CN104517298B - 移动体检测装置 - Google Patents

移动体检测装置 Download PDF

Info

Publication number
CN104517298B
CN104517298B CN201410067408.0A CN201410067408A CN104517298B CN 104517298 B CN104517298 B CN 104517298B CN 201410067408 A CN201410067408 A CN 201410067408A CN 104517298 B CN104517298 B CN 104517298B
Authority
CN
China
Prior art keywords
moving body
image
bianry image
closing
detection means
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.)
Active
Application number
CN201410067408.0A
Other languages
English (en)
Other versions
CN104517298A (zh
Inventor
古川贤司
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.)
Alpine Electronics Inc
Toshiba Digital Solutions Corp
Original Assignee
Toshiba Alpine Automotive Technology Inc
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 Toshiba Alpine Automotive Technology Inc filed Critical Toshiba Alpine Automotive Technology Inc
Publication of CN104517298A publication Critical patent/CN104517298A/zh
Application granted granted Critical
Publication of CN104517298B publication Critical patent/CN104517298B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • H04N7/183—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a single remote source
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/215—Motion-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/254—Analysis of motion involving subtraction of images
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/80—Camera processing pipelines; Components thereof
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20068—Projection on vertical or horizontal image axis
    • 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
    • G06T2207/30196—Human being; Person
    • 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
    • G06T2207/30232—Surveillance
    • 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
    • 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
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Signal Processing (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供一种能够准确地推断存在于极近距离的移动体的移动轨迹的移动体检测装置。该移动体检测装置包括：输入图像取得部，其对存在于极近距离的移动体进行拍摄；以及图像信息处理部，其对由输入图像取得部取得的图像信息进行运算处理而生成圆筒二值图像和俯瞰二值图像，并且，通过背景相关提取移动体的区域，基于圆筒二值图像推断移动体的接近方向，基于接近方向和俯瞰二值图像进行移动体的移动轨迹的推断。

Description

移动体检测装置
本申请将日本专利申请特愿2013-207572（申请日：10/2/2013）作为基础，享受该申请的优先权权益。本申请参照该申请并包括该申请的所有内容。
技术领域
本发明的实施方式涉及准确地推断存在于极近距离的移动体的移动轨迹的移动体检测装置。
背景技术
现有技术中已经提出了安全用途、车载安全用途、自动售货机等使用了摄像机的各种人物监视装置。
为了系统进行对应于监视对象的动作的各种处理，准确的移动轨迹是必不可少的。
在安全用途上多的、监视对象与摄像机被充分分离的场景中，由于可以使用视角窄、畸变小的图像，因而可以进行准确的移动轨迹的推断。
在如车载用途或自动售货机用途那样地监视对象位于离摄像机极近距离的场景中，为了确保视野，就需要鱼眼镜头，且投影面偏离等畸变增大，因而进行准确的移动轨迹的推断是困难的。
发明内容
本发明要解决的课题在于提供一种能够准确地推断存在于极近距离的移动体的移动轨迹的移动体检测装置。
实施方式的移动体检测装置包括：输入图像取得部，其对存在于极近距离的移动体进行拍摄；以及图像信息处理部，其对由所述输入图像取得部取得的图像信息进行运算处理而生成圆筒二值图像和俯瞰二值图像，并且，通过背景相关提取所述移动体的区域，基于所述圆筒二值图像推断所述移动体的接近方向，基于所述接近方向和所述俯瞰二值图像进行所述移动体的移动轨迹的推断。
根据上述构成的移动体检测装置，能够准确地推断存在于极近距离的移动体的移动轨迹。
附图说明
图1是表示根据本发明的实施方式的移动体检测装置的构成例的图。
图2是表示图像信息处理部的构成例的图。
图3是说明圆筒图像以及俯瞰图像的生成的图。
图4是表示背景差分的生成处理的流程的流程图。
图5是表示接近方向的推断处理的流程的流程图。
图6是表示移动轨迹的推断处理的流程的流程图。
图7是说明通过两步的二值化处理的图。
图8是表示各处理图像的一例的图。
具体实施方式
以下，将参照附图来说明本发明的一实施方式。此外，在各图中，对同一部位标以相同的符号，同时省略重复的说明。
图1是表示根据本发明的实施方式的移动体检测装置的构成例的图。如图1所示，移动体检测装置100主要由输入图像取得部10和图像信息处理部20构成。输入图像取得部10是对作为存在于极近距离的检测对象的人物进行摄像的部分，例如优选广角摄像机，更优选是超广角摄像机的鱼眼摄像机。
图像信息处理部20对由输入图像取得部10取得的图像信息进行运算处理，推断人物的移动轨迹。图像信息处理部20能够由例如CPU构成。
图2是表示图像信息处理部20的构成例的图。如图2所示，图像信息处理部20能够主要由圆筒图像生成部21、俯瞰图像生成部22、接近方向检测部23、移动轨迹检测部24构成。圆筒图像生成部21根据由输入图像取得部10取得的图像信息生成圆筒二值图像。生成圆筒二值图像的详细情况将在后面详述。俯瞰图像生成部22根据由输入图像取得部10取得的图像信息生成俯瞰二值图像。生成俯瞰二值图像的详细情况将在后面详述。接近方向检测部23根据圆筒二值图像检测接近方向。移动轨迹检测部24根据接近方向和俯瞰二值图像推断移动轨迹。
将对如以上那样构成的移动体检测装置100进行详细说明。
在本实施方式中，将输入图像转换为圆筒图像和俯瞰图像，在各个图像面上，通过背景相关，提取存在于极近距离的移动体的区域，根据圆筒二值图像推断移动体的接近方向，并根据接近方向和俯瞰二值图像进行移动轨迹的推断。
＜圆筒图像的生成＞
圆筒图像（円筒画像）是将由输入图像取得部10（例如鱼眼摄像机）拍摄位于假想圆筒面上的物体而得到的图像信息在假想平面上展开而成的图像。图3（b）是说明圆筒图像的生成的图。圆筒图像的生成在例如日本专利特开2010-217984等中进行了详述，因而在此不再赘述。图8（b）是通过坐标转换由图8（a）的输入图像生成的圆筒图像的一例。此外，生成的圆筒图像尺寸必须由摄像机的视角、传感器分辨率等决定，但是在本实施例中，当作128×168而进行说明。
＜俯瞰图像的生成＞
俯瞰图像也被称为顶视图（top view），在本实施方式中，是从配置于某空间位置的假想摄像机拍摄正下方而得到的图像。具体而言，是通过将输入图像取得部10（例如鱼眼摄像机）拍摄得到的图像信息进行视点转换（視点変換）（在此为顶视图转换（トップビュー変換））而得到的图像。图3（a）是说明俯瞰图像的生成的图。俯瞰图像的生成在例如日本专利特开2012-141972等中进行了详述，因而在此不再赘述。图8（c）是通过坐标转换由图8（a）的输入图像生成的俯瞰图像的一例。此外，生成的俯瞰图像尺寸必须由摄像机的视角、传感器分辨率等决定，但是在本实施例中，当作180×120而进行说明。
＜移动体区域的提取＞
在本实施方式中，对圆筒图像和俯瞰图像分别独立地进行（1）根据转换后的图像生成周边差图像（边缘图像）；（2）根据当前帧和背景图像生成背景相关图像；（3）通过两步的大津二值化（2段階の大津の二値化）只提取移动体的处理，生成二值图像。
所谓背景差分，是指比较所得到的观察图像和事前预先取得的背景图像，从观察图像中去除背景图像而截取前景的操作，是提取不存在于背景图像中的物体的处理。将不存在于背景图像的物体所占的区域称为前景区域，将其以外称为背景区域。图8（d）是圆筒背景图像的一例，图8（e）是俯瞰背景图像的一例。
在本实施方式中，相对于静止背景图像，将存在于极近距离的人物作为活动的物体而把握。
图4是表示背景差分的生成处理的流程的流程图。
首先，按当前帧的坐标转换图像I中的各像素，根据下式（1）计算注目像素和其周边像素的差（步骤S401）。
这里，Idiffer(x,y)表示与周边区域的差的值，I(x,y)表示注目像素，N是周边区域的尺寸，优选尺寸为大约9×9像素。
图8（f）是从图8（b）的坐标转换图像生成的、当前帧的圆筒图像的一例。图8（g）是从图8（c）的坐标转换图像生成的、当前帧的俯瞰图像的一例。由图8（f）、（g）可知，与周围区域的差只强调场景的纹理成分，可以抑制由摄像机的自动曝光调整等引起的整体亮度的变动（偏差分量（オフセット成分））产生的误检测、由脚下的影子所引起的位置精度劣化。在此，坐标转换图像是用预先准备的规定的转换表、将由输入图像取得部10取得的所有像素的图像信息进行了坐标转换后的图像。
接下来，判定是否是初始帧（步骤S402）。
如果是初始帧（步骤S402中是），则将当前帧的周边差图像设定为背景图像（步骤S403）后，转移至步骤S405。
相反，如果不是初始帧（步骤S402中否），则如下式（2）那样，通过权重α进行背景图像Iback(x,y)的更新（步骤S404）。
这里，I’back(x,y)表示前一帧的背景图像。
通过相关的处理，动态地掌握背景图像。在此，α越小，当前帧图像的影响就越大，对在帧间所产生的噪声的耐性越强，但是作为前景的移动体的灵敏度变差（差分变小）。另一方面，α越大，差分更易出现，但是易于残留通过摄像机前的人物的信息，成为误检测的主要原因。在此，α优选为0.5～0.03。
接下来，以周边区域S通过下式（3）计算差图像与背景图像的相关值(SSD：Sum ofSquared Difference、平方差和）（步骤S405）。
通过相关的处理，进行尖峰噪声的抑制。在此，S是以注目像素为中心的矩形区域，优选为7×7像素左右。图8（h）是圆筒相关图像的一例。图8（i）是俯瞰相关图像的一例。意味着越亮，与背景图像的差异越大。
接着，以图像全体计算相关值的直方图Hist1（步骤S406）。在人物不存在时，如果对本直方图实施大津二值化，则有设定提取背景噪声的低得不恰当的阈值的可能性。
接下来，在直方图Hist1的各bin（直条）上加1作为噪声，计算Hist2（步骤S407）。值并非限定于“1”，根据背景噪声的表现方式不同，更大的值是有效的。通过相关的处理，可以改善因人物从图像上消失而被设定得不恰当地低的阈值。
接着，根据Hist1,Hist2分别计算基于大津二值化的阈值T1,T2（步骤S408）。作为自动求出将灰度图像二值化的阈值的方法，被称为大津法的判别分析法是周知的。大津二值化法是假设灰度图像的直方图建立两座峰，这两座峰分别对应于图像的目标物（在本实施方式中为人物）与背景（在相关图像中为噪声分量），大津二值化法是计算使图像的目标物与背景这两个集合（类）的分离程度最高的阈值的算法。计算将各值作为阈值时的各个类内方差与类间方差，取类内方差与类间方差之比最小的值作为阈值。
接下来，计算T1与T2之比R(=T2/T1)（步骤S409）。
然后，判定比率R是否为阈值Tr以上（步骤S410）。
如果比率R不在阈值Tr以上（步骤S410中否），则设定为二值化用阈值T=T1（步骤S411）；如果比率R为阈值Tr以上（步骤S410中是），则设定为二值化用阈值T=T2（步骤S412）。大津二值化法不适用于没有直方图的双峰性的图像，但通过相关的处理，消除由自动生成低的阈值的大津二值化方法所引起的弊病。
图7是说明通过两步的二值化处理的图。图7（a）表示使用T1作为二值化用阈值的情况。如图7（a）所示，即使是施加了噪声分量的情况下，不管使用T1和T2中的哪一个，二值化效果都类似。另一方面，图7（b）表示使用T2作为二值化用阈值的情况。能够判断T1对噪声发生反应，用T1和T2的二值化效果差别大。
接下来，用二值化用阈值T将相关值二值化（步骤S413），结束背景差分的生成处理。图8（j）是圆筒二值图像的一例。图8（k）是俯瞰二值图像的一例。
＜接近方向的推断＞
在本实施方式中，（1）将圆筒二值图像沿y方向投影，计算移动体的重心坐标；（2）由重心坐标算出人物的接近方向，从而由圆筒二值图像推断移动体的接近方向。
图5是表示接近方向的推断处理的流程的流程图。
首先，输入圆筒二值图像（步骤S501）。
接下来，按每个图像x坐标计算二值图像的直方图P(x)（步骤S502）。
接下来，计算直方图P(x)的最大坐标xmax，保存其最大值Pmax（步骤S503）。
然后，判定直方图的最大值Pmax是否为阈值以上（步骤S504）。相关的处理是为了在沿y方向投影的最大直方图为图像高度的规定比例以下时判断为没有移动物体，由此抑制误检测。阈值优选设定为图像高度乘以规定系数（例如0.2）后的值。
如果直方图的最大值Pmax为阈值以上（在步骤S504中是），在最大坐标xmax的附近按下式（4）这样计算重心Xgravity（步骤S505）。图8（1）是伴有白的纵线的表示重心位置的图像的一例。
xgravity=∑(x·P(x))∑P(x)…(4)
接下来，通过使重心Xgravity和转换系数A[deg/pix]相乘，计算移动体（人物）的接近方向θ（步骤S506），结束接近方向的推断处理。在此，转换系数A是根据使用摄像机的水平视角[deg]与生成的圆筒图像的横宽[pix]的关系算出的。
相反，如果直方图的最大值Pmax不在阈值以上（在步骤S504中否），则判断为没有移动物体（人物）（步骤S507），结束接近方向的推断处理。
＜移动轨迹的检测＞
在本实施方式中，（1）使用在圆筒图像上算出的接近方向，使俯瞰二值图像旋转，校正为移动体总是为正面；（2）进行校正后的俯瞰二值图像的标记，算出脚下候补区域；（3）从基于脚下候补区域的面积的加权平均数推断到脚下的距离；（4）从接近方向和脚下距离算出每帧的脚下位置，从而根据接近方向和俯瞰二值图像进行移动轨迹的推断。
图6是表示移动轨迹的推断处理的流程的流程图。
首先，判定在圆筒图像上是否有移动物体（步骤S601）。
如果有移动物体（步骤S601中是），则使俯瞰二值图像旋转，使接近方向θ为正面（步骤S602）。是使移动体（人物）朝向眼前的处理。
然后，在旋转后二值图像上将中心线设定为黑（0），将移动体分割为中心线的左右（步骤S603）。
接下来，进行旋转后的俯瞰二值图像的标记，计算每个区域的面积s、下端坐标y（步骤S604）。标记是在经二值化图像处理的图像中、对白的部分（或黑的部分）连续的像素分配相同的编号（标签）并将多个区域编组分类的处理。在此，取得各个区域的面积信息而求出脚下候补区域。图8（m）是旋转以及标记处理后的图像的一例。
接下来，将具有阈值以上的面积的区域设定为脚下候补位置（步骤S605）。相关的处理是除去噪声、判定移动体（人物）不在摄像机设置场所的脚下的情况的处理。此处的阈值虽然根据要除去的噪声的大小而设定，但优选50左右。
接下来，判定脚下候补数是否为1以上（步骤S606）。
如果脚下候补数为1以上(步骤S606中是)，则将脚下候补位置的各个的面积设为si，下端坐标设为yi，通过面积加权平均，计算俯瞰图像上的脚下距离L(步骤S607)。脚下距离L由下式(5)求出：
L=∑(si·yi)／Σsi…(5)
接下来，由俯瞰图像上的脚下距离L与转换系数a[m／pixel]计算现实中的距离z(步骤S608)。距离z由下式(6)求出：
z—a×L…(6)
在此，转换系数a预先算出生成的俯瞰图像1像素相当于实际平面的几米。
然后，通过下式(7)，由接近方向θ和距离z计算临时(饭)的脚下位置Xtemp、Ytemp(步骤S609)。
xtemp=z·cosθ，ytemp=z·sinθ…(7)
通过下式(8)、(9)，根据前一帧的脚下位置(Xprev、Yprev)和临时的脚下位置(Xtemp、Ytemp)，使用权重β更新当前帧的脚下位置(X，Y)(步骤S610)。在此，权重β是考虑当前帧算出的脚下位置的精度而确定的系数。使β变小，则对噪声具有耐性，但产生时间延迟，使β变大，则对噪声敏感，但能取得最新的信息。β的值优选为0.3左右。
X=β·Xtemp+(1-β)·Xprev…(8)
Y=β·Ytemp+(1-β)·Yprev…(9)
接下来，将X、Y作为当前坐标，追加到轨迹表单(步骤S611)，结束移动轨迹的推断处理。
另一方面，在步骤S601中为否（在圆筒图像上没有移动物体）时以及在步骤S606中为否（没有脚下候补数）时，将没有坐标的信息追加到轨迹表单（步骤S612），结束移动轨迹的推断处理。
根据本实施方式，能够推断存在于极近距离的移动体、例如人物的准确的移动轨迹。
尽管说明了本发明的几种实施方式，但这些实施方式是作为示例而被提出的，并不旨在限定发明的范围。这些新颖的实施方式可以以其它各种方式进行实施，并且在不脱离本发明宗旨的范围内，可以进行各种省略、替换、变更。这些实施方式及其变形被包含于发明的范围或宗旨中，同时被包含于权利要求书所记载的发明及其等同的范围内。

Claims (9)

1.一种移动体检测装置，包括：
输入图像取得部，所述输入图像取得部对存在于极近距离的移动体进行拍摄；以及
图像信息处理部，所述图像信息处理部对由所述输入图像取得部取得的图像信息进行运算处理而生成圆筒二值图像，并且对所述图像信息进行作为视点转换的顶视图转换而生成俯瞰二值图像，并且，通过背景相关提取所述移动体的区域，基于所述圆筒二值图像推断所述移动体的接近方向，基于所述接近方向和所述俯瞰二值图像进行所述移动体的移动轨迹的推断。
2.根据权利要求1所述的移动体检测装置，其中，
所述图像信息处理部包括：
圆筒二值图像生成部，所述圆筒二值图像生成部根据由所述输入图像取得部取得的图像信息生成圆筒图像，并生成圆筒二值图像；
俯瞰二值图像生成部，所述俯瞰二值图像生成部根据由所述输入图像取得部取得的图像信息生成俯瞰图像，并生成俯瞰二值图像；
接近方向检测部，所述接近方向检测部根据圆筒二值图像检测所述接近方向；以及
移动轨迹检测部，所述移动轨迹检测部根据接近方向和俯瞰二值图像推断移动轨迹。
3.根据权利要求1所述的移动体检测装置，其中，
所述输入图像取得部是鱼眼摄像机。
4.根据权利要求2所述的移动体检测装置，其中，
所述输入图像取得部是鱼眼摄像机。
5.根据权利要求2所述的移动体检测装置，其中，
所述圆筒图像是通过将由所述输入图像取得部对位于假想圆筒面上的物体进行拍摄而得到的图像信息展开于假想平面上而生成的。
6.根据权利要求2所述的移动体检测装置，其中，
所述俯瞰图像是通过对由所述输入图像取得部拍摄得到的图像信息进行视点转换而生成的。
7.根据权利要求2所述的移动体检测装置，其中，
圆筒二值图像以及俯瞰二值图像的生成是对所述圆筒图像和所述俯瞰图像分别独立地进行通过使用边缘图像的背景相关生成与背景的差异图像的处理、通过考虑了噪声分量的大津二值化而只提取移动体区域的处理。
8.根据权利要求2所述的移动体检测装置，其中，
所述移动体的接近方向的推断是通过将所述圆筒二值图像沿y方向投影，算出重心坐标，由算出的所述重心坐标算出所述移动体的接近方向而进行的。
9.根据权利要求2所述的移动体检测装置，其中，
所述移动轨迹的推断是使用所述接近方向将所述俯瞰二值图像旋转校正为所述移动体总是朝向规定的方向，进行所述校正后的俯瞰二值图像的标记而算出脚下候补区域，根据基于该脚下候补区域的面积的加权平均推断到脚下的距离，由所述接近方向和所述脚下距离算出每帧的脚下位置来进行移动轨迹的推断。
CN201410067408.0A 2013-10-02 2014-02-26 移动体检测装置 Active CN104517298B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2013-207572 2013-10-02
JP2013207572A JP6261266B2 (ja) 2013-10-02 2013-10-02 移動体検知装置

Publications (2)

Publication Number Publication Date
CN104517298A CN104517298A (zh) 2015-04-15
CN104517298B true CN104517298B (zh) 2018-03-06

Family

ID=50112800

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410067408.0A Active CN104517298B (zh) 2013-10-02 2014-02-26 移动体检测装置

Country Status (4)

Country Link
US (1) US20150092051A1 (zh)
EP (1) EP2858037B1 (zh)
JP (1) JP6261266B2 (zh)
CN (1) CN104517298B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104335263B (zh) 2012-05-25 2016-08-31 丰田自动车株式会社 接近车辆检测装置及驾驶辅助系统
JP6095283B2 (ja) * 2012-06-07 2017-03-15 キヤノン株式会社 情報処理装置、およびその制御方法
US10321100B2 (en) * 2014-12-02 2019-06-11 Ademco Inc. System and method of foreground extraction for digital cameras
CN104808669A (zh) * 2015-04-28 2015-07-29 苏州科技学院 一种全监控自动判分的智能小车竞赛平台
WO2019069469A1 (ja) * 2017-10-06 2019-04-11 日本電気株式会社 物体検知装置、物体検知方法、及びコンピュータ読み取り可能な記録媒体
CN108174054B (zh) * 2017-12-29 2021-03-19 成都易瞳科技有限公司 一种全景移动侦测方法与装置
CN108592797B (zh) * 2018-03-28 2020-12-22 华南理工大学 一种车辆外廓尺寸与轴距的动态测量方法与系统
CN109087332B (zh) * 2018-06-11 2022-06-17 西安电子科技大学 一种基于分块相关的遮挡检测方法
CN111445534B (zh) * 2020-04-03 2023-04-21 北京四维智联科技有限公司 一种用于全自动泊车的相机高精度自动标定方法及装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102270344A (zh) * 2010-06-04 2011-12-07 东芝阿尔派·汽车技术有限公司 移动体检测装置和移动体检测方法
CN101378462B (zh) * 2007-08-30 2012-11-07 卡西欧计算机株式会社 图像合成装置

Family Cites Families (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0774730B1 (en) * 1995-11-01 2005-08-24 Canon Kabushiki Kaisha Object extraction method, and image sensing apparatus using the method
JP3773433B2 (ja) * 2000-10-11 2006-05-10 シャープ株式会社 移動体の周囲監視装置
US7429996B2 (en) * 2002-07-16 2008-09-30 Intel Corporation Apparatus and method for sensing depth in every direction
WO2006040687A2 (en) * 2004-07-19 2006-04-20 Grandeye, Ltd. Automatically expanding the zoom capability of a wide-angle video camera
US7629995B2 (en) * 2004-08-06 2009-12-08 Sony Corporation System and method for correlating camera views
US7750936B2 (en) * 2004-08-06 2010-07-06 Sony Corporation Immersive surveillance system interface
EP1796039B1 (en) * 2005-12-08 2018-11-28 Topcon Corporation Device and method for image processing
JP4541316B2 (ja) * 2006-04-06 2010-09-08 三菱電機株式会社 映像監視検索システム
US20100054536A1 (en) * 2006-12-01 2010-03-04 Thomson Licensing Estimating a location of an object in an image
EP3480057B1 (en) * 2007-04-30 2022-07-06 Mobileye Vision Technologies Ltd. Rear obstruction detection
US8284258B1 (en) * 2008-09-18 2012-10-09 Grandeye, Ltd. Unusual event detection in wide-angle video (based on moving object trajectories)
US20100208063A1 (en) * 2009-02-19 2010-08-19 Panasonic Corporation System and methods for improving accuracy and robustness of abnormal behavior detection
JP2010217984A (ja) 2009-03-13 2010-09-30 Tottori Univ 像検出装置及び像検出方法
JP5233926B2 (ja) * 2009-09-10 2013-07-10 大日本印刷株式会社 魚眼監視システム
WO2011121117A1 (en) * 2010-04-02 2011-10-06 Imec Virtual camera system
CN102741884B (zh) * 2010-07-27 2016-06-08 松下知识产权经营株式会社 移动体检测装置及移动体检测方法
US8400490B2 (en) * 2010-10-30 2013-03-19 Hewlett-Packard Development Company, L.P. Framing an object for video conference
US8675090B2 (en) * 2010-12-15 2014-03-18 Panasonic Corporation Image generating apparatus, image generating method, and recording medium
JP5020398B1 (ja) * 2011-06-29 2012-09-05 パナソニック株式会社 画像変換装置、カメラ、画像変換方法およびプログラム
US9459697B2 (en) * 2013-01-15 2016-10-04 Leap Motion, Inc. Dynamic, free-space user interactions for machine control
TWI570666B (zh) * 2013-11-15 2017-02-11 財團法人資訊工業策進會 電子裝置及其影片物體追蹤方法
JP6303090B2 (ja) * 2014-03-24 2018-04-04 アルパイン株式会社 画像処理装置および画像処理プログラム

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101378462B (zh) * 2007-08-30 2012-11-07 卡西欧计算机株式会社 图像合成装置
CN102270344A (zh) * 2010-06-04 2011-12-07 东芝阿尔派·汽车技术有限公司 移动体检测装置和移动体检测方法

Also Published As

Publication number Publication date
EP2858037B1 (en) 2017-09-13
US20150092051A1 (en) 2015-04-02
CN104517298A (zh) 2015-04-15
JP2015072577A (ja) 2015-04-16
JP6261266B2 (ja) 2018-01-17
EP2858037A1 (en) 2015-04-08

Similar Documents

Publication Publication Date Title
CN104517298B (zh) 移动体检测装置
CN102830793B (zh) 视线跟踪方法和设备
CN112396562B (zh) 一种高动态范围场景下基于rgb与dvs图像融合的视差图增强方法
WO2014083721A1 (ja) 情報処理装置および情報処理方法
CN106874949A (zh) 一种基于红外图像的动平台运动目标检测方法及系统
CN106991650A (zh) 一种图像去模糊的方法和装置
CN105141841B (zh) 摄像设备及其方法
CN103530599A (zh) 一种真实人脸和图片人脸的区别方法和系统
WO2009078437A1 (ja) 画像処理装置及び撮像制御装置
US11093778B2 (en) Method and system for selecting image region that facilitates blur kernel estimation
CN107197121B (zh) 一种基于舰载设备的电子稳像方法
CN108521554A (zh) 大场景多目标协同跟踪方法、智能监控系统、交通系统
CN108259881A (zh) 基于视差估算的3d合成方法及其系统
JP4818285B2 (ja) 混雑滞留検知システム
JP2016167681A (ja) 画像生成装置および画像生成方法
WO2019110012A1 (en) Face detection and recognition method using light field camera system
CN104038752A (zh) 基于三维高斯混合模型的多视点视频直方图颜色校正
CN105488802A (zh) 一种指尖深度检测方法及系统
CN105005985B (zh) 背光图像微米级边缘检测方法
CN108010050A (zh) 一种基于自适应背景更新和选择性背景更新的前景检测方法
CN108230366B (zh) 一种目标物的追踪方法
CN114245003B (zh) 曝光控制方法、电子设备及存储介质
CN113723432B (zh) 一种基于深度学习的智能识别、定位追踪的方法及系统
CN105138999B (zh) 基于阴影的夜间物体单目定位装置及方法
WO2020115866A1 (ja) 深度処理システム、深度処理プログラムおよび深度処理方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20180315

Address after: Tokyo, Japan

Co-patentee after: Toshiba Digital Solutions Ltd

Patentee after: ALPINE ELECTRONICS, Inc.

Address before: Fukushima

Patentee before: Toshiba Alpine Automotive Tech

TR01 Transfer of patent right