FI112018B - Method and apparatus for detecting motion - Google Patents
Method and apparatus for detecting motion Download PDFInfo
- Publication number
- FI112018B FI112018B FI20012497A FI20012497A FI112018B FI 112018 B FI112018 B FI 112018B FI 20012497 A FI20012497 A FI 20012497A FI 20012497 A FI20012497 A FI 20012497A FI 112018 B FI112018 B FI 112018B
- Authority
- FI
- Finland
- Prior art keywords
- image
- motion
- zoom
- data elements
- register
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 44
- 230000035945 sensitivity Effects 0.000 claims description 13
- 230000001186 cumulative effect Effects 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 10
- 238000001514 detection method Methods 0.000 claims description 10
- 230000003287 optical effect Effects 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 4
- 230000001276 controlling effect Effects 0.000 claims 5
- 230000001105 regulatory effect Effects 0.000 claims 2
- 230000006870 function Effects 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000006835 compression Effects 0.000 description 3
- 238000007906 compression Methods 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 235000003197 Byrsonima crassifolia Nutrition 0.000 description 2
- 240000001546 Byrsonima crassifolia Species 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000012886 linear function Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- VOXZDWNPVJITMN-ZBRFXRBCSA-N 17β-estradiol Chemical compound OC1=CC=C2[C@H]3CC[C@](C)([C@H](CC4)O)[C@@H]4[C@@H]3CCC2=C1 VOXZDWNPVJITMN-ZBRFXRBCSA-N 0.000 description 1
- VYZAMTAEIAYCRO-UHFFFAOYSA-N Chromium Chemical compound [Cr] VYZAMTAEIAYCRO-UHFFFAOYSA-N 0.000 description 1
- 241000053227 Themus Species 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 231100001261 hazardous Toxicity 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
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
- G08B13/19602—Image analysis to detect motion of the intruder, e.g. by frame subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
-
- 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
- G08B13/19606—Discriminating between target movement or movement in an area of interest and other non-signicative movements, e.g. target movements induced by camera shake or movements of pets, falling leaves, rotating fan
-
- 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
- G08B13/19665—Details related to the storage of video surveillance data
- G08B13/19667—Details realated to data compression, encryption or encoding, e.g. resolution modes for reducing data volume to lower transmission bandwidth or memory requirements
-
- 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
- G08B13/19689—Remote control of cameras, e.g. remote orientation or image zooming control for a PTZ camera
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/69—Control of means for changing angle of the field of view, e.g. optical zoom objectives or electronic zooming
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Human Computer Interaction (AREA)
- Closed-Circuit Television Systems (AREA)
- Studio Devices (AREA)
- Image Analysis (AREA)
Description
112018112018
Menetelmä ja laite liikkeen tunnistamiseksiMethod and apparatus for detecting motion
AlaArea
Keksinnön kohteina ovat menetelmä tunnistaa liike peräkkäisistä kuvista ja laite tunnistaa liike peräkkäisistä kuvista.The invention relates to a method for detecting motion from consecutive images, and to a device for detecting motion from consecutive images.
5 Tausta5 Background
Rikollisuuden, esimerkiksi väkivallan, varkauksien tai ryöstöjen yleistyessä on erilaisten turvakamerasysteemien käyttö lisääntynyt voimakkaasti. Tyypillinen systeemi on sellainen, jossa valvontakameroita on sijoitettu kuvaamaan erilaisia kohteita. Kameroiden kuvaamat peräkkäiset kuvat, tyypil-10 lisesti videokuva, voidaan lähettää keskusvalvomoon, jossa ihminen tarkkailee eri kameroiden kuvia eri monitoreista ja pyrkii tunnistamaan vaarallisen tilanteen. Kameran kuvaamia peräkkäisiä kuvia voidaan myös tallentaa esimerkiksi nauhalle, ja sitten myöhemmin rutiininomaisesti tai rikoksen tapahduttua ihminen katselee nauhan ja pyrkii etsimään kuvista rikollisen teon tai siihen myötä-15 vaikuttaneet henkilöt.With the rise of crime, such as violence, theft or robbery, the use of different security camera systems has increased dramatically. A typical system is one in which surveillance cameras are positioned to capture various subjects. Sequential images captured by the cameras, typically a video image, can be sent to a central control room, where a person monitors images from different cameras on different monitors and attempts to identify a hazardous situation. Sequential images captured by the camera can also be recorded, for example, on tape, and then routinely or after a crime occurs, the person looks at the tape and seeks out the images of the perpetrator or the perpetrators of the crime.
Ongelmana tällaisissa systeemeissä on suuri ihmistyövoiman tarve, ja lisäksi se, että ihmiselle voi, erityisesti yön pimeinä tunteina, tapahtua erehdyksiä, eli rikollinen tapahtuma voi jäädä havaitsematta tai se havaitaan niin myöhään ettei sitä enää kyetä estämään. Lisäksi pimeään aikaan kuvatuista : * 20 kuvista on vaikeaa erottaa liikettä. Eräs ratkaisu on valaista valvottavat kohteet v : mutta se lisää kustannuksia valaistuslaitteiden ja kulutetun sähkön muodossa.The problem with such systems is the great need for manpower and, moreover, that human error can occur, especially in the dark hours of the night, that is, a criminal event may be undetected or detected too late to be prevented. In addition, from the dark: * 20 is difficult to distinguish between motion. One solution is to illuminate controlled objects v: but it adds to the cost in the form of lighting fixtures and consumed electricity.
; * Eräs ratkaisu ongelmiin on käyttää liikkeentunnistussensoreita, jotka sijoitetaan valvottavalle alueelle. Ongelmaksi muodostuu sensoreiden rajalli-: nen kantomatka, jolloin niitä joudutaan sijoittamaan valvottaville alueille melko . · · . 25 paljon, mikä aiheuttaa ylimääräisiä kustannuksia.; * One solution to the problems is to use motion detectors that are placed in the area being monitored. The problem is the limited range of the sensors, which means that they have to be located in a relatively controlled area. · ·. 25 which is an additional cost.
• a• a
Lyhyt selostus : ' Keksinnön tavoitteena on tarjota parannettu menetelmä tunnistaa : liike peräkkäisistä kuvista ja parannettu laite tunnistaa liike peräkkäisistä kuvis- ; ta.BRIEF DESCRIPTION: It is an object of the invention to provide an improved method of recognizing: motion from consecutive images and an improved device for detecting motion from consecutive images; ta.
30 Keksinnön eräänä puolena esitetään menetelmä, jossa muodoste- ·' taan kunkin edellisen kuvan luminanssipikselin ja vastaavan nykyisen kuvan luminanssipikselin välistä suuruuseroa kuvaava erodata; lisätään muodostetut ’*· erodatat kumulatiiviseen liikerekisteriin, jossa liikerekisterissä kutakin kuvan 2 112018 luminanssipikseliä vastaa data-alkio; ja tunnistetaan liikkeeksi sellaiset data-alkiot, joiden arvo ylittää ennalta määrätyn kynnysarvon.One aspect of the invention provides a method of generating difference data representing the magnitude of the luminance pixel of each of the preceding image and the corresponding current image luminance pixel; adding the generated '* · eroded data to a cumulative motion register, wherein in the motion register a data item corresponding to each of the 112018 luminance pixels of Figure 2; and detecting data elements whose value exceeds a predetermined threshold value.
Keksinnön eräänä puolena esitetään laite, joka käsittää: välineet muodostaa kunkin edellisen kuvan luminanssipikselin ja vastaavan nykyisen 5 kuvan luminanssipikselin välistä suuruuseroa kuvaava erodata; välineet lisätä muodostetut erodatat kumulatiiviseen liikerekisteriin, jossa liikerekisterissä kutakin kuvan luminanssipikseliä vastaa data-alkio; ja välineet tunnistaa liikkeeksi sellaiset data-alkiot, joiden arvo ylittää ennalta määrätyn kynnysarvon.In one aspect of the invention, there is provided an apparatus comprising: means for generating difference data representing a magnitude difference between a luminance pixel of each preceding image and a corresponding current 5 image luminance pixel; means for adding the generated eroded data to a cumulative motion register, wherein in the motion register a data item corresponding to each luminance pixel of the image; and the means for detecting data elements whose value exceeds a predetermined threshold value.
Keksinnön eräänä puolena esitetään laite, joka on konfiguroitu: 10 muodostamaan kunkin edellisen kuvan luminanssipikselin ja vastaavan nykyisen kuvan luminanssipikselin välistä suuruuseroa kuvaava erodata; lisäämään muodostetut erodatat kumulatiiviseen liikerekisteriin, jossa liikerekisterissä kutakin kuvan luminanssipikseliä vastaa data-alkio; ja tunnistamaan liikkeeksi sellaiset data-alkiot, joiden arvo ylittää ennalta määrätyn kynnysarvon.In one aspect of the invention, there is provided a device configured to: 10 generate difference data representing the magnitude of difference between the luminance pixel of each preceding image and the corresponding current image luminance pixel; adding the generated difference data to a cumulative motion register, wherein the motion register corresponds to a data item corresponding to each luminance pixel of the image; and detecting data elements whose value exceeds a predetermined threshold value.
15 Keksinnön edulliset suoritusmuodot ovat epäitsenäisten patenttivaa timusten kohteena.Preferred embodiments of the invention are the subject of the dependent claims.
Keksintö perustuu siihen, että analysoidaan valvontakameran tuottamia peräkkäisiä kuvia analysoimalla niiden luminanssipikseleiden välisiä eroja, jolloin liike kyetään tunnistamaan automaattisesti. Menettely muistuttaa 20 hieman videokoodauksessa käytettävää liikkeen estimointia, mutta käytettävä liikerekisteri on kumulatiivinen, jolloin kuvasta havaitaan myös henkilö, joka liikkuu lyhyen aikaa ja sitten pysähtyy. Näin suoritettu liikkeen tunnistus on myös perinteistä liikkeen estimointia huomattavasti nopeampi, koska se mistä ·:’ liike tulee ei kiinnosta, sillä keksinnössä ollaan kiinnostuneita ainoastaan liik- ,' * i 25 keen tunnistamisesta.The invention is based on analyzing sequential images produced by a surveillance camera by analyzing differences between their luminance pixels, whereby motion can be automatically detected. The procedure is somewhat reminiscent of the motion estimation used in video encoding, but the motion register used is cumulative, whereby a person who moves for a short time and then stops is also detected. The motion recognition performed in this way is also much faster than the traditional motion estimation because what motion does not matter, since the invention is only interested in motion recognition.
Keksinnön mukaisella menetelmällä ja laitteella saavutetaan useita etuja. Menettelyllä pystytään toteuttamaan turvakamerasysteemi, jonka valvomossa tarvitaan vähemmän ihmistyövoimaa kuin aikaisemmin. Lisäksi valvo-mossa työskentelevän ihmisen työ helpottuu, koska systeemi automaattisesti . · · . 30 havaitsee liikkeen, ja lisäksi systeemi voi automaattisesti suorittaa hälytyksen.The method and apparatus of the invention provide several advantages. The procedure is capable of implementing a security camera system that requires less manpower in the control room than before. In addition, the work of the person working in the control room is made easier because the system is automatic. · ·. 30 detects motion, and the system can automatically trigger an alarm.
Menettelyllä voidaan myös analysoida valvontakameralla kuvattuja nauhoja, ja pyrkiä tunnistamaan nauhoista mielenkiintoiset kohdat, eli ne koh-;,,,: dat joissa on liikettä. Menettelyn suoritusmuodoilla on myös muita etuja joita ; \ kuvataan jäljempänä tarkemmin.The procedure can also be used to analyze the tapes depicted by the surveillance camera, and to try to identify points of interest from the tapes, i.e., the target data which is in motion. Embodiments of the procedure also have other advantages which; \ will be described in more detail below.
3 1120183, 112018
KuvioluetteloList of figures
Keksintöä selostetaan nyt lähemmin edullisten suoritusmuotojen yhteydessä, viitaten oheisiin piirroksiin, joissa kuvio 1 on lohkokaavio esittäen laitetta tunnistaa liike peräkkäisistä 5 kuvista; kuvio 2 on vuokaavio havainnollistaen menetelmää tunnistaa liike peräkkäisistä kuvista; kuvio 3 havainnollistaa luminanssipikselin käsittelyä liikerekisterissä; kuviot 4A, 5A, 6A ja 7A esittävät neljää kuvaa, jotka on valittu pe-10 räkkäisten kuvien sekvenssistä; kuviot 4B, 5B, 6B ja 7B esittävät miltä näyttää kuvioista 4A, 5A, 6A ja 7A tunnistettu liike mustavalkokuvana; kuviot 4C, 5C, 6C ja 7C esittävät miltä näyttää kuvioista 4A, 5A, 6A ja 7A tunnistettuun liikkeeseen zoomattu kuva; 15 kuvio 8 havainnollistaa kameran liikuttamisen vaikutusta; kuvio 9 havainnollistaa kameran optisen zoomin käytön vaikutusta; ja kuvio 10 havainnollistaa luminanssipikselin käsittelyä liikerekisterissä kuvioiden 4A, 5A, 6A ja 7A esimerkin yhteydessä.The invention will now be described in greater detail in connection with the preferred embodiments, with reference to the accompanying drawings, in which Figure 1 is a block diagram showing a device for detecting motion from successive 5 figures; Fig. 2 is a flowchart illustrating a method of detecting motion from consecutive images; Figure 3 illustrates the processing of a luminance pixel in a motion register; Figures 4A, 5A, 6A and 7A show four images selected from the sequence of pe-10 consecutive images; Figures 4B, 5B, 6B and 7B show what the motion identified in Figures 4A, 5A, 6A and 7A looks like in black and white; Figures 4C, 5C, 6C and 7C show a zoomed view of the motion detected in Figures 4A, 5A, 6A and 7A; Figure 8 illustrates the effect of camera movement; Figure 9 illustrates the effect of using optical zoom of a camera; and FIG. 10 illustrates processing of a luminance pixel in a motion register in conjunction with the example of FIGS. 4A, 5A, 6A and 7A.
20 Suoritusmuotojen kuvaus20 Description of Embodiments
Viitaten kuvioon 1 selostetaan laite tunnistaa liike peräkkäisistä kuvista. Perusperiaatteeltaan laite on yksinkertainen, se on konfiguroitu muodos-> tamaan erodata vähentämällä kustakin edellisen kuvan luminanssipikselistä i vastaava nykyisen kuvan luminanssipikseli. Laite on myös konfiguroitu lisää- 25 mään muodostettu erodata kumulatiiviseen liikerekisteriin. Kumulatiivisessa : ‘ : liikerekisterissä kutakin kuvan luminanssipikseliä vastaa data-alkio. Laite on konfiguroitu tunnistamaan liikkeeksi sellaiset data-alkiot, joiden arvo ylittää en-;'· ; naita määrätyn kynnysarvon.Referring to Fig. 1, a device for detecting motion from consecutive images is described. By its basic principle, the device is simple, it is configured to generate eroded data by subtracting from the luminance pixel i of each previous image the corresponding luminance pixel of the current image. The device is also configured to add the generated erod data to the cumulative motion register. In the cumulative: ': in the motion register, each data luminance pixel corresponds to a data item. The device is configured to detect data items whose value exceeds en -; '·; for a given threshold.
. Tarkastellaan nyt tarkemmin kuviossa 1 kuvattua laitetta. Laite voi • 30 olla yhteydessä yhteen tai useampaan kuvalähteeseen, esimerkissämme kah- teen videokameraan 158, 160. Kuvalähteenä voidaan käyttää mitä tahansa tunnettua laitetta, josta saadaan peräkkäisiä kuvia 100A, 100B. Koska keksin-_ nössä analysoidaan peräkkäisten kuvien luminanssipikseleiden muutoksia, : täytyy kuvalähteestä saatavan informaation sisältää luminanssi-informaatio, 35 joko erillisinä luminanssipikseleinä, tai sitten luminanssipikselit täytyy pystyä 4 112018 erottamaan tai muuntamaan kuvalähteestä tulevasta informaatiosta. Kameroita 158, 160 voidaan pollata yksi kerrallaan kunnes jossakin havaitaan liikettä. Jos useamman kameran kuvassa havaitaan liikettä, voidaan mahdollisesti lähetettävä kuva valita esimerkiksi liikealan perusteella, tai lähettää näistä kameroista 5 tulevaa kuvaa vuorotellen tietyn mittainen sekvenssi.. Let us now take a closer look at the device illustrated in Figure 1. The device may • communicate with one or more image sources, in our example, two camcorders 158, 160. Any known device providing sequential images 100A, 100B may be used as the image source. Because the invention analyzes changes in the luminance pixels of consecutive images, the information obtained from the image source must include the luminance information, either as discrete luminance pixels, or else the luminance pixels must be capable of extracting or converting the information from the image source. The cameras 158, 160 can be polled one by one until motion is detected somewhere. If motion is detected in the image of several cameras, the image to be transmitted may be selected, for example, based on the motion field, or the image from these cameras 5 may be transmitted alternately for a certain length of time.
On mahdollista käyttää useaa nopeutta kuvien käsittelyssä. Esimerkiksi jos liikettä ei havaita, käytetään nopeutta 1 kuva / sekunti, kun taas esihä-lytyksen ja hälytyksen aikana 15 kuvaa / sekunti. Kun havaitaan liikettä, nostetaan lukunopeutta, eli siirrytään ns. esihälytystilaan. Jos liike on jatkuvaa, 10 siirrytään hälytystilaan, jolloin järjestelmä alkaa lähettää kuvaa ja tällöin myös zoomi voidaan laittaa päälle. Esihälytystilan kuvat voidaan tallettaa ja lähettää mikäli hälytystilaan joudutaan. Liikkeen loputtua järjestelmä siirtyy takaisin esihälytystilaan, jossa se viipyy ennalta määrätyn ajan. Jos liikettä ei edelleenkään havaita, voidaan hälytys sammuttaa ja pudottaa lukunopeus minimiin.It is possible to use multiple speeds for processing images. For example, if no motion is detected, 1 frame / second is used, whereas during pre-alarm and alarm 15 frames / second are used. When motion is detected, the reading speed is increased, i.e. the so-called. esihälytystilaan. If the motion is continuous, 10 will enter alarm mode, whereupon the system will start transmitting an image and then the zoom can also be turned on. The images of the pre-alarm mode can be saved and sent in case of an alarm mode. When the motion is complete, the system returns to the pre-alarm mode, where it stays for a predetermined time. If motion is still not detected, the alarm can be turned off and the reading speed dropped to a minimum.
15 Peräkkäisten kuvien, esimerkiksi videokuvan, koodausta käytetään datamäärän vähentämiseksi, jotta se voidaan tehokkaammin tallentaa jollekin muistivälineelle tai siirtää tietoliikenneyhteyttä käyttäen. Esimerkki videokoodausstandardista on MPEG-4 (Moving Pictures Expert Group). Käytettyjä kuvakokoja on erilaisia, esimerkiksi cif-koko on 352 x 288 pikseliä ja qcif-koko on 20 1 76 x 144 pikseliä. Tyypillisesti yksittäinen kuva jaetaan lohkoiksi, jotka sisäl tävät tietoa valoisuudesta, väristä ja sijainnista. Lohkojen data kompressoidaan lohkoittain halutulla koodausmenetelmällä. Kompressointi perustuu vähemmän merkityksellisen datan poistamiseen. Kompressointimenetelmät jaetaan pää-asiallisesti kolmeen eri luokkaan: spektrisen redundanssin vähentäminen , : 25 (Spectral Redundancy Reduction), tilaredundanssin vähentäminen (Spatial : : Redundancy Reduction) ja ajallisen redundanssin vähentäminen (Temporal : : Redundancy Reduction). Tyypillisesti kompressointiin käytetään näiden mene telmien erilaisia yhdistelmiä.15 Encoding of successive images, such as video, is used to reduce the amount of data so that it can be more effectively stored on a storage medium or transmitted over a communication connection. An example of a video encoding standard is MPEG-4 (Moving Pictures Expert Group). There are different image sizes used, for example, cif is 352 x 288 pixels and qcif is 20-176 x 144 pixels. Typically, a single image is divided into blocks containing information about luminance, color, and location. The block data is compressed block by block using the desired coding method. Compression is based on the removal of less relevant data. The compression methods are mainly divided into three categories: Spectral Redundancy Reduction, Spatial: Redundancy Reduction, and Temporal Redundancy Reduction. Typically, various combinations of these methods are used for compression.
Spektrisen redundanssin vähentämiseksi sovelletaan esimerkiksi ’·· , 30 YUV-värimallia. YUV-mallissa käytetään hyödyksi sitä, että ihmisen silmä on herkempi luminanssin eli valoisuuden vaihteluille kuin krominanssin eli värin : muutoksille. YUV-mallissa on yksi luminanssikomponentti (Y) ja kaksi kromi- nanssikomponenttia (U ja V, tai Cb ja Cr). Esimerkiksi H.263 videokoodausstandardin mukainen luminanssilohko on 16 x 16 pikseliä ja kumpikin kromi-’ ; 35 nanssilohko, jotka kattavat saman alueen kuin luminanssilohko, 8x8 pikseliä.For example, '··, 30 YUV color schemes are used to reduce spectral redundancy. The YUV model takes advantage of the fact that the human eye is more sensitive to variations in luminance, or luminance, than to changes in chrominance, or color. The YUV model has one luminance component (Y) and two chrominance components (U and V, or Cb and Cr). For example, the H.263 video encoding standard luminance block is 16 x 16 pixels and each is chrome '; 35 nance blocks covering the same area as the luminance block, 8x8 pixels.
Yhden luminanssilohkon ja kahden krominanssilohkon yhdistelmää kutsutaan 5 112018 makrolohkoksi. Jokainen pikseli, sekä luminanssi- että krominanssilohkossa, voi saada arvon väliltä 0-255, eli yhden pikselin esittämiseen tarvitaan kahdeksan bittiä. Esimerkiksi luminanssipikselin arvo 0 tarkoittaa mustaa ja arvo 255 valkoista.The combination of one luminance block and two chrominance blocks is called 5112018 macroblock. Each pixel, in both the luminance and chrominance blocks, can have a value between 0 and 255, which means that eight bits are needed to represent one pixel. For example, a value of 0 for a luminance pixel is black and a value for 255 is white.
5 Laitteeseen tulevat peräkkäiset kuvat 100A, 100B voivat siis noudat taa YUV-mallia, jossa luminanssipikselit ovat jo valmiiksi omana komponenttinaan, esimerkiksi cif-kokoisessa kuvassa 352 x 288 luminanssipikseliä.Thus, the successive images 100A, 100B entering the device may follow the YUV model, in which the luminance pixels are already provided as their own component, for example, a 352 x 288 luminance pixel in a cif image.
Kuvanlähteitä voi siis olla monta, tällöin laitteessa on oltava kuva-lähteen valitsin 102, jolla valitaan laitteella käsiteltävä informaatiovirta. Kuva-10 lähteen valitsinta 102 ei tarvita jos kuvalähteitä on vain yksi. Lisäksi esimerkissämme viitenumero 102 edustaa myös kuvalähteen, esimerkiksi kameran, ohjauspiiriä.Thus, there may be many image sources, in which case the device must have an image source selector 102 for selecting the information stream to be handled by the device. The image-10 source selector 102 is not required if there is only one image source. Further, in our example, reference numeral 102 also represents a control circuit for an image source, such as a camera.
Valitun kuvalähteen kuva 104 viedään kehyspuskuriin 106, johon tallennetaan kuvan luminanssi- ja krominanssikomponentit.The image 104 of the selected image source is applied to the frame buffer 106, where the luminance and chrominance components of the image are stored.
15 Kehyspuskurissa 106 ollut edellisen kuvan luminanssikomponentti viedään 108 toiseen kehyspuskuriin 110.15 The luminance component of the previous image contained in the frame buffer 106 is applied 108 to the second frame buffer 110.
Sitten lohkossa 116 muodostetaan kunkin edellisen kuvan luminanssipikselin ja vastaavan nykyisen kuvan luminanssipikselin välistä suu-ruuseroa kuvaava erodata. Tämä erodatan muodostus voidaan tehdä esimer-20 kiksi vähentämällä kustakin edellisen kuvan 114 luminanssipikselistä vastaava nykyisen kuvan 112 luminanssipikseli, tai jollakin muulla saman tuloksen antavalla matemaattisella operaatiolla.Then, in block 116, eroded data representing the difference between the luminance pixel of each previous image and the corresponding current image luminance pixel is formed. This difference data generation can be made to Example 20 by subtracting the luminance pixel 112 of the current image 112 from each of the luminance pixels of the previous image 114, or by any other mathematical operation yielding the same result.
i': Muodostetut erodatat 118 lisätään sitten kumulatiiviseen liikerekiste- *:· riin 126. Kumulatiivinen liikerekisteri 126 on muisti, jonka koko on kuvan kor- : 25 keus kertaa kuvan leveys. Mahdollinen lukualue on [-255,255], jos käytetään YUV-formaatissa olevaa kuvaa. Muisti voi olla myös pienempi, mutta silloin ,... t sinne tulevaa dataa joudutaan esikäsittelemään.i ': The generated erod data 118 is then added to the cumulative motion cross point 126. The cumulative motion point 126 is a memory whose size is the height of the image: 25 times the width of the image. A possible reading range is [-255,255] if an image in YUV format is used. The memory may also be smaller, but then ... ... the incoming data will have to be preprocessed.
» I»I
Eräässä suoritusmuodossa laite on konfiguroitu pienentämään liike-rekisterin nollasta poikkeavien data-alkioiden arvoja kohti nollaa ennalta mää-: ·’ 30 rätyn suuruisella määrällä kunkin erodatan lisäyksen yhteydessä. Kuvion 1 esimerkissä tätä kuvaa lohko 120, johon muodostettu erodata 118 tuodaan, ja ; jossa kustakin liikerekisteristä 126 tuodusta 125 erodatan data-alkiosta vähen- . · · . netään ennalta määrätty luku, ja näin saatu erotus lisättynä erodatalla 124 vie- ’* dään sitten liikerekisteriin 126 uudeksi data-alkion arvoksi. Ennalta määrätty I · : ’* 35 luku voi olla esimerkiksi ykkönen tai jokin muu ykköstä suurempi luku. Tieten- : ‘ : kin vähennys voidaan tehdä myös siten, että lisätään erodata liikerekisteriin 6 112018 126, josta sitten kustakin nollasta poikkeavasta data-alkiosta vähennetään ennalta määrätty luku. Laitteessa on ohjauslohko 136, joka ohjaa laitteen eri osien toimintaa. Lohkoon 120 tuodaan ohjauslohkolta 136 ennalta määrätty luku 122, joka kustakin data-alkiosta vähennetään. Ohjauslohko 136 ohjaa 140 5 myös kuvalähteen valitsinta 102.In one embodiment, the device is configured to reduce the values of non-zero data items in the motion register to a zero by a predetermined amount of 30 each time the difference data is added. In the example of Fig. 1, this is illustrated by block 120 into which the eroded data 118 is imported, and; wherein 125 eroded data items imported from each motion register 126 are subtracted. · ·. a predetermined number is entered, and the difference thus obtained, plus the difference data 124, is then exported to the motion register 126 as the new data item value. A predetermined number I ·: '* 35 can be, for example, a number one or another number greater than one. The data can also be subtracted by adding the eroded data to the motion register 6112018 126, after which a predetermined number is subtracted from each non-zero data item. The device has a control block 136 which controls the operation of different parts of the device. Block 120 is provided with a predetermined number 122 from control block 136 which is subtracted from each data item. The control block 136 also controls the image source selector 102.
Jos kuvalähdettä vaihdetaan, niin liikerekisterin 126 sisältö nollataan aina ennen kuin uuden kuvalähteen erodataa aletaan lisäämään liikere-kisteriin 126.If the image source is changed, the content of the motion register 126 is always reset before the difference image data of the new image source is added to the motion register 126.
Sitten kun edellinen kuva ja nykyinen kuva on käsitelty edellä kuva-10 tulla tavalla, niin ohjauslohko 136 skannaa 128 liikerekisterin 126 ennalta määrätyllä tavalla, esimerkiksi riveittäin tai sarakkeittain. Sitten ohjauslohkossa 136 tunnistetaan liikkeeksi sellaiset liikerekisterin 126 data-alkiot, joiden arvo ylittää ennalta määrätyn kynnysarvon. Eräässä suoritusmuodossa ohjauslohko tunnistaa liikkeen lohkoittain, esimerkiksi luminanssimakrolohkoittain. Lohkot voi-15 vat myös olla osittain päällekkäiset. Eräässä suoritusmuodossa kuvan lohkossa tunnistetaan liike jos vähintään ennalta määrätty määrä kyseistä lohkoa lii-kerekisterissä 126 vastaavia data-alkioita ylittää ennalta määrätyn kynnysarvon.After the previous image and the current image have been processed in the manner shown above in FIG. 10, the control block 136 scans 128 the motion register 126 in a predetermined manner, for example, row by column. The control block 136 then identifies as motion the data elements of the motion register 126 whose value exceeds a predetermined threshold value. In one embodiment, the control block detects motion by blocks, for example, luminance macrol blocks. The blocks may also be partially overlapping. In one embodiment, motion in a block of an image is detected if at least a predetermined number of data items corresponding to that block in motion register 126 exceed a predetermined threshold.
Kuvio 3 havainnollistaa luminanssipikselin käsittelyä liikerekisterissä 20 126. Esimerkki perustuu hakijan tekemiin prototyyppeihin ja kokeiluihin. Esi merkin pohjana on videokameralla kuvattu tapahtumasarja, jossa kuvataan . vaaleata pöytää. Paikalle saapuu henkilö, joka jättää mustan salkun pöydälle.Figure 3 illustrates the processing of a luminance pixel in a motion register 20 126. The example is based on the prototypes and experiments made by the applicant. The example character is based on a series of events described by a camcorder that describes. light table. A person arrives and leaves a black briefcase on the table.
Kuviossa 3 vaaka-akselilla on peräkkäisten kuvien numerot 1-150 ja pystyak-selillä sekä luminanssipikselin että liikerekisterin data-alkion arvoalue. Tarkas-: 25 teltavan luminanssipikselin arvon vaihteluja kuvataan käyrällä 300. Kyseistä | luminanssipikseliä liikerekisterissä 126 vastaavan data-alkion arvon vaihtelua ... kuvataan käyrällä 302.In Figure 3, the horizontal axis has the numbers 1-150 of the consecutive images and the vertical axis has the value range of both the luminance pixel and the motion element data element. Check: Variations in the value of 25 tensile luminance pixels are plotted with 300. This | the variation of the value of the data element corresponding to the luminance pixel in the motion register 126 is represented by curve 302.
Kuvissa 1-13 tarkastelun kohteeksi valittu luminanssipikseli on osa vaaleaa pöytää. Pikselin arvon pieni vaihtelu on kohinaa. Kuvissa 14-18 lumi- i V 30 nanssipikseli on osa mustaa salkkua, joka asetetaan pöydälle. Samoin kuvissa • · * :: 19-150 luminanssipikseli on osa mustaa salkkua, joka jätettiin pöydälle.The selected luminance pixel in Figures 1-13 is part of the light table. A small variation in pixel value is noise. In Figures 14-18, the snow V 30 nance pixel is part of a black briefcase placed on a table. Similarly, in the pictures • · * :: 19-150 luminance pixels are part of a black briefcase left on the table.
, .·. Kuten käyrää 302 tarkistelemalla havaitaan, esimerkissämme on ,··käytössä suoritusmuoto, jossa liikerekisterin 126 nollasta poikkeavien data-: alkioiden arvoja pienennetään kohti nollaa ennalta määrätyn suuruisella mää- : ‘ · 35 rällä kunkin erodatan lisäyksen yhteydessä. Esimerkissämme tämä ennalta ‘:: määrätyn suuruinen määrä on yksi. Data-alkion arvon pienennys saa sen ai- 7 112018 kaan, että kuvassa 137 salkku on jo kokonaan hävinnyt liikerekisteristä 126, eli sulautunut taustaan.,. ·. As can be seen by examining curve 302, in our example, there is an embodiment in which the values of non-zero data elements in the motion register 126 are reduced to zero by a predetermined amount of '· 35 at each incremental data increase. In our example, this predetermined amount is one. Decreasing the value of the data item results in that the portfolio in Figure 137 has already completely disappeared from the motion register 126, i.e., merged into the background.
Koska laitteessa tunnistetaan liikkeeksi sellaiset data-alkiot, joiden arvo ylittää ennalta määrätyn kynnysarvon, on mielenkiintoista pohtia mikä olisi 5 sopiva kynnysarvo kuvion 3 esimerkissä. Sopiva kynnysarvo, joka poistaa kohinan, mutta ei liikettä, voisi olla esimerkiksi 10-15, jolloin liikettä ei havaittaisi enää suunnilleen kuvan 130 tietämillä.Since data elements with a value above a predetermined threshold are detected in motion, it is interesting to consider what would be a suitable threshold in the example of Figure 3. A suitable threshold value that eliminates noise but no movement could be, for example, 10-15, whereby motion would no longer be detected by approximately the size of Figure 130.
Eräässä suoritusmuodossa, jos kuvassa on tunnistettu liikettä, ohja-uslohko 136 ohjaa 144 kehyspuskuria 106 viemään nykyisen kuvan zoomatta-10 van alueen 130 zoomauslohkoon 132. Ohjaustieto 144 sisältää tiedon siitä mikä kuvassa oleva zoomauksen kohteena oleva alue lähetetään kuvana 130 zoomauslohkoon 132. Ohjauslohkosta 136 viedään ohjaustieto 134 zoomauslohkoon 132, joka ohjaustieto kertoo tulevan ja lähtevän kuvan kokojen välisen suhteen. Kyseinen suhde on 1:1 jos zoomausta ei käytetä. Automaattinen 15 zoomaus liikkeeseen on optionaalinen toiminta, jonka päälläolo on valittavissa laitteen käyttöliittymän (ei kuvattu kuviossa 1) kautta. Zoomauslohko 132 siis zoomaa tunnistettuun liikkeeseen, esimerkiksi interpoloimalla zoomatun alueen alkuperäisen kuvan kokoiseksi käyttäen tunnettuja interpolointimenetelmiä.In one embodiment, if motion is detected in the image, control block 136 controls 144 frame buffer 106 to export the current image zoom area 130 to zoom block 132. Control information 144 includes which zoom area in the image is transmitted as image 130 to zoom block 132. Exported from control block 136 control information 134 to zoom block 132, which control information indicates the relationship between the sizes of the incoming and outgoing images. This ratio is 1: 1 if the zoom is not used. Automatic 15-to-Zoom Motion is an optional feature that can be activated via the device interface (not shown in Figure 1). Thus, the zoom block 132 zooms in to the detected motion, for example, by interpolating the zoomed area to the size of the original image using known interpolation methods.
Liikkeentunnistuksessa havaitaan alue, jossa liikettä tapahtuu. Raja-20 taan tämä alue niin, että korkeuden ja leveyden suhde pysyy aina samana verrattuna alkuperäiseen kuvaan. Lisäksi zoomattavan alueen on hyvä olla hie-: ' · man suurempi kuin alueen, jolla liikettä on. Suurennoksella täytyy olla myös : '; maksimi, joka riippuu käytetystä kuvakoosta ja kameran tarkkuudesta. Esimer- * . kiksi 100-kertainen suurennos qcif-kokoiselle kuvalle ei ole enää järkevää.Motion detection detects the area where motion occurs. Limit this range so that the ratio of height to width is always the same as in the original image. Also, the zoom area should be slightly larger than the area where the movement is. The magnification must also have: '; maximum, depending on the image size used and the resolution of the camera. Example- *. that's why a 100x magnification of a qcif image no longer makes sense.
: 25 Eräässä suoritusmuodossa ohjauslohko 136 ja/tai zoomauslohko * I * 132 tallentaa zoomauspaikan muistiin, jotta zoomattavan alueen muutos olisi hillittyä. Tietoa zoomauspaikasta voidaan hyödyntää siten, että sallitaan aino-' " ’ astaan ennalta määrätyn suuruinen zoomauspaikan muutos kahden peräkkäi sen kuvan välillä. Zoomauspaikan lisäksi tai asemesta ohjauslohko 136 ja/tai : V 30 zoomauslohko 132 voi tallentaa zoomaussuhteen muistiin. Tietoa zoomaus-* ♦ * ., suhteesta voidaan hyödyntää siten, että sallitaan ainoastaan ennalta määrätyn , suuruinen zoomaussuhteen muutos kahden peräkkäisen kuvan välillä. Rajoit- .··. tamalla zoomauspaikan muutosta ja/tai zoomaussuhteen vaihtelua kuvasta • » saadaan miellyttävämpi katsoa, koska kuvaa ei liian nopeasti muuteta tunniste-: ’ · 35 tun liikkeen perusteella, vaan esimerkiksi tietynsuuruisissa vaiheissa. Muutos- I t 8 112018 nopeuden säätö on optimointitehtävä tunnistetun liikkeen seuraamisnopeuden ja kuvan laadun sekä informaatiosisällön välillä.: 25 In one embodiment, the control block 136 and / or the zoom block * I * 132 stores the zoom position in memory to control the change in the zoom area. Zoom position information can be utilized by allowing only a predetermined change of the "" zoom position between two consecutive images. In addition to or instead of the zoom position, control block 136 and / or: V 30 zoom block 132 can store the zoom ratio in memory. ., can be utilized by allowing only a predetermined change in the zoom ratio between two consecutive images. · · · By limiting the zoom position change and / or the zoom ratio within the image, »» : '· Based on 35 sensed motion, but for example in steps of a certain magnitude Change I t 8 112018 speed control is an optimization task between the detected motion tracking speed and the image quality and information content.
Lisäksi on hyvä antaa liikealueen liikkua vapaasti zoomausalueen sisällä tiettyjen rajojen puitteissa. Edellä mainituin menetelmin saavutetaan 5 pehmeästi liikkuva kuva.Also, it is good to allow the motion area to move freely within the zoom range within certain limits. By the above methods, 5 smoothly moving images are obtained.
Zoomattu tai zoomaamaton kuva 142 viedään sitten optionaaliseen enkoodauslohkoon 150, jolla kuva voidaan haluttaessa enkoodata. Zoomatun kuvan enkoodauksella saavutetaan se etu, että enkoodauksen lopputulos paranee, koska kuvasta on poistettu turha informaatio, jolloin esimerkiksi zooma-10 tussa kuvassa näkyvä murtovaras on helpommin tunnistettavissa.The zoomed or non-zoomed image 142 is then passed to an optional encoding block 150 whereby the image can be encoded if desired. The advantage of encoding a zoomed image is that the final result of the encoding is improved by removing unnecessary information from the image, thus making it easier to identify the burglary visible in, for example, a zoom image.
Enkoodauslohko 150 voi olla esimerkiksi jokin tunnettu videoen-kooderi, esimerkiksi mpeg4-enkooderi. Kuva 142 voidaan viedä myös laitteeseen kuuluvalle muistivälineelle tai laitteeseen kytketylle muistivälineelle, esimerkiksi tietokoneen kovalevylle, tallennettavaksi. Kuva 142 voidaan myös 15 viedä katselulaitteelle, esimerkiksi monitorille, tällöin kuvaa voidaan sen esitysmuodosta riippuen joutua konvertoimaan.The encoding block 150 may be, for example, a known video encoder, for example an mpeg4 encoder. Figure 142 may also be exported to a storage medium included in the device or to a storage medium connected to the device, such as a computer hard drive. Figure 142 may also be exported to a viewing device, such as a monitor, whereby the image may need to be converted, depending on its presentation.
Eräässä suoritusmuodossa laite käsittää lisäksi lohkon 146, jolla muodostetaan liikerekisterin 126 sisältämistä data-alkioista mustavalkokuva 148. Kuviossa 1 kuvatulla tavalla data-alkiot voidaan viedä 144 lohkoon 146 20 ohjauslohkosta 136, koska ohjauslohko 136 lukee 128 data-alkiot liikerekiste-ristä 126, mutta tietenkin lohko 146 voisi lukea ne myös suoraan liikerekisteris-·.. tä 126. Mustavalkokuva voidaan toteuttaa esimerkiksi siten, että mustavalko- : ’: kuvassa ennalta määrätyn kynnysarvon ylittävät data-alkiot esitetään valkoisi- . . na ja muut data-alkiot mustina, tai ennalta määrätyn kynnysarvon ylittävät da- . ·. : 25 ta-alkiot esitetään mustina ja muut data-alkiot valkoisina. Tällä suoritusmuodol- la saavutetaan se etu, että tunnistettu liike on paljon helpommin havaittavissa ... liikettä kuvaavassa mustavalkokuvassa 148 kuin alkuperäisessä kuvassa 100A, 100B. Jos vielä lyhyesti palataan kuvion 3 esimerkkiin, voidaan todeta, että jos mustavalkokuvan muodostamisen kynnysarvona käytetään samaa ar-: ·' 30 voa kuin liikkeen tunnistamiselle eli esimerkiksi 10-15, niin mustavalkokuvassa havaitaan henkilön liike, ja salkun jääminen pöydälle suunnilleen kuvaan 130 saakka. Tietenkin jos halutaan, voidaan mustavalkokuvan kynnysarvoksi aset-, · · ·, taa pienempikin luku, jolloin liike on näkyvissä muodostetussa mustavalkoku vassa pitempään.In one embodiment, the device further comprises a block 146 for generating a black and white image 148 of the data elements contained in the motion register 126. As described in Figure 1, the data elements may be exported to a block 146 from the control block 136 since the control block 136 reads 128 data block 146 could also read them directly from the motion register 126. The black-and-white image may be implemented, for example, so that the data elements exceeding a predetermined threshold in the black-and-white image are shown in white. . na and other data items in black, or a da- above a predetermined threshold. ·. : 25 items are shown in black and other data items are shown in white. This embodiment achieves the advantage that the detected motion is much more easily detected ... in the black and white image 148 of the motion than in the original image 100A, 100B. If we briefly return to the example of Fig. 3, it can be noted that if the same value is used as the threshold for black-and-white image generation as for motion detection, e.g., 10-15, the motion of the person is detected in black and white and the briefcase remains on the table until approximately 130. Of course, if desired, the threshold for the black and white image can be set to a smaller number so that motion is visible in the formed black and white image for a longer time.
i ’· · 35 Eräässä suoritusmuodossa liikkeen tunnistuksen yhteydessä käytet tävän ennalta määrätyn kynnysarvon säätämisellä säädetään liikkeentunnis- 112018 g tamisen herkkyyttä. Yleisesti tämä voidaan ilmaista esimerkiksi siten, että oh-jauslohkossa 136 muodostetaan kynnysarvo nykyiselle kuvalle käyttäen nykyisen kuvan luminanssipikseleiden keskimääräistä arvoa kuvaavaa suuretta ja edellisen kuvan kynnysarvoa. Esimerkiksi kuvalle k voidaan laskea luminans-5 sipikseleiden keskiarvo i<nj<m ak=( zLpij)1 nxm, (1) ;=oj=o jossa pij on luminanssipikseli, ja n x m on kuvan koko. Keskiarvon laskentaan ei ole pakko käyttää kuvan kaikkia luminanssipikseleitä.In one embodiment, adjusting a predetermined threshold value used in motion detection adjusts the sensitivity of motion detection 112018 g. In general, this may be expressed, for example, by generating a threshold value for the current image in the control block 136 using the magnitude representing the average value of the luminance pixels of the current image and the threshold value of the previous image. For example, for image k, the average of the luminans-5 pixels i <nj <m ak = (zLpij) 1 nxm, (1); = oj = o where pij is the luminance pixel and n x m is the image size. It is not necessary to use all the luminance pixels of the image to calculate the average.
Sitten kuvalle k kynnysarvo 10 tk=pak+q, ja (2) tk=(rtk+stk-i)Kr + s), (3) joissa tk-i on edellisen kuvan kynnysarvo. Kaavassa 2 käytetään lineaarista funktiota, jossa p ja q ovat vakioita, mutta myös epälineaarista funktiota voidaan käyttää. Kaavan 3 mukaisesti kynnysarvoa voidaan myös painot-15 taa, r ja s ovat vakioita, joita muuttamalla voidaan säätää kynnysarvoa ja siten laitteen herkkyyttä suurille valoisuuden vaihtelulle. Laitteen käyttöliittymässä voi olla säädin, jolla kynnysarvoa voidaan portaattomasti säätää halutun herkkyyden aikaansaamiseksi. Painotus kannattaa tehdä, jotta systeemi ei reagoisi nopeisiin suuriin valoisuuden vaihteluihin, esimerkiksi salaman tai pilven aihe-20 uttamaan valoisuuden muutokseen. Kaavoissa 2 ja 3 ei ole pakko käyttää kes- • . kiarvoa, vaan jotakin muutakin keskimääräistä arvoa kuvaavaa tilastollista suu- * retta voidaan käyttää. Kohinaa voidaan myös mitata satunnaisista pikseleistä, :. ja säätää herkkyyttä sen mukaan.Then, for image k, the threshold value 10 tk = pak + q, and (2) tk = (rtk + stk-i) Kr + s), (3) where tk-i is the threshold value of the previous image. In formula 2, a linear function is used in which p and q are constants, but a non-linear function can also be used. According to formula 3, the threshold can also be weighted, r and s are constants, which can be changed by adjusting the threshold and thus the sensitivity of the device to large variations in luminance. The device interface may include a controller for adjusting the threshold steplessly to achieve the desired sensitivity. Weighing should be done to prevent the system from responding to rapid large changes in brightness, such as lightning or cloud-induced luminance changes. In formulas 2 and 3, it is not necessary to use •. but some other statistical measure of average value may be used. Noise can also be measured from random pixels:. and adjust the sensitivity accordingly.
Τ': Eräässä suoritusmuodossa laite on konfiguroitu, esimerkiksi ohjaus-Τ ': In one embodiment, the device is configured, e.g.
* > I*> I
* ! 25 lohko 136 on määrätty, siirtämään edellisen kuvan luminanssipikselit nykyises- sä kuvassa olevien samaa kuva-alaa esittävien luminanssipikseleiden kohdal- » » le, siirtämään liikerekisterissä 126 olevat vastaavat data-alkiot kyseisen saman kuva-alan kohdalle, ja nollaamaan pelkästään nykyisessä kuvassa olevia lumi- t · > i V nanssipikseleitä vastaavat data-alkiot liikerekisterissä 126, jos nykyisessä ku- 30 vassa kuva-ala on liikkunut suhteessa edellisen kuvan kuva-alaan, eli kuvat muodostanutta kameraa 158,160 on liikutettu.*! The block 136 is configured to move the luminance pixels of the previous image over the luminance pixels of the current image in the current image, move the corresponding data items in the motion register 126 to that same image area, and reset only the luminance pixels in the current image. t ·> i V data pixels corresponding to the pixels in the motion register 126 if the image area in the current image has moved relative to that of the previous image, i.e., the camera that formed the images has been moved 158,160.
!! Eräässä suoritusmuodossa laite on konfiguroitu, esimerkiksi ohjaus- ’! lohko 136 on määrätty, muokkaamaan edellisen kuvan kuva-ala vastaamaan j ··· nykyisen kuvan kuva-alaa interpoloimalla siihen nykyisen kuvan kuva-alaa vas- ! 35 taavat puuttuvat luminanssipikselit, ja muokkaamaan liikerekisterin 126 kuva- 1Ί2018 10 ala vastaamaan nykyisen kuvan kuva-alaa interpoloimalla siihen nykyisen kuvan kuva-alaa vastaavat puuttuvat data-alkiot, jos nykyisessä kuvassa kuva-alaa on zoomattu optisesti suhteessa edellisen kuvan kuva-alaan, eli kuvat muodostaneessa kamerassa 158,160 on käytetty optista zoomausta.!! In one embodiment, the device is configured, e.g. block 136 is assigned to modify the image area of the previous image to match the image area of the current image by interpolating it with the current image area! 35 pixels, and modify the area of the motion register 126 to reflect the area of the current image by interpolating the missing data elements corresponding to the area of the current image if the image is zoomed optically relative to the area of the previous image, i.e. the camera that produced the images 158,160 uses optical zoom.
5 Eräässä suoritusmuodossa laite on konfiguroitu, esimerkiksi ohjaus- lohko 136 määrää 140 valintalohkoa 102, ohjaamaan 138 kuvat muodostanut kamera 160 liikkumaan kuvasta tunnistetun liikkeen suuntaan. Tällöin kamerassa 160 on esimerkiksi sähkömoottori, jolla kameraa 160 voidaan kääntää liikkeen suuntaan. Ohjauskomento 138 ilmoittaa tarvittavan liikkeen suuruuden 10 esimerkiksi asteina.In one embodiment, the device is configured, for example, control block 136 to determine 140 selection blocks 102, to direct the camera 160 that formed the images 138 to move in the direction of the detected motion. The camera 160 then has, for example, an electric motor for turning the camera 160 in the direction of movement. The control command 138 indicates the magnitude of the required movement 10, for example in degrees.
Eräässä suoritusmuodossa laite on konfiguroitu, esimerkiksi ohjaus-lohko 136 määrää 140 valintalohkoa 102, ohjaamaan 138 kuvat muodostanut kamera 160 zoomaamaan optisesti kuvasta tunnistettuun liikkeeseen. Tällöin kamerassa 160 on sähköisesti ohjattava optinen zoomi, jolla kameran 160 15 tuottamaa kuvaa voidaan zoomata liikkeeseen. Ohjauskomento 138 ilmoittaa tarvittavan zoomaussuhteen muutoksen.In one embodiment, the device is configured, for example, control block 136 to determine 140 selection blocks 102, to direct the camera 160 formed by the images 138 to optically zoom in on the detected motion. In this case, the camera 160 has an electrically-controlled optical zoom that can be used to zoom the image produced by the camera 160 15 into motion. Control command 138 indicates the required zoom ratio change.
Eräässä suoritusmuodossa laite käsittää lisäksi lohkon 154 suorittaa hälytys jos on tunnistettu liikettä. Kuviossa 1 hälytystä kuvataan viitenumerolla 156. Samoilla viitenumeroilla 154, 156 kuvataan myös suoritusmuoto, jossa 20 laite käsittää lohkon 154 lähettää peräkkäisiä kuvia, muodostettua mustavalko- ;·. kuvaa tai zoomattua kuvaa tietoliikenneyhteyttä 156 käyttäen. Kuvia voidaan , lähettää joko hälytyksen kera tai ilman sitä. Lähetettävä kuva voi olla alkupe- * * « Täisestä kuvalähteestä tulevaa kuvaa, muodostettua mustavalkokuvaa tai > I t zoomattua kuvaa. Kuvat muodostanutta kameraa voi myös olla liikutettu tai 25 optisesti zoomattu kuvasta tunnistetun liikkeen suuntaan. Tietoliikenneyhteys • 1*1» * * käyttää tunnettuja ratkaisuja, esimerkiksi langatonta radioyhteyttä, lähiverkkoa,In one embodiment, the device further comprises a block 154 for performing an alarm if motion is detected. In Figure 1, the alarm is denoted by reference numeral 156. The same reference numerals 154, 156 also illustrate an embodiment in which the device 20 comprises a block 154 for transmitting consecutive images formed in black and white. image or zoomed image using communication link 156. Pictures can be sent with or without alarm. The image you send may be an initial * * «Image from a full source, a black-and-white image, or> I t zoomed image. The camera that generated the images may also be moved or 25 optically zoomed from the image in the direction of the detected motion. Telecommunication connection • 1 * 1 »* * uses well-known solutions such as wireless radio, LAN,
Internetiä, kiinteää dedikoitua linjaa, tai jotakin muuta tapaa siirtää dataa kahden pisteen välillä. Laite voi myös olla konfiguroitu siten, että ainoastaan sel-laista kuvaa, jossa on havaittu liikettä, lähetetään tietoliikenneyhteyttä 156 : * * ‘: 30 käyttäen. Systeemin valitsemasta herkkyydestä voidaan myös automaattisestiThe Internet, a fixed dedicated line, or some other way to transfer data between two points. The device may also be configured so that only an image with motion detected is transmitted using a communication link 156: * * ': 30. The sensitivity of the system can also be automatically selected
< · I<· I
‘. päätellä kannattaako lähettää kameralta tulevaa kuvaa vaiko mustavalkokuvaa liikerekisterissä olevasta kuvasta. Jos kuvattavan alueen valoisuus laskee alle tietyn tason, voidaan lähettää mustavalkokuvaa. Näin laite toimii lähes pime- : ‘ . ässä siten, että kuvaa katsovan henkilön on helpompi havaita liike.'. Decide whether to send an image from the camera or a black and white image from the image in the motion register. If the brightness of the area you are shooting falls below a certain level, you can send a black and white image. This is how the device works almost in the dark: '. ace, making it easier for the person looking at the image to detect motion.
•: · - · 35 Kuviossa 1 esitetyt laitteen lohkot voidaan toteuttaa yhtenä tai use ampana asiakaskohtaisena integroituna piirinä (Application-Specific Integrated 11 112018The device blocks shown in Figure 1 can be implemented as one or more customized integrated circuits (Application-Specific Integrated 11 112018
Circuit, ASIC). Myös muunlaiset toteutukset ovat mahdollisia, esimerkiksi erillisistä logiikkakomponenteista rakennettu piiri, tai prosessori ohjelmistoineen. Myös näiden eri toteutustapojen sekamuoto on mahdollinen. Alan ammattilainen huomioi toteutustavan valinnassa esimerkiksi laitteen koolle ja virrankulu-5 tukselle asetetut vaatimukset, tarvittavan prosessointitehon, valmistuskustannukset sekä tuotantomäärät. On huomattava, että kuviossa 1 kuvataan lähinnä toiminnallisia kokonaisuuksia, jolloin käytännön laitteistototeutuksen osat voivat poiketa esitetystä, sillä lopulta on kyse integrointiasteesta: miten kyseisessä sovelluksessa voidaan tehokkaimmin ja kohtuullisin kustannuksin toteuttaa halutun 10 toiminnallisuuden toteuttava laite, jolla tunnistetaan liike peräkkäisistä kuvista.Circuit, ASIC). Other implementations are also possible, such as a circuit built from separate logic components, or a processor with software. A mixed form of these different embodiments is also possible. The skilled artisan will consider, for example, the size and power requirements of the device, the processing power required, the manufacturing costs, and the production volumes. It should be noted that Figure 1 illustrates mainly functional assemblies, whereby parts of a practical hardware implementation may deviate from what is shown, since it is ultimately a degree of integration: how to implement in a given application a device implementing the desired functionality to detect motion from successive images.
Edellä esitetty laite soveltuu monenlaisiin tarkoituksiin. Sillä voidaan tutkia tallennettua kuvamateriaalia, ja etsiä sieltä automaattisesti kohdat, joissa on liikettä. Laite voidaan sijoittaa valvontakameran yhteyteen tai keskusvalvomoon. Laitteesta voidaan tehdä myös hyvin halpa versio. Eräs halpa versio on 15 sellainen, jossa laite käsittää myös halvan kameran ja se on kytkettävissä verkkovirtaan. Lisäksi laite käsittää osat, joilla se voi toimia matkapuhelinverkon tilaa-japäätelaitteena. Näin laite voidaan laittaa vartioimaan esimerkiksi omistajansa kesämökkiä, ja laite lähettää kuvaa ja/tai hälytyksen omistajan tilaajapäätelait-teeseen heti liikettä havaittuaan. Laite toimii siis varashälyttimenä ja valvontalait-20 teenä, jolla voidaan tarkistaa tilanne kesämökillä. Laitteeseen voidaan luonnolli- : , sesti kytkeä myös muita sensoreita, esimerkiksi palohälytin. Alan ammattilainen :·. voi keksiä myös muita sovelluksia kuvatulle peruslaitteelle.The above device is suitable for a variety of purposes. It allows you to search for recorded footage and automatically search for areas of motion. The device can be located in front of a surveillance camera or in a central control room. A very cheap version can also be made. One cheap version is one in which the device also comprises a cheap camera and is plugged in. Further, the device comprises parts by which it can act as a subscriber terminal in a cellular network. Thus, the device can be set up to guard, for example, its owner's summer cottage, and the device sends an image and / or alarm to the owner's subscriber terminal as soon as it detects motion. The device thus acts as a burglar alarm and a monitoring device to check the situation in the summer cottage. Of course, other sensors, such as a fire alarm, can also be connected to the device. Skilled in the art :·. may also invent other applications for the described basic device.
. Seuraavaksi kuvataan laitteen eräiden toimintojen toteutus C-ohjel- '; :. mointikielen syntaksia noudattavalla pseudokoodilla.. The following describes the execution of some of the functions of the device in a C program; :. with a pseudocode that follows the syntax of the Malay language.
' 25 *'25 *
Header t *» #define mmin(a.b) ((a)<(b)?(a):(b)) /* makro kahden arvon minimille */Header t * »#define mmin (a.b) ((a) <(b)? (A) :( b)) / * macro for the minimum of two values * /
I II I
:' ’': 30 typedef struct { int **lum; int **cb; int **cr; ·:·’· 35 Jdata; 12 112018 typedef struct { int mid[2]; /* keskipiste 7 int hor; /* horisontaalinen suuruus 7 5 int ver; /* vertikaalinen suuruus 7 }mot; typedef struct { 10 int lines; /* kuvan korkeus 7 int columns; /* kuvan leveys 7 mot motion; /* alue, jossa liike on 7 mot zoom; /* alue, jossa zoomi on 7 data previous; /* edellinen kuva 7 15 data present; /* nykyinen kuva 7 int ‘‘movement; /* liikerekisteri 7 int “shape; /* suodatettu liikerekisteri 7 int sensitivity; /* herkkyys 7 }secur; /* main-funktiossa määritelty muuttuja 7 20: '' ': 30 typedef struct {int ** lum; int ** cb; int ** cr; ·: · '· 35 Jdata; 12 112018 typedef struct {int mid [2]; / * midpoint 7 int hor; / * horizontal magnitude 7 5 int ver; / * vertical magnitude 7} mot; typedef struct {10 int lines; / * image height 7 int columns; / * image width 7 mot motion; / * range with motion at 7 mot zoom; / * area where the zoom is 7 data previous; / * previous image 7 15 data present; / * current image 7 int '' movement; / * business register 7 int 'shape; / * filtered motion register 7 int sensitivity; / * sensitivity 7} secur; / * Variable defined in the main function 7 20
Liikerekisterifunktio • · · * » ·Business Register Function • · · * »·
Lisää kuvien välisen erotuksen liikerekisteriin, sekä pienentää rekis- '! ‘ ’. terissä olevaa dataa pikseleittäin yhdellä.Adds a difference between images in the motion register, and reduces the register! ''. data per pixel by pixels by one.
• · 25 .···. int Add_motion(secur‘frame) { inti.j; /‘laskureita 7 \ ‘ int r = frame->lines; /* kuvan rivit 7 '··.’ 30 int c = frame->columns; /* kuvan sarakkeet 7 • · *• · 25. ···. int Add_motion (secur'frame) {inti.j; / 'Counters 7 \' int r = frame-> lines; / * image lines 7 '··.' 30 int c = frame-> columns; / * Image Columns 7 • · *
I t II t I
; · · : for(i=0; i<r; i++) { '· for(j=0; j<c; j++) ‘: ‘ : 35 { frame->movement[i]lj]+= 13 112018 ((frame->present).lum[i][j]-(frame->previous).lum[i]ö]); if(frame->movement[i][j]>0) frame->movement[i]ö] -= 1; if(frame->movement[i]ö]<0) 5 frame->movement[i][j] += 1; } } return(1); } 10; · ·: For (i = 0; i <r; i ++) {'· for (j = 0; j <c; j ++)': ': 35 {frame-> movement [i] lj] + = 13 112018 ( (frame-> present) .lum [i] [j] - (frame-> previous) .lum [i] D]); if (frame-> movement [i] [j]> 0) frame-> movement [i] ö] - = 1; if (frame-> movement [i] ö] <0) 5 frame-> movement [i] [j] + = 1; }} return (1); } 10
Liikkeen tarkistusfunktio int Motion_check(secur *frame) { 15 int i, j, k, I; Γ laskureita 7 int r = frame->lines; /* kuvan rivit 7 int c = frame->columns; Γ kuvan sarakkeet 7 int founcNO; /* löytyikö liikettä vai ei 7 int sum; /* lohkon liikepikseleiden määrä 7 20 int min_k, max_k, minj, maxj; /* löydetyn liikkeen muuttujat 7 int sens = frame->sensitivity; /* herkkyys 7Motion check function int Motion_check (secur * frame) {15 int i, j, k, I; Γ counters 7 int r = frame-> lines; / * image rows 7 int c = frame-> columns; Γ columns of the image 7 int founcNO; / * whether movement was found or not 7 int sum; / * number of motion pixels in block 7 20 int min_k, max_k, minj, maxj; / * found movement variables 7 int sens = frame-> sensitivity; / * sensitivity 7
II
for(i=0; i<r; i++) /* kopioi ja suodata liikerekisteri 7 :ϊ { ► * Ί 25 for(j=0; j<c; j++) { :: frame->shape[i][j]=frame->movement[i][j])/sens; } > 30 » t * ‘, min_k = c; /* alusta minimit ja maksimit 7 max_k = 0; *;·' min_l = r; maxj = 0; for(k=0; k<c-7; k+=4) /* etsi liike ja sen alue 8x8-lohkoissa 7 35 14 112018 { /* lohkot ovat limittäin 7 for(l=0; l<r-7; l+=4) { sum=0; 5 for(i=0; i<64; i++) { if(frame->shape[l+i/8][k+i%8]!=0) sum++; 10 } if(sum>sens) { found=1; 15 if(k<min_k) min_k=k; if(k>max_k) max_k=k+3; if(l<min_l) 20 min_l=l; i‘·,. if(l>maxj) max_l=l+3; • I · f I I · t > '· : 25 } ':.7 > * » •»· if(found==1) I* jos liikettä, laske sen leveys, korkeus ja keskipiste */ Γν { ; 30 (frame->motion).mid[0]= (min_k+max_k)/2; (frame->motion).mid[1]= (min_l+max_l)/2; • · a ;;; (frame->motion).hor = max_k-min_k; a * ’ ; · ‘ (frame->motion).ver = maxj-min_l; Γ·.. } *: · 35 else /* jos ei liikettä niin leveys, korkeus ja keskipiste ovat kuvan */ { 15 112018 (frame->motion).hor = c; (frame->motion).ver = r; (frame->motion).mid[0] += mmax(((c/2)-(frame->motion).mid[0])/8,1); (frame->motion).mid[1] += mmax(((r/2)-(frame->motion).mid[1])/8,1); 5 } return(1); } 10 Zoomausfunktio int Zoom_control(secur ‘frame) {for (i = 0; i <r; i ++) / * copy and filter motion register 7: ϊ {► * Ί 25 for (j = 0; j <c; j ++) {:: frame-> shape [i] [j ] = frame-> movement [i] [j]) / sens; }> 30 »t * ', min_k = c; / * initialize minimum and maximum 7 max_k = 0; *; · 'Min_l = r; maxj = 0; for (k = 0; k <c-7; k + = 4) / * find the motion and its region in 8x8 blocks 7 35 14 112018 {/ * the blocks are overlapping 7 for (l = 0; l <r-7; l + = 4) {sum = 0; 5 for (i = 0; i <64; i ++) {if (frame-> shape [l + i / 8] [k + i% 8]! = 0) sum ++; 10} if (sum> sens) {found = 1; 15 if (k <min_k) min_k = k; if (k> max_k) max_k = k + 3; if (l <min_l) 20 min_l = l; i '· ,. if (l> maxj) max_l = l + 3; • I · f I I · t> '·: 25}': .7> * »•» · if (found == 1) I * if motion, calculate its width, height, and center * / Γν {; 30 (frame-> motion) .mid [0] = (min_k + max_k) / 2; (frame-> motion) .mid [1] = (min_l + max_l) / 2; • · a ;;; (frame-> motion) .hor = max_k-min_k; a * '; · '(Frame-> motion) .ver = maxj-min_l; Γ · ..} *: · 35 else / * if not in motion then width, height and center point are in the picture * / {15 112018 (frame-> motion) .hor = c; (frame-> motion) .ver = r; (frame-> motion) .mid [0] + = Mmax (((c / 2) - (frame-> motion) .mid [0]) / 8.1); (frame-> motion) .mid [1] + = Mmax (((r / 2) - (frame-> motion) .mid [1]) / 8.1); 5} return (1); } 10 Zoom function int Zoom_control (secur 'frame) {
int r = frame -> lines; /* kuvan rivit Vint r = frame -> lines; / * lines of the image V
15 int c = frame-> columns; Γ kuvan sarakkeet 7 int left, right, up, down; Γ zoomin reunat 7 int i; /* laskuri 7 /* laske uusi zoomin korkeus ja leveys (verrattuna liikkeeseen) 7 20 if((frame->motion).hor < (c*(frame->motion).ver)/r) * »· ;'V { ί * if((frame->zoom).ver >= (frame->motion).ver +r/6) ν·ί ί 25 (frame->zoom).ver-= . ·". mmin(abs(((frame->zoom).ver-(frame->motion).ver -r/6)/4),4); .. , (frame->zoom).ver = mmax(mmin((frame->zoom).ver,r),r/2); ·,,. ’ (frame->zoom).hor = (c*(frame->zoom).ver)/r; ‘ 30 (frame->zoom).hor = mmax(mmin((frame->zoom).hor,c),c/2); : ; : (frame->zoom).hor = ((frame->zoom).hor/2)*2; :'1 ’: (frame->zoom).ver = ((frame->zoom).ver/2)*2; > ' 1 35 if((frame->zoom).ver < (frame->motion).ver + r/10) { 16 112018 (frame->zoom).ver += mmin(abs(((frame->zoom).ver-(frame->motion).ver - r/10)/4),8): (frame->zoom).ver = mmax(mmin((frame->zoom).ver,r),r/2); 5 (frame->zoom).hor = (c*(frame->zoom).ver)/r; (frame->zoom).hor = mmax(mmin((frame->zoom).hor,c),c/2); (frame->zoom).hor = ((frame->zoom).hor/2)*2; (frame->zoom).ver = ((frame->zoom).ver/2)*2; 10 } } /* if-lauseen loppu 7 else { 15 if((frame->zoom).hor >= (frame->motion).hor + c/6) { (frame->zoom).hor -= mmin(abs(((frame->zoom).hor-(frame->motion).hor - c/6)/4),4); 20 (frame->zoom).hor = mmax(mmin((frame->zoom).hor,c),c/2); : .. (frame->zoom).ver = (r*(frame->zoom).hor)/c; (frame->zoom).ver = mmax(mmin((frame->zoom).ver,r),r/2); .:. (frame->zoom).hor = ((frame->zoom).hor/2)*2; (frame->zoom).ver = ((frame->zoom).ver/2)*2; • «· 25 } • · ‘ · · · ‘ if((frame->zoom).hor < (frame->motion).hor + c/10) { : (frame->zoom).hor+= 30 mmin(abs(((frame->zoom).hor-(frame->motion).hor- c/10)/4),8); • * * (frame->zoom).hor = mmax(mmin((frame->zoom).hor,c)Ic/2); (frame->zoom).ver = (r*(frame->zoom).hor)/c; i ’·· (frame->zoom).ver = mmax(mmin((frame->zoom).ver,r),r/2); ‘: ‘ : 35 (frame->zoom).hor = ((frame->zoom).hor/2)*2; (frame->zoom).ver = ((frame->zoom).ver/2)*2; 17 112018 } } /* else-lauseen loppu 7 /* liikuta zoomin keskipistettä liikkeen keskikohtaa kohti 7 5 for(i=0; i<2; i++) { if((frame->zoom).mid[i]<(frame->motion).mid[i]-4) { 10 (frame->zoom).mid[i] +=mmin(abs(((frame->zoom).mid[i]-(frame->motion).mid[i])/4))8); } if((frame->zoom).mid[i]>(frame->motion).mid[i]+4) { 15 (frame->zoom).mid[i] -=mmin(abs(((frame->zoom).mid[i]-(frame->motion).mid[i]))/4,8); } } 20 /* pidä zoomi kuvan sisällä 7 •' ·.. (frame->zoom).mid[0] = .': ·. mmin(mmax((frame->zoom).mid[0],(frame->zoom).hor/2))c-(frame- >zoom).hor/2); (frame->zoom).mid[1] = ‘ ί 25 mmin(mmax((frame->zoom).mid[1],(frame->zoom).ver/2))r-(frame->zoom).ver/2); • ·15 int c = frame-> columns; Γ columns of the image 7 int left, right, up, down; Γ zoom edges 7 int i; / * counter 7 / * calculate new zoom height and width (relative to motion) 7 20 if ((frame-> motion) .hor <(c * (frame-> motion) .ver) / r) * »·; 'V {ί * if ((frame-> zoom) .ver> = (frame-> motion) .ver + r / 6) ν · ί ί 25 (frame-> zoom) .ver- =. · ". Mmin (abs (((frame-> zoom) .ver- (frame-> motion) .ver -r / 6) / 4), 4); .., (frame-> zoom) .ver = Mmax (mmin ((frame-> zoom) .ver, r), r / 2); · ,,. '(frame-> zoom) .hor = (c * (frame-> zoom) .ver) / r;' 30 (frame-> zoom) .hor = Mmax (mmin ((frame-> zoom) .hor, c), c / 2);:;: (frame-> zoom) .hor = ((frame-> zoom) .hor / 2) * 2;: '1': (frame-> zoom) .ver = ((frame-> zoom) .ver / 2) * 2;> '1 35 if ((frame-> zoom). ver <(frame-> motion) .ver + r / 10) {16 112018 (frame-> zoom) .ver + = mmin {abs (((frame-> zoom) .ver- (frame-> motion) .ver - r / 10) / 4), 8): (frame-> zoom) .ver = Mmax (mmin ((frame-> zoom) .ver, r), r / 2); 5 (frame-> zoom). hor = (c * (frame-> zoom) .ver) / r; (frame-> zoom) .hor = Mmax (mmin ((frame-> zoom) .hor, c), c / 2); (frame- > zoom) .hor = ((frame-> zoom) .hor / 2) * 2; (frame-> zoom) .ver = ((frame-> zoom) .ver / 2) * 2; 10}} / * end of if statement 7 else {15 if ((frame-> zoom) .hor> = (frame-> motion) .hor + c / 6) {(frame-> zoom) .hor - = mmin {abs ((( frame-> zoom) .hor- (frame-> motion) .hor - c / 6) / 4), 4); 20 (frame-> zoom) .hor = Mmax (mmin ((frame-> zoom) .hor , c), c / 2);: .. ( frame-> zoom) .ver = (r * (frame-> zoom) .hor) / c; (frame-> zoom) .ver = Mmax (mmin ((frame-> zoom) .ver, r), r / 2); .:. (frame-> zoom) .hor = ((frame-> zoom) .hor / 2) * 2; (frame-> zoom) .ver = ((frame-> zoom) .ver / 2) * 2; • «· 25} • · '· · ·' if ((frame-> zoom) .hor <(frame-> motion) .hor + c / 10) {: (frame-> zoom) .hor + = 30 mmin ( abs (((frame-> zoom) .hor- (frame-> motion) .hor- c / 10) / 4), 8); • * * (frame-> zoom) .hor = Mmax (mmin ((frame-> zoom) .hor, c) Ic / 2); (frame-> zoom) .ver = (r * (frame-> zoom) .hor) / c; i '·· (frame-> zoom) .ver = Mmax (mmin ((frame-> zoom) .ver, r), r / 2); ':': 35 (frame-> zoom) .hor = ((frame-> zoom) .hor / 2) * 2; (frame-> zoom) .ver = ((frame-> zoom) .ver / 2) * 2; 17 112018}} / * else End of statement 7 / * move the zoom center toward the center of the motion 7 for (i = 0; i <2; i ++) {if ((frame-> zoom) .mid [i] <{frame -> motion) .mid [i] -4) {10 (frame-> zoom) .mid [i] + = mmin (abs (((frame-> zoom) .mid [i] - (frame-> motion) .mid [i]) / 4)), 8); } if ((frame-> zoom) .mid [i]> (frame-> motion) .mid [i] +4) {15 (frame-> zoom) .mid [i] - = mmin {abs ((( frame-> zoom) .mid [i] - (frame-> motion) .mid [i])) / 4.8); }} 20 / * hold the zoom within the image 7 • '· .. (frame-> zoom) .mid [0] =.': ·. mmin (Mmax ((frame-> zoom) .mid [0], (frame-> zoom) .hor / 2)) c- (frame-> zoom) .hor / 2); (frame-> zoom) .mid [1] = 'ί 25 mmin (Mmax ((frame-> zoom) .mid [1], (frame-> zoom) .ver / 2)) r- (frame-> zoom ) .ver / 2); • ·
I II I
left = (frame->zoom).mid[0]-(frame->zoom).hor/2; • · * : right = (frame->zoom).mid[0]+(frame->zoom).hor/2; 30 up = (frame->zoom).mid[1]-(frame->zoom).ver/2; . i·, down = (frame->zoom).mid[1]+(frame->zoom).ver/2; » · * » t ·; Convert(frame,left,right,up,down); Γ Kutsu interpolointi-funktiota 7 I » I ileft = (frame-> zoom) .mid [0] - (frame-> zoom) .hor / 2; • · *: right = (frame-> zoom) .mid [0] + (frame-> zoom) .hor / 2; 30 up = (frame-> zoom) .mid [1] - (frame-> zoom) .ver / 2; . i ·, down = (frame-> zoom) .mid [1] + (frame-> zoom) .ver / 2; »· *» T ·; Convert (frame, left, right, up, down); Γ Call the interpolation function 7 I »I i
* It I* It I
35 return(1); } 18 11201835 return (1); } 18 112018
Seuraavaksi kuvion 2 vuokaavioon viitaten selostetaan menetelmä tunnistaa liike peräkkäisistä kuvista. Menetelmän suorittaminen aloitetaan 200:ssa. Sitten 202:ssa valitaan käytettävä kuvanlähde, esimerkiksi useista kameroista yksi. Jos kameroita on vain yksi, silloin 202:ta ei tarvitse suorittaa.Next, with reference to the flow chart of Figure 2, a method for detecting motion from consecutive images will be described. The process begins at 200. 202 then selects the image source to use, for example one of several cameras. If there is only one camera, 202 need not be performed.
5 Kun kamera on valittu, 204:ssä luetaan kuva kameralta. Kuvan tulee olla sellainen, että siitä pystytään suoraan lukemaan luminanssikomponentti, tai sitten sellainen, että luminanssikomponentti pystytään synnyttämään kuvan sisältämän informaation perusteella. Luminanssikomponentti laitetaan 206:ssa muistiin.5 When the camera is selected, 204 reads the image from the camera. The image must be such that the luminance component can be read directly from it, or else the luminance component can be generated based on the information contained in the image. The luminance component is stored in 206.
10 Sitten 208:ssa luetaan seuraava kuva kameralta. Järjestelmän herkkyyden säätö, joka suoritetaan edellä kuvatulla tavalla suoritetaan 210:ssä.10 The 208 then reads the next image from the camera. The system sensitivity adjustment performed as described above is performed at 210.
Seuraavaksi siirrytään 212:een, jossa muodostetaan kunkin edellisen kuvan luminanssipikselin ja vastaavan nykyisen kuvan luminanssipikselin 15 välistä suuruuseroa kuvaava erodata, esimerkiksi vähentämällä kustakin edellisen kuvan luminanssipikselistä vastaava nykyisen kuvan luminanssipikseli. Samassa 212:ssa lisätään muodostetut erodatat kumulatiiviseen liikerekiste-riin, jossa liikerekisterissä kutakin kuvan luminanssipikseliä vastaa data-alkio.Next, we move to 212, generating the difference data representing the magnitude difference between the luminance pixel of each previous image and the corresponding current image luminance pixel 15, for example, by subtracting the current image luminance pixel corresponding to each luminance pixel of the previous image. In the same 212, the generated erod data is added to the cumulative motion register, where in the motion register each data luminance pixel corresponds to a data item.
Tämän jälkeen 214:ssä tunnistetaan liikkeeksi sellaiset data-alkiot, 20 joiden arvo ylittää ennalta määrätyn kynnysarvon. Jos halutaan, niin tunniste-: ’ ·,. tusta liikkeestä voidaan myös laittaa hälytys päälle.Subsequently, 214 identifies data items with a value exceeding a predetermined threshold value. If desired, the tag: '· ,. This movement can also be used to turn on the alarm.
Hälytyksen päälläolo tarkastetaan 216:ssa. Jos hälytys on päällä niin siirrytään 230:een, muutoin siirrytään 222:een.The alarm is checked at 216. If the alarm is on, then 230 will be used, otherwise 222 will be used.
Optionaalinen zoomaus liikkeeseen suoritetaan 230:ssä aikaisem- * ; 25 min kuvatulla tavalla. Mahdollisen zoomauksen jälkeen siirrytään 232:een, jos sa viedään zoomattu kuva enkooderille. Eräässä suoritusmuodossa kameraOptional zoom to motion is performed on 230 previous *; 25 min as described. After a possible zoom, it moves to 232 if you export the zoomed image to the encoder. In one embodiment, the camera
• · I• · I
'···' voi olla liikuteltava tai optisesti zoomattava, joten 234:ssä tarkistetaan näiden ominaisuuksien olemassaolo.'···' can be movable or optically zoomed, so the 234 checks for these features.
: V Ellei näitä ominaisuuksia ole, niin siirrytään 208:aan, jossa luetaan 30 seuraava kuva kameralta. Jos kyseiset ominaisuudet taas ovat käytössä, siirry- .X tään 236:een, jossa ohjataan kameraa halutulla tavalla, esimerkiksi aiemmin « > » lii esitetyllä tavalla käännetään kamera tunnistettua liikettä kohti tai zoomataan ;·' optisesti liikkeeseen. Myös aiemmin kuvatulla tavalla 240:ssä muokataan edel- < · : ’·< lisen kuvan ja liikerekisterin arvoja, jotta liikkeen tunnistaminen toimisi oikein, 1: · : 35 eikä liikkeeksi tunnistettaisi kameran liikkeestä tai optisesta zoomauksesta ai- 19 112018 heutunutta liikettä. Sitten 240:stä siirrytään 208:een, jossa luetaan seuraava kuva kameralta.: V If these features are not available, we move on to 208, which reads the next 30 images from the camera. If these features are turned on again, the .X will go to 236, which will control the camera as desired, for example, as shown in the ">" lii above, to rotate the camera towards the detected motion or zoom; · 'Optically into motion. Also, as previously described, 240 modifies the values of the previous image and motion index to correctly detect motion, 1: ·: 35, and not detect motion caused by camera movement or optical zoom. Then, from 240 to 208, the next image from the camera is read.
222:ssa testataan tarvitseeko käytettävää kameraa vaihtaa. Jos sitä ei tarvitse vaihtaa, siirrytään 234:een, josta toiminta jatkuu edellä kuvatulla ta-5 valla. Jos taas kamera vaihdetaan johonkin toiseen, niin siirrytään 228:aan, jossa tyhjennetään liikerekisteri, jotteivät edellisen kameran liikerekisterin arvot sekoita toimintaa uudessa kamerassa.222 tests whether the camera in use needs to be replaced. If it does not need to be replaced, it proceeds to 234, from which operation continues as described above. If, on the other hand, the camera is changed to another, it moves to 228, where the motion register is cleared, so that the values of the motion register of the previous camera do not interfere with the operation of the new camera.
Kuviossa 2 ei ole kuvattu menetelmän suorittamisen lopetusta, sillä sehän voidaan periaatteessa lopettaa missä tahansa kohdassa. Luonnollinen 10 lopetuskohta on se, kun ei enää haluta tutkia peräkkäisiä kuvia. Menetelmän suorittamiseen soveltuu aikaisemmin selostetun tyyppinen laite, mutta myös muunlaiset laitteet voivat soveltua menetelmän toteuttamiseen. Menetelmän edullisia suoritusmuotoja ovat oheisten epäitsenäisten menetelmäpatenttivaa-timusten mukaiset suoritusmuodot. Niiden toimintaa on selostettu jo edellä lait-15 teen yhteydessä, siksi selostusta ei toisteta tässä.Fig. 2 does not illustrate the termination of the method, since it can in principle be terminated at any point. The natural end point for 10 is when you no longer want to explore sequential images. A device of the type described above is suitable for carrying out the method, but other types of device may also be suitable for carrying out the method. Preferred embodiments of the method are embodiments according to the appended dependent claims. Their operation has already been described above in connection with the Act, therefore the description will not be repeated here.
Seuraavaksi selostetaan laaja esimerkki kuvan käsittelystä, jotta toimintaperiaate, jolla menetelmä ja laite tunnistaa liike peräkkäisistä kuvista toimivat, tulisi täysin selväksi.A large example of image processing will now be described so that the operating principle by which the method and device recognize motion from sequential images operate is fully understood.
Kuviot 4A, 5A, 6A ja 7A esittävät neljää kuvaa, jotka on valittu pe-20 räkkäisten kuvien sekvenssistä. Koska tässä ei ole tilaa esittää kaikkia ku-vasekvenssin kuvia, on siitä valittu neljä edustavaa kuvaa.Figures 4A, 5A, 6A and 7A show four images selected from the sequence of Fri-20 consecutive images. Since there is no room here to represent all the pictures in the image sequence, four representative pictures have been selected.
t * ♦t * ♦
Kameralla kuvataan huoneen nurkassa olevaa pöytää. Kuten kuvi- * , osta 4A näkyy, on pöydällä radionauhuri.The camera shoots a table in a corner of the room. As shown *, the 4A shown shows a radio recorder on the table.
Seuraavaksi kuviossa 5A näytetään sekvenssissä myöhemmin ole- • ‘; 25 va kuva, jossa henkilö on kävellyt pöydän luo.Next, Fig. 5A shows the sequence later in the sequence; 25 a picture of a person walking to a table.
’ ; Kuviossa 6A nähtävässä kuvassa henkilö on ottanut radionauhurin pöydältä syliinsä.'; 6A, the person has taken the radio recorder off his desk in his lap.
Kuvion 7A kuvassa henkilö ja radionauhuri ovat poistuneet kuvasta, : ‘ : johon on jäänyt vain huoneen nurkka ja tyhjä pöytä.In the picture of Figure 7A, the person and the radio recorder have left the picture,: ': with only a corner of the room and an empty table left.
30 Kuvio 10 havainnollistaa luminanssipikselin käsittelyä liikerekisteris- sä kuvioiden 4A, 5A, 6A ja 7A esimerkin yhteydessä. Kuvio 10 on muodostettu ’ samalla periaatteella kuin kuvio 3, eli vaaka-akselilla on peräkkäisten kuvien I t numerot 1-30 ja pystyakselilla sekä luminanssipikselin että liikerekisterin data-alkion arvoalue. Tarkasteltavan luminanssipikselin arvon vaihteluja kuvataan ·:·· 35 käyrällä 1000. Kyseistä luminanssipikseliä liikerekisterissä vastaavan data- alkion arvon vaihtelua kuvataan käyrällä 1002.Figure 10 illustrates the processing of a luminance pixel in a motion register in connection with the example of Figures 4A, 5A, 6A and 7A. Fig. 10 is formed in the same manner as Fig. 3, i.e., the horizontal axis has the numerical values from 1 to 30 of the consecutive figures I t, and the vertical axis has the value range of both the luminance pixel and the motion element data element. The variations in the value of the luminance pixel under consideration are represented by ·: ·· 35 curves 1000. The variation in the value of the data element corresponding to that luminance pixel in the motion register is described by curve 1002.
20 11201820 112018
Kuvissa 1-13 tarkastelun kohteeksi valittu luminanssipikseli on osa radionauhuria. Pikselin arvon pieni vaihtelu on kohinaa. Kuvissa 14-15 luminanssipikseli on osa henkilön kättä. Kuvissa 16-30 luminanssipikseli on osa pöytää.The selected luminance pixel in Figures 1-13 is part of a radio recorder. A small variation in pixel value is noise. 14-15, the luminance pixel is part of a person's hand. In the figures 16-30, the luminance pixel is part of the table.
5 Kuten käyrää 1002 tarkistelemalla havaitaan, esimerkissämme on jälleen käytössä suoritusmuoto, jossa liikerekisterin nollasta poikkeavien data-alkioiden arvoja pienennetään kohti nollaa ennalta määrätyn suuruisella määrällä kunkin erodatan lisäyksen yhteydessä. Esimerkissämme tämä ennalta määrätyn suuruinen määrä on viisi.As observed by examining curve 1002, in our example again an embodiment is used in which the values of non-zero data elements of the motion register are reduced to zero by a predetermined amount each time the difference data is added. In our example, this predetermined amount is five.
10 Kuviot 4B, 5B, 6B ja 7B esittävät miltä näyttää kuvioista 4A, 5A, 6AFigures 4B, 5B, 6B and 7B illustrate what Figures 4A, 5A, 6A look like
ja 7A tunnistettu liike mustavalkokuvana. Tässä esimerkissämme on valittu niin, että liikettä esitetään mustalla ja liikkumattomuutta valkoisella.and 7A identified motion in black and white. In this example, the motion is chosen to represent motion in black and immobility in white.
Koska kuviossa 4A ei ole liikettä, ei kuvion 4B kuvassa ole mitään muuta kuin valkoista.Since there is no motion in Figure 4A, there is nothing other than white in Figure 4B.
15 Kuviossa 5A liike on havaittu, jolloin se näkyy kuvion 5B kuvassa mustana henkilöä esittävänä hahmona.In Fig. 5A, motion is detected, whereby it is shown in Fig. 5B as a black person.
Kuviossa 6B nähdään, että henkilö on ottanut radionauhurin syliinsä. Kuten kuviosta 6B myös nähdään, jää radionauhurin poisvienti näkymään liikkeenä siihen paikkaan jossa se oli. Kuten kuviossa 7B nähdään, henkilön 20 liikkeen jo hävittyä, näkyy radionauhurin poisvienti vielä. Aiemmin esitetyllä tavalla liikkeen tunnistuksen kynnysarvoa, mustavalkokuvan muodostamisen kynnysarvoa ja erodatan lisäyksen yhteydessä pienentämiseen käytettävää ennalta määrätyn suuruista määrää säätämällä voidaan säätää kuinka kauan • :* liike näkyy kuvassa. Jos koko mustavalkokuvasekvenssiä ajatellaan liikkuvana .**: 25 kuvana, niin siinä näkyy henkilön liike mustana hahmona, joka tulee pöydän luokse, ottaa radionauhurin syliinsä, ja poistuu huoneen nurkasta kameran ku-:[['·. vaarnasta kuva-alasta. Data-alkion arvon pienennys saa sen aikaan, että ku vasta tunnistettu liike häviää lopulta mustavalkokuvasta, eli sitten kun liikere-:v. kisterin sisältämien data-alkioiden arvo pienenee tarpeeksi, häviää myös mus- ,··. 30 ta radionauhuri mustavalkokuvasta.Figure 6B shows that a person has taken the radio recorder in his lap. As can also be seen in Figure 6B, the outlet of the radio recorder remains visible in motion to where it was. As shown in Fig. 7B, once the motion of the person 20 has been lost, the outlet of the radio recorder is still visible. As previously described, adjusting the motion detection threshold, the black-and-white image generation threshold, and the predetermined amount to be used to reduce the difference in data input can be used to adjust how long •: * motion is displayed in the image. If the entire black-and-white sequence is thought to be moving. **: 25, it shows a person's motion as a black character coming up to the table, taking the radio recorder in his lap, and exiting the corner of the room. from the stake area. Decreasing the value of a data item causes the newly detected motion to eventually disappear from the black and white image, i.e. when the motion: v. the value of the data elements contained in the register decreases enough, and the mus, ··. 30 ta black and white radio recorder.
• ‘ Kuviot 4C, 5C, 6C ja 7C esittävät miltä näyttää kuvioista 4A, 5A, 6AFigures 4C, 5C, 6C and 7C illustrate what Figures 4A, 5A, 6A look like
\ i =: ja 7A tunnistettuun liikkeeseen zoomattu kuva.\ i =: and 7A zoomed image to recognized motion.
Kuten kuviota 4A ja 4C vertaamalla havaitaan, ei kuviossa 4C ole ;·. vielä käytetty liikkeeseen zoomausta, koska kuvion 4B mukaisesti siinä ei vielä i: 35 ole tunnistettu liikettä.As can be seen by comparing Figure 4A and 4C, Figure 4C does not; still used motion zoom because, according to Fig. 4B, there is no i: 35 motion detected yet.
21 11201821 112018
Kuviossa 5C nähdään, kuinka kuvaa on lähdetty zoomaamaan kuvasta tunnistettuun liikkeeseen, eli kuvaan kävellyttä henkilöä kohti.Figure 5C shows how the image has been begun to be zoomed from the image to a recognized motion, i.e., to the person walking.
Kuvion 6C mukaisesti zoomausta on edelleen jatkettu.As shown in Figure 6C, zooming is continued.
Kuvion 7C mukaisesti zoomaus on suuntautunut poisvietyä radio-5 nauhuria kohti, koska kuvion 7B mukaisesti poisvienti jäi näkyviin liikkeenä.As shown in Figure 7C, the zoom is oriented toward the retrieved radio-5 recorder, as in Figure 7B, the retraction remained visible as motion.
Sitten kun liikettä ei enää tunnisteta kuvasta, voidaan kuva-ala palauttaa ennalleen, esimerkiksi portaattomasti zoomaamalla takaisin alkuperäiseen kuva-alaan.Then, when motion is no longer recognized in the image, the image area can be restored, for example, by steplessly zooming back to the original image area.
Seuraavaksi kuviossa 8 havainnollistetaan kameran liikuttamisen 10 vaikutusta. Aiemmin kuvattua suoritusmuotoa käyttäen ohjataan kuvat muodostanut kamera liikkumaan kuvasta tunnistetun liikkeen suuntaan. Edellinen kuva on rajattu kehyksellä 800, ja nykyinen kuva kehyksellä 802. Vinoristiviivoi-tettu alue 804, on se vanha kuva-alue, joka jätetään liikkeen tunnistamiseksi suoritettavassa tarkastelussa pois. Vaakaristiviivoitettu alue 806 on pelkästään 15 uudessa kuvassa oleva alue, jolta osin pelkästään nykyisessä kuvassa olevia luminanssipikseleitä vastaavat data-alkiot nollataan. Edellisen kuvan 800 ja nykyisen kuvan 802 välinen liikevektori 808 määrittää suunnan johon kameraa on liikutettu. Edellisen kuvan 800 ja nykyisen kuvan 802 yhteinen alue 810 on alue, jolta osin edellisen kuvan 800 luminanssipikselit siirretään nykyisessä 20 kuvassa 802 olevien samaa kuva-alaa esittävien luminanssipikseleiden kohdalle, ja samoin liikerekisterissä olevat vastaavat data-alkiot siirretään kyseisen saman kuva-alan kohdalle. Käytännössä liikerekisterin data-alkioita ja edellisen kuvan 800 kehyspuskurissa olevia luminanssipikseleitä liikutetaan liikevektorin 808 määräämä matka vastakkaiseen suuntaan.Next, Figure 8 illustrates the effect of moving the camera 10. Using the previously described embodiment, the camera that formed the images is guided from the image in the direction of the detected motion. The previous image is framed by frame 800, and the current image is framed by frame 802. The oblique area 804 is the old image area that is omitted in the motion detection detection. Horizontally crossed area 806 is only the area of the 15 new image, whereby only data elements corresponding to the luminance pixels of the current image are reset. The motion vector 808 between the previous image 800 and the current image 802 determines the direction in which the camera has been moved. The common area 810 of the previous image 800 and the current image 802 is the area where the luminance pixels of the previous image 800 are moved to the luminance pixels of the current image 802 in the current image 80, and similar data elements in the motion register are moved to that same image area. In practice, the motion register data elements and the luminance pixels in the frame buffer 800 of the previous image are moved in the opposite direction determined by the motion vector 808.
25 Lopuksi kuviossa 9 havainnollistetaan kameran optisen zoomin käy- :' ‘: tön vaikutusta edellä kuvattuihin menettelyihin. Aiemmin kuvattua suoritusmuo- toa käyttäen ohjataan kuvat muodostanut kamera zoomaamaan optisesti kuvasta tunnistetun liikkeen suuntaan. Edellinen kuva on rajattu kehyksellä 900, :v. ja nykyinen kuva kehyksellä 902. Ristiviivoitettu alue 904 on se alue, joka nä- . * . 30 kyy pelkästään edellisessä kuvassa 900. Edellisen kuvan 900 ja nykyisen ku van 902 yhteinen osa on alue 906. Edellisen kuvan kuva-ala 900 muokataan ‘ ’ vastaamaan nykyisen kuvan 902 kuva-alaa jättämällä siitä alue 904 pois, ja ...: interpoloimalla siihen nykyisen kuvan 902 kuva-alaa vastaavat puuttuvat lumi- nanssipikselit, ja liikerekisterin kuva-ala muokataan vastaamaan nykyisen ku-,: 35 van 902 kuva-alaa interpoloimalla siihen nykyisen kuvan 902 kuva-alaa vas taavat puuttuvat data-alkiot.Finally, Figure 9 illustrates the effect of the camera's optical zooming on the procedures described above. Using the previously described embodiment, the camera that formed the images is guided optically from the image in the direction of the detected motion. The picture above is framed by 900,: v. and the current image with frame 902. The crossed-out region 904 is the region that is visible. *. The area of the previous image 900 and the current image 902 is the region 906. The image area 900 of the previous image is '' matched with the image area of the current image 902 by omitting the area 904, and ...: interpolating to it. the missing image luminance pixels corresponding to the image area of the current image 902, and the motion register image area is modified to correspond to the current image 902 image area by interpolating the missing data elements corresponding to the image field of the current image 902.
„ 112018 22"112018 22
Vaikka keksintöä on edellä selostettu viitaten oheisten piirustusten mukaiseen esimerkkiin, on selvää, ettei keksintö ole rajoittunut siihen, vaan sitä voidaan muunnella monin tavoin oheisten patenttivaatimusten esittämän keksinnöllisen ajatuksen puitteissa.Although the invention has been described above with reference to the example of the accompanying drawings, it is clear that the invention is not limited thereto, but that it can be modified in many ways within the scope of the inventive idea set forth in the appended claims.
Claims (53)
Priority Applications (6)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FI20012497A FI112018B (en) | 2001-12-18 | 2001-12-18 | Method and apparatus for detecting motion |
FI20020368A FI112017B (en) | 2001-12-18 | 2002-02-26 | Automatic zooming method and device |
PCT/FI2002/001022 WO2003052711A1 (en) | 2001-12-18 | 2002-12-13 | Method and device for identifying motion |
AU2002350783A AU2002350783A1 (en) | 2001-12-18 | 2002-12-13 | Method and device for automatic zooming |
AU2002350782A AU2002350782A1 (en) | 2001-12-18 | 2002-12-13 | Method and device for identifying motion |
PCT/FI2002/001023 WO2003052712A1 (en) | 2001-12-18 | 2002-12-13 | Method and device for automatic zooming |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FI20012497 | 2001-12-18 | ||
FI20012497A FI112018B (en) | 2001-12-18 | 2001-12-18 | Method and apparatus for detecting motion |
Publications (3)
Publication Number | Publication Date |
---|---|
FI20012497A0 FI20012497A0 (en) | 2001-12-18 |
FI20012497A FI20012497A (en) | 2003-06-19 |
FI112018B true FI112018B (en) | 2003-10-15 |
Family
ID=8562510
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
FI20012497A FI112018B (en) | 2001-12-18 | 2001-12-18 | Method and apparatus for detecting motion |
Country Status (3)
Country | Link |
---|---|
AU (1) | AU2002350782A1 (en) |
FI (1) | FI112018B (en) |
WO (1) | WO2003052711A1 (en) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4612906B2 (en) | 2003-09-12 | 2011-01-12 | キヤノン株式会社 | Method, apparatus and computer program for transmitting sequence |
GB2423661A (en) * | 2005-02-28 | 2006-08-30 | David Thomas | Identifying scene changes |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0878965A3 (en) * | 1997-05-14 | 2000-01-12 | Hitachi Denshi Kabushiki Kaisha | Method for tracking entering object and apparatus for tracking and monitoring entering object |
JP3779494B2 (en) * | 1998-06-03 | 2006-05-31 | 松下電器産業株式会社 | Motion detection device and recording medium |
DE60039630D1 (en) * | 1999-12-23 | 2008-09-04 | Secuman B V | METHOD, DEVICE AND COMPUTER PROGRAM FOR MONITORING A TERRITORY |
SE517900C2 (en) * | 1999-12-23 | 2002-07-30 | Wespot Ab | Methods, monitoring system and monitoring unit for monitoring a monitoring site |
JP2001298728A (en) * | 2000-04-12 | 2001-10-26 | Meidensha Corp | Remote monitoring system and image coding method |
RU2187904C1 (en) * | 2000-12-19 | 2002-08-20 | Многопрофильное предприятие ООО "Элсис" | Image conversion method and device |
-
2001
- 2001-12-18 FI FI20012497A patent/FI112018B/en not_active IP Right Cessation
-
2002
- 2002-12-13 WO PCT/FI2002/001022 patent/WO2003052711A1/en not_active Application Discontinuation
- 2002-12-13 AU AU2002350782A patent/AU2002350782A1/en not_active Abandoned
Also Published As
Publication number | Publication date |
---|---|
AU2002350782A1 (en) | 2003-06-30 |
FI20012497A0 (en) | 2001-12-18 |
FI20012497A (en) | 2003-06-19 |
WO2003052711A1 (en) | 2003-06-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9679202B2 (en) | Information processing apparatus with display control unit configured to display on a display apparatus a frame image, and corresponding information processing method, and medium | |
US10127452B2 (en) | Relevant image detection in a camera, recorder, or video streaming device | |
US9805287B2 (en) | Method of identifying relevant areas in digital images, method of encoding digital images, and encoder system | |
US8509481B2 (en) | Image processing apparatus, image processing method, imaging apparatus | |
US8982209B2 (en) | Method and apparatus for operating a video system | |
CN104349074B (en) | Method, apparatus and system for generating combined digital video sequences | |
US20130071045A1 (en) | Image transmitting apparatus, image receiving apparatus, image transmitting and receiving system, recording medium recording image transmitting program, and recording medium recording image receiving program | |
KR100883632B1 (en) | System and method for intelligent video surveillance using high-resolution video cameras | |
WO2008057285A2 (en) | An apparatus for image capture with automatic and manual field of interest processing with a multi-resolution camera | |
GB2442512A (en) | Motion detector using video frame differences with noise filtering and edge change accentuation | |
FI117845B (en) | Video image processing | |
US8699750B2 (en) | Image processing apparatus | |
KR100995949B1 (en) | Image processing device, camera device and image processing method | |
FI112018B (en) | Method and apparatus for detecting motion | |
CN101098463A (en) | Intelligent network camera having function of protecting fixed target | |
JP2005175970A (en) | Imaging system | |
JP2008131572A (en) | Monitoring camera apparatus and photographing method of same | |
JP2009100259A (en) | Monitoring camera and image monitoring system | |
FI112017B (en) | Automatic zooming method and device | |
KR100420620B1 (en) | Object-based digital video recording system) | |
KR100457302B1 (en) | Auto tracking and auto zooming method of multi channel by digital image processing | |
Cvetkovic et al. | Background estimation and adaptation model with light-change removal for heavily down-sampled video surveillance signals | |
KR100391266B1 (en) | Method for background setup in object-based compression moving-image | |
NL1013983C2 (en) | Device and method for automatically controlling exposure time in a CMOS image sensor. | |
KR100290607B1 (en) | Security method for automatic object recognition and tracking shooting function |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PC | Transfer of assignment of patent |
Owner name: GOOGLE INC. Free format text: GOOGLE INC. |
|
MM | Patent lapsed |