CN102592335A - 确定由红外成像系统获得的红外图像中的总人数 - Google Patents

确定由红外成像系统获得的红外图像中的总人数 Download PDF

Info

Publication number
CN102592335A
CN102592335A CN2011104292749A CN201110429274A CN102592335A CN 102592335 A CN102592335 A CN 102592335A CN 2011104292749 A CN2011104292749 A CN 2011104292749A CN 201110429274 A CN201110429274 A CN 201110429274A CN 102592335 A CN102592335 A CN 102592335A
Authority
CN
China
Prior art keywords
infrared
pixel
intensity
intensity level
image
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.)
Granted
Application number
CN2011104292749A
Other languages
English (en)
Other versions
CN102592335B (zh
Inventor
王姚荣
樊智刚
拉利特·K·梅斯泰
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.)
Comdount Business Services Co ltd
Original Assignee
Xerox Corp
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 Xerox Corp filed Critical Xerox Corp
Publication of CN102592335A publication Critical patent/CN102592335A/zh
Application granted granted Critical
Publication of CN102592335B publication Critical patent/CN102592335B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G06V10/12—Details of acquisition arrangements; Constructional details thereof
    • G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
    • G06V10/143—Sensing or illuminating at different wavelengths
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
    • G06V20/593—Recognising seat occupancy
    • 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
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/30—Transforming light or analogous information into electric information
    • H04N5/33—Transforming infrared radiation

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Signal Processing (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)
  • Closed-Circuit Television Systems (AREA)
  • Burglar Alarm Systems (AREA)
  • Alarm Systems (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Geophysics And Detection Of Objects (AREA)

Abstract

披露了确定由红外成像系统获得的红外图像中的人数的新的系统和方法。本发明方法通过一组特别形成的强度比将人与周围背景分开。来自这些比率和阈值的数量用于选择性地分类区分红外图像中的像素是来自人类还是非人类。根据红外图像中各种像素的分类来确定人数。披露了各种实施方式。

Description

确定由红外成像系统获得的红外图像中的总人数
技术领域
本发明是针对使用红外摄像系统获得多波段红外图像，然后确定红外图像中总人数的系统和方法。
背景技术
披露的是确定由红外成像系统获得的红外图像中的总人数的新系统和方法。本发明方法通过一组特别形成的强度比将人与周围背景分开。来自这些比率和阈值的数量用于选择性地分类区分红外图像中的像素是来自人类还是非人类。根据红外图像中的各种像素的分类来确定总人数。
在一个示例性实施方式中，本发明的系统和方法包括下列各项。第一，收集用于确定人类的已处理的红外图像中每个像素的总N个强度值。使用红外成像系统收集像素强度值。一旦收集了强度值，处理红外图像中的每个像素以确定该像素的分类。处理像素强度包括生成像素的强度值比率并由此形成阈值。本文在一定程度上更充分描述了使用阈值将像素分类为人或非人。一旦所有的像素被分类，就能根据像素分类确定红外图像中的总人数。这种系统在广泛的真实世界应用中发现了其预期用途如，例如，确定在HOV/HOV车道运动的机动车辆中人类乘员的总数，或者例如确定通过走廊中的安全摄像头捕捉的图像中的人数。
发明内容
在一种实施方式中，本发明提供了一种确定由红外成像系统获得的红外图像中的活物数量的方法，该方法包括：收集红外图像中每个像素的总N个强度值，所述强度值通过红外成像系统来收集，所述红外成像系统包括红外探测设备和红外照明器；对于在所述红外图像中的每个像素：生成所述像素已收集强度值的比率，该生成的比率包括，[Ic(i)-Ic(k)]/[Ic(j)-Ic(k)]，其中i，j，k是任意N波段互不相同的标志；从所述生成的比率形成阈值；并且使用所述阈值对来自活物或非活物的所述像素分类；以及基于所述像素分类，确定所述红外图像中的活物数量。
在另一实施方式中，在所述方法中，其中所述红外探测设备是单个红外探测设备，并且其中所述红外照明器是具有一个固定过滤器的顺序照射N波段照明器(N≥3)，所述强度值包括：
Figure BSA00000640307100021
其中i＝1...N，从而
Figure BSA00000640307100022
是来自顺序照射的所述照明器的第i个红外波段，α是常数，其取决于照明源的角度和距离、空气中红外波的衰减以及所述探测设备的积分时间，Ib是来自背景光源的强度，例如来自日照的红外分量的强度，Ro(λ)是通过所述红外探测设备探测的物体的反射率，RG(λ)和TG(λ)是玻璃的反射率和透射率，否则RG(λ)＝0以及TG(λ)＝1，常数η是从车辆玻璃反射并被探测器接收的来自所述照明器的光的测量百分比，否则η＝0，TL(λ)是所述固定滤波器的透射率，D(λ)是所述探测设备的响应率，以及Ii s(λ)是光源的第i个波段的强度。
在又一实施方式中，所述方法中，其中所述红外探测设备是具有N个带通滤波器(N≥3)的N个探测设备，并且所述红外照明器具有覆盖所述过滤器波长范围的一个照明器，所述强度值包括：
Figure BSA00000640307100031
其中，i＝1...N，从而
Figure BSA00000640307100032
是第i个红外带通滤波器，α是常数，其取决于照明源的角度和距离、空气中红外波的衰减以及所述探测设备的积分时间，Ib是背景强度，Ro(λ)是通过所述红外探测设备探测的物体的反射率，RG(λ)和TG(λ)是玻璃的反射率和透射率，否则RG(λ)＝0以及TG(λ)＝1，常数η是从车辆玻璃反射并被探测器接收的来自所述照明器的光的测量百分比，否则η为0，Ti L(λ)是第i个滤波器的透射率，D(λ)是所述探测设备的响应率，以及Is(λ)是光源的强度。
在又一实施方式中，进一步地，在所述方法中，基于所述像素分类确定所述红外图像中活物的数量包括相互参照与每个所述像素相关的强度值，所述像素具有至少一个使用从存储设备获得一个公知反射率计算的强度值。
在又一实施方式中，进一步地，所述方法进一步包括：结合任意所述像素强度值以生成所述像素的至少一个新的强度值；使用生成的像素的所述新的强度值产生新的比率；从所述比率中形成新的阈值；以及使用所述新的阈值分类所述像素。
在一种实施方式中，本发明提供了一种确定由红外成像系统获得的红外图像中的活物数量的系统，该系统包括：红外成像系统，其包括红外探测设备和红外照明器；存储器和存储介质；以及处理器，其与所述存储介质和所述存储器通讯，所述处理器实行机器可读指令以实施下述方法：收集红外图像中每个像素的总的N个强度值，所述强度值通过红外成像系统来收集；对于在所述红外图像中的每个像素：生成所述像素已收集强度值的比率，该生成的比率包括，[Ic(i)-Ic(k)]/[Ic(j)-Ic(k)]，其中i，j，k是任意N波段互不相同的标志；从所述生成的比率形成阈值；和使用所述阈值对来自活物或非活物的所述像素分类；以及基于所述像素分类，确定所述红外图像中的活物总数量。进一步地，其中基于所述像素分类确定所述红外图像中活物的数量包括相互参照与每个所述像素相关的强度值，所述像素具有至少一个使用从存储设备获得一个公知反射率计算的强度值。
附图说明
图1为示例性红外图像。
图2为根据本发明的教导所示的用于照亮目标车辆的示例性红外照明系统的一个实施方式。
图3为根据本发明的教导所示的使用示例性红外探测系统300的一个实施方式。
图4为合并图2照明系统和图3探测系统的示例性车辆占用探测系统。
图5为本发明方法的用于确定交通管理系统中车辆中乘员数量的一个示例性实施方式。
图6-12为适用于本发明各种实施方式的红外LED的相对辐射强度。
图13为η＝0的情况下的各种结果。
图14为η＝0.05的情况下的各种结果。
图15为能够实施关于图5的流程图所示和描述的本发明方法各方面的一个示例性系统的框图。
具体实施方式
“像素”是图像中最小的可寻址单元。每个像素都有其各自的地址。像素通常排列在网格中。每个像素的强度是变化的，并且依赖于用于测量该像素的传感设备的特征和灵敏度。相机的分辨率实际上是像素的大小。较小的像素意味着更多的像素将进入图像，以给图像更好的定义。
“红外图像”是从已经探测了反射自被照样本的红外光的红外探测设备获得的图像。全填充红外图像由像素组成，其每个像素在各自所需的利害光谱波段具有强度值。图1所示为使用红外摄像捕捉的示例性红外图像。红外(IR)光是波长在0.7到300微米之间的电磁辐射。应注意，红外范围的上端波长没有明确的设置。这等同于从1到430THz的频率范围。红外波长比可见光波长长，但比微波短。海平面上明亮的阳光提供大约1千瓦每平米的辐照度。对于这种能量，红外线为527瓦，可见光为445瓦，紫外线为32瓦。在主动红外中，摄像机在人眼不可见的红外波段照亮景象。红外能量仅是电磁波谱的一部分，该电磁波谱包括伽马射线辐射，X射线辐射，紫外线辐射，可见光的薄区域辐射，红外线辐射，太赫兹波辐射，微波辐射，以及无线电波辐射。这些都与其波长有关并且根据波长区分。本文的各种实施方式使用全部低反射红外(LRIR)波段(即，约800至1400纳米)。LRIR可通过多波段成像(MBI)设备探测，该设备对LRIR的频段灵敏并提供类似黑白图片的图像。上反射红外(URIR)波段(即，约1400至2200纳米)。URIR检测图像与LRIR检测图像不同，因为人体不会以与无生命物体反射方式相同的方式反射IR。因为下IR波段和上IR波段是反射的，该景象可能需要照明源。这种照明不需要可见并且因此将对人类不产生干扰。在白天，LRIR和URIR照明可能是不必要的，因为普通日光可提供足够的IR照明。
“IR照明器”是光源。通过改变驱动电流控制亮度级。例如，LED的光学输出随电流线性变化。LED阵列能以时序方式或同时地进行IR照明是公知的。图2为IR照明系统的一个示例。
“IR成像系统”是一个设计用来捕捉从目标物反射的IR光的装置，将IR光分成其分量波长，以及输出该目标物的IR图像。这种系统具有IR探测器(如IR摄像机)和IR照明器。图3为IR探测系统的一个示例。IR成像系统可以是单个IR探测设备和带有一个固定滤波器的顺序(sequentially)照射N波段照明器(N≥3)，或者包括每个都有各自带通滤波器的总N个探测设备(N≥3)，和单个照明源。
现参照图2，图2为根据本发明教导所使用的示例性红外照明系统的一个实施方式。
图2所示的IR照明系统200包括具有多个IR光源的IR光源阵列202，其中每个光源在各自峰值波长(如λ1，...，λn)处发出窄带红外辐射。源阵列202包括发光二极管阵列(LED)。每个二极管被选择在特定波段发出IR辐射并且对其波段在阵列中定义源。控制器208与IR源阵列202耦合并控制到每个照明器的输入电流，以及由此控制每个的强度输出。传感光学系统204有一个或一个以上的光学系统203，其结合波长产生IR照明光束206。传感器210从IR光源阵列发出的辐射取样并提供反馈到控制器208。聚焦光学系统212接收光束206并将输出光束214聚焦在目标车辆216上。光学系统212包括多个透镜，该透镜有位于光束路径中的不同焦距长度以聚焦光束。控制器208也与光学系统212耦合以便实现因目标尺寸、目标距离、目标速度而导致的输出光束214中的变化，从而指定一些约束条件。控制器208进一步与存储设备209通讯，以存储/取回校准信息，强度等级，以及类似信息资料，包括数据和机器可读程序指令。控制器208可包括计算机系统如台式机，服务器，主机，以及类似物件。可放置控制器208在网络上与这种计算机设备进行有线或无线通讯(未图示)。这种网络可以是局域网(LAN)或互联网。应注意，可放置照明系统200的任何组件与这种计算机系统通讯以便进一步促成本发明预期的目的。
图2中描述的任何光学系统能被具有光功率(power)的光学系统替代以及可进一步包括镜子。这种光学系统可包括多个组件，每个组件都有光功率，例如，其可是双合透镜或三合透镜。在极限情况下，这种光学系统定义唯一的焦距长度F，源阵列和光栅定位于该光学系统的前焦平面和后焦平面。所以，该光学系统在光源阵列的每个单元的无限远处成像该光栅，并且因此每个源单元看到光栅的相同区域。来自每个单元的光在该区域同延。然后，该光栅产生输出辐射，通过补偿不同波段源横向位置的色散，该输出辐射的光谱含量基本上均匀穿过该光栅的横剖面。这使得输出光束214的光谱含量基本上均匀穿过其横剖面。实际上，由于像差(例，像面弯曲，轴向色差，横向色差，畸变，彗差，以及类似像差)可能很难精确定义光学系统所需的焦距长度，根据波长或横向布置，这些像差导致光学系统在略有不同的位置上聚焦射线。
另外，根据光学系统在光源阵列的每个源单元的无限远处成像光栅，至少对于从每个源发出的近轴光线在光源阵列的每个源单元的无限远处成像光栅这种更一般的条件选择光学系统、源阵列以及光栅的相对位置。对于与光轴成θ角的传播光线，近轴光线的sin(θ)≈θ。通过定位每个源单元在光学系统的标称后焦平面以处于光学系统的景深内，以及定位光栅在光学系统的标称后焦平面以处于光学系统的景深内获得无限远的条件。根据DOV＝λ/NA2，景深(DOV)与光学系统的数值孔径(NA)有关，其中λ(lambda)是来自源单元的光的波长。此外，设计带有组件的光学系统以提供多自由度，进而补偿各种光学像差。尽管光学系统中附加的组件提供附加的自由度以便减小像差，每个附加组件也增加了光学系统的成本和复杂性。
参照图3，图3为根据本发明教导所使用的示例性红外探测系统300的一个实施方式。目标车辆216反射由图2中光学系统212发出的光束214的IR光。被反射的IR光部分通过光学系统302接收，该光学系统302具有一个或一个以上透镜303，其将接收到的光聚焦在传感器304上，该传感器304空间地分解该接收到的光以获得IR图像308。光学系统302也可包括一个或一个以上的带通滤波器，其仅允许窄带波长的光通过。该滤波器也可顺序地变化以在308得到N个强度。传感器304发送IR图像信息到计算机306处理和存储。图像探测器308是多光谱图像探测设备，其光谱含量可通过控制器(未图示)选择。适用于源光学系统302和探测器304的光学系统包括在本领域普遍存在的光学系统。探测器304沿着二维光栅在多个像素位置处单独记录光强度。适用的传感器包括电荷耦合器件(CCD)探测器，互补金属氧化物半导体(CMOS)探测器，电荷注入器件(CID)探测器，摄像管探测器，雷地康管(reticon)探测器，图像增强管探测器，像素化的光电倍增管(PMT)探测器，砷化铟镓(InGaAs)，碲化汞镉(MCT)，和微测辐射热计。应注意，硅基探测器限制在1100纳米下。带有混合探测器(即，硅基和非硅基的混合)的系统不是达不到。计算机306与光学系统302通讯以控制其透镜，并与探测器304通讯以控制其灵敏度。计算机306接收IR图像308与每个像素相关的灵敏度值。计算机306进一步包括实施系统300控制所需要的键盘，显示器，打印机，等(未图示)。
现参照图4，图4为合并图2照明系统和图3探测系统的示例性车辆占用探测系统。在图4中，目标车辆400包含人类乘员402，以速度v沿定向矢量403表示的运动方向沿着HOV车道404运动。定位在车道404上方所需距离d内的是支撑臂405，该支撑臂包括类似于用于交通灯的管状结构。固定在臂405上的是IR探测系统407，其具有与远程设备通讯的传输单元408，和IR照明系统409。系统409和407分别代表图2和图3中的实施方式。探测器407可包括配备了长焦镜头，带通滤波器，以及偏光镜以减小眩光效应的摄像机。在白天操作期间，太阳的照明可足够。IR照明器409在一个或一个以上波长处发出IR辐射，其从目标车辆和车辆中的内容反射回探测器207。IR探测系统407传输IR图像和/或IR图像中每个像素的强度值到计算机设备，以进一步以下述方式处理。
现参照流程图5，图5为本发明方法的用于确定交通管理系统中车辆中乘员数量的一个示例性实施方式。流程处理开始于500，并快速继续到步骤502。应注意，尽管在此讨论了交通管理系统背景下的一个示例性实施方式，本发明的教导其意在找到这些实施方式在需要确定由IR成像系统获得的IR图像中人数的广泛系统阵列中的用途。这种实施方式落在随附权利要求的范围内。
在步骤502，收集用于确定人类占用的待被处理的机动车辆的IR图像中每个像素的总N个强度值。该待被处理的车辆以给定速度沿着通过IR照明照亮的HOV车道运动。使用图2-4的IR成像系统收集来自反射的IR光源的每个像素的强度值。根据不同的实施方式，将IR图像和/或每个像素的强度值提供给计算机工作站或专用计算机系统以进一步处理。下文中，假设空气中和积分时间中的IR衰减对所有波段相同。如果不同，这些参数做相应调整。
如果IR探测设备是单个IR探测设备，并且IR照明器是具有一个固定过滤器的顺序照射N波段照明器(N≥3)，该强度值包括：
其中i＝1...N，从而
Figure BSA00000640307100102
是来自顺序照射的照明器的第i个IR波段，α是常数，其取决于照明源的角度和距离，空气中IR波的衰减，以及探测设备的积分时间，Ib是来自背景光源的强度，如来自日照的IR分量的强度，Ro(λ)是车辆中物体的反射率，RG(λ)和TG(λ)是玻璃的反射率和透射率，常数η是从车辆玻璃反射并被探测器接收的来自照明器的光的测量百分比，TL(λ)是固定滤波器的透射率，D(λ)是探测设备的响应率，以及Ii s(λ)是光源的第i个波段的强度。
如果IR探测设备是具有N个带通滤波器(N≥3)的N个探测设备，并且IR照明器具有覆盖过滤器波长范围的一个照明器，该强度值包括：
Figure BSA00000640307100111
其中，i＝1...N，从而
Figure BSA00000640307100112
是第i个IR带通滤波器，α是常数，其取决于照明源的角度和距离，空气中IR波的衰减，以及探测设备的积分时间，Ib是来自背景光源的强度，Ro(λ)是车辆中物体的反射率，RG(λ)和TG(λ)是玻璃的反射率和透射率，常数η是从车辆玻璃反射并被探测器接收的来自照明器的光的测量百分比，Ti L(λ)是第i个滤波器的透射率，D(λ)是探测设备的响应率，以及Is(λ)是光源的强度。
此外，结合任何像素强度值以生成这个像素一个或一个以上的新的强度值并相应处理。
在步骤504，取回IR图像的第一像素进行处理。该第一像素可通过处理器自动选择或通过用户使用图形用户接口定义，如，例如与计算机工作站有关的键盘，鼠标，和显示器，本发明方法的各方面将在该工作站上实施。用户可选择接收到的IR图像的第一区域以及在IR图像其它部分之前处理的图像的选定区域内的部分或全部像素。据此捕捉运动车辆的一个或一个以上的IR图像进行处理。
在步骤506，确定像素强度的比率以及由此形成阈值。在步骤508，基于阈值给像素分类。在一个实施方式中，强度值的比率为：
[Ic(i)-Ic(k)]/[Ic(j)-Ic(k)]                  (3)
其中，i和j是IR成像系统的任意N波段标志，除了波段k的标志。当照明器照亮物体并且探测设备探测图像时，每个像素对于N波段照明器将有N个强度。使用N个强度作为示例，将一个波段作为参考(例如第一波段)，并形成下述比率：
I c ( i ) - I c ( 1 ) I c ( j ) - I c ( 1 ) = A i - A 1 + η ( B i - B 1 ) A j - A 1 + η ( B j - B 1 ) - - - ( 4 )
其中，i，j＝2，...，N，以及其中：
Figure BSA00000640307100122
Figure BSA00000640307100123
此处，公式(4)中的比率取决于常数η。在大多数情况下，η很小(或为零)。对于脏的，有雾的，有雨的窗户环境，η明显(significant)。应注意，因为公式(4)中左侧数量仅需要来自探测摄像机测量的强度，所以公式(4)用在真实产品中不需要模型。然而，在开发和测试阶段，可能要使用模型来计算公式(4)右侧数量，以便选择应使用的比率设置，以及如何设置阈值进行分类。
在步骤510，确定是否有其他更多的像素有待处理。如果有，那么重复步骤504进行处理，其中取回、选择、或另外识别下一个像素以进行处理。重复处理直到IR图像中所有所需像素全部被处理。
在步骤512，然后基于各种像素分类确定目标机动车辆中人类乘员的总数。一旦将人类图像的像素与周围非人类物体的像素分开，采用神经网络或模糊逻辑以帮助确定车辆中乘员的数量。在一个实施方式中，通过空间隔离由目标车辆的成像系统产生的一个或一个以上IR图像中的每个中已识别的人类，并计算出车辆中的人数来获得车辆中乘员的数量。如果采用三个IR摄像机如，例如一个面对运动车辆的前面以捕捉在前面乘客室中乘员的图像，一个面对车辆每侧以捕捉乘客和司机侧面的图像，分析每个图像以确定是否有人类乘员存在。在操作中，如果目标机动车辆中人类乘员的数量超过白天时间段在HOV车道上运动限制的预定数量，使用本领域公知的车辆标记识别技术自动捕捉车辆许可牌照，并且发送信号到交通执法机关，标明具有此牌照号的车辆没有按照所需乘员数量使用HOV车道。
应注意，此处的流程图是说明性的。在流程图中说明的一个或一个以上的操作步骤可以以不同的顺序实施。其他操作，例如，可增加，修改，增强，压缩，整合，或与其他步骤合并。这种变化落在随附权利要求的范围内。流程图的部分或全部可部分地或全部地在硬件中与机器可执行命令一起实施。
实施结果
我们使用4波段照明器系统做研究。所使用LED的峰值波长在940纳米，1070纳米，1200纳米和1550纳米。LED的功率谱如图6-12所示。近红外(NIR)LED已经在市场上使用。这些LED用各种半导体如GaAs或InGaAsP制作，并具有起始于接近可见光(＞730纳米)到短波红外(＞2000纳米)的峰值波长。图6-12为由InGaAsP制作的峰值波长在810纳米到1600纳米之间的几个红外LED的光谱。这些LED有良好的辐射功率，对于高功率的LED，辐射功率在几毫瓦到约45毫瓦之间。可将具有相同峰值波长的许多LED捆绑在一起形成一批或一组。本研究假设每个LED照明器是同等供能的(如果不是，那么能调整下述表中的比率)。各种材料的反射率，包括人体皮肤的反射率，以及窗户的透射率在广泛的出版文献中可得。IR探测摄像机市场上有售并且能捕捉从900纳米到1700纳米的图像。
我们首先考虑η＝0的情况。公式(4)中的各种比率结果如图13中的表格所示。在图13中，I(1-2)＝Ic(1)-Ic(2)，等。对于干净的窗户，比率I(3-2)/I(4-2)对于人体皮肤是负的，对于棉布，羊毛和聚酰胺是正的。因此，如果设置该比率的阈值为零，能正确分类人类图像的像素。因为这个比率仅涉及1070纳米，1200纳米和1550纳米的波段，所以仅需要3个照明LED用于皮肤分离。对于脏的窗户，对于白皮肤该比率变成正的，尽管仍旧接近零。为了解决这个问题，我们可以看另一个数量R12，其由下述比率定义：
| I c ( 1 ) - I c ( 2 ) I c ( 3 ) - I c ( 2 ) - I c ( 1 ) - I c ( 2 ) I c ( 4 ) - I c ( 4 ) | - - - ( 8 )
这个数量对于皮肤相对大，但对于其他三种材料比较小。
为了评估η的作用，我们首先考虑摄像系统需要的环境，即
T G 2 ( λ ) R o ( λ ) > > ηR G ( λ ) - - - ( 9 )
对于干净玻璃，TG(λ)在0.5到0.8的范围之间，而对于脏的玻璃，TG(λ)可以低到0.2。当对于脏的玻璃η～0.05时，认为该系统不能良好工作。
图14显示了公式(4)中η＝0.05时各种比率的结果。可以看到，如果人是黑皮肤，对于脏的玻璃和有色玻璃简单的使用比率I(3-2)/I(4-2)并设置阈值为零将不能工作。如果设置阈值在0.3，数量R12看起来仍旧相当稳健，尽管这会将脏玻璃中的黑皮肤误解为纤维。
现参照图15，图15为能够实施关于图5的流程图所示和描述的本发明方法各方面的一个示例性处理系统的框图。
工作站1504与IR图像接收器1502通讯进而从图4中IR探测设备407的天线408接收像素强度值，并且实行计算机1504和探测设备408之间的双向通讯。计算机1504具有监控器1503和用户接口1505，使得能给用户显示信息并实行用户输入或选择。计算机1504也通过网络通讯接口(未图示)和网络1501通讯。捕捉的IR图像的各个部分和/或像素强度值可存储在存储器或工作站1504内部的存储设备中，并且可在网络1501上与远程设备通讯以存储或进一步处理。用户可使用图形用户接口，即键盘和监控器，以识别或另外选择用于处理IR图像的像素和/或区域或提供实施处理所需要的其他用户输入。在接收的IR图像数据中识别或另外探测的像素和/或利害区域可从远程设备取回，如网络1501上的图像处理系统。台式电脑1504和接收器1502与图像处理器1506通讯。
如图所示，图像处理器1506包括缓冲器1507，其用于将与接收的IR图像有关的信息排队，该有关的信息如，例如图像中的利害区域，及其类似物，其被选择或另外识别以用于像素处理。缓冲器1507可进一步存储取回的数据以及数学公式和数学表示以处理上述方式中的页面和页面组。强度计算器1508接收来自工作站1504关于需要执行公式(1)和(2)所需计算的变量的数据和信息。像素标识模块1509识别当前将被处理的像素，如上参照步骤504所述。模块1509与监控器1503通讯以在其上提供显示，以便用户选择在所显示的IR图像中哪个像素将随后进行处理。用户可选择该显示的IR图像的部分或全部进行处理。在其他实施方式中，自动处理该图像，并且应了解，这种实施方式落在所附权利要求的范围内。比率模块1510是带有存储器的处理器，其与强度模决1508通讯以获得当前像素的像素强度值。比率模块1510生成上述公式(3)的比率并将结果保存在存储设备1511中。模块1508进一步存储/取回数值到/从存储设备1511以便通过模块1510检索。阈值模块1512确定阈值并提供该值到像素分类处理器1513，该像素分类处理器根据上述方法步骤实施已识别的像素的分类。这个像素的分类保存在存储设备1511中。
应了解，图15中的任何模块和处理单元通过图示的或未图示的路径与存储设备1511通讯，并且可存储/取回需要实施其预期功能的数据，参数值，功能，页面，记录，数据和机器可读/可执行程序指令。这些模块中的每个也能通过路径(未图示)与工作站1504通讯，并且可进一步与网络1501上的一个或一个以上的远程设备通讯。应注意，可通过工作站1504内的组件或专用计算机系统全部或部分地实施任意模块的部分或全部的功能。
应注意，不同模块可指定一个或一个以上组件，其反过来可包括设计以实施预期功能的软件和/或硬件。多个模块可共同实施单个功能。每个模块可具有能实行机器可读程序指令的专用处理器。模块可包括单一硬件如ASIC(专用集成电路)，电子电路，或专用处理器。可通过单个专用计算机系统或多个并联的专用计算机系统实施多个模块。模块间的连接包括物理连接和逻辑连接。模块可进一步包括一个或一个以上软件/硬件模块，其可进一步包括操作系统，驱动程序，设备控制器，和部分或全部通过网络连接的其他设备。同样应考虑，可在专用计算机系统上实施本发明方法的一个或一个以上方面，以及也可在分布式计算环境中实行发明方法的一个或一个以上方面，其可借由通过网络连接的远程设备执行任务。
应注意，上面描述的各种特征和功能，以及其它特征和功能，及其替代，可根据期望被结合为许多其它不同的系统或应用中。各种当前未预见或意料之外的替代、修改、变形或改进可在随后由本领域的普通技术人员完成，它们也应被包含在下述权利要求中。因此，上述的实施方式是说明性的而不是限制性的。在不脱离本发明精神和范围的前提下可对上述实施方式的做各种变化。包括专利和专利申请的各种印刷出版物在此通过引入分别并入本文中。

Claims (10)

1.确定由红外成像系统获得的红外图像中的活物数量的方法，该方法包括：
收集红外图像中每个像素的总N个强度值，所述强度值通过红外成像系统来收集，所述红外成像系统包括红外探测设备和红外照明器；
对于在所述红外图像中的每个像素：
生成所述像素已收集强度值的比率，该生成的比率包括，
[Ic(i)-Ic(k)]/[Ic(j)-Ic(k)]，
其中i，j，k是任意N波段互不相同的标志；
从所述生成的比率形成阈值；以及
使用所述阈值对来自活物或非活物的所述像素分类；以及
基于所述像素分类，确定所述红外图像中的活物数量。
2.根据权利要求1所述的方法，其中所述红外探测设备是单个红外探测设备，并且其中所述红外照明器是具有一个固定过滤器的顺序照射N波段照明器(N≥3)，所述强度值包括：
Figure FSA00000640307000011
其中i＝1...N，从而
Figure FSA00000640307000012
是来自顺序照射的所述照明器的第i个红外波段，α是常数，其取决于照明源的角度和距离、空气中红外波的衰减以及所述探测设备的积分时间，Ib是来自背景光源的强度，例如来自日照的红外分量的强度，Ro(λ)是通过所述红外探测设备探测的物体的反射率，RG(λ)和TG(λ)是玻璃的反射率和透射率，否则RG(λ)＝0以及TG(λ)＝1，常数η是从车辆玻璃反射并被探测器接收的来自所述照明器的光的测量百分比，否则η＝0，TL(λ)是所述固定滤波器的透射率，D(λ)是所述探测设备的响应率，以及Ii s(λ)是光源的第i个波段的强度。
3.根据权利要求1所述的方法，其中所述红外探测设备是具有N个带通滤波器(N≥3)的N个探测设备，并且所述红外照明器具有覆盖所述过滤器波长范围的一个照明器，所述强度值包括：
Figure FSA00000640307000021
其中，i＝1...N，从而
Figure FSA00000640307000022
是第i个红外带通滤波器，α是常数，其取决于照明源的角度和距离、空气中红外波的衰减以及所述探测设备的积分时间，Ib是背景强度，Ro(λ)是通过所述红外探测设备探测的物体的反射率，RG(λ)和TG(λ)是玻璃的反射率和透射率，否则RG(λ)＝0以及TG(λ)＝1，常数η是从车辆玻璃反射并被探测器接收的来自所述照明器的光的测量百分比，否则η为0，Ti L(λ)是第i个滤波器的透射率，D(λ)是所述探测设备的响应率，以及Is(λ)是光源的强度。
4.根据权利要求1所述的方法，其中基于所述像素分类确定所述红外图像中活物的数量包括相互参照与每个所述像素相关的强度值，所述像素具有至少一个使用从存储设备获得一个公知反射率计算的强度值。
5.根据权利要求1所述的方法，其进一步包括：
结合任意所述像素强度值以生成所述像素的至少一个新的强度值；
使用生成的像素的所述新的强度值产生新的比率；
从所述比率中形成新的阈值，以及
使用所述新的阈值分类所述像素。
6.确定由红外成像系统获得的红外图像中的活物数量的系统，该系统包括：
红外成像系统，其包括红外探测设备和红外照明器；
存储器和存储介质；以及
处理器，其与所述存储介质和所述存储器通讯，所述处理器实行机器可读指令以实施下述方法：
收集红外图像中每个像素的总的N个强度值，所述强度值通过红外成像系统来收集；
对于在所述红外图像中的每个像素：
生成所述像素已收集强度值的比率，该生成的比率包括，
[Ic(i)-Ic(k)]/[Ic(j)-Ic(k)]，
其中i，j，k是任意N波段互不相同的标志；
从所述生成的比率形成阈值；以及
使用所述阈值对来自活物或非活物的所述像素分类；以及
基于所述像素分类，确定所述红外图像中的活物总数量。
7.根据权利要求6所述的系统，其中所述红外探测设备是单个红外探测设备，并且其中所述红外照明器是具有一个固定过滤器的顺序照射N波段照明器(N≥3)，所述强度值包括：
其中i＝1...N，从而是来自顺序照射的所述照明器的第i个红外波段，α是常数，其取决于照明源的角度和距离、空气中红外波的衰减以及所述探测设备的积分时间，Ib是来自背景光源的强度，例如来自日照的红外分量的强度，Ro(λ)是通过所述红外探测设备探测的物体的反射率，RG(λ)和TG(λ)是玻璃的反射率和透射率，否则RG(λ)＝0以及TG(λ)＝1，常数η是从车辆玻璃反射并被探测器接收的来自所述照明器的光的测量百分比，否则η＝0，TL(λ)是所述固定滤波器的透射率，D(λ)是所述探测设备的响应率，以及Ii s(λ)是光源的第i个波段的强度。
8.根据权利要求7所述的系统，其中所述红外探测设备是具有N个带通滤波器(N≥3)的N个探测设备，并且所述红外照明器具有覆盖所述过滤器波长范围的一个照明器，所述强度值包括：
Figure FSA00000640307000043
其中，i＝1...N，从而
Figure FSA00000640307000044
是第i个红外带通滤波器，α是常数，其取决于照明源的角度和距离、空气中红外波的衰减以及所述探测设备的积分时间，Ib是背景强度，Ro(λ)是通过所述红外探测设备探测的物体的反射率，RG(λ)和TG(λ)是玻璃的反射率和透射率，否则RG(λ)＝0以及TG(λ)＝1，常数η是从车辆玻璃反射并被探测器接收的来自所述照明器的光的测量百分比，否则η为0，Ti L(λ)是第i个滤波器的透射率，D(λ)是所述探测设备的响应率，以及Is(λ)是光源的强度。
9.根据权利要求6所述的系统，其中基于所述像素分类确定所述红外图像中活物的数量包括相互参照与每个所述像素相关的强度值，所述像素具有至少一个使用从存储设备获得一个公知反射率计算的强度值。
10.根据权利要求6所述的系统，其进一步包括：
结合任意所述像素强度值以生成所述像素的至少一个新的强度值；
使用生成的像素的所述新的强度值产生新的比率；
从所述比率中形成新的阈值，以及
使用所述新的阈值分类所述像素。
CN201110429274.9A 2010-12-14 2011-12-09 确定由红外成像系统获得的红外图像中的总人数 Expired - Fee Related CN102592335B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US12/967,775 2010-12-14
US12/967,775 US8520074B2 (en) 2010-12-14 2010-12-14 Determining a total number of people in an IR image obtained via an IR imaging system

Publications (2)

Publication Number Publication Date
CN102592335A true CN102592335A (zh) 2012-07-18
CN102592335B CN102592335B (zh) 2015-09-16

Family

ID=45541525

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201110429274.9A Expired - Fee Related CN102592335B (zh) 2010-12-14 2011-12-09 确定由红外成像系统获得的红外图像中的总人数

Country Status (8)

Country Link
US (1) US8520074B2 (zh)
JP (2) JP5752583B2 (zh)
KR (1) KR20120066604A (zh)
CN (1) CN102592335B (zh)
BR (1) BRPI1107116A2 (zh)
DE (1) DE102011088393B4 (zh)
GB (1) GB2486947A (zh)
MX (1) MX2011013205A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103021178A (zh) * 2012-12-18 2013-04-03 重庆喜玛拉雅科技有限公司 汽车载客人数实时监控系统
CN103279791A (zh) * 2013-05-30 2013-09-04 上海汇纳网络信息科技有限公司 基于多特征的行人计算方法
CN103414869A (zh) * 2013-06-24 2013-11-27 西安富沃德光电科技有限公司 一种警用透窗成像侦查系统
CN106771446A (zh) * 2016-11-28 2017-05-31 国网山东省电力公司济宁供电公司 智能电表箱及电量信息显示方法、报警系统
CN114596537A (zh) * 2022-05-10 2022-06-07 深圳市海清视讯科技有限公司 区域人流数据确定方法、装置、设备及存储介质

Families Citing this family (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9245332B2 (en) * 2011-03-09 2016-01-26 Alcatel Lucent Method and apparatus for image production
RU2591735C2 (ru) * 2011-09-20 2016-07-20 Халлибертон Энерджи Сервисез, Инк. Система и устройство для обнаружения запрещенных или опасных веществ
JP5760090B2 (ja) * 2011-09-28 2015-08-05 本田技研工業株式会社 生体認識装置
US8811664B2 (en) * 2011-12-06 2014-08-19 Xerox Corporation Vehicle occupancy detection via single band infrared imaging
US8818030B2 (en) * 2011-12-13 2014-08-26 Xerox Corporation Post-processing a multi-spectral image for enhanced object identification
US9351649B2 (en) 2012-02-21 2016-05-31 Xerox Corporation System and method for determining video-based pulse transit time with time-series signals
US8824742B2 (en) 2012-06-19 2014-09-02 Xerox Corporation Occupancy detection for managed lane enforcement based on localization and classification of windshield images
US9760784B2 (en) 2012-10-26 2017-09-12 Nec Corporation Device, method and program for measuring number of passengers
US9523608B2 (en) * 2012-12-14 2016-12-20 Xerox Corporation Material identification from a spectral filtered patterned image without demosaicing
TWI532620B (zh) * 2013-06-24 2016-05-11 Utechzone Co Ltd Vehicle occupancy number monitor and vehicle occupancy monitoring method and computer readable record media
US9336594B2 (en) 2014-03-07 2016-05-10 Xerox Corporation Cardiac pulse rate estimation from source video data
US9652851B2 (en) * 2014-04-01 2017-05-16 Conduent Business Services, Llc Side window detection in near-infrared images utilizing machine learning
US9320440B2 (en) 2014-04-01 2016-04-26 Xerox Corporation Discriminating between atrial fibrillation and sinus rhythm in physiological signals obtained from video
US9842266B2 (en) 2014-04-04 2017-12-12 Conduent Business Services, Llc Method for detecting driver cell phone usage from side-view images
US9633267B2 (en) * 2014-04-04 2017-04-25 Conduent Business Services, Llc Robust windshield detection via landmark localization
US9521335B2 (en) 2014-06-17 2016-12-13 Xerox Corporation Detecting febrile seizure with a thermal video camera
US10192134B2 (en) * 2014-06-30 2019-01-29 Microsoft Technology Licensing, Llc Color identification using infrared imaging
CN104506827B (zh) * 2015-01-13 2018-02-02 苏州创捷传媒展览股份有限公司 具有人体跟踪功能的互动视觉拍摄装置
EP3317624B1 (en) 2015-07-05 2019-08-07 The Whollysee Ltd. Optical identification and characterization system and tags
CN108604376B (zh) * 2016-02-08 2022-04-01 皇家飞利浦有限公司 用于搏动性检测的设备、系统和方法
CN106560871A (zh) * 2016-09-22 2017-04-12 淮阴工学院 双系统家庭防盗报警系统及防盗方法
US10701244B2 (en) * 2016-09-30 2020-06-30 Microsoft Technology Licensing, Llc Recolorization of infrared image streams
CN110832493A (zh) 2017-07-04 2020-02-21 日本电气株式会社 分析装置、分析方法和程序
CN110998596B (zh) * 2017-09-28 2023-11-07 苹果公司 夜间感测
EP3734571B1 (en) * 2017-12-28 2024-02-07 NEC Corporation Information processing device, information processing method, and program
TR201812156A2 (tr) * 2018-08-27 2018-09-21 Havelsan Hava Elektronik Sanayi Ve Ticaret Anonim Sirketi Plaka tanima si̇stemi̇ kamera görüntüleri̇ kullanilarak ön koltuk yolcu kapasi̇tesi̇ i̇hlal tespi̇t yöntemi̇
US20200138337A1 (en) 2018-11-06 2020-05-07 The Regents Of The University Of Colorado, A Body Corporate Non-Contact Breathing Activity Monitoring And Analyzing System Through Thermal On Projection Medium Imaging
KR102207737B1 (ko) * 2018-12-11 2021-01-26 대한민국 무인 생물 모니터링 시스템 및 이를 이용한 생물 인식 방법
CN111768542B (zh) * 2020-06-28 2022-04-19 浙江大华技术股份有限公司 一种闸机控制系统、方法、装置、服务器及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6072889A (en) * 1997-12-03 2000-06-06 The Raytheon Company Method and system for imaging target detection
US20070092115A1 (en) * 2005-10-26 2007-04-26 Usher David B Method and system for detecting biometric liveness
CN101753812A (zh) * 2008-12-05 2010-06-23 索尼株式会社 成像装置和成像方法

Family Cites Families (31)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7831358B2 (en) 1992-05-05 2010-11-09 Automotive Technologies International, Inc. Arrangement and method for obtaining information using phase difference of modulated illumination
EP0767361B1 (en) 1993-07-22 2000-02-23 Applied Spectral Imaging Ltd. Method and apparatus for spectral imaging
US7734061B2 (en) 1995-06-07 2010-06-08 Automotive Technologies International, Inc. Optical occupant sensing techniques
US7738678B2 (en) 1995-06-07 2010-06-15 Automotive Technologies International, Inc. Light modulation techniques for imaging objects in or around a vehicle
WO2001011343A1 (en) 1999-08-06 2001-02-15 Cambridge Research & Instrumentation Inc. Spectral imaging system
US6370260B1 (en) 1999-09-03 2002-04-09 Honeywell International Inc. Near-IR human detector
US6295130B1 (en) 1999-12-22 2001-09-25 Xerox Corporation Structure and method for a microelectromechanically tunable fabry-perot cavity spectrophotometer
US20030053659A1 (en) 2001-06-29 2003-03-20 Honeywell International Inc. Moving object assessment system and method
US6721692B2 (en) 2001-08-30 2004-04-13 Xerox Corporation Systems and methods for determining spectra using dynamic least squares algorithms with measurements from LED color sensor
US7027619B2 (en) 2001-09-13 2006-04-11 Honeywell International Inc. Near-infrared method and system for use in face detection
US6825930B2 (en) 2002-06-04 2004-11-30 Cambridge Research And Instrumentation, Inc. Multispectral imaging system
CN100383803C (zh) 2003-02-11 2008-04-23 哈曼贝克自动系统股份有限公司 高承载车辆限制感知导航系统
GB2414790A (en) 2004-06-04 2005-12-07 Laser Optical Engineering Ltd Detection of humans or animals by comparing infrared and visible light images
US7091880B2 (en) 2004-07-15 2006-08-15 Raytheon Company Licensed driver detection for high occupancy toll lane qualification
US7469060B2 (en) * 2004-11-12 2008-12-23 Honeywell International Inc. Infrared face detection and recognition system
US6980101B2 (en) 2005-03-14 2005-12-27 Kalon Lee Kelley Motor vehicle occupancy signaling system
US7385704B2 (en) 2005-03-30 2008-06-10 Xerox Corporation Two-dimensional spectral cameras and methods for capturing spectral information using two-dimensional spectral cameras
US7304801B2 (en) 2005-03-30 2007-12-04 Xerox Corporation Distributed Bragg reflector systems and methods
FR2885224B1 (fr) * 2005-04-28 2007-08-03 Sagem Procede et systeme de veille aeroportee par analyse d'images infrarouges
US7355714B2 (en) 2005-12-29 2008-04-08 Xerox Corporation Reconfigurable MEMS fabry-perot tunable matrix filter systems and methods
US7417746B2 (en) 2005-12-29 2008-08-26 Xerox Corporation Fabry-perot tunable filter systems and methods
JP4819606B2 (ja) * 2006-07-21 2011-11-24 株式会社豊田中央研究所 対象物の部位判別装置及び性別判定装置
US7786897B2 (en) 2007-01-23 2010-08-31 Jai Pulnix, Inc. High occupancy vehicle (HOV) lane enforcement
JP5026854B2 (ja) * 2007-04-27 2012-09-19 国立大学法人東京工業大学 領域抽出装置及び領域抽出方法
JP2009212824A (ja) * 2008-03-04 2009-09-17 Funai Electric Co Ltd 皮膚領域検出撮像装置
US20090309974A1 (en) 2008-05-22 2009-12-17 Shreekant Agrawal Electronic Surveillance Network System
JP5018653B2 (ja) * 2008-06-04 2012-09-05 株式会社豊田中央研究所 画像識別装置
US7869732B2 (en) 2008-07-03 2011-01-11 Xerox Corporation Amplitude modulation of illuminators in sensing applications in printing system
US8013760B2 (en) 2008-10-06 2011-09-06 Mark Iv Ivhs, Inc. High occupancy vehicle status signaling using electronic toll collection infrastructure
EP2264643A1 (en) * 2009-06-19 2010-12-22 Universidad de Castilla-La Mancha Surveillance system and method by thermal camera
JP2012068762A (ja) * 2010-09-21 2012-04-05 Sony Corp 検出装置、検出方法、プログラム、及び電子機器

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6072889A (en) * 1997-12-03 2000-06-06 The Raytheon Company Method and system for imaging target detection
US20070092115A1 (en) * 2005-10-26 2007-04-26 Usher David B Method and system for detecting biometric liveness
CN101753812A (zh) * 2008-12-05 2010-06-23 索尼株式会社 成像装置和成像方法

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103021178A (zh) * 2012-12-18 2013-04-03 重庆喜玛拉雅科技有限公司 汽车载客人数实时监控系统
CN103279791A (zh) * 2013-05-30 2013-09-04 上海汇纳网络信息科技有限公司 基于多特征的行人计算方法
CN103279791B (zh) * 2013-05-30 2016-03-30 上海汇纳信息科技股份有限公司 基于多特征的行人计算方法
CN103414869A (zh) * 2013-06-24 2013-11-27 西安富沃德光电科技有限公司 一种警用透窗成像侦查系统
CN103414869B (zh) * 2013-06-24 2016-03-16 西安富沃德光电科技有限公司 一种警用透窗成像侦查系统
CN106771446A (zh) * 2016-11-28 2017-05-31 国网山东省电力公司济宁供电公司 智能电表箱及电量信息显示方法、报警系统
CN114596537A (zh) * 2022-05-10 2022-06-07 深圳市海清视讯科技有限公司 区域人流数据确定方法、装置、设备及存储介质
CN114596537B (zh) * 2022-05-10 2022-08-05 深圳市海清视讯科技有限公司 区域人流数据确定方法、装置、设备及存储介质

Also Published As

Publication number Publication date
US20120147194A1 (en) 2012-06-14
DE102011088393B4 (de) 2022-02-24
JP5752583B2 (ja) 2015-07-22
MX2011013205A (es) 2012-06-13
CN102592335B (zh) 2015-09-16
GB201121249D0 (en) 2012-01-18
JP2015181033A (ja) 2015-10-15
KR20120066604A (ko) 2012-06-22
DE102011088393A1 (de) 2012-06-14
GB2486947A (en) 2012-07-04
JP2012128862A (ja) 2012-07-05
JP5938125B2 (ja) 2016-06-22
BRPI1107116A2 (pt) 2016-03-22
US8520074B2 (en) 2013-08-27

Similar Documents

Publication Publication Date Title
CN102592335B (zh) 确定由红外成像系统获得的红外图像中的总人数
CN102842063B (zh) 确定红外图像中的对象的数量
CN103164708B (zh) 确定车辆承载检测的像素分类阈值
CN205354047U (zh) 一种标记读取终端
CN114616489A (zh) Lidar图像处理
CN109313345A (zh) 用于图像采集和分析的有源脉冲4d 摄像装置的方法和装置
US20210158108A1 (en) Object classification method, vehicle control method, information display method, and object classification device
MX2007016556A (es) Dispositivo y metodo para la percepcion monoltica de imagenes.
EP3999822A1 (en) Spectrometer device
EP3998767A1 (en) Imaging device, lighting device for same, vehicle, and lamp fitting for vehicle
CN111898427A (zh) 一种基于特征融合深度神经网络的多光谱行人检测方法
CN114127797A (zh) 用于在自然光和/或人造光下进行对象识别的系统和方法
WO2021059967A1 (ja) 物体認識装置及び物体認識プログラム
WO2020116036A1 (ja) 物体認識装置、物体認識方法、およびプログラム
Daley et al. Detection of vehicle occupants in HOV lanes: exploration of image sensing for detection of vehicle occupants
Zhou et al. Developing, integrating and validating a compressive hyperspectral video imager
Litkouhi et al. Imaging sensor technology for intelligent vehicle active safety and driver assistant systems
CN109724931A (zh) 一种实时校准的光谱传感系统及其光谱处理方法
EP2595089A1 (en) Driver assistance system and method for a motor vehicle

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
TR01 Transfer of patent right

Effective date of registration: 20210224

Address after: New Jersey, USA

Patentee after: Comdount business services Co.,Ltd.

Address before: Connecticut, USA

Patentee before: Xerox Corp.

TR01 Transfer of patent right
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20150916

Termination date: 20211209

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