动地制作能够满足客户要求的摄像机配置，能够在决定摄像机的配置方面提供支援。根据包括监视布局的客户要求，制作满足所述客户要求的多个配置候补摄像机的数据集即需求表，然后根据所述需求表，使用群集方法计算所述配置候补摄像机在映射图上的配置，以制作所述摄像机配置的临时布局，并且根据所述临时布局来决定所述监视布局中的所述摄像机的配置布局。

Description

摄像机配置决定支援装置
技术领域
本发明涉及一种根据客户的需求来决定监视用摄像机的配置的技术。
背景技术
近年来，恶性犯罪时有发生，社会的不安全感上升，在店铺和公司等人员进出频繁的场所设置监视用摄像机，以监视可疑人物的防犯系统的引进数量不断增加。此外，作为引进防犯系统的场所，从个人住宅等小规模的区域到大型商业设施、机场直至整个地区的大范围的区域，防犯系统的设置环境各不相同。因此，摄像机的设置台数、总设置成本、监视区域以及要求具备的功能等的客户要求也各不相同。在现有的技术中，在引进防犯系统时，通过销售部门了解客户的需求，并征求实际进行设置作业的专业人员的意见，然后由专业人员根据其所掌握的专业技术来配置和设定摄像机。
在现有技术中，作为自动决定摄像机配置的方法，在专利文献1中公开了一种系统，其在预先给出了监视停车场的的摄像机的台数的条件下，选择摄像机设置条件组，并且针对各种摄像机设置条件组计算与设置条件组相对应的评价标准，根据计算出的评价标准来决定最适当的摄像机设置条件组，由此在停车场高效率地设置监视用摄像机。
此外，在专利文献2中公开了一种系统，其针对所给出的摄像机配置，计算有效性的程度，并判断是否允许进行上述配置。
在先技术文献
专利文献
专利文献1日本国专利特开2006-74260号公报
专利文献2日本国专利特表2005-505209号公报
可是，在通过销售部门了解客户的需求，并征求专业人员的意见，然后由专业人员根据其所掌握的专业技术来配置和设定摄像机的方法中，存在难以将客户的需求准确地传达给专业人员的问题，此外，还存在摄像机的设置精度过度地依赖专业人员的技术的问题以及摄像机配置方案的效果难以向客户解释清楚等的问题。
又，在专利文献1所公开的技术中，为了决定最适当的摄像机设置条件组，需要对大量的摄像机设置条件组计算与设置条件组相对应的评价标准，存在计算成本过大的问题。此外，还需要预先给出摄像机的台数。
另外，在专利文献2所公开的技术中，由于仅仅判断摄像机的配置是否可行，所以需要给出摄像机的配置。
发明内容
本发明是鉴于上述现有技术中所存在的问题而作出的，本发明的目的在于提供一种装置，其根据包含监视布局(layout)的客户要求自动地制作能够满足该客户要求的摄像机配置，能够在决定摄像机的配置方面提供支援。
本发明的上述目的以外的目的将在本申请的说明书和附图中加以说明。
解决方案
为了实现上述目的，在本发明的摄像机配置决定支援装置中，根据包括监视布局的客户要求，制作满足所述客户要求的多个配置候补摄像机的数据集即需求表，然后根据所述需求表，使用群集方法(clustering method)计算所述配置候补摄像机在映射图上的配置，以制作所述摄像机配置的临时布局，并且根据所述临时布局来决定所述监视布局中的所述摄像机的配置布局。
上述结构只是例示的结构，本发明可以在不脱离其技术思想的范围内适当地进行变更。此外，本发明的上述结构以外的结构将在本申请的说明书或者附图中加以说明。
发明效果
根据本发明的摄像机配置决定支援装置，能够根据包含监视布局的客户要求自动地制作能够满足客户要求的摄像机配置，能够在决定摄像机的配置方面提供支援。此外，能够决定最适应客户的监视需求的最小结构的摄像机配置。本发明的其他效果将在本发明的说明书中加以说明。
附图说明
图1是表示本发明的第一实施例所涉及的摄像机配置决定支援装置的一例的方块图。
图2是摄像机配置的需求表制作部分的方块图。
图3是表示监视布局与区域布局之间关系的图。
图4是表示客户要求表制作过程的一例的图。
图5是表示需求表的一例的图。
图6是群集部分的方块图。
图7是SOM的学习步骤图。
图8是区域布局和竞争层的节点的对应图。
图9是本发明的SOM的处理流程图。
图10是表示临时布局调整部分中的摄像机合并的图。
图11是表示摄像机配置决定支援装置的第二实施例的方块图。
图12是摄像机配置表制作部分的方块图。
图13是表示摄像机配置决定支援装置的一应用例的方块图。
具体实施方式
以下参照附图对本发明的实施例进行说明。在各附图和各个实施例中，相同的或者类似的构成部分采用相同的符号表示，并且省略重复的说明。
第一实施例
图1是表示本发明的第一实施例所涉及的摄像机配置决定支援装置100的一例的方块图。摄像机配置决定支援装置100将客户要求10作为输入，输出满足客户要求10的监视用摄像机的配置布局20。在此，客户要求10包括表示监视区域的布局的监视布局、监视布局中的规定区域的摄像机所要具备的要求功能(以下称为“区域和要求功能”)、摄像机图像的分辨率或者监视用摄像机的台数等。配置布局20是表示满足客户要求10的最适当的摄像机配置的布局。该配置布局20中包括摄像机的种类(包括检测功能和分辨率以及广角等的功能)、摄像机的位置、摄像机的方向以及摄像机的台数等的信息。
摄像机配置决定支援装置100由摄像机配置的需求表制作部分T1、群集部分T2以及临时布局调整部分T3构成。摄像机配置的需求表制作部分T1根据包括监视布局的客户要求10来制作满足客户要求10的多个配置候补摄像机的数据集即需求表。群集部分T2根据监视布局制作映射图，并根据需求表，使用群集方法来计算配置候补摄像机在映射图上的配置，以制作摄像机配置的临时布局。临时布局调整部分根据临时布局来决定监视布局中的摄像机的配置布局20。
更为具体地来说，摄像机配置的需求表制作部分T1是将客户要求10变换为多维矢量的数据集的处理部分。群集部分T2是进行群集处理，以将多维矢量的集合划分为部分集合(Cluster)，并使得各个部分集合中所包含的数据(理想状态)具有某个共同的特征，以决定摄像机配置的临时布局的块。在群集部分T2中计算摄像机的种类和位置。临时布局调整部分T3是调整临时布局的摄像机配置并决定最终的摄像机配置的块。具体来说是，临时布局调整部分T3根据预先决定的规则决定所配置的摄像机的方向，并以满足客户要求10的方式确定摄像机的台数。由此计算出摄像机的方向和台数。此外，临时布局调整部分T3还具有将包括在群集处理中使用的映射图和该映射图上的配置候补摄像机的配置的信息的临时布局变换成实际的监视布局中的摄像机的配置布局20以决定摄像机的配置布局的功能。
以下参照图2对图1所示的摄像机配置的需求表制作部分T1进行详细说明。摄像机配置的需求表制作部分T1输入客户要求10，输出需求表D70。其中，客户要求10由监视布局D10、区域和要求功能D20、图像分辨率D30或者监视用摄像机的台数D40构成。监视布局D10是引进监视用摄像机系统时实际使用的布局。区域和要求功能D20是表示监视布局D10内的规定区域和监视该区域的摄像机所要具有的监视功能的信息。作为监视功能，除了动作检测功能、脸部检测功能、停留检测功能、恶作剧检测功能等的图像识别功能以外，还可以列举出声音识别功能、传感器功能以及认证功能等。图像分辨率D30包括摄像机的分辨率和视角以及高灵敏度等。监视用摄像机的台数D40是客户要求的设置在监视布局D10中的摄像机的台数。此外，作为客户要求10，监视布局D10是必须的，而区域和要求功能D20、图像分辨率D30以及监视用摄像机的台数D40是可选功能，如果客户没有这方面的要求，则也可以省略。如果客户没有对区域和要求功能D20进行特别的指定，则作为不使用特别的图像识别功能，而只是对监视布局D10内的全部区域进行录像的场合来处理。需求表D70是采用由区域矢量和要求的功能矢量构成的多维矢量来表示客户要求10的配置候补摄像机的数据集。
摄像机配置的需求表制作部分T1由布局编号部分T21、客户要求表制作部分T22和配置候补摄像机数据集生成部分T23构成。布局编号部分T21是生成群集处理用的区域布局(映射图)D50的处理部分。客户要求表制作部分T22是生成采用矢量来表示区域和要求功能D20的数据集即客户要求表D60的处理部分。配置候补摄像机数据集生成部分T23是按照需求表D70所需的摄像机的台数来生成多维矢量数据集(配置候补摄像机的数据集)的处理部分。
图3表示图2所示的布局编号部分T21的输入数据和输出数据。布局编号部分T21以图3(A)所示的监视布局D10为输入，输出区域布局D50。该区域布局D50与后述的群集处理中使用的映射图相对应。监视布局D10是引进监视用摄像机系统时实际使用的布局的概观图。区域布局D50是图3(B)所示的在群集处理中使用的二维布局，该二维布局是通过将监视布局划分成多个小区，对图像上的像素的集合进行编号(labeling)，由此进行了像素分类处理的二维布局。二维布局通过在监视布局上划格子线而成，格子的间隔越窄，摄像机配置的精度越高。在设定格子间隔时，根据监视布局的面积来设定适当的值。作为区域的分割方法，可以采用根据客户要求进行分割，例如以房间为单位进行分割的方法。将分割后的各个区域例如编号为A、B和C等。
在本实施例中，通过读取配置图来输入监视布局D10，但也可以采用例如由用户在GUI画面上标出布局的方法。
以下参照图4对图2所示的区域和要求功能D20以及客户要求表D60的一例进行详细说明。其中，区域和要求功能D20以及客户要求表D60分别是客户要求表制作部分T22的输入和输出。
如图4(A)所示，区域和要求功能D20是通过将某一区域需要具备的监视功能，例如动作检测功能、脸部检测功能、停留检测功能、恶作剧检测功能等汇集起来而得到的数据。在图4的区域和要求功能D20中列举了监视布局D10(或者区域布局D50)中的区域和该区域所要具备的检测功能。在图4(A)的示例中，要求1表示在全部区域进行动作检测，要求2表示只在区域B进行脸部检测，要求3表示只在区域C进行停留检测。此外，区域使用先前作了说明的区域编号(A，B，C)来表示。
另一方面，如图4(B)所示，客户要求表D60是由区域编号和以“1”或者“0”来表示要求功能的矢量来构成区域和要求功能D20的数据集。针对每个区域，在要求功能栏内，例如，如果需要动作检测功能，则在动作检测栏内填写“1”，如果不需要动作检测功能，则在动作检测栏内填写“0”，由此以二进位的值来表示要求功能。对区域和要求功能D20中的所有要求项进行上述处理。在以上的示例中，例示了仅以区域和要求功能D20为输入的场合，但也可以增加图像分辨率D30作为输入。此时，通过在客户要求表D60中增加“高分辨率图像”这一列，便可将图像分辨率D30作为输入增加。此外，在不需要动作检测等特殊的功能，而只需对所有的区域进行录像即可的场合，可以省略区域和要求功能D20。此时，只需在客户要求表D60的要求功能这一栏内全部填写“0”，或者在客户要求表D60中增加录像列，并在该列的栏中填写“1”即可。此外，也可以设置成不省略区域和要求功能D20，而增加在所有的区域进行录像这一要求。
作为其他方式，也可以将摄像机配置决定支援装置100设置成具有供输入客户要求用的GUI画面。在GUI画面中，能够显示监视布局D10，在画面上指定区域，并进行编号。此外，通过在布局上设置让客户模拟的摄像机图标，能够将所配置的布局设置在群集处理的初始布局中。又，客户要求10除了可以用文章的形式输入外，还可以采用从多项客户要求10中选择的方法来进行输入。
以下参照图5对图2所示的配置候补摄像机数据集生成部分T23进行说明。配置候补摄像机数据集生成部分T23以区域布局D50和客户要求表D60为输入，输出需求表D70。在配置候补摄像机数据集生成部分T23中，使区域布局D50和客户要求表D60的区域信息相对应，计算为了覆盖区域而所需的摄像机的台数。例如，将某一区域的面积除以一台摄像机的视场范围区域的面积，求出该区域所需的摄像机的台数。由于该方法采用估算的方法，所以使所取的摄像机台数比计算出的摄像机台数多一点。对客户要求表D60的全部区域进行这一处理。配置候补摄像机数据集生成部分T23针对各个区域，按照为了覆盖该区域而所需的摄像机的台数，生成各台配置候补摄像机的多维矢量的数据集。该多维矢量由二种矢量即区域矢量和要求功能矢量构成。区域矢量表示由某一配置候补摄像机监视的区域，要求功能矢量表示某一配置候补摄像机的监视功能。
图5表示需求表D70的一例。候补摄像机(1)，(2)，(3)是与客户要求表D60的区域A，B，C相对应的配置候补摄像机。配置候补摄像机的区域矢量在相应的区域内填写“1”，在不相应的区域内填写“0”。在图5的示例中，估算出的摄像机台数为区域A内二台，区域B内三台、区域C内二台，合计为七台。为了能够覆盖各个区域，在区域A需要增设一台，在区域B需要增设二台，在区域C需要增设一台，共需要增设四台配置候补摄像机(4)～(7)。增设的配置候补摄像机通过复制与客户要求表D60的区域A，B，C相对应的配置候补摄像机的值来生成。
可是，在进行群集处理时，由于所有的矢量元素均相同的多维矢量被作为相同的数据对待，所以增设的配置候补摄像机(4)～(7)的区域矢量的值在直接复制了基于客户要求表D60的配置候补摄像机的区域矢量的值后，通过下述的方法来改变要求功能矢量的值。例如，在相同的区域A中，在从基于客户要求表D60的配置候补摄像机(1)生成增设的配置候补摄像机(4)的多维矢量时，区域矢量和数值为“0”的要求功能矢量直接复制(1)的值，并将数值为“1”的要求功能矢量的值随机地设定成0.9～1之间的值，由此来生成追加矢量(4)。此时，选择随机值，以避免出现所有的矢量元素均相同的多维矢量。在其余的区域进行相同的操作，按照覆盖所有的区域所需的摄像机的数量，生成各台摄像机的多维矢量的数据集，并将其作为需求表D70输出到群集部分T2。通过如上的处理，算出覆盖监视布局20所需的配置候补摄像机的台数，按照规定数量(此时，该规定数量为覆盖监视布局20所需的配置候补摄像机的台数)制作使配置候补摄像机、监视布局20中的区域以及该区域的要求功能相关联而得到的数据集，由此制作满足客户要求10的多个配置候补摄像机的数据集即需求表D70。
以下参照图6对图1所示的群集部分T2进行详细的说明。在群集部分T2中，通过对配置候补摄像机的多维矢量进行群集处理，导出临时布局。群集部分T2以需求表D70为输入，输出临时布局D80。群集部分T2由分类处理部分T31和结束判断部分T32构成。分类处理部分T31是对数据集进行群集处理的处理部分。结束判断部分T32是判断分类处理部分是否满足结束条件的块。结束判断部分T32在判断为分类处理部分T31满足结束条件时，将临时布局D80输出到临时布局调整部分T3，结束判断部分T32在判断为分类处理部分T31不满足结束条件时，反复进行分类处理部分31的群集处理。在本实施例中，作为分类处理部分T31的一例，使用自组织映射图。
在本实施例中，群集方法使用自组织映射图(Self Organization Map，以下称为“SOM”)。SOM以输入层为输入，输出经群集处理的竞争层。输入层是指能够自由设定维数的高维数据空间，而竞争层是指具有维数与输入层相同的参考矢量的节点设置在能够自由设定维数的多维上的映射图空间。通常，竞争层采用便于视觉观察的二维或三维的映射图。SOM是通过被称为邻域学习(neighborhood learning)的没有教师的学习，使具有相似性质(参考矢量)的节点在竞争层上形成群集。通过以规定次数反复进行邻域学习，输入层的相似数据被映射到邻近区域，从而能够进行群集。此外，SOM通过将竞争层设置成二维，能够表示输入数据之间的关系。
图7表示在竞争层使用了5×5的二维映射图空间的SOM的学习例。在初始状态下，随机地设定竞争层的各个节点的参考矢量的值。
(1)从输入层输入某一个多维矢量。
(2)比较(1)的输入矢量与竞争层的各个节点的参考矢量之间的相似度，将具有相似度最高的参考矢量的节点作为胜者节点。
(3)进行邻域学习，使得胜者节点和胜者节点周围的参考矢量接近输入矢量。具体来说是，根据预先决定的学习率使胜者节点接近输入矢量的值。此外，根据与胜者节点之间的距离相应地减小学习率，并根据该减小后的学习率使距离靠近胜者节点的节点也接近输入矢量的值。
(4)从输入层输入下一个多维矢量。
以下反复进行上述处理。
在本实施例中，竞争层相当于区域布局D50，竞争层的各个节点相当于区域布局D50中的一个块(格子)，输入层相当于需求表D70，结束判断部分T32的结束条件相当于SOM的学习次数。此外，在群集部分T2中，根据与监视布局D10相对应地生成的映射图(区域布局D50)以及需求表D70，采用群集方法(在本实施例中为SOM)计算配置候补摄像机在映射图上的配置，制作摄像机配置的临时布局D80。通过使用SOM，作为输入层的需求表的配置候补摄像机按照各自所具有的多维矢量的相似性被映射到作为竞争层的区域布局D50中。在学习的初始阶段，由于邻域学习的范围大，所以配置布局会发生大的变动，但与通常的SOM一样，通过使邻域范围随着时间缩小，变动收敛，摄像机的配置得以固定。由于多维矢量包括区域矢量，所以能够根据监视布局高效率地配置监视用摄像机。
在通常的SOM中，竞争层的布局会与原来的布局比较而进行向左或者向右的旋转，或者与原来的布局比较而在上下方向或者左右方向进行镜像反转。竞争层的旋转和镜像反转作为SOM的学习结果是正确的，但由于在本实施例中监视布局不可能发生旋转和镜像反转，所以这一结果不理想。因此，为了防止发生旋转和镜像反转，在本实施例中对通常的SOM课以二个制约条件。
第一个制约是，在通常的SOM中，竞争层的参考矢量的初始值随机设定，而在本方法中，将竞争层的参考矢量的初始值设定为使区域布局D50和竞争层的节点相对应的值。具体来说是，在以矢量表示区域时，在自身区域设定“1”，在相邻的其他区域设定0.5，在不相邻的区域设定“0”。将这一规则应用到由A，B，C这三个区域构成的布局时，得到图8(A)所示的节点与区域的关系。根据该关系对区域布局D50进行编号，得到图8(B)所示的对应图。如此，与监视布局D10(区域布局D50)相对应地生成映射图。该方法不仅能够防止上述旋转和反转，而且还能够在竞争层的区域布局中更真实地反映出实际的监视布局的特征。此外，在区域的边界上存在墙壁时，通过在相邻的其他区域设定“0”，能够表示区域之间出现了断裂这一情况。在图8(B)的示例中，为了便于说明，以不考虑墙壁的场合为例作了说明。此外，在本实施例中，以“1”、“0.5”和“0”这三个单纯的值表示区域矢量，而通过模糊集合来表示，则能够详细地再现实际的监视布局。
第二个制约是邻域学习的限制。以下参照图9对本实施例的SOM的处理流程进行说明。在S0步骤中，对区域布局D50的各个块所具有的参考矢量进行初始化。将参考矢量中的区域矢量决定为在区域布局D50中设定的值，并随机决定要求功能矢量(S0)。在S1步骤中，从需求表D70输入配置候补摄像机的多维矢量。在S2步骤中，计算输入矢量和区域布局D50的各个块所具有的参考矢量的距离。将距离最近的块，也就是区域布局D50中的相似度最高的块作为胜者，将配置候补摄像机配置在该块中。在S3步骤中，在胜者块和胜者块周围进行邻域学习。在进行该邻域学习时，在通常的SOM中，对所有的参考矢量均进行学习，并对值进行更新，而在本方法中，由区域矢量和要求功能矢量构成的参考矢量中的区域矢量不进行学习，也不进行更新。由此，参考矢量由二种特征矢量即更新的参考矢量和不更新的参考矢量构成。根据该学习方法，由于竞争层的区域矢量的初始值能够维持，所以能够防止在学习的过程中出现旋转和镜像反转，能够维持监视布局的特征。对需求表D70中的所有的候补摄像机进行S1至S3的学习后，一个循环，也就是一次学习结束。在S4步骤中，以规定的次数重复进行S1至S3的学习。在S5步骤中，在进行了规定次数后，得到临时布局D80。
通过区域矢量的固定和邻域学习的限制这二个条件，需求表D70中的配置候补摄像机的设置区域被限定在以参考矢量的初始值设定的区域，所以能够生成与监视布局吻合的摄像机配置。
与一般的SOM一样，为了防止对于任何输入层都能够成为胜者，从而会对学习效果产生不利影响的超级块出现，设置一个限制条件，即竞争层的所有块在需求表的一个循环的输入中只能有一次机会成为胜者块。此外，进一步进行限制，使得在一个循环的学习中，胜者块的适当的邻域范围内的块也不能成为胜者块。通过将该适当的邻域范围作为监视用摄像机的覆盖范围，能够防止配置候补摄像机彼此之间过于接近。
考虑到摄像机的视场范围这一因素，与设置在中央的场合相比，摄像机优选尽可能背靠墙壁设置。因此，在区域布局D50的各个块中，在布局的中央侧将邻域学习的邻域范围设定得窄一点，而在布局终端侧将邻域学习的邻域范围设定得宽一点，由此尽可能使得靠近墙壁的块成为胜者块。由于邻域范围宽阔的布局端侧的学习进展快，布局端侧的块容易胜出，相反，由于邻域范围窄小的布局中央侧的学习进展慢，所以中央侧的块不容易胜出。
在混合使用视场范围不同的监视用摄像机时，优选将视场范围宽阔的监视用摄像机和视场范围窄小的监视用摄像机组合配置，使得能够高效率地对区域进行覆盖。在视场范围的种类为二种时，在需求表D70中增设视场范围这一项。例如，在视场范围宽阔时填写“1”，在视场范围窄小时填写“0”。在学习的初始阶段，只对视场范围为“1”的配置候补摄像机进行学习，一直学习到视场范围宽阔的摄像机布局大致固定为止。此后，对所有的配置候补摄像机进行学习，从而使得容易将视场范围窄小的摄像机设置在视场范围宽阔的摄像机之间。如上所述，通过随着时间来改变学习条件，在所使用的摄像机的视场范围不同的情况下，也能够使摄像机有效地覆盖区域。
此外，视场范围不同的摄像机的组合配置还能够适用于包括重要度高的摄像机的场合。通过先配置拍摄脸部等的重要度高的摄像机，然后在其余的空间配置视场范围宽阔的摄像机，能够使摄像机高效率地覆盖区域。
在上述实施例中，以在线学习(On-line learning)方式为例进行了说明，由于输入层的多维矢量在学习的过程中不变，所以也可以采用批次学习(Batch learning)方式。
以下参照图10对图1所示的临时布局调整部分T3进行说明。临时布局调整部分T3以监视用摄像机的台数D40和配置有配置候补摄像机的临时布局D80为输入，输出配置布局20。其中，监视用摄像机的台数D40可以省略。临时布局调整部分T3根据预先决定的至少包括摄像机的方向规则的规则以及临时布局D80来决定监视布局20中的摄像机的配置布局。
例如，在获得了图10(A)所示的临时布局后，如图10(B)所示，以一台摄像机来取代摄像机间隙最窄的二台摄像机。反复进行上述取代，直到摄像机台数达到监视用摄像机的台数D40的值为止。或者反复进行上述取代，直到摄像机间隔小于规定间隔的摄像机组合消失为止。
此外，在决定方向时，在临时布局D80中存在配置候补摄像机的块中，为了使摄像机的覆盖率实现最大化，以下述顺序决定方向。
规则1：在八个邻域中的距离最远的块的相反方向，
规则2：布局的中心方向。
规则1的理由是：距离最远的块是墙壁的可能性高，而墙壁的相反方向的摄像机的视场范围宽，规则2的理由是：一般来说，视角在中心方向上较宽。将进行了上述处理后的布局作为配置布局20输出。临时布局D80中不存在配置候补摄像机的块由最邻近的摄像机覆盖。
在本实施例中，作为群集方法采用了SOM，但也能够通过神经气(Neural gas)等具有矢量量子化功能的群集方法来实现。此时，与SOM的场合一样，也设置成由二种特征矢量即更新的参考矢量和不更新的参考矢量构成。在神经气中，通过与SOM相同的顺序来制作区域布局D50和需求表D70等。依序输入需求表D70的配置候补摄像机的多维矢量，并且与SOM一样，求出输入矢量和区域布局D50中的各个块所具有的参考矢量之间的距离。从与输入矢量之间的距离较小的块开始对各个块进行排名。各个块的参考矢量以学习量随着排名的顺序下降而减少的方式进行学习。并且进行学习，使得接近所输入的多维矢量。与本实施例一样，只使要求功能矢量进行学习。以规定的次数反复进行学习。此外，除了SOM和神经气以外，只要是能够根据输入矢量之间的相似性和几何性的配置信息形成群集的运算方法，都能够适用于本发明。根据本实施例，能够根据包含监视布局的客户要求自动地制作能够满足该客户要求的摄像机配置，能够在决定摄像机的配置方面提供支援。此外，通过使摄像机合并等，能够决定最适应客户的监视需求的最小结构的摄像机配置。
第二实施例
图11是表示本发明装置的第二实施例的方块图。第二实施例的摄像机配置决定支援装置是对第一实施例的摄像机配置决定支援装置进行部分变更而得到的。在功能块方面，群集部分T2与第一实施例相同，但摄像机配置表制作部分T101和临时布局分析部分T103与第一实施例不同。摄像机配置决定支援装置200以客户要求10为输入，输出监视用摄像机的摄像机布局120和警报130。客户要求10与第一实施例相同，摄像机布局120是配置了台数与客户要求10中的监视用摄像机的台数D40相同的监视用摄像机的布局。在摄像机布局120中的监视用摄像机的配置无法覆盖的视场范围的区域达到某一阈值以上时，警报130发出告警。
摄像机配置决定支援装置200由摄像机配置表制作部分T101、群集部分T2以及临时布局分析部分T103构成。摄像机配置表制作部分T101是根据客户要求10生成以多维矢量表示的配置候补摄像机的数据集的处理部分。从这一点来说，摄像机配置表制作部分T101是摄像机配置的需求表制作部分T1的一种。但是，摄像机配置表制作部分T101在制作数据集时，不考虑摄像机的视场范围，而是按照监视用摄像机的台数D40来制作数据集。临时布局分析部分T103是根据所配置的摄像机的覆盖范围来判断摄像机配置的有效性的处理部分。
以下参照图12对图11所示的摄像机配置表制作部分T101进行详细说明。摄像机配置表制作部分T101以客户要求10为输入，输出配置摄像机表D150。配置摄像机表D150是需求表D70的一种，其与需求表D70的不同之处在于，配置摄像机表D150的配置候补摄像机(配置摄像机)的数量与监视用摄像机的台数D40相同。摄像机配置表制作部分T101由布局编号部分T21、客户要求表制作部分T22以及配置摄像机数据集生成部分T123构成。布局编号部分T21和客户要求表制作部分T22与第一实施例相同。配置摄像机数据集生成部分T123是使客户要求表D60和区域布局D50相对应，不考虑摄像机的视场范围，而是按照监视用摄像机的台数D40来制作多维矢量的数据集的处理部分。
以下对图12中的配置摄像机数据集生成部分T123进行详细说明。配置摄像机数据集生成部分T123以监视用摄像机的台数D40、区域布局D50以及客户要求表D60为输入，输出配置摄像机表D150。配置摄像机数据集生成部分T123与第一实施例一样，使区域布局D50和客户要求表D60的区域信息相对应。在监视用摄像机的台数D40比客户要求表D60中的区域的数目多时，采用与第一实施例相同的方法，针对每一个区域生成追加的配置候补摄像机的多维矢量，直到监视用摄像机的台数D40与配置候补摄像机的台数相同。但是，没有必要像第一实施例那样对覆盖区域所需的配置候补摄像机的台数进行估算，只需随机地选择区域，并追加摄像机的台数，使其达到台数的上限即可。因此，摄像机的台数可能比第一实施例的台数多，也可能比第一实施例的台数少。在监视用摄像机的台数D40比客户要求表D60中的区域的数目少时，随机或者从区域A开始依序选择区域，并生成配置候补摄像机的多维矢量，直到达到台数的上限即可。在监视用摄像机的台数D40与客户要求表D60中的区域的数目相等时，需求表D70与图5中的“基于客户要求表的配置候补摄像机”的分类相同。
图11所示的临时布局分析部分T103以临时配置布局D160为输入，输出监视用摄像机的摄像机布局120和警报130。临时布局分析部分T103根据群集部分T2的输出即临时配置布局D160(临时布局D80的一种)来决定监视布局中的摄像机的配置布局，所以，临时布局分析部分T103是临时布局调整部分T3的一种。采用与第一实施例相同的方法求出摄像机的方向，并将其作为摄像机布局120(摄像机的配置布局的一种)输出。根据配置在临时配置布局D160中的摄像机的覆盖范围，在没有被覆盖的节点的数目在预先决定的阈值以下时，通过告警来通知摄像机配置设定无效。
此外，作为其他结构，也可以考虑如图11的虚线所示，在增加一台摄像机的步骤140中增加一台摄像机，并再次进行群集处理。反复进行上述处理，直到超过阈值为止。
如此，在临时布局分析部分T103(临时布局调整部分T3的一种)中，根据摄像机的覆盖范围来评价摄像机布局120(第一实施例的配置布局20的一种)，由此向客户反馈推荐的摄像机台数或者摄像机配置的有效性。
根据本实施例，即使客户所要求的监视用摄像机的台数D40不够，也能够求出以尽可能接近客户所要求的监视用摄像机的台数D40的摄像机台数来实施的监视布局。
第三实施例
图13是表示本发明装置的第三实施例的一例的方块图。摄像机配置决定支援装置100以客户要求10为输入，输出满足客户要求的监视用摄像机的配置布局20。客户要求10和配置布局20与第一实施例相同。此外，也可以在客户要求10中增加引进成本这一项目。
监视系统成本计算部分500计算本实施例的监视系统的总成本。监视系统成本计算部分500以配置布局20和摄像机规格600为输入，输出引进成本700。摄像机规格600是摄像机的监视功能、视场范围和金额等的数据。引进成本700是构建监视系统用的全部摄像机的总金额。引进成本700可以设置成在视场范围被过度地覆盖的场合，或者摄像机的台数少时，向客户要求10输出消息，催促其对成本进行增减。
根据客户要求10的监视用摄像机的台数D40进行群集处理，由此来估算所需的摄像机的详细台数，所以能够计算出引进成本，并且能够通过变更客户要求10来再次进行估算。
以上根据本发明的实施例进行了说明，在以上所述的各个实施例中说明的结构只是例示的结构，本发明在不脱离其技术思想的范围内可以进行适当的变更。此外，在各个实施例中所说明的结构，只要相互之间没有矛盾，也可以组合使用。
根据本发明的摄像机配置决定支援装置，例如可以作为监视用摄像机和防犯摄像机等的设置装置使用。
符号说明
10客户要求
20配置布局
100摄像机配置决定支援装置
120摄像机布局
130警报
140增设一台摄像机
200摄像机配置决定支援装置A
500监视系统成本计算部分
600摄像机规格
700引进成本
D10监视布局
D20区域和要求功能
D30图像分辨率
D40监视用摄像机的台数
D50区域布局(映射图)
D60客户要求表
D70需求表
D80临时布局
D150配置摄像机表
T1摄像机配置的需求表制作部分
T2群集部分
T3临时布局调整部分
T21布局编号部分
T22客户要求表制作部分
T23配置候补摄像机数据集生成部分
T31分类处理部分
T32结束判断部分
T101摄像机配置表制作部分
T103临时布局分析部分
T123配置摄像机数据集生成部分

Claims (17)

1.一种摄像机配置决定支援装置，其是对监视区域的摄像机的配置决定进行支援的摄像机配置决定支援装置，所述摄像机配置决定支援装置的特征在于，
具有需求表制作部分和群集部分，
在所述需求表制作部分中，将监视布局划分成小区以制作映射图，其中所述监视布局表示所述监视区域的布局，并且根据包括所述监视布局、所述监视布局中的区域以及该区域的所述摄像机所要具备的要求功能的客户要求，制作规定数量的使配置候补摄像机、所述监视布局中的区域以及该区域的所述要求功能相关联而得到的数据集，由此制作满足所述客户要求的多个所述配置候补摄像机的数据集即需求表，
在所述群集部分中，根据所述映射图和所述需求表，使用群集方法计算所述配置候补摄像机在所述映射图上的配置，以制作所述摄像机的配置的临时布局。
2.如权利要求1所述的摄像机配置决定支援装置，其特征在于，
进一步具有临时布局调整部分，所述临时布局调整部分根据预先决定的至少包括摄像机的方向规则的规则以及所述临时布局来决定所述监视布局中的所述摄像机的配置布局。
3.如权利要求1所述的摄像机配置决定支援装置，其特征在于，
在所述群集方法中，采用由二种特征矢量即更新的参考矢量和不更新的参考矢量构成的自组织映射图。
4.如权利要求3所述的摄像机配置决定支援装置，其特征在于，
以所述特征矢量中的所述更新的参考矢量来表示所述要求功能，并且以所述不更新的参考矢量来表示所述监视布局中的区域。
5.如权利要求3所述的摄像机配置决定支援装置，其特征在于，
在所述自组织映射图中，以反映了包括所述监视布局中的墙壁的区域边界的特征的形状来表示竞争层的所述不更新的参考矢量。
6.如权利要求3所述的摄像机配置决定支援装置，其特征在于，
在所述群集方法中，采用在初始状态下所述更新的参考矢量以随机方式来表示，所述不更新的参考矢量以反映了所述监视布局的值来表示的自组织映射图。
7.如权利要求1所述的摄像机配置决定支援装置，其特征在于，
在所述群集方法中，采用具有块制作功能的自组织映射图，该自组织映射图通过对学习中的邻域范围的形状进行研究，以此来有意识地制作容易胜出的块。
8.如权利要求1所述的摄像机配置决定支援装置，其特征在于，
在所述群集方法，采用具有控制功能的自组织映射图，该自组织映射图通过对学习中的胜者节点的选择方法加以限制，以此来有意识地控制所述摄像机的配置。
9.如权利要求1所述的摄像机配置决定支援装置，其特征在于，
在所述群集方法中，采用由二种特征矢量即更新的参考矢量和不更新的参考矢量构成的具有矢量量子化功能的群集方法。
10.如权利要求1所述的摄像机配置决定支援装置，其特征在于，
在设置视觉上的覆盖率不同的多个摄像机时，所述群集部分使所述群集方法的学习条件随着时间变动。
11.如权利要求1所述的摄像机配置决定支援装置，其特征在于，
所述群集方法在反复的学习中一边变更学习条件，一边更新所述配置候补摄像机在所述映射图上的位置。
12.如权利要求1所述的摄像机配置决定支援装置，其特征在于，
所述临时布局调整部分根据所述摄像机的覆盖范围来评价所述配置布局，由此向客户反馈推荐的摄像机台数或者摄像机配置的有效性。
13.如权利要求1所述的摄像机配置决定支援装置，其特征在于，
进一步具有监视系统成本计算部分，所述监视系统成本计算部分根据所述配置布局和摄像机规格来计算用于向客户反馈的监视系统的总成本。
14.如权利要求1所述的摄像机配置决定支援装置，其特征在于，
所述客户要求包括摄像机图像的分辨率、所述摄像机的台数以及成本中的至少一项以上的要求。
15.如权利要求1所述的摄像机配置决定支援装置，其特征在于，
所述要求功能包括动作检测功能、脸部检测功能、停留检测功能、恶作剧检测功能、录像功能、声音识别功能、传感器功能以及认证功能中的至少一个以上的功能。
16.如权利要求1所述的摄像机配置决定支援装置，其特征在于，
所述需求表制作部分计算覆盖所述监视布局所需的配置候补摄像机的台数，并且针对每台所述配置候补摄像机制作所述配置候补摄像机的数据集。
17.如权利要求1所述的摄像机配置决定支援装置，其特征在于，
所述客户要求中包括所述摄像机的台数，
所述需求表制作部分按照在所述客户要求中设定的所述摄像机的台数，制作各台所述配置候补摄像机的数据集。
CN201110169123.4A 2010-06-28 2011-06-22 摄像机配置决定支援装置 Expired - Fee Related CN102300051B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2010145774A JP5269002B2 (ja) 2010-06-28 2010-06-28 カメラ配置決定支援装置
JP2010-145774 2010-06-28

Publications (2)

Publication Number Publication Date
CN102300051A CN102300051A (zh) 2011-12-28
CN102300051B true CN102300051B (zh) 2014-05-07

Family

ID=45352184

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201110169123.4A Expired - Fee Related CN102300051B (zh) 2010-06-28 2011-06-22 摄像机配置决定支援装置

Country Status (3)

Country Link
US (1) US8817102B2 (zh)
JP (1) JP5269002B2 (zh)
CN (1) CN102300051B (zh)

Families Citing this family (58)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9282296B2 (en) * 2011-12-07 2016-03-08 Siemens Aktiengesellschaft Configuration tool for video analytics
KR101321447B1 (ko) * 2012-04-17 2013-10-28 (주)파워보이스 네트워크를 통한 현장 모니터링 방법, 및 이에 사용되는 관리 서버
JP5888164B2 (ja) * 2012-07-20 2016-03-16 トヨタ自動車株式会社 車両周辺監視装置、車両周辺監視システム
JP6139089B2 (ja) * 2012-10-02 2017-05-31 株式会社東芝 設計支援装置および設計支援方法
WO2014144867A1 (en) * 2013-03-15 2014-09-18 Adt Us Holdings, Inc. Security system using visual floor plan
WO2014152486A1 (en) 2013-03-15 2014-09-25 Adt Us Holdings, Inc. Security system installation
WO2014203389A1 (ja) * 2013-06-21 2014-12-24 株式会社日立製作所 センサ配置決定装置およびセンサ配置決定方法
EP2835792B1 (en) 2013-08-07 2016-10-05 Axis AB Method and system for selecting position and orientation for a monitoring camera
KR102256474B1 (ko) * 2014-04-08 2021-05-26 한화테크윈 주식회사 네트워크 보안 시스템 및 방법
US10277869B2 (en) * 2014-12-11 2019-04-30 Sensormatic Electronics, LLC Efficient process for camera call-up
EP3073726B1 (en) * 2015-03-24 2017-03-01 Axis AB Method for configuring a camera
CN107667552B (zh) * 2015-03-24 2021-11-09 开利公司 分布式装置的基于楼层平面图的学习和注册方法
WO2016192516A1 (zh) * 2015-05-29 2016-12-08 浙江宇视科技有限公司 视频监控布点
JP6701018B2 (ja) * 2016-07-19 2020-05-27 キヤノン株式会社 情報処理装置、情報処理方法及びプログラム
CN108495057B (zh) * 2018-02-13 2020-12-08 深圳市瑞立视多媒体科技有限公司 一种摄像机配置方法和装置
US10771715B2 (en) 2016-08-09 2020-09-08 Shenzhen Realis Multimedia Technology Co., Ltd. Camera configuration method and apparatus
EP3490245A4 (en) * 2016-08-09 2020-03-11 Shenzhen Realis Multimedia Technology Co., Ltd. CAMERA CONFIGURATION METHOD AND DEVICE
CN108449551B (zh) * 2018-02-13 2020-11-03 深圳市瑞立视多媒体科技有限公司 一种摄像机配置方法和装置
CN108471496B (zh) * 2018-02-13 2020-11-03 深圳市瑞立视多媒体科技有限公司 一种摄像机配置方法和装置
CN108234900B (zh) * 2018-02-13 2020-11-20 深圳市瑞立视多媒体科技有限公司 一种摄像机配置方法和装置
KR102568996B1 (ko) * 2016-08-25 2023-08-21 한화비전 주식회사 감시카메라 설정 방법과 감시카메라 관리 방법 및 시스템
US20180176512A1 (en) * 2016-10-26 2018-06-21 Ring Inc. Customizable intrusion zones associated with security systems
US11545013B2 (en) 2016-10-26 2023-01-03 A9.Com, Inc. Customizable intrusion zones for audio/video recording and communication devices
US10891839B2 (en) 2016-10-26 2021-01-12 Amazon Technologies, Inc. Customizable intrusion zones associated with security systems
CN106600961B (zh) * 2016-12-22 2019-02-26 南京师范大学 一种监控摄像机路网覆盖优化方法
US10474991B2 (en) 2017-08-07 2019-11-12 Standard Cognition, Corp. Deep learning-based store realograms
US11200692B2 (en) 2017-08-07 2021-12-14 Standard Cognition, Corp Systems and methods to check-in shoppers in a cashier-less store
US10650545B2 (en) * 2017-08-07 2020-05-12 Standard Cognition, Corp. Systems and methods to check-in shoppers in a cashier-less store
US10853965B2 (en) 2017-08-07 2020-12-01 Standard Cognition, Corp Directional impression analysis using deep learning
US10445694B2 (en) 2017-08-07 2019-10-15 Standard Cognition, Corp. Realtime inventory tracking using deep learning
US11250376B2 (en) 2017-08-07 2022-02-15 Standard Cognition, Corp Product correlation analysis using deep learning
US10474988B2 (en) 2017-08-07 2019-11-12 Standard Cognition, Corp. Predicting inventory events using foreground/background processing
US11023850B2 (en) 2017-08-07 2021-06-01 Standard Cognition, Corp. Realtime inventory location management using deep learning
US11232687B2 (en) 2017-08-07 2022-01-25 Standard Cognition, Corp Deep learning-based shopper statuses in a cashier-less store
US20190057715A1 (en) * 2017-08-15 2019-02-21 Pointr Data Inc. Deep neural network of multiple audio streams for location determination and environment monitoring
US10855482B2 (en) * 2017-09-01 2020-12-01 Charter Communications Operating, Llc Automated methods and apparatus for facilitating the design and deployment of monitoring systems
JP6963030B2 (ja) * 2017-12-15 2021-11-05 株式会社日立製作所 情報処理装置および計測可能領域模擬方法
EP3716607A4 (en) * 2017-12-21 2020-12-23 Sony Corporation CONTROL DEVICE, AND CONTROL PROCESS
CN109522580B (zh) * 2018-03-20 2023-05-30 广东电网有限责任公司清远供电局 一种基于变电站区域重要程度的监控摄像头布点方法
US11381782B2 (en) 2018-03-29 2022-07-05 Nec Corporation Video monitoring apparatus, control method thereof, and computer readable medium
US10282852B1 (en) 2018-07-16 2019-05-07 Accel Robotics Corporation Autonomous store tracking system
US10373322B1 (en) * 2018-07-16 2019-08-06 Accel Robotics Corporation Autonomous store system that analyzes camera images to track people and their interactions with items
US11069070B2 (en) 2018-07-16 2021-07-20 Accel Robotics Corporation Self-cleaning autonomous store
US10535146B1 (en) 2018-07-16 2020-01-14 Accel Robotics Corporation Projected image item tracking system
US11394927B2 (en) 2018-07-16 2022-07-19 Accel Robotics Corporation Store device network that transmits power and data through mounting fixtures
US10909694B2 (en) 2018-07-16 2021-02-02 Accel Robotics Corporation Sensor bar shelf monitor
US11106941B2 (en) 2018-07-16 2021-08-31 Accel Robotics Corporation System having a bar of relocatable distance sensors that detect stock changes in a storage area
US10282720B1 (en) 2018-07-16 2019-05-07 Accel Robotics Corporation Camera-based authorization extension system
KR20210055038A (ko) 2018-07-16 2021-05-14 악셀 로보틱스 코포레이션 자율 매장 추적 시스템
CN109272051A (zh) * 2018-10-10 2019-01-25 哈尔滨理工大学 一种基于聚类分析和循环迭代的相机组网筛选方法
TWI681166B (zh) * 2018-12-05 2020-01-01 晶睿通訊股份有限公司 資訊量測方法及資訊量測系統
JP7285100B2 (ja) 2019-03-26 2023-06-01 セコム株式会社 設置支援装置及び設置支援プログラム
US11232575B2 (en) 2019-04-18 2022-01-25 Standard Cognition, Corp Systems and methods for deep learning-based subject persistence
US11303853B2 (en) 2020-06-26 2022-04-12 Standard Cognition, Corp. Systems and methods for automated design of camera placement and cameras arrangements for autonomous checkout
US11361468B2 (en) 2020-06-26 2022-06-14 Standard Cognition, Corp. Systems and methods for automated recalibration of sensors for autonomous checkout
CN112492275B (zh) * 2020-11-25 2023-06-02 广州杰赛科技股份有限公司 一种区域监测点的布局方法、装置及存储介质
CN116934057B (zh) * 2023-09-15 2023-12-08 深圳优立全息科技有限公司 摄像机布设方法、装置及设备
CN117376531B (zh) * 2023-10-17 2024-03-19 杭州众诚咨询监理有限公司 一种监控设备覆盖范围重叠判定方法、系统及存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101251925A (zh) * 2007-12-29 2008-08-27 中国科学院计算技术研究所 一种虚拟摄像机规划布局方法和系统
CN101542548A (zh) * 2006-06-02 2009-09-23 传感电子公司 用于远程场点的分布式监视的系统和方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1433326A1 (en) * 2001-09-27 2004-06-30 Koninklijke Philips Electronics N.V. Optimal multi-camera setup for computer-based visual surveillance
JP2003256443A (ja) * 2002-03-05 2003-09-12 Fuji Xerox Co Ltd データ分類装置
JP3915805B2 (ja) * 2004-08-31 2007-05-16 住友電気工業株式会社 駐車場におけるカメラ設置条件の自動決定方法及び装置
DE102005021735B4 (de) * 2005-05-11 2017-05-04 Robert Bosch Gmbh Videoüberwachungssystem
US8482609B1 (en) * 2006-11-22 2013-07-09 Sightlogix, Inc. Methods and apparatus related to surveillance system marketing, planning and/or integration
US8314648B2 (en) * 2007-12-28 2012-11-20 Sharp Kabushiki Kaisha Power supply circuit and display device including the same
JP5190970B2 (ja) * 2009-10-13 2013-04-24 国立大学法人 鹿児島大学 監視カメラ配置位置評価装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101542548A (zh) * 2006-06-02 2009-09-23 传感电子公司 用于远程场点的分布式监视的系统和方法
CN101251925A (zh) * 2007-12-29 2008-08-27 中国科学院计算技术研究所 一种虚拟摄像机规划布局方法和系统

Also Published As

Publication number Publication date
US20110317016A1 (en) 2011-12-29
JP2012010210A (ja) 2012-01-12
CN102300051A (zh) 2011-12-28
US8817102B2 (en) 2014-08-26
JP5269002B2 (ja) 2013-08-21

Similar Documents

Publication Publication Date Title
CN102300051B (zh) 摄像机配置决定支援装置
EP3065084A1 (en) Image recognition method, image recognition device, and recording medium
CN103390075B (zh) 在购物体验中比较虚拟和真实图像
WO2016199405A1 (ja) 棚割支援装置、棚割支援システム、棚割支援方法、および、記録媒体
CN105975612A (zh) 一种图片处理方法、装置及设备
CN110472460A (zh) 人脸图像处理方法及装置
US20140379622A1 (en) Systems and methods for rule-based content optimization
CN104657457B (zh) 一种用户评价视频的数据处理方法、视频推荐方法及装置
Balasubramanian et al. Scheduling interfering job sets on parallel machines
Cuevas et al. Evolutionary computation techniques: a comparative perspective
Henderson et al. Using geometry to uncover relationships between isotropy, homogeneity, and modularity in cortical connectivity
US20150379906A1 (en) Systems and methods for rule-based animated content optimization
US10642902B2 (en) Systems and methods for rule-based content generation
CN106462156A (zh) 问题跟踪和解决系统
CN109272351A (zh) 客流动线以及客流热区确定方法及装置
Luboschik et al. Feature‐Driven Visual Analytics of Chaotic Parameter‐Dependent Movement
Abualola et al. Development of Colorization of Grayscale Images Using CNN-SVM
Ban et al. An automatic training process using clustering algorithms for face recognition system
US20150317566A1 (en) Systems and methods for content generation and optimization using probability factors
JP2021015533A (ja) 画像分類システム及び画像分類方法
KR20200094821A (ko) 인공지능 기반의 직물 패턴 검색 장치 및 방법
JPWO2019176012A1 (ja) 画像処理方法、画像処理装置、ユーザインタフェース装置、画像処理システム、およびサーバ
JP7107431B2 (ja) 生成方法、学習データ生成装置及びプログラム
KR102362582B1 (ko) 통계 데이터 전처리 방법, 서버 및 컴퓨터 판독가능매체
CN115720148B (zh) 一种工业物联网信息可视化方法、服务器和存储介质

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
ASS Succession or assignment of patent right

Owner name: HITACHI?INDUSTRIAL?CONTROL INFORMATION SYSTEM CO.,

Free format text: FORMER OWNER: HITACHI,LTD.

Effective date: 20150108

C41 Transfer of patent application or patent right or utility model
TR01 Transfer of patent right

Effective date of registration: 20150108

Address after: Ibaraki

Patentee after: Hitachi industrial control information system

Address before: Tokyo, Japan, Japan

Patentee before: Hitachi Ltd.

C56 Change in the name or address of the patentee

Owner name: HITACHI INDUSTRIAL CONTROL SOLUTIONS LTD.

Free format text: FORMER NAME: HITACHI?INDUSTRIAL?CONTROL INFORMATION SYSTEM CO., LTD.

CP01 Change in the name or title of a patent holder

Address after: Ibaraki

Patentee after: HITACHI INDUSTRY AND CONTROL SOLUTIONS, LTD.

Address before: Ibaraki

Patentee before: Hitachi industrial control information system

CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20140507

Termination date: 20170622

CF01 Termination of patent right due to non-payment of annual fee