CN105184810A - 信息撷取装置以及方法 - Google Patents

信息撷取装置以及方法 Download PDF

Info

Publication number
CN105184810A
CN105184810A CN201410307860.XA CN201410307860A CN105184810A CN 105184810 A CN105184810 A CN 105184810A CN 201410307860 A CN201410307860 A CN 201410307860A CN 105184810 A CN105184810 A CN 105184810A
Authority
CN
China
Prior art keywords
mentioned
information
data
target
module
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
CN201410307860.XA
Other languages
English (en)
Inventor
宋振华
彭永成
李宗勋
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.)
Quanta Computer Inc
Original Assignee
Quanta Computer 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 Quanta Computer Inc filed Critical Quanta Computer Inc
Publication of CN105184810A publication Critical patent/CN105184810A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/7837—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using objects detected or recognised in the video content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
    • G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
    • 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
    • G06T7/10—Segmentation; Edge detection
    • G06T7/174—Segmentation; Edge detection involving the use of two or more images
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/10—Protecting distributed programs or content, e.g. vending or licensing of copyrighted material ; Digital rights management [DRM]
    • G06F21/106—Enforcing content protection by specific content processing
    • G06F21/1062—Editing
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • 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
    • G06T2207/20016—Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform
    • 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
    • G06T2207/20036—Morphological image processing
    • 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
    • G06T2207/20212—Image combination
    • G06T2207/20224—Image subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Library & Information Science (AREA)
  • Software Systems (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Hardware Design (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Bioethics (AREA)
  • Data Mining & Analysis (AREA)
  • Image Analysis (AREA)
  • Closed-Circuit Television Systems (AREA)
  • Technology Law (AREA)

Abstract

一种信息撷取装置，包括图像撷取装置、前置处理模块、图像处理模块以及文字产生模块。图像撷取装置，用以撷取图像数据。前置处理模块，用以将图像数据分为背景数据以及前景数据。图像处理模块，根据前景数据产生目标特征以及目标运动信息，以及根据背景数据产生有关图像数据的摄影空间信息。文字产生模块，根据目标特征、目标运动信息以及摄影空间信息产生事件描述信息，其中事件描述为有关于图像数据的发生事件，事件描述信息包括发生事件的相关信息且为机器可读文档。

Description

信息撷取装置以及方法
技术领域
本发明有关于一种数据撷取装置以及方法，特别有关于一种将图像转换成具有所需信息的装置以及方法。
背景技术
随着社会整体安全易事的提升，各式摄影装置的使用也越来越普及，且摄影的品质也越来越好，但品质的提升也意味着处理及使用这些摄影数据的计算资源和储存空间也快速增加，如何有效的处理并利用这些摄影数据是目前急需被解决的问题。
尽管目前图像处理软件非常发达，能够主动辨识画面中的人以及物，但是在处理大量的图像文件时所需的计算机系统资源，有时候并非现实情况中能够轻易取得的。举例来说，如果要在大量监视器画面中追踪某个特定车牌由何处前往何处时，若是让计算机系统直接处理大量监视器画面的话，势必动用人力逐一过滤，所造成的时间成本相当庞大。因此，我们需要一个更有效率处理大量画面的系统来帮助使用者完成追踪的工作。
发明内容
有鉴于此，本发明提出一种信息撷取装置，包括：一图像撷取装置，用以撷取一图像数据；一前置处理模块，用以将上述图像数据分为一背景数据以及一前景数据；一图像处理模块，根据上述前景数据产生一目标特征以及一目标运动信息，以及根据上述背景数据产生有关上述图像数据的一摄影空间信息；以及一文字产生模块，根据上述目标特征、上述目标运动信息以及上述摄影空间信息，产生一事件描述信息，其中上述事件描述为有关于上述图像数据的一发生事件，上述事件描述信息包括上述发生事件的相关信息且为一机器可读文档。
根据本发明一实施例，其中上述图像处理模块还包括：一前景图像处理模块，根据上述前景数据，产生上述目标特征以及上述目标运动信息；以及一背景图像处理模块，根据上述背景数据，产生有关上述图像数据的上述摄影空间信息。
根据本发明一实施例，其中上述前景图像处理模块包括：一特征撷取模块，根据上述前景数据撷取出上述目标特征，并将上述目标特征与一特征数据库进行比对而产生一目标信息；以及一动作检测模块，根据一目标动作算法得到上述目标的一动作行为，并将上述动作行为与一行为数据库进行比对而产生一行为信息，其中上述文字产生模块根据上述目标信息以及上述行为信息产生上述事件描述信息。
根据本发明一实施例，其中上述特征撷取模块撷取上述前景数据的至少一关键点，并以上述关键点为中心产生上述关键点周围的复数特征向量，上述特征撷取模块根据上述特征数据库中与上述特征向量差异最小的一目标，产生上述目标信息以及上述特征描述。
根据本发明一实施例，其中上述动作检测模块还根据上述行为信息以及上述摄影空间信息，产生一运动轨迹，上述文字产生模块还根据上述运动轨迹产生上述事件描述信息。
根据本发明一实施例，上述信息撷取装置还包括：一图像加密模块，加密上述图像数据而产生一加密图像；一储存模块，储存上述加密图像；以及一微处理器，根据上述事件描述信息存取上述加密图像，并根据上述事件描述信息寻找上述加密图像对应的片段。
本发明更提出一种信息撷取方法，包括：撷取一图像数据；将上述图像数据分为一背景数据以及一前景数据；根据上述前景数据，产生一目标特征以及一目标运动信息；根据上述背景数据，产生有关上述图像数据的一摄影空间信息；以及根据上述目标特征、上述目标运动信息以及上述摄影空间信息，产生一事件描述信息，其中上述事件描述为有关于上述图像数据的一发生事件，上述事件描述信息包括上述发生事件的相关信息且为一机器可读文档。
根据本发明一实施例，上述信息撷取方法还包括：根据上述前景数据撷取出上述目标特征，并将上述目标特征与一特征数据库进行比对而产生一目标信息以及一特征描述；根据一目标动作算法得到上述目标的一动作行为，并将上述动作行为与一行为数据库进行比对而产生一行为信息；以及根据上述目标信息、上述特征描述以及上述行为信息产生上述事件描述信息。
根据本发明一实施例，上述信息撷取方法还包括；撷取上述前景数据的至少一关键点；以上述关键点为中心产生上述关键点周围的复数特征向量；以及根据上述特征数据库中与上述特征向量差异最小的一目标，产生上述目标信息以及上述特征描述。
根据本发明一实施例，上述信息撷取方法还包括：根据上述行为信息以及上述摄影空间信息，产生一运动轨迹；以及根据上述运动轨迹产生上述事件描述信息。
根据本发明一实施例，上述信息撷取方法还包括：加密上述图像数据而产生一加密图像；储存上述加密图像于一储存模块；以及根据上述事件描述信息存取上述加密图像，并根据上述事件描述信息的相关信息寻找上述加密图像对应的片段。
附图说明
图1是显示根据本发明一实施例所述的信息撷取装置的示意图；
图2是显示根据本发明一实施例所述的求得目标特征的流程图；
图3是显示根据本发明一实施例所述的找出前景数据的关键点的流程图；
图4是显示根据图3的实施例所述的检测尺度空间中的关键点的示意图；
图5是显示根据本发明一实施例所述的关键点旋转示意图；
第6A-6D图是显示根据本发明一实施例所述的计算特征值流程示意图；
图7是显示根据本发明一实施例所述的动作检测的流程图；
图8是显示根据本发明另一实施例所述的图像存取系统的示意图；
图9是显示根据本发明一实施例所述的信息撷取方法的流程图。
符号说明
100信息撷取装置
101图像撷取装置
102前置处理模块
103图像处理模块
104文字产生模块
110背景图像处理模块
120前景图像处理模块
121特征撷取模块
122动作撷取模块
201撷取图像数据
202更新背景信息
203背景相减法
204侵蚀与膨胀运算子
205八连通成分法
401、601关键点
800图像存取系统
801图像加密模块
802储存模块
803微处理器
SV图像数据
SD前景数据
SS背景数据
SC摄影空间信息
SO目标特征
SM目标运动信息
ST事件描述信息
SIO目标信息
SIM行为信息
SF图像片段
301～304、701～703、S91～S98步骤
具体实施方式
为使本发明的上述目的、特征和优点能更明显易懂，下文特例举一较佳实施例，并配合附图，来作详细说明如下：
以下将介绍根据本发明所述的较佳实施例。必须要说明的是，本发明提供了许多可应用的发明概念，在此所公开的特定实施例，仅是用于说明达成与运用本发明的特定方式，而不可用以局限本发明的范围。
图1是显示根据本发明一实施例所述的信息撷取装置的示意图。如图1所示，信息撷取装置100包括图像撷取装置101、前置处理模块102、图像处理模块103以及文字产生模块104。图像撷取装置101用以撷取图像数据SV并将图像数据SV传送至前置处理模块102。前置处理模块102接收到图像数据SV后，前置处理模块102将图像数据SV区分成背景数据SS以及前景数据SD，并将背景数据SS以及前景数据SD传送至图像处理模块103。
图像处理模块103包括背景图像处理模块110以及前景图像处理模块120。背景图像处理模块110根据背景数据SS产生图像数据SV的摄影空间信息SC，并将摄影空间信息SC传送至文字产生模块104。根据本发明的另一实施例，摄影空间信息SC可由使用者自行输入并储存于一储存装置内。前景图像处理模块120根据前景数据SD，产生目标特征SO以及目标运动信息SM，并将目标特征SO以及目标运动信息SM传送至文字产生模块104。根据本发明一实施例，文字产生模块104根据摄影空间信息SC、目标特征SO以及目标运动信息SM的内容，产生关于图像数据SV中的发生事件的事件描述信息ST(图中并未显示)。
根据本发明一实施例，前置处理模块102负责将图像数据SV中的前景数据SD做撷取，裁减重复画面，以减少所需处理的画面大小，由于取得的图像中，通常会包含许多重复的信息，此一动作可以减轻后续装置的运算负担。
根据本发明一实施例，事件描述信息ST为一机器可读文档，并且事件描述信息ST中包括图像数据SV中的发生事件的人、事、时、地以及物的信息。根据本发明另一实施例，事件描述信息ST为包括图像数据SV中的发生事件的人、事、时、地以及物的任意组合的信息。根据本发明一实施例，事件描述信息ST为json格式；根据本发明另一实施例，事件描述信息ST为XML格式。
如图1所示，前景图像处理模块120包括特征撷取模块121以及动作撷取模块122。特征撷取模块121根据前景数据SD撷取出目标特征SO，并将目标特征SO与特征数据库130的特征数据进行比对，其中特征撷取模块121选择与目标特征SO最相近的一目标而产生目标信息SIO。动作检测模块122根据一算法得到目标特征SO的目标运动信息SM，并将目标运动信息SM与行为数据库140的动作行为进行比对而产生行为信息SIM。根据本发明另一实施例，文字产生模块104根据目标信息SIO以及行为信息SIM产生事件描述信息ST。关于特征撷取模块121产生目标信息SIO以及动作撷取模块122产生行为信息SIM的算法，将于下文中详细叙述。
图2为显示根据本发明一实施例所述的求得目标特征SO的流程图。如图2所示，首先利用图1的图像撷取装置101进行撷取图像数据201，并且图1的前置处理模块102根据画面变动概率，进行更新背景信息202。根据本发明一实施例，背景信息即为图1的背景数据SS。接着，前置处理模块102利用背景相减法203，将新进的画面与背景信息相减，得到前景数据SD，并且利用侵蚀与膨胀运算子204来增强前景数据SD。最后，前置处理模块102使用八连通成分法205，自前景信息撷取出前景数据SD。
图3是显示根据本发明一实施例所述的找出前景数据SD的关键点的流程图。在图3的流程中显示尺度不变特征转换(Scale-invariantfeaturetransform,SIFT)算法找出关键点的流程，首先将特征撷取模块121将于图2中所得到的前景数据SD转换成尺度空间的表示方式(步骤S301)；接着，找出尺度空间中的关键点(步骤302)；根据步骤302所找出的关键点，计算关键点梯度方向(步骤303)。最后，根据关键点的梯度方向，生成关键点的描述子(步骤304)。以下将详细描述生成关键点的描述子的过程。
首先在步骤301中，特征撷取模块121将前景数据SD转换为尺度空间的表示方式，亦即将图像在不同尺度下用高斯滤波器进行卷积，之后再依据取定的尺度向下取样。根据本发明一实施例，高斯滤波器的幂次和向下取样的频率通常会选为2的幂次，也就是说，在每次迭代的过程中，图像首先会以0.5倍的比例形成不同尺度的图像，接着在不同尺度图像中用高斯滤波器进行2的倍数幂次的卷积，生成前景信息的尺度空间。
步骤302中，为了寻找尺度空间的关键点，利用连续高斯模糊化图像差的作法为在尺度空间中，每一个取样点要和它所有的相邻点比较，看其是否比它的图像域和尺度域的相邻点大或者小。图4是显示根据图3的实施例所述的检测尺度空间中的关键点的示意图。如图4所示，中间的关键点401和它同尺度的8个相邻点和上下相邻尺度对应的9×2个点共26个点比较。一个点如果在尺度空间本层以及上下两层的26个领域中是最大或最小值时，就认为该点是图像在该尺度下的一个关键点。
在步骤303中，此步骤主要目的为统一特征值的方向。为了统一特征值的方向，尺度不变特征转换算法为了实现尺度不变的特性，确保各特征值再不同角度，也可以维持其特征值，计算公式如下：
m ( x , y ) = ( L ( x + 1 , y ) - ( x - 1 , y ) ) 2 + ( L ( x , y + 1 ) - ( x , y - 1 ) ) 2 (公式1)
θ(x，y)＝tan-1((L(x，y+1)-L(x，y-1))/(L(x+1，y)-L(x-1，y)))(公式2)
公式1用以计算关键点的梯度幅值，公式2用以计算关键点的梯度方向，其中L(x,y)为显示像素的灰阶值。图5是显示根据本发明一实施例所述的关键点旋转示意图。在得到关键点的梯度方向之后，如图5所示，将整个区块以关键点为中心，周围8x8的范围，旋转至梯度方向，以便下一步骤运算。
当完成关键点方向统一后，前进至步骤304开始计算特征值的描述子。第6A-6D图是显示根据本发明一实施例所述的计算特征值描述子的流程示意图。如图6A所示，整个区块以关键点601为中心的周围16x16的范围已旋转至梯度方向，因此方向统一后，开始计算特征值描述子。如图6B所示，以关键点601为中心，对周围16x16范围内的像素同样基于梯度方向直方图，并将方向正规化成八个方向，也就是以45度为一单位，以图6B为例，以8×8为一区块的2×2方向梯度图形。
如图6C所示，统计四个图6B所示的方块，也就是每个4×4块的方向梯度图形，并将每个方向梯度的幅值转换成图6D所示的128维梯度直方图，为了去除光照对特征值的影响，对图6D的128维梯度直方图进行正规化处理，并将每个直方图的数据串联即可得到尺度不变特征转换特征值。接着，在目标特征SO中，可以得到数个关键点，而每一个关键点具有128维的描述子，特征撷取模块121根据该128维的描述子，至特征数据库130中进行比对，并利用公式3找出相似度最高的目标。
d ( x , y ) = | | x - y | | = Σ i = 1 n ( x i - y i ) 2 (公式3)
换句话说，也就是借由欧基理德距离找寻特征数据库130中，与该128维描述子的向量差值最小者的目标，而该目标即为相似度最高的目标，图1的特征撷取模块121因此根据特征数据库130中相似度最高的目标，产生目标特征SO的目标信息SIO。
针对前文所述的找到的目标特征SO，我们对连续变动的目标特征SO记录所属目标特征SO的显示区块内每一个显示像素的变化时间，然后对这些变化时间取梯度方向，得到前景区块在画面里的运动方向。
图7是显示根据本发明一实施例所述的动作检测的流程图。如图7所示，首先利用宣告的二维存储器空间分别对应整张图像，以运动历史图像(MotionHistoryImage,MHI)称之(步骤701)，其中运动历史图像上具有前景数据的运动变化的轨迹，并在有运动变化的轨迹上记录当下发生移动的时间。根据本发明一实施例，移动的时间以奈秒(nanosecond)计。
接着，在整张运动历史图像上，分别对每个记录过去移动时间的位置计算X轴方向及Y轴方向的梯度方向，得到X轴与Y轴的运动速度，最后再利用三角函数求得前景数据SD于画面中的运动方向，收集一连串的运动方向得到运动轨迹。随后，动作检测模块122将运动方向以及运动轨迹记录于目标运动信息SM，并将目标运动信息SM中的运动轨迹与行为数据库140的动作行为进行比对，再加上摄影空间信息SC的辅助，即可得到在现实中的运动方向以及速度，动作检测模块122将运动方向以及速度等相关信息记录至行为信息SIM。
文字产生模块104根据摄影空间信息SC、目标特征SO以及目标运动信息SM之内容，产生关于图像数据SV中的发生事件的事件描述信息ST。根据本发明一实施例，事件描述信息ST为json格式；根据本发明另一实施例，事件描述信息ST为XML格式。根据本发明一实施例，动作检测模块122可检测目标的其他使用者定义于行为数据库140的动作行为，在此仅用以详细说明本发明的检测方法，并非以任何形式将动作行为限定于移动。
图8是显示根据本发明另一实施例所述的图像存取系统的示意图。如图8所示，图像存取系统800包括信息撷取装置100、图像加密模块801、储存模块802以及微处理器803。信息撷取装置100的图像撷取装置101撷取图像数据SV后，将图像数据SV传送至图像加密模块801加密，并储存于储存模块802中。微处理器803根据信息撷取装置100所产生的事件描述信息ST，存取储存于储存模块802的加密的图像数据SV的对应的图像片段SF。
由于储存于储存模块802的加密的图像数据SV的文件可能相当庞大，若是根据某一发生事件而搜寻特定片段往往需要人力搜寻。若是经由检索信息撷取装置100所产生的事件描述信息ST的发生事件，再根据描述信息ST中所记录的时间标记存取对应的片段，将大大节省时间以及成本。
图9是显示根据本发明一实施例所述的信息撷取方法的流程图。如图9所示，首先撷取图像数据(步骤S91)；接着，将图像数据区分为背景数据以及前景数据(步骤S92)。根据前景数据，产生目标特征以及目标运动信息(步骤S93)；根据背景数据，产生有关图像数据的摄影空间信息(步骤S94)。根据目标特征、目标运动信息以及摄影空间信息，产生事件描述信息(步骤S95)，其中事件描述为有关于图像数据的发生事件，事件描述信息包括发生事件的相关信息且为机器可读文档。
回到步骤S91，当撷取图像数据资之后，加密图像数据而产生加密图像(步骤S96)；储存加密图像于储存模块(步骤S97)；根据步骤S95所产生的事件描述信息存取加密图像，并根据事件描述信息的相关信息寻找加密图像对应的片段(步骤S98)。
根据本发明一实施例，本发明所公开的信息撷取装置以及方法可用于在大量监视器画面中，要搜寻某特定车牌的情况。计算机根据信息撷取装置100所产生的事件描述信息ST，在很短的时间内找出特定某特定车牌的车子出现在哪个监视器画面，或是计算机可根据事件描述信息ST轻易地得知某特定车牌的车辆从何处前往何处，而不会像传统监视器画面需要人工逐一过滤或是利用人工追踪车辆，可大幅降低处理的时间与成本。
根据本发明另一实施例，本发明可用于在大量监视器画面中(例如：台北捷运)，在尖峰时刻时如何快速得知人口暴增的时机，以便在最佳的时机加开班次，因应大量的人口。举例来说，信息撷取装置100可根据图像撷取装置101所撷取的图像数据SV，而产生具有图像数据SV中的人数的事件描述信息ST，管理者根据事件描述信息ST的人数信息能够轻易掌握人口的变化，让管理者及能做出最佳的决策。
以上叙述许多实施例的特征，使所属技术领域中的普通技术人员能够清楚理解本说明书的形态。所属技术领域中的普通技术人员能够理解其可利用本发明公开内容为基础以设计或修改其他过程及结构而完成相同于上述实施例的目的及/或达到相同于上述实施例的优点。所属技术领域中的普通技术人员亦能够理解不脱离本发明的精神和范围的等效构造可在不脱离本发明的精神和范围内作任意的更动、替代与润饰。

Claims (11)

1.一种信息撷取装置，包括：
一图像撷取装置，用以撷取一图像数据；
一前置处理模块，用以将上述图像数据分为一背景数据以及一前景数据；
一图像处理模块，根据上述前景数据产生一目标特征以及一目标运动信息，以及根据上述背景数据产生有关上述图像数据的一摄影空间信息；以及
一文字产生模块，根据上述目标特征、上述目标运动信息以及上述摄影空间信息，产生一事件描述信息，其中上述事件描述为有关于上述图像数据的一发生事件，上述事件描述信息包括上述发生事件的相关信息且为一机器可读文档。
2.如权利要求1所述的信息撷取装置，其中上述图像处理模块还包括：
一前景图像处理模块，根据上述前景数据，产生上述目标特征以及上述目标运动信息；以及
一背景图像处理模块，根据上述背景数据，产生有关上述图像数据的上述摄影空间信息。
3.如权利要求2所述的信息撷取装置，其中上述前景图像处理模块包括：
一特征撷取模块，根据上述前景数据撷取出上述目标特征，并将上述目标特征与一特征数据库进行比对而产生一目标信息；以及
一动作检测模块，根据一目标动作算法得到上述目标的一动作行为，并将上述动作行为与一行为数据库进行比对而产生一行为信息，其中上述文字产生模块根据上述目标信息以及上述行为信息产生上述事件描述信息。
4.如权利要求3所述的信息撷取装置，其中上述特征撷取模块撷取上述前景数据的至少一关键点，并以上述关键点为中心产生上述关键点周围的复数特征向量，上述特征撷取模块根据上述特征数据库中与上述特征向量差异最小的一目标，产生上述目标信息以及上述特征描述。
5.如权利要求3所述的信息撷取装置，其中上述动作检测模块还根据上述行为信息以及上述摄影空间信息，产生一运动轨迹，上述文字产生模块还根据上述运动轨迹产生上述事件描述信息。
6.如权利要求1所述的信息撷取装置，更包括：
一图像加密模块，加密上述图像数据而产生一加密图像；
一储存模块，储存上述加密图像；以及
一微处理器，根据上述事件描述信息存取上述加密图像，并根据上述事件描述信息寻找上述加密图像对应的片段。
7.一种信息撷取方法，包括：
撷取一图像数据；
将上述图像数据分为一背景数据以及一前景数据；
根据上述前景数据，产生一目标特征以及一目标运动信息；
根据上述背景数据，产生有关上述图像数据的一摄影空间信息；以及
根据上述目标特征、上述目标运动信息以及上述摄影空间信息，产生一事件描述信息，其中上述事件描述为有关于上述图像数据的一发生事件，上述事件描述信息包括上述发生事件的相关信息且为一机器可读文档。
8.如权利要求7所述之信息撷取方法，还包括：
根据上述前景数据撷取出上述目标特征，并将上述目标特征与一特征数据库进行比对而产生一目标信息以及一特征描述；
根据一目标动作算法得到上述目标的一动作行为，并将上述动作行为与一行为数据库进行比对而产生一行为信息；以及
根据上述目标信息、上述特征描述以及上述行为信息产生上述事件描述信息。
9.如权利要求8所述的信息撷取方法，还包括；
撷取上述前景数据的至少一关键点；
以上述关键点为中心产生上述关键点周围的复数特征向量；以及
根据上述特征数据库中与上述特征向量差异最小的一目标，产生上述目标信息以及上述特征描述。
10.如权利要求8所述的信息撷取方法，还包括：
根据上述行为信息以及上述摄影空间信息，产生一运动轨迹；以及
根据上述运动轨迹产生上述事件描述信息。
11.如权利要求7所述的信息撷取方法，还包括：
加密上述图像数据而产生一加密图像；
储存上述加密图像于一储存模块；以及
根据上述事件描述信息存取上述加密图像，并根据上述事件描述信息的相关信息寻找上述加密图像对应的片段。
CN201410307860.XA 2014-05-28 2014-06-26 信息撷取装置以及方法 Pending CN105184810A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
TW103118537 2014-05-28
TW103118537A TWI518601B (zh) 2014-05-28 2014-05-28 資訊擷取裝置以及方法

Publications (1)

Publication Number Publication Date
CN105184810A true CN105184810A (zh) 2015-12-23

Family

ID=54703278

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410307860.XA Pending CN105184810A (zh) 2014-05-28 2014-06-26 信息撷取装置以及方法

Country Status (4)

Country Link
US (1) US20150350539A1 (zh)
JP (1) JP2015225664A (zh)
CN (1) CN105184810A (zh)
TW (1) TWI518601B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110276298A (zh) * 2019-06-21 2019-09-24 腾讯科技（深圳）有限公司 用户行为的判定方法、装置、存储介质和计算机设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101510257A (zh) * 2009-03-31 2009-08-19 华为技术有限公司 一种人脸相似度匹配方法及装置
JP2009230565A (ja) * 2008-03-24 2009-10-08 Laurel Bank Mach Co Ltd 行動管理装置
TW200951829A (en) * 2008-06-11 2009-12-16 Vatics Inc Algorithm for feedback type object detection
US20120033876A1 (en) * 2010-08-05 2012-02-09 Qualcomm Incorporated Identifying visual media content captured by camera-enabled mobile device

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6005561A (en) * 1994-12-14 1999-12-21 The 3Do Company Interactive information delivery system
JP2006157411A (ja) * 2004-11-29 2006-06-15 Toshiba Corp 撮像装置、撮像システム及び撮像装置の処理方法
JP4844150B2 (ja) * 2006-02-09 2011-12-28 富士ゼロックス株式会社 情報処理装置、情報処理方法、及び情報処理プログラム
US8266148B2 (en) * 2008-10-07 2012-09-11 Aumni Data, Inc. Method and system for business intelligence analytics on unstructured data
US9064176B2 (en) * 2012-01-31 2015-06-23 Industry-University Cooperation Foundation Hanyang University Apparatus for measuring traffic using image analysis and method thereof
JP2013182416A (ja) * 2012-03-01 2013-09-12 Pioneer Electronic Corp 特徴量抽出装置、特徴量抽出方法及び特徴量抽出プログラム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009230565A (ja) * 2008-03-24 2009-10-08 Laurel Bank Mach Co Ltd 行動管理装置
TW200951829A (en) * 2008-06-11 2009-12-16 Vatics Inc Algorithm for feedback type object detection
CN101510257A (zh) * 2009-03-31 2009-08-19 华为技术有限公司 一种人脸相似度匹配方法及装置
US20120033876A1 (en) * 2010-08-05 2012-02-09 Qualcomm Incorporated Identifying visual media content captured by camera-enabled mobile device

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110276298A (zh) * 2019-06-21 2019-09-24 腾讯科技（深圳）有限公司 用户行为的判定方法、装置、存储介质和计算机设备
CN110276298B (zh) * 2019-06-21 2021-05-11 腾讯科技（深圳）有限公司 用户行为的判定方法、装置、存储介质和计算机设备

Also Published As

Publication number Publication date
JP2015225664A (ja) 2015-12-14
TWI518601B (zh) 2016-01-21
TW201545074A (zh) 2015-12-01
US20150350539A1 (en) 2015-12-03

Similar Documents

Publication Publication Date Title
Nagare License plate character recognition system using neural network
CN110853033B (zh) 基于帧间相似度的视频检测方法和装置
KR101303124B1 (ko) 특징점 기술자에 의한 객체 추적장치 및 방법, 그리고 에러 특징점 제거장치 및 방법
Cohen et al. Rapid building detection using machine learning
CN111680675B (zh) 人脸活体检测方法、系统、装置、计算机设备和存储介质
Srinivasa Rao et al. Image authentication using Local Binary Pattern on the Low frequency components
Fei et al. Real-time visual tracking based on improved perceptual hashing
CN108875500B (zh) 行人再识别方法、装置、系统及存储介质
KR20200145174A (ko) 번호판 인식 방법 및 시스템
CN110942473A (zh) 一种基于特征点网格化匹配的运动目标跟踪检测方法
US10657672B2 (en) Image processing device, image processing method and storage medium
Yépez et al. Deep learning‐based embedded license plate localisation system
Prabhu et al. Recognition of Indian license plate number from live stream videos
Gao et al. Segmentation-free vehicle license plate recognition using CNN
Tripathi et al. Automated image splicing detection using texture based feature criterion and fuzzy support vector machine based classifier
Haryono et al. Oriented object detection in satellite images using convolutional neural network based on ResNeXt
Li et al. SRHEN: stepwise-refining homography estimation network via parsing geometric correspondences in deep latent space
CN105184810A (zh) 信息撷取装置以及方法
Xiao et al. Ship Detection Based on Compressive Sensing Measurements of Optical Remote Sensing Scenes
Li et al. An image copy move forgery detection method using QDCT
Jundale et al. Skew detection of Devanagari script using pixels of axes-parallel rectangle and linear regression
Adaimi et al. Traffic perception from aerial images using butterfly fields
Khare et al. Integration of complex wavelet transform and Zernike moment for multi‐class classification
Verma et al. Efficient copy-move forgery detection using blur and rotation invariant technique
Wu et al. Motion analysis based cross-database voting for face spoofing detection

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20151223

WD01 Invention patent application deemed withdrawn after publication